欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2022108994679
申请人: 河南职业技术学院
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于云计算的直播视频加密传输方法,其特征在于,包括:

获取直播过程中设定帧图像;

通过设定帧图像中每一帧图像和其相邻帧图像中所有像素点的像素值得到设定帧图像中每一帧图像和其相邻帧图像的结构相似性;

利用每一帧图像和其相邻帧图像的结构相似性对设定帧图像进行分类,得到每一类图像区间;

计算每一类图像区间中每一帧图像和其它所有帧图像的相关性,在得到的所有相关性中选取最大相关性对应的一帧图像作为该类图像区间中的代表帧图像;

对每一类图像区间中的代表帧图像同时进行多次的拉普拉斯和高斯分层,且每次分层的层数不相同,利用每一次拉普拉斯分层后每层图像在进行加密时所需的加密时间和每一次高斯分层后最高层高斯图像的信息熵计算每次分层的分层效果,获取分层效果中的最大值所对应的分层后的层数作为该类图像区间中代表帧图像的最佳分层数;

利用每一类图像区间中代表帧图像的最佳分层数对该类图像区间中所有帧图像进行拉普拉斯和高斯分层,得到每一类图像区间中每一帧图像的所有层拉普拉斯图像和最高层高斯图像;

根据每一帧图像经过分层后每层拉普拉斯图像和最高层高斯图像的信息熵以及其中边缘像素点的个数、所有像素点的个数得到每一帧图像分层后每层拉普拉斯图像和最高层高斯图像的加密密钥;

利用每一帧图像分层后每层拉普拉斯图像和最高层高斯图像的加密密钥和设定的固定密钥分别对分层后的每层拉普拉斯图像和最高层高斯图像进行混沌序列加密,完成对该帧图像的加密,将加密后的图像传输到云端进行保存。

2.根据权利要求1所述的一种基于云计算的直播视频加密传输方法,其特征在于,利用每一帧图像和其相邻帧图像的结构相似性对设定帧图像进行分类的方法为:若每一帧图像和其相邻帧图像的结构相似性大于结构相似性阈值,判断该帧图像和其相邻帧图像属于同一类图像区间;否则,判断该帧图像和其相邻帧图像不属于同一类图像区间。

3.根据权利要求2所述的一种基于云计算的直播视频加密传输方法,其特征在于,每一帧图像和其相邻帧图像的结构相似性的表达式为:式中,α(h1,h2)表示第h1帧图像和第h2帧图像的结构相似性,第h1帧图像和第h2帧图像为相邻帧图像,Q1表示第h1帧图像中所有像素点的像素平均值,Q2表示第h2帧图像中所有像素点的像素平均值,W12表示第h1帧图像和第h2帧图像中像素点的像素值的协方差, 表示第h1帧图像中所有像素点的像素值的方差, 表示第h2帧图像中所有像素点的像素值的方差,O1表示第一维稳常数,O1表示第二维稳常数。

4.根据权利要求1所述的一种基于云计算的直播视频加密传输方法,其特征在于,每次分层的分层效果的表达式为:式中,P(N)表示每一类图像区间中的代表帧图像每次分层的分层效果,H(GN)表示每一类图像区间中的代表帧图像每次分层后最高层高斯图像的信息熵,tl表示每一类图像区间中代表帧图像每次分层的分层加密时间;

每一类图像区间中代表帧图像每次分层的分层加密时间的表达式为:

式中,j表示每一类图像区间中代表帧图像分层后的第j层图像,N表示每一类图像区间中代表帧图像的分层数,tj表示每一类图像区间中代表帧图像分层后的第j层拉普拉斯图像的混沌序列加密时间,T表示每一类图像区间中代表帧图像的分层时间。

5.根据权利要求1所述的一种基于云计算的直播视频加密传输方法,其特征在于,得到每一帧图像分层后每层拉普拉斯图像和最高层高斯图像的加密密钥的方法为:根据每一帧图像经过分层后每层拉普拉斯图像和最高层高斯图像的信息熵以及其中边缘像素点的个数、所有像素点的个数得到每一帧图像分层后每层拉普拉斯图像和最高层高斯图像的边缘加权熵;

对每一帧图像分层后每层拉普拉斯图像和最高层高斯图像的边缘加权熵进行归一化处理得到每一帧图像分层后每层拉普拉斯图像和最高层高斯图像的加密密钥。

6.根据权利要求5所述的一种基于云计算的直播视频加密传输方法,其特征在于,得到每一帧图像分层后每层拉普拉斯图像和最高层高斯图像的边缘加权熵的方法为:计算每一帧图像分层后每层拉普拉斯图像和最高层高斯图像中边缘像素点的个数和所有像素点的个数的比值;计算该比值与每一帧图像分层后每层拉普拉斯图像和最高层高斯图像的信息熵的乘积,该乘积即为每一帧图像分层后每层拉普拉斯图像和最高层高斯图像的边缘加权熵。

7.根据权利要求1所述的一种基于云计算的直播视频加密传输方法,其特征在于,每一类图像区间中每一帧图像和其它所有帧图像的相关性的表达式为:式中,CONε′表示每一类图像区间中第ε′帧图像和其它所有帧图像的相关性,ε表示每一类图像区间中除第ε′帧图像以外的第ε帧图像,Hε表示每一类图像区间中除第ε′帧图像以外的第ε帧图像的信息熵,nu表示每一类图像区间中除第ε′帧图像以外的图像帧数,Hε′表示每一类图像区间中第ε′帧图像的信息熵。