CN104599226A - 一种大容量隐写方法 - Google Patents
一种大容量隐写方法 Download PDFInfo
- Publication number
- CN104599226A CN104599226A CN201510081039.5A CN201510081039A CN104599226A CN 104599226 A CN104599226 A CN 104599226A CN 201510081039 A CN201510081039 A CN 201510081039A CN 104599226 A CN104599226 A CN 104599226A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msup
- mtd
- mtr
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 64
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000012986 modification Methods 0.000 claims abstract description 8
- 230000004048 modification Effects 0.000 claims abstract description 8
- 238000013461 design Methods 0.000 claims abstract description 6
- 230000003044 adaptive effect Effects 0.000 claims description 11
- 238000013075 data extraction Methods 0.000 claims description 9
- 238000005065 mining Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000003491 array Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 4
- 238000009412 basement excavation Methods 0.000 abstract 1
- 241000270666 Testudines Species 0.000 description 5
- 238000012360 testing method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种大容量隐写方法,其为基于自适应参考矩阵设计和像素对修改方向挖掘的大容量隐写方法,适用于保密通信与多媒体应用领域。在本发明提供的技术方案中,信息发送方与接收方拥有共同的密钥序列,发送方首先根据密钥序列依次完成产生参考矩阵、进行像素匹配以及确定隐藏方案三个步骤,再利用确定的隐藏方案完成数据的嵌入;接收方收到载密图像,根据同样的密钥序列依次完成产生相同的参考矩阵、进行像素匹配以及确定解密方案三个步骤,并利用确定的解密方案完成数据的提取。本方法安全性极佳,隐蔽性好,嵌入率高达log29bpp(比特每像素)。
Description
技术领域
本发明涉及信息安全、保密通信与多媒体应用领域的一种大容量隐写方法,尤其涉及到一种基于自适应参考矩阵设计和像素对修改方向挖掘的大容量隐写方法。
背景技术
21世纪大数据时代,隐写术是数字化信息时代信息安全领域的一个重要方向,隐写术利用的载体信号可以是普通文本、静止图像、语音,视频等。其中图像隐写术又是其重中之重。所以,在安全领域中,存在一种需求:在图像中嵌入某种额外数据,既可以作为所有权或完整性认证的标志,又可以作为躲避第三方注意的保密通信数据。
利用图像隐写术实现隐蔽通信时,隐藏载荷和隐藏质量是两个重要指标,也就是一方面能够在载体图像中嵌入足够多的数据,通常用嵌入率表示;另一方面,数据嵌入后不能造成载体图像外观发生可察觉的变化,通常以峰值信噪比PSNR作为一种量化参考,研究表明当两幅灰度图像间的PSNR值大于30时人眼就分辨不出二者的区别。
在大数据的时代背景下,高容量的嵌入率成为图像隐写发展的需要。然而隐藏质量和隐藏载荷二者往往是此消彼长互相矛盾的。现有的基于参考表或者参考矩阵的信息隐藏方法主要思路如下。2006年上海大学张新鹏和王朔中教授提出著名的EMD(Exploiting Modification Direction)算法,用一组(n个)宿主像素携带一个2n+1进制数据,嵌入率达2008年,Chang等人在EMD算法基础上利用一种数独解(Sudoku)引导数据嵌入,提出Sudoku算法,用一对宿主像素嵌入一个9进制数据,将隐写容量提高到1.585bpp;随后Hong等人对该算法进行了优化,在嵌入容量不变的情况下进一步提高了隐写图像质量;2010年Kim等又提出EMD-2算法,该算法进一步拓展了隐写容量但为获得较好的隐写图像质量需要根据不同的载荷不断更换数字系统;2014年Liu等人提出Turtle算法,利用独特的龟壳型参考表修改一对像素值从而隐藏一位8进制数据,该算法使隐藏质量得到显著提升而获得国际会议IIHMSP-2014最佳论文奖,但最大嵌入率有限,不超过(比特每像素)。
发明内容
本发明的目的是克服现有技术上的不足:主要为以往的图像隐写方法,例如Sudoku和Turtle算法,无法满足Kerckhoffs原则,安全性差,并且嵌入率低,不能满足大容量嵌入的需要,提供了一种基于自适应参考矩阵设计和像素对修改方向挖掘的大容量隐写方法,其为利用自适应参考矩阵调整灰度值以便在数字图像中信息隐藏方法。
本发明是通过以下技术方案实现的:一种大容量隐写方法,其为基于自适应参考矩阵设计和像素对修改方向挖掘的大容量隐写方法,发送方与接收方拥有共同的密钥序列,所述大容量隐写方法包括以下步骤:
发送方利用所述密钥序列在载体图像中嵌入秘密数据形成载密图像;
接收方根据所述密钥序列从所述载密图像中提取所述秘密数据;
其中,
发送方进行秘密数据嵌入时,先根据密钥序列依次完成产生参考矩阵、进行像素匹配产生幅度、确定隐藏方案三个步骤,再利用所述参考矩阵,以所述幅度为|δ|根据所述隐藏方案修改所述载体图像的像素值完成秘密数据的嵌入,|δ|≤4;
接收方收到所述载密图像时,根据密钥序列依次完成产生相同的参考矩阵、进行像素匹配以及确定解密方案三个步骤,并利用确定的解密方案完成数据的提取。
作为上述方案的优选方案,发送方的所述秘密数据嵌入包括以下步骤:
(1)发送方首先将要隐藏的秘密数据D采用九进制表示:D={d1,d2,d3…,dL},秘密数据长度为L;
(2)发送方利用密钥K1分别产生9个由数字0~8组成的全排列i∈[0,8]且i∈N,N为整数;令K1={s0,…,si,…,s8},其中si表示第i个排列种子:
再依次嵌入到9个大小为3×3的矩阵中,从而形成本方法中的9×9大小的自适应矩阵RM9:
其中即表示第k个3×3的矩阵的第i个元素,Ck(i)表示第k个排列中的第i个元素k∈[0,8],k∈Z;
(3)发送方利用密钥K2将大小为H×W的载体图像的像素P进行像素匹配:
其中,K2为产生像素序列的种子取正整数,Py为载体图像的第y个像素值,y∈[1,H×W]且y为整数,r,t为两个整数且r≤y,t≤y,H为载体图像高度,W为载体图像的宽度;
(4)发送方根据秘密数据长度L的大小,确定隐藏方案:
①计算当m≤0时,发送方利用3×3的矩阵通过修改一像素对的像素值嵌入一位秘密数据;
②当m>0时,发送方首先利用9×9的矩阵RM9,通过修改一像素对的像素值嵌入两位秘密数据,完成2×m个数据嵌入后,再采用步骤①嵌入剩下的秘密数据。
作为上述方案的优选方案,当时,发送方利用3×3的矩阵根据方案1通过修改一像素对的像素值嵌入一位秘密数据;
方案1具体步骤如下:
a.发送方每次取一个待嵌入数据d1,在3×3矩阵中找到其行数与列数u,v满足:
b.对宿主像素对(I(Px),I(Px+1)),x∈[1,H×W]且x∈N,选择满足等式(5)的像素对(I(Px'),I(Px+1'))代替宿主像素对(I(Px),I(Px+1)),即完成对数据d1的嵌入;
对修改后的像素上溢和下溢点处理如下:
c.完成整个秘密数据嵌入,得到隐藏图像。
作为上述方案的优选方案,当发送方首先利用9×9的矩阵RM9,根据方案2通过修改一像素对的像素值嵌入两位秘密数据,完成2×m个数据嵌入后,再采用方案1嵌入剩下的秘密数据;方案2具体步骤如下:
a.发送方首先将秘密数据截为两段:
b.发送方每次从D1中取一对待嵌入数据(d1,d2),在矩阵中得到d2的行数与列数u,v:
c.我们对宿主像素对(I(Px),I(Px+1)),选择满足等式(9)的像素对(I(Px'),I(Px+1'))代替宿主像素(I(Px),I(Px+1)),即完成对数据的嵌入:
对修改后的像素上溢和下溢点处理如下:
d.依次完成秘密数据D1嵌入。
作为上述方案的优选方案,接收方的所述秘密数据提取包括以下步骤:
(1)接收方首先利用共享的密钥K1和公式(1)生成参考矩阵RM9;
(2)接收方再利用共享的密钥K2,确定匹配且修改后的像素对;
(3)接收方根据共享的密钥L,确定解密方案。
作为上述方案的优选方案,接收方首先计算若m≤0,接收方利用3×3的矩阵根据解密方案一进行秘密数据提取,方案一具体步骤如下:
①接收方依次取载密像素对(I(Px'),I(Px+1')),分别计算其映射在矩阵上的坐标;
②根据公式(12)提取秘密数据;
③完成整个秘密数据的提取。
作为上述方案的优选方案,若m>0,接收方首先利用9×9的矩阵RM9,对载密图像的前2×m个像素值根据解密方案二提取秘密数据,再利用解密方案一完成剩下的数据提取;方案二具体步骤如下:
①接收方将含密像素对分成两部分:
②接收方从I1中依次取载密像素对(I(Px'),I(Px+1')),分别计算其映射在自适应矩阵上的坐标:
③根据公式(15)提取秘密数据:
④完成整个秘密数据的提取。
本发明相比于目前已有图像隐写方法,安全性佳,满足Kerckhoffs原则;并且能够根据嵌入数据的数目不同来平衡隐藏质量和隐藏载荷之间的矛盾,既保证了隐藏质量,而且嵌入率最高达log29bpp,与同类方法相比具备了最大隐写容量和隐藏质量上的优势,满足了时代的需要。
附图说明
图1是本发明的加密算法嵌入框架示意图。
图2是本发明的解密算法嵌入框架示意图。
图3是本发明实施例的一个9×9的自适应矩阵。
图4是本发明测试与Sudoku和Turtle算法的PSNR-ER曲线图。
图5a是本发明实施例的大小为3×4的载体图像块像素值表。
图5b是本发明实施例的大小为3×4的隐写后的载密图像块像素值表。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施实例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明的基于自适应参考矩阵设计和像素对修改方向挖掘的大容量隐写方法,发送方与接收方拥有共同的密钥序列,所述大容量隐写方法主要就是两大块:
加密:发送方利用所述密钥序列在载体图像中嵌入秘密数据形成载密图像;
解密:接收方根据所述密钥序列从所述载密图像中提取所述秘密数据。
加密时,发送方需要进行秘密数据嵌入,先根据密钥序列依次完成产生参考矩阵、进行像素匹配产生幅度、确定隐藏方案三个步骤,再利用所述参考矩阵,以所述幅度为|δ|(|δ|≤4)根据所述隐藏方案修改所述载体图像的像素值完成秘密数据的嵌入。
解密时,接收方收到所述载密图像,根据密钥序列依次完成产生相同的参考矩阵、进行像素匹配以及确定解密方案三个步骤,并利用确定的解密方案完成数据的提取。
请一并参阅图1、图2,本发明大容量隐写方法的操作步骤如下。
一、发送方首先将要隐藏的秘密数据D采用九进制表示:D={d1,d2,d3,…,dL},秘密数据长度为L。
二、发送方利用密钥K1分别产生9个由数字0~8组成的全排列i∈[0,8]且i∈N,N为整数;令K1={s0,…,si,…,s8},其中si表示第i个排列种子:
再依次嵌入到9个大小为3×3的矩阵中,从而形成本方法中的9×9大小的自适应矩阵RM9
其中即表示第k个3×3的矩阵的第i个元素,Ck(i)表示第k个排列中的第i个元素k∈[0,8],k∈Z,一个示例如附图3。
三、发送方利用密钥K2将大小为H×W的载体图像的像素P进行像素匹配:
其中,K2为产生像素序列的种子取正整数,Py为载体图像的第y个像素值,y∈[1,H×W]且y为整数,r,t表示两个整数且r≤y,t≤y,H为载体图像高度,W为载体图像的宽度。
四、发送方根据秘密数据长度L的大小,确定隐藏方案。
(1)计算当m≤0时,发送方利用3×3的矩阵根据方案1通过修改一像素对的像素值嵌入一位秘密数据,方案1具体步骤如下:
a.发送方每次取一个待嵌入数据,如:d1,在3×3矩阵中找到其行数与列数u,v满足:
b.我们对宿主像素对(I(Px),I(Px+1)),x∈[1,H×W]且x∈N,选择满足等式(5)的像素对(I(Px'),I(Px+1'))代替宿主像素对(I(Px),I(Px+1)),即完成对数据d1的嵌入。
对修改后的像素上溢和下溢点处理如下:
c.完成整个秘密数据嵌入,得到隐藏图像。
(2)当m>0时,发送方首先利用9×9的矩阵RM9,根据方案2通过修改一像素对的像素值嵌入两位秘密数据,完成2×m个数据嵌入后,再采用方案1嵌入剩下的秘密数据。方案2具体步骤如下:
a.发送方首先将秘密数据截为两段:
b.发送方每次从D1中取一对待嵌入数据,如:(d1,d2),在矩阵中得到d2的行数与列数u,v:
c.我们对宿主像素对(I(Px),I(Px+1)),选择满足等式(9)的像素对(I(Px'),I(Px+1'))代替宿主像素(I(Px),I(Px+1)),即完成对数据的嵌入。
对修改后的像素上溢和下溢点处理如下:
d.依次完成秘密数据D1嵌入。
采用上述步骤的理论依据如下。
假设发送方通过使用矩阵RM9修改m对像素值,使用修改n对像素值来完成整个秘密数据的嵌入,则需满足:
接收方收到含密图像和提取密钥Key={K1,K2,L}后,提取秘密数据的过程如下:
步骤一、首先利用共享的密钥K1和公式(1)生成参考矩阵RM9;
步骤二、再利用共享的密钥K2,确定匹配且修改后的像素对;
步骤三、接收方根据共享的密钥L,确定解密方案:
(1).接收方计算若m≤0,接收方利用3×3的矩阵根据解密方案一进行秘密数据提取,方案一的步骤如下:
①接收方依次取载密像素对(I(Px'),I(Px+1')),分别计算其映射在矩阵上的坐标;
②根据公式(12)提取秘密数据;
③完成整个秘密数据的提取。
(2)若所计算m>0,接收方首先利用9×9的矩阵RM9,对载密图像的前2×m个像素值根据解密方案二提取秘密数据,再利用解密方案一完成剩下的数据提取。方案二具体步骤如下:
①接收方将含密像素对分成两部分:
②接收方从I1中依次取载密像素对(I(Px'),I(Px+1')),分别计算其映射在自适应矩阵上的坐标:
③根据公式(15)提取秘密数据:
④完成整个秘密数据的提取。
本发明与现有技术相比,具有如下的突出实质性特点和显著优点:本发明安全性极高,首先采用种子密钥产生自适应矩阵,由于每个3×3矩阵都有种排列方式,那么整个自适应矩阵密钥空间高达其次,采用像素对匹配规则对图像进行预处理,这也是一个很庞大的信息空间,双重密钥保证了不了解密钥的信息侵犯者很难破译;本发明采用自适应矩阵,能根据嵌入数据的大小平衡了隐藏质量和隐藏载荷之间的矛盾,既保证了隐藏质量,又使嵌入率得到提高;本发明的嵌入量最高达log29bpp,这是现有技术达不到的,实现了高容量嵌入;本发明的载体像素只改了-4~+4个灰度级别,操作简单,具有很好的隐蔽性。
为更形象的表述实验结果及发明创造的有益效果,我们以512×512像素的常用标准测试图像Lena为例:原始图像和载密图像。原始图像即Lena的标准测试版,载密图像是用本发明方法嵌入了100KB数据后的结果。载密图像视觉质量很好,人眼无法分辨其与原始图像的差别。其次,我们将本发明方法与经典Sudoku方法以及国际会议IIHMSP-2014唯一最佳论文Turtle方法进行比较,如图4所示。横坐标是载荷,即数据嵌入比ER值,单位为bpp,纵坐标是载密图像与原始图像之间的峰值信噪比PSNR值,单位为dB。图4显示与最新方法相比,本发明在同等载荷下的隐写图像质量以及同副图像的最大隐写容量两方面均占优势。
本发明的一个实施例详述如下:以下结合附图描述本实施例进行信息隐藏,数据提取。下面借助大小为3×4的的载体图像块说明。
发送方进行信息隐藏的过程如下。
1.发送方利用某个密钥K1生成自适应矩阵,如图3所示。
2.利用某个密钥K2进行像素匹配后,载体图像块像素值如图5a所示;需要嵌入的秘密数据为(d1,d2,d3,d4,d5,d6,d7,d8)=(7,8,6,4,3,0,5,1)。
3.由于确定隐藏方案。
4.根据公式(7)计算,得:
5.根据公式(8)计算,得
6.根据公式(9)计算,修改像素值得:(96,2),(257,152)。
7.根据公式(10),进一步修改像素值得:(96,2),(248,152)。
8.利用方案1完成剩下秘密数据嵌入,根据公式(4)得:
9.根据公式(5)修改像素值得:(169,153),(171,90),(256,-1),(255,121)。
10.根据公式(6)进一步修改像素值得:(169,153),(171,90),(253,2),(255,121)。
11.完成所有秘密数据嵌入,并将载密图像和密钥对发送出去,载密图像块像素值如图5b所示。
接收方收到载密图像和提取密钥Key={K1,K2,L}后,首先根据密钥K1生成相同的参考矩阵,再根据密钥K2确定相同的像素匹配序列,利用共享的秘密数据大小L计算选择解密方案,具体数据提取过程如下:
1.接收方根据公式(13)将载体像素分成两部分:
2.接收方首先提取载密像素(96,2),(248,152),根据公式(14)分别计算得:(u1,v1)=(6,2),(u2,v2)=(5,8);
3.根据公式(15)计算,得(d1,d2)=(7,8),(d3,d4)=(6,4);
4.接收方再提取载密像素(169,153),(171,90),(253,2),(255,121),根据公式(11)分别计算得:(u1,v1)=(1,0),(u2,v2)=(0,0),(u3,v3)=(1,2),(u4,v4)=(0,1)
5.根据公式(12),分别得d5=3,d6=0,d7=5,d8=1,从而完成所有数据提取。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种大容量隐写方法,其为基于自适应参考矩阵设计和像素对修改方向挖掘的大容量隐写方法,发送方与接收方拥有共同的密钥序列,所述大容量隐写方法包括以下步骤:
发送方利用所述密钥序列在载体图像中嵌入秘密数据形成载密图像;
接收方根据所述密钥序列从所述载密图像中提取所述秘密数据;
其特征在于:
发送方进行秘密数据嵌入时,先根据密钥序列依次完成产生参考矩阵、进行像素匹配产生幅度、确定隐藏方案三个步骤,再利用所述参考矩阵,以所述幅度为|δ|根据所述隐藏方案修改所述载体图像的像素值完成秘密数据的嵌入,|δ|≤4;
接收方收到所述载密图像时,根据密钥序列依次完成产生相同的参考矩阵、进行像素匹配以及确定解密方案三个步骤,并利用确定的解密方案完成数据的提取。
2.如权利要求1所述的大容量隐写方法,其特征在于:发送方的所述秘密数据嵌入包括以下步骤:
(1)发送方首先将要隐藏的秘密数据D采用九进制表示:D={d1,d2,d3,…,dL},秘密数据长度为L;
(2)发送方利用密钥K1分别产生9个由数字0~8组成的全排列i∈[0,8]且i∈N,N为整数;令K1={s0,…,si,…,s8},其中si表示第i个排列种子:
再依次嵌入到9个大小为3×3的矩阵中,从而形成本方法中的9×9大小的自适应矩阵RM9:
其中即表示第k个3×3的矩阵的第i个元素,Ck(i)表示第k个排列中的第i个元素k∈[0,8],k∈Z;
(3)发送方利用密钥K2将大小为H×W的载体图像的像素P进行像素匹配:
其中,K2为产生像素序列的种子且取正整数,Py为载体图像的第y个像素值,y∈[1,H×W]且y为整数,r,t为两个整数且r≤y,t≤y,H为载体图像高度,W为载体图像的宽度;
(4)发送方根据秘密数据长度L的大小,确定隐藏方案:
①计算当m≤0时,发送方利用3×3的矩阵通过修改一像素对的像素值嵌入一位秘密数据;
②当m>0时,发送方首先利用9×9的矩阵RM9,通过修改一像素对的像素值嵌入两位秘密数据,完成2×m个数据嵌入后,再采用步骤①嵌入剩下的秘密数据。
3.如权利要求2所述的大容量隐写方法,其特征在于:当m≤0时,发送方利用3×3的矩阵根据方案1通过修改一像素对的像素值嵌入一位秘密数据;
方案1具体步骤如下:
a.发送方每次取一个待嵌入数据d1,在3×3矩阵中找到其行数与列数u,v满足:
b.对宿主像素对(I(Px),I(Px+1)),x∈[1,H×W]且x∈N,选择满足等式(5)的像素对(I(Px'),I(Px+1'))代替宿主像素对(I(Px),I(Px+1)),即完成对数据d1的嵌入;
对修改后的像素上溢和下溢点处理如下:
c.完成整个秘密数据嵌入,得到隐藏图像。
4.如权利要求3所述的大容量隐写方法,其特征在于:当m>0发送方首先利用9×9的矩阵RM9,根据方案2通过修改一像素对的像素值嵌入两位秘密数据,完成2×m个数据嵌入后,再采用方案1嵌入剩下的秘密数据;方案2具体步骤如下:
a.发送方首先将秘密数据截为两段:
b.发送方每次从D1中取一对待嵌入数据(d1,d2),在矩阵中得到d2的行数与列数u,v:
c.我们对宿主像素对(I(Px),I(Px+1)),选择满足等式(9)的像素对(I(Px'),I(Px+1'))代替宿主像素(I(Px),I(Px+1)),即完成对数据的嵌入:
对修改后的像素上溢和下溢点处理如下:
d.依次完成秘密数据D1嵌入。
5.如权利要求4所述的大容量隐写方法,其特征在于:发送方的所述秘密数据提取包括以下步骤:
(1)接收方首先利用共享的密钥K1和公式(1)生成参考矩阵RM9;
(2)接收方再利用共享的密钥K2,确定匹配且修改后的像素对;
(3)接收方根据共享的密钥L,确定解密方案。
6.如权利要求5所述的大容量隐写方法,其特征在于:接收方首先计算若m≤0接收方利用3×3的矩阵根据解密方案一进行秘密数据提取,方案一的步骤如下:
①接收方依次取载密像素对(I(Px'),I(Px+1')),分别计算其映射在矩阵上的坐标;
②根据公式(12)提取秘密数据;
③完成整个秘密数据的提取。
7.如权利要求6所述的大容量隐写方法,其特征在于:若所计算m>0,接收方首先利用9×9的矩阵RM9,对载密图像的前2×m个像素值根据解密方案二提取秘密数据,再利用解密方案一完成剩下的数据提取;方案二具体步骤如下:
①接收方将含密像素对分成两部分:
②接收方从I1中依次取载密像素对(I(Px'),I(Px+1')),分别计算其映射在自适应矩阵上的坐标:
③根据公式(15)提取秘密数据:
④完成整个秘密数据的提取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510081039.5A CN104599226B (zh) | 2015-02-14 | 2015-02-14 | 一种大容量隐写方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510081039.5A CN104599226B (zh) | 2015-02-14 | 2015-02-14 | 一种大容量隐写方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104599226A true CN104599226A (zh) | 2015-05-06 |
CN104599226B CN104599226B (zh) | 2017-05-10 |
Family
ID=53124978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510081039.5A Active CN104599226B (zh) | 2015-02-14 | 2015-02-14 | 一种大容量隐写方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104599226B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107369186A (zh) * | 2017-07-17 | 2017-11-21 | 西北工业大学 | 一种信息隐藏方法及装置 |
CN108282469A (zh) * | 2018-01-04 | 2018-07-13 | 暨南大学 | 支持基于属性信息提取的隐写方法 |
CN109003219A (zh) * | 2018-07-18 | 2018-12-14 | 深圳大学 | 图像信息的隐藏方法及装置、解密方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030048282A1 (en) * | 2001-09-07 | 2003-03-13 | Grindstaff Gene Arthur | Concealed object recognition |
CN1936956A (zh) * | 2006-09-19 | 2007-03-28 | 北京邮电大学 | 一种针对dct域lsb隐写的隐写检测方法 |
CN104284190A (zh) * | 2014-11-05 | 2015-01-14 | 安徽大学 | 一种基于ambtc高低均值最优化的压缩图像隐写编码方法 |
-
2015
- 2015-02-14 CN CN201510081039.5A patent/CN104599226B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030048282A1 (en) * | 2001-09-07 | 2003-03-13 | Grindstaff Gene Arthur | Concealed object recognition |
CN1936956A (zh) * | 2006-09-19 | 2007-03-28 | 北京邮电大学 | 一种针对dct域lsb隐写的隐写检测方法 |
CN104284190A (zh) * | 2014-11-05 | 2015-01-14 | 安徽大学 | 一种基于ambtc高低均值最优化的压缩图像隐写编码方法 |
Non-Patent Citations (2)
Title |
---|
殷赵霞: "面向隐私保护的数字图像隐写方法", 《中国博士学位论文全文数据库》 * |
殷赵霞等: "基于像素对匹配的高载荷隐写算法", 《系统工程理论与实践》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107369186A (zh) * | 2017-07-17 | 2017-11-21 | 西北工业大学 | 一种信息隐藏方法及装置 |
CN107369186B (zh) * | 2017-07-17 | 2019-09-20 | 西北工业大学 | 一种信息隐藏方法及装置 |
CN108282469A (zh) * | 2018-01-04 | 2018-07-13 | 暨南大学 | 支持基于属性信息提取的隐写方法 |
CN108282469B (zh) * | 2018-01-04 | 2020-09-04 | 暨南大学 | 支持基于属性信息提取的隐写方法 |
CN109003219A (zh) * | 2018-07-18 | 2018-12-14 | 深圳大学 | 图像信息的隐藏方法及装置、解密方法及装置 |
CN109003219B (zh) * | 2018-07-18 | 2022-12-30 | 深圳大学 | 图像信息的隐藏方法及装置、解密方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104599226B (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | Invertible secret image sharing with steganography | |
Nag et al. | An image steganography technique using X-box mapping | |
Lo et al. | Reversible data hiding scheme for BTC-compressed images based on histogram shifting | |
Bansod et al. | Modified BPCS steganography using Hybrid cryptography for improving data embedding capacity | |
CN106600517B (zh) | 一种基于emd-3的多载体密图分存和重构方法 | |
Chang et al. | A sudoku-based secret image sharing scheme with reversibility | |
CN110166784B (zh) | 一种基于像素块的自适应图像纹理区隐写方法 | |
GNDU RC | State-of-the-art Review on Steganographic Techniques | |
CN115695675B (zh) | 用于网络数据安全交换的视频加密方法 | |
CN104599226B (zh) | 一种大容量隐写方法 | |
Hodeish et al. | An optimal (k, n) visual secret sharing scheme for information security | |
Arora et al. | Image steganography using enhanced LSB substitution technique | |
Mo et al. | Reversible Data Hiding in Encrypted Image Based on Block Classification Permutation. | |
CN114172630B (zh) | 一种基于加法同态加密与多高位嵌入的可逆信息隐藏方法 | |
Wang et al. | Multiuser-based shadow watermark extraction system | |
Kumar et al. | Bit length replacement steganography based on dct coefficients | |
Tseng et al. | Image hiding with an improved genetic algorithm and an optimal pixel adjustment process | |
CN102315931B (zh) | 机密信息的游动编码隐藏方法 | |
Liu et al. | A Secret Image Sharing with Deep-steganography and Two-stage Authentication Based on Matrix Encoding. | |
Kumar et al. | Adaptive two-stage reversible data hiding in encrypted images using prediction error expansion | |
Lee et al. | A data hiding scheme based on turtle-shell for AMBTC compressed images | |
CN114662061B (zh) | 基于改进注意力和损失函数的解码编码网络隐写术方法 | |
CN115022649B (zh) | 基于可逆神经网络的高嵌入量且可上色的图像隐写及恢复方法 | |
CN109543425A (zh) | 一种基于张量分解的图像数据隐藏方法 | |
Bharanitharan et al. | Efficient Pixel Prediction Algorithm for Reversible Data Hiding. |
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: 20221117 Address after: Room 307, Building C4, Qingdao National University Science Park, No. 127, Huizhiqiao Road, High tech Zone, Qingdao, Shandong 266000 Patentee after: Qingdao Tus Future Technology Service Co.,Ltd. Address before: No. 3, fat West Road, Hefei, Anhui Province Patentee before: ANHUI University |