CN104036531B - 一种基于矢量量化以及二叉查找树的信息隐藏方法 - Google Patents
一种基于矢量量化以及二叉查找树的信息隐藏方法 Download PDFInfo
- Publication number
- CN104036531B CN104036531B CN201410267394.7A CN201410267394A CN104036531B CN 104036531 B CN104036531 B CN 104036531B CN 201410267394 A CN201410267394 A CN 201410267394A CN 104036531 B CN104036531 B CN 104036531B
- Authority
- CN
- China
- Prior art keywords
- node
- secret information
- index
- information
- secret
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Storage Device Security (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
一种基于矢量量化以及二叉查找树的信息隐藏方法,根据索引图建立对应的二叉查找树;利用秘密信息选取其在二叉查找树中对应的路径,使用路径的最后一个节点表示嵌入的秘密信息,实现秘密信息的嵌入;接着将路径的最后一个节点作为秘密信息的索引值,索引图和所有秘密信息的索引值构成二进制码流并输出;从二进制码流中提取索引图和索引值;根据索引图建立对应的二叉查找树;根据索引值得到原始的秘密信息;同时恢复出原始的载体图像。本发明使秘密信息的安全性得到大大的提高;而且不同的载体都有不同的编码结果,真正的对外隐藏了秘密信息的可见性,使其对外变得不可感知,大大提高了秘密信息的安全性。
Description
技术领域
本发明属于信息安全技术领域,具体涉及一种基于矢量量化以及二叉查找树的信息隐藏方法。
背景技术
信息技术(数字化技术,网络技术,计算机技术)的快速发展,使图像、音频、视频等多媒体信息可以在各种通信网络中迅速快捷的传输,给信息的压缩、存储、复制处理等应用提供了更大的便利。虽然给人们生活和工作带来了巨大的收益,但是也带来了日益严峻的安全问题。各种机密信息,包括国家安全信息、军事信息、私密信息(如信用卡账号)等都需要通过网络进行传输,但互联网是一个开放的环境,在其上传输的秘密关系着国家安全、经济发展和个人稳私等方方面面的安全,所以信息安全在当今变得越来越重要,保障信息的安全成为当前一个亟待解决的问题。
加密作为信息安全最基本的方法,在信息安全领域发挥着重要的作用。加密的本质是利用密钥对原数据进行某种处理或运算,使得原始数据变得面目全非,不能识别,只有拥有密钥的一方才能利用密钥将加密数据恢复出来,得到原始数据。虽然加密算法是数据变得面目全非,但是对于多媒体数据来说,如视频,音频以及图像,加密后,这些多媒体数据面目全非,变得“不可视”或者“不可听”,破坏了原始数据的价值和意义,使得原始数据变得毫无意义和价值。另一方面,加密算法使得明文(原始数据)变成密文(加密后数据),虽然密文毫无意义并且让人难以识别,但也正是这种与明文存在的巨大差异,更暗示着此秘密信息的重要性,吸引了攻击者的注意力和关注度,使得攻击者窃取信息并进行破解,降低了信息安全性。
为了能更好的保证信息的安全性,人们提出了一种新的关于信息安全的概念—信息隐藏。信息隐藏就是将秘密信息隐藏到看上去普通的信息(如数字图像)中进行传送的方法。信息隐藏不同于传统的加密,传统的加密通过加密技术给信息加密,将原文通过某种数学映射变为密文。信息隐藏的目的不在于限制正常的资料存取,而在于把机密信息隐藏于可以公开的信息载体之中。信息载体可以是任何一种多媒体数据,如音频,视频,图像,甚至文本数据等,被隐藏的机密信息也可以是任何形式,其结果保证了隐藏数据不被侵犯和引起重视,防止第三方从信息载体中发现及检测出机密信息。
信息隐藏分为两个重要分支,即隐写术和数字水印。隐写术主要是用于机密信息通信,数字水印则是为了保护数字多媒体的版权。隐写术主要是对秘密信息进行隐藏,将其隐藏于普通的载体中,然后进行传送,降低秘密信息的受关注度,使得信息通信更加安全可靠;数字水印则是给视频、图像中加入不可视水印,以便检查盗版和保护版权。信息隐藏有着广泛的应用前景,如电子商务中的电子交易保护、保密通信、版权保护、拷贝控制和操作跟踪、认证和签名等各个方面。更为普遍的则是应用到人们的日常生活中,如用手机发短信,直接发送很可能被接收者以外的人窃取,从而得知你们之间的通话内容,这时可以将想要说的“悄悄话”隐藏到一幅很普通的图像中,然后传送,这样就可以实现隐秘通信。在军事上,信息隐藏也有着重要的用途,可以将军事机密信息加密后隐藏到一幅普通不易受怀疑的图像中,从而达到隐秘通信而不被敌人知晓,这在军事上有着重大的意义。信息隐藏技术使得通信安全性大大提高,不论在军事还是日常生活都能发挥巨大的作用,所以对信息隐藏算法研究具有不可估量的现实意义。
近年来,信息隐藏越来越多的受到关注,也有许多新的算法被提出来,基于矢量量化(Vector quantization)的信息隐藏算法就是其中一个。基于矢量量化的信息隐藏算法大部分都是基于压缩-嵌入的思想对秘密信息进行隐藏。首先对载体图像进行矢量量化,得到载体图像的索引图,然后对索引图进行压缩,以便于秘密信息的嵌入隐藏。基于jointneighboring coding(JNC)的信息隐藏就是其中一种典型的信息隐藏方法。利用索引图的空间相关性,根据所要嵌入的秘密信息,选择当前索引Icur的相邻索引Inei,根据不同的嵌入秘密信息,选择不同的索引;然后得出当前索引Icur与已选择相邻索引Inei间的差值d=Icur-Inei,对d进行编码。通常情况下,对当前索引Icur进行编码,需要n比特;而对d进行编码,需要m比特,而m<n;所以把对索引Icur的编码转化为对差值d的编码,就节省了n-m比特,而这节省的n-m比特就可以用来嵌入秘密信息;另外,当前索引Icur可以根据差值d进行恢复,Icur=d+Inei,这也就保证了无损恢复载体图像。
基于压缩-嵌入思想的信息隐藏方法可以实现大容量的信息隐藏,并且还能保证载体的无失真恢复,但是却存在安全问题,因为秘密信息是直接存在于编码的结果中,这实际上并没有隐藏秘密信息,没有使秘密信息变得不可感知,外界还是可以探知秘密信息的存在,进而提取秘密信息。基于JNC的信息隐藏方法中,虽然利用编码d替代了直接编码索引Icur,节省了n-m比特进行秘密信息嵌入,但是最后的结果还是n比特,只不过这n比特中前m比特是对差值d的编码,后n-m比特为嵌入的秘密信息,而不像之前的n比特全是对当前索引Icur的编码。
发明内容
本发明的目的在于提供一种基于矢量量化以及二叉查找树的信息隐藏方法,该方法能够保证嵌入秘密信息的安全性。
为了达到上述目的,本发明所采用的技术方案包括以下步骤:
1)根据载体图像的索引图建立对应的二叉查找树;利用秘密信息s选取秘密信息s在二叉查找树中对应的路径,使用对应的路径的最后一个节点表示嵌入的秘密信息s,实现秘密信息s的嵌入;
2)将秘密信息s嵌入后,将所有秘密信息对应路径的最后一个节点作为所有秘密信息的索引值,载体图像的索引图和所有秘密信息的索引值构成二进制码流,然后将二进制码流输出;
3)从二进制码流中提取载体图像的索引图;根据载体图像的索引图建立对应的二叉查找树;
4)从二进制码流中提取所有秘密信息的索引值,根据秘密信息的索引值找到其在二叉查找树中对应的路径,提取秘密信息的索引值在二叉查找树中对应路径的路径信息,并将路径信息组合起来,得到原始的秘密信息;同时根据载体图像的索引图恢复出原始的载体图像。
所述的步骤1)中载体图像的索引图是采用如下方法得到的:将载体图像分成大小为h×w的图像块,对每个图像块进行矢量量化,得到其在码书中对应的索引I,所有图像块的索引I组成了载体图像的索引图。
所述的步骤1)和步骤3)中建立对应的二叉查找树的过程为:
对载体图像的索引图中所有索引进行统计,统计出码书在载体图像的索引图中出现过的索引I,对出现的索引按照其索引值大小进行升序排列,形成索引序列{I1,I2,…In},从索引序列中选取中间索引值Imid作为根节点,{I1,I2,…Imid-1}作为根节点的左子树,{Imid+1,Imid+2,…In}作为根节点的右子树,对根节点的左子树和根节点的右子树分别进行迭代,直到生成二叉查找树,其中n表示载体图像的索引图中出现过不同索引的个数。
所述的步骤1)中选取秘密信息在二叉查找树中对应的路径的过程为:
从二叉查找树的根节点root出发,若遇到秘密信息s为比特0,则走到当前节点nodecur的左子节点nodeleft,并且选择当前节点nodecur的左子节点nodeleft作为当前节点:若遇到秘密信息s为比特1,则走到当前节点nodecur的右子节点noderight,并选择当前节点nodecur的右子节点noderight作为当前节点;将根节点root到确定的当前节点的路径信息作为嵌入的秘密信息,所嵌入的秘密信息用每条路径对应的最后一个节点表示,直到所有秘密信息嵌入完成,得到一系列节点,完成秘密信息在二叉查找树中对应的路径的选取。
所述的步骤4)中根据秘密信息的索引值找到其在二叉查找树中对应的路径的过程为:
对每一个索引值,若当前节点nodecur是当前节点nodecur的父节点nodeparent的左子节点,则提取秘密信息为0,并使当前节点nodecur的父节点nodeparent作为当前节点,将提取的秘密信息加入到stemp中:
若当前节点nodecur是当前节点nodecur的父节点nodeparent的右子节点,则提取秘密信息为1,并使当前节点nodecur的父节点nodeparent作为当前节点,将提取的秘密信息加入到stemp中;直到走到根节点root,得到当前秘密信息的索引值对应的所有秘密信息stemp,将秘密信息stemp进行反转,则完成根据秘密信息的索引值找到其在二叉查找树中对应的路径的过程。
所述的步骤4)中恢复出原始的载体图像的方法为:根据载体图像的索引图中对应的索引I,然后利用索引I找到索引I在k维码书C={yi|yi∈Rk,i=0,1,...,N-1}中对应的码字ym={ym0,ym1,…,ym(k-1)},利用此码字代表载体图像的对应图像块B:所有图像块用码字恢复,即得到载体图像,其中yi为码字,N为码书的大小。
与现有技术相比,本发明的有益效果在于:
本发明不再使用传统的压缩-嵌入算法框架,而是提出一种基于二叉查找树(Binary search tree)的算法框架,这种算法将秘密信息嵌入到二叉查找树的对应路径中,且需要从编码结果中提取秘密信息的,因此,本发明不再让秘密信息直接存在于编码的结果内,使秘密信息的安全性得到大大的提高;;另外,由于每个载体图像都是不同的,因此,不同的载体都有不同的编码结果,真正的对外隐藏了秘密信息的可见性,使其对外变得不可感知,大大提高了秘密信息的安全性。
附图说明
图1为本发明的模块图;
图2为本发明的信息嵌入流程图;
图3为示例索引二叉查找树。
具体实施方式
下面结合附图对本发明做进一步详细说明。
参见图1,本发明分为信息嵌入模块、信息提取模块及图像恢复模块,信息嵌入模块主要利用索引图进行二叉查找树的建立,然后根据秘密信息从树的根节点出发,找到秘密信息对应的路径,每条路径对应不同的节点,利用路径对应的节点来表示隐藏的秘密信息,信息提取模块是将嵌入的秘密信息提取出来,图像恢复模块是恢复载体图像的过程,具体由以下几个步骤组成:
(一)信息嵌入模块(参见图2):
1、矢量量化:
假设载体图像为8比特,M×N大小的灰度图像,将其分成不互相重叠的大小为h×w的图像块B,对每个图像块B={x0,x1,…,xh×w-1}进行矢量量化,得到其在码书中对应的索引I,所有图像块的索引I组成了载体图像的索引图;其中,x0,x1,…,xh×w-1为图像块B的像素;对每个图像块B={x0,x1,…,xh×w-1}进行矢量量化的方法为:
首先,在k维给定码书C={yi|yi∈Rk,i=0,1,...,N-1}中搜索与其最接近的码字ym={ym0,ym1,…,ym(k-1)},从而使得B与ym之间失真最小。B与ym之间失真最小是采用欧氏距离d(B,yi)度量的,欧氏距离d(B,yi)越小,失真越小;其中,yi为码字,N为码书的大小,R为实数域;
最接近码字ym也就是欧氏距离d(B,yi)最小的码字,即
图像块B的最接近的码字为ym,m为ym的索引。
2、建立二叉查找树:根据载体图像的索引图建立对应的二叉查找树;
对载体图像的索引图中所有索引进行统计,统计出码书中在载体图像的索引图中出现过的索引I,利用这些出现过的索引I进行二叉查找树的建立,其具体方法为:
对这些出现的索引按照其索引值大小进行升序排列,形成索引序列{I1,I2,…In},从索引序列中选取中间索引值Imid作为根节点,{I1,I2,…Imid-1}作为根节点的左子树,{Imid+1,Imid+2,…In}作为根节点的右子树。对根节点的左子树和根节点的右子树分别进行迭代,直到生成二叉查找树,其中n表示载体图像的索引图中出现过不同索引的个数,图3所示为只有9个索引的二叉查找树。
3、秘密信息嵌入:
利用需要嵌入的秘密信息从二叉查找树中找到秘密信息s在二叉查找树中对应的路径,其具体方法为:
从二叉查找树的根节点root出发,若遇到秘密信息s为比特0,则走到当前节点nodecur的左子节点nodeleft,并且选择当前节点nodecur的左子节点nodeleft作为当前节点:
nodecur=nodeleft if s=0
若遇到秘密信息s为比特1,则走到当前节点nodecur的右子节点noderight,并选择当前节点nodecur的右子节点noderight作为当前节点:
nodecur=noderight if s=1
将根节点root到确定的当前节点的路径信息作为嵌入的秘密信息,即从根节点root到当前节点nodecur的路径信息就是所嵌入的秘密信息,该路径信息所在的路径对应唯一一个节点,这唯一一个节点是路径上的最后一个节点,利用此节点就可代表路径信息,也就是嵌入的秘密信息,也就是说所嵌入的秘密信息用对应路径上的最后一个节点表示,直到所有秘密信息嵌入完成,得到一系列节点,这些节点所对应的路径信息就是所有的秘密信息,完成找到秘密信息在二叉查找树中对应的路径。
完成秘密信息嵌入之后,将一系列节点最作为对应的秘密信息的索引值(所有秘密信息对应路径的最后一个节点作为所有秘密信息的索引值),由载体图像的索引图的二进制形式以及嵌入秘密信息得到的一系列节点(索引值)两部分构成二进制输出码流,对码流进行传输。
(二)信息提取模块以及图像恢复模块:
1、索引图恢复:
对于接收的二进制码流,由两部分组成:载体图像的索引图和嵌入秘密信息得到的节点(所有秘密信息的索引值)。从二进制码流中提取载体图像的索引图,由这部分直接可以恢复载体图像的索引图;
2、建立二叉查找树:
根据恢复出的载体图像的索引图直接建立二叉查找树,其具体方法为:
对索引图进行统计,统计出码书中在索引图中出现过的索引I,将这些索引根据索引值进行升序排序,得到一个排序后的索引序列{I1,I2,…In}。选择排序后索引序列的中间索引Imid作为二叉查找树的根节点root,从索引序列中选取中间索引值Imid作为根节点,{I1,I2,…Imid-1}作为根节点的左子树,{Imid+1,Imid+2,…In}作为根节点的右子树。对根节点的左子树和根节点的右子树分别进行迭代,直到生成二叉查找树;图3所示为只有9个索引的二叉查找树。
3、秘密信息提取以及图像恢复:
从二进制码流中提取所有秘密信息的索引值,根据所有秘密信息的索引值在建立好的二叉查找树中查找索引值对应的路径,提取或记录所有秘密信息的索引值在二叉查找树中对应路径的的路径信息并将路径信息组合起来,得到原始的秘密信息;
对每一个索引值,找到其在二叉查找树中的位置;
如果当前节点nodecur是当前节点nodecur的父节点nodeparent的左子节点,则提取秘密信息为0,并使当前节点nodecur的父节点作为当前节点,将秘密信息加入到stemp中:
nodecur=nodeparent,stemp=stemp||0
如果当前节点nodecur是前节点nodecur的父节点nodeparent的右子节点,则提取秘密信息为1,并使前节点nodecur的父节点nodeparent作为当前节点,将秘密信息加入到stemp中:
nodecur=nodeparent,stemp=stemp||1
直到走到根节点root,就可以得到当前索引值对应的所有秘密信息stemp,将秘密信息stemp进行反转,并将反转后的秘密信息加入到秘密信息s中:
s=s||reverse(stemp)
将所有索引值处理完之后,就可以得到完整的秘密信息s。
4、载体图像的恢复:
根据载体图像的索引图中对应的索引I找到索引I在k维码书C={yi|yi∈Rk,i=0,1,...,N-1}中的码字ym={ym0,ym1,...,ym(k-1)},其中yi为码字,N为码书的大小,利用此码字代表载体图像的对应图像块B={x0,x1,...,xh×w-1}:
B=ym
所有图像块都用码字恢复后,载体图像I就得到了恢复,恢复后的载体图像为8比特,M×N大小的灰度图像,且每个图像块B不互相重叠,大小为h×w。
Claims (6)
1.一种基于矢量量化以及二叉查找树的信息隐藏方法,其特征在于,包括以下步骤:
1)根据载体图像的索引图建立对应的二叉查找树;利用秘密信息s选取秘密信息s在二叉查找树中对应的路径,使用对应的路径的最后一个节点表示嵌入的秘密信息s,实现秘密信息s的嵌入;
2)将秘密信息s嵌入后,将所有秘密信息对应路径的最后一个节点作为所有秘密信息的索引值,载体图像的索引图和所有秘密信息的索引值构成二进制码流,然后将二进制码流输出;
3)从二进制码流中提取载体图像的索引图;根据载体图像的索引图建立对应的二叉查找树;
4)从二进制码流中提取所有秘密信息的索引值,根据秘密信息的索引值找到其在二叉查找树中对应的路径,提取秘密信息的索引值在二叉查找树中对应路径的路径信息,并将路径信息组合起来,得到原始的秘密信息;同时根据载体图像的索引图恢复出原始的载体图像。
2.根据权利要求1所述的基于矢量量化以及二叉查找树的信息隐藏方法,其特征在于,所述的步骤1)中载体图像的索引图是采用如下方法得到的:将载体图像分成大小为h×w的图像块,对每个图像块进行矢量量化,得到其在码书中对应的索引I,所有图像块的索引I组成了载体图像的索引图。
3.根据权利要求1所述的基于矢量量化以及二叉查找树的信息隐藏方法,其特征在于,所述的步骤1)和步骤3)中建立对应的二叉查找树的过程为:
对载体图像的索引图中所有索引进行统计,统计出码书在载体图像的索引图中出现过的索引I,对出现的索引按照其索引值大小进行升序排列,形成索引序列{I1,I2,…In},从索引序列中选取中间索引值Imid作为根节点,{I1,I2,…Imid-1}作为根节点的左子树,{Imid+1,Imid+2,…In}作为根节点的右子树,对根节点的左子树和根节点的右子树分别进行迭代,直到生成二叉查找树,其中n表示载体图像的索引图中出现过不同索引的个数。
4.根据权利要求1或3所述的基于矢量量化以及二叉查找树的信息隐藏方法,其特征在于,所述的步骤1)中选取秘密信息在二叉查找树中对应的路径的过程为:
从二叉查找树的根节点root出发,若遇到秘密信息s为比特0,则走到当前节点nodecur的左子节点nodeleft,并且选择当前节点nodecur的左子节点nodeleft作为当前节点:若遇到秘密信息s为比特1,则走到当前节点nodecur的右子节点noderight,并选择当前节点nodecur的右子节点noderight作为当前节点;将根节点root到确定的当前节点的路径信息作为嵌入的秘密信息,所嵌入的秘密信息用每条路径对应的最后一个节点表示,直到所有秘密信息嵌入完成,得到一系列节点,完成秘密信息在二叉查找树中对应的路径的选取。
5.根据权利要求1所述的基于矢量量化以及二叉查找树的信息隐藏方法,其特征在于,所述的步骤4)中根据秘密信息的索引值找到其在二叉查找树中对应的路径的过程为:
对每一个索引值,若当前节点nodecur是当前节点nodecur的父节点nodeparent的左子节点,则提取秘密信息为0,并使当前节点nodecur的父节点nodeparent作为当前节点,将提取的秘密信息加入到stemp中:
若当前节点nodecur是当前节点nodecur的父节点nodeparent的右子节点,则提取秘密信息为1,并使当前节点nodecur的父节点nodeparent作为当前节点,将提取的秘密信息加入到stemp中;直到走到根节点root,得到当前秘密信息的索引值对应的所有秘密信息stemp,将秘密信息stemp进行反转,则完成根据秘密信息的索引值找到其在二叉查找树中对应的路径的过程。
6.根据权利要求1所述的基于矢量量化以及二叉查找树的信息隐藏方法,其特征在于,所述的步骤4)中恢复出原始的载体图像的方法为:根据载体图像的索引图中对应的索引I,然后利用索引I找到索引I在k维码书C={yi|yi∈Rk,i=0,1,...,N-1}中对应的码字ym={ym0,ym1,...,ym(k-1)},利用此码字代表载体图像的对应图像块B:所有图像块用码字恢复,即得到载体图像,其中yi为码字,N为码书的大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410267394.7A CN104036531B (zh) | 2014-06-16 | 2014-06-16 | 一种基于矢量量化以及二叉查找树的信息隐藏方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410267394.7A CN104036531B (zh) | 2014-06-16 | 2014-06-16 | 一种基于矢量量化以及二叉查找树的信息隐藏方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104036531A CN104036531A (zh) | 2014-09-10 |
CN104036531B true CN104036531B (zh) | 2017-04-26 |
Family
ID=51467290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410267394.7A Active CN104036531B (zh) | 2014-06-16 | 2014-06-16 | 一种基于矢量量化以及二叉查找树的信息隐藏方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104036531B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107947918B (zh) * | 2017-10-26 | 2020-07-31 | 青岛大学 | 一种基于字符特征的无载体文本隐写方法 |
CN109815232B (zh) * | 2018-12-27 | 2022-03-18 | 厦门市美亚柏科信息股份有限公司 | 一种利用二叉查找树的数据排名的检索、数据处理的方法和系统 |
CN109995503B (zh) * | 2019-03-11 | 2022-03-18 | 青岛大学 | 一种基于密钥的电子栅格构造方法 |
CN111447188B (zh) * | 2020-03-20 | 2022-03-18 | 青岛大学 | 基于语言隐写特征空间的无载体文本隐写方法 |
CN111415290B (zh) * | 2020-03-25 | 2022-05-03 | 福建工程学院 | 一种基于矢量量化的可逆信息隐藏方法 |
CN112287642B (zh) * | 2020-12-30 | 2021-06-08 | 华南理工大学 | 树形结构自增数据节点id及其路径链二进制编码方法 |
CN116599640B (zh) * | 2023-04-03 | 2024-04-19 | 深圳市创载网络科技有限公司 | 一种用于系统集成中数码资源安全存储方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1558371A (zh) * | 2004-01-19 | 2004-12-29 | 上海交通大学 | 基于四叉树的图像可靠性认证方法 |
-
2014
- 2014-06-16 CN CN201410267394.7A patent/CN104036531B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1558371A (zh) * | 2004-01-19 | 2004-12-29 | 上海交通大学 | 基于四叉树的图像可靠性认证方法 |
Non-Patent Citations (2)
Title |
---|
A novel high-performance reversible data hiding scheme using SMVQ;Lingfei Wang 等;《journal of visual communication and image representation》;20131216;第25卷(第2期);第454-465页 * |
一种用于矢量量化压缩图像的信息隐藏新方法;邱应强 等;《电子与信息学报》;20080731;第30卷(第7期);第1695-1699页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104036531A (zh) | 2014-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104036531B (zh) | 一种基于矢量量化以及二叉查找树的信息隐藏方法 | |
CN103761702B (zh) | 一种基于秘密共享的图像隐藏和认证方法 | |
Jassim | A novel steganography algorithm for hiding text in image using five modulus method | |
CN103605950B (zh) | 一种可信二维码中签名的隐藏方法及系统 | |
CN113194213B (zh) | 一种基于秘密共享和混沌映射的png图像信息隐藏和恢复方法 | |
CN105303075B (zh) | 基于pdf格式的自适应文本水印方法 | |
CN103268588A (zh) | 基于载体图像校验码的加密域无损可逆信息隐藏方法 | |
Ditta et al. | Information hiding: Arabic text steganography by using Unicode characters to hide secret data | |
CN111984942A (zh) | 基于极复指数变换和残差神经网络的鲁棒视频零水印方法 | |
Chen et al. | Error-free separable reversible data hiding in encrypted images using linear regression and prediction error map | |
CN114567711A (zh) | 一种基于块容量标签的大容量加密图像信息隐藏方法 | |
Debnath et al. | Security analysis with novel image masking based quantum-dot cellular automata information security model | |
CN112615974A (zh) | 一种基于深度判别器的无载体隐蔽通信方法及系统 | |
Yin et al. | High capacity reversible steganography in encrypted images based on feature mining in plaintext domain | |
Ma et al. | Reversible data hiding scheme for VQ indices based on modified locally adaptive coding and double-layer embedding strategy | |
Gao et al. | High-performance reversible data hiding in encrypted images with adaptive Huffman code | |
Lu et al. | An effective maximum distortion controlling technology in the dual-image-based reversible data hiding scheme | |
CN102315931A (zh) | 机密信息的游动编码隐藏方法 | |
CN104376236A (zh) | 基于伪装学的方案自适应数字水印嵌入方法及提取方法 | |
CN116192507A (zh) | 一种基于深度学习的信息隐藏方法 | |
CN103617589A (zh) | 一种基于局部直方图的信息隐藏方法 | |
Hussein et al. | Protection of images by combination of vernam stream cipher, AES, and LSB steganography in a video clip | |
Bhattacharyya et al. | A novel approach of data hiding using pixel mapping method (PMM) | |
Khorshid et al. | Coverless Image Steganography | |
CN115134142B (zh) | 一种基于文件分割的信息隐藏方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210118 Address after: 221600 Zhangliang Road North, Peixian Economic Development Zone, Xuzhou City, Jiangsu Province Patentee after: XUZHOU TAIFENG PUMP INDUSTRY Co.,Ltd. Address before: 710049 No. 28 West Xianning Road, Shaanxi, Xi'an Patentee before: XI'AN JIAOTONG University |