CN104835104B - 基于分形的数字图像主动伪装方案 - Google Patents
基于分形的数字图像主动伪装方案 Download PDFInfo
- Publication number
- CN104835104B CN104835104B CN201410045851.8A CN201410045851A CN104835104B CN 104835104 B CN104835104 B CN 104835104B CN 201410045851 A CN201410045851 A CN 201410045851A CN 104835104 B CN104835104 B CN 104835104B
- Authority
- CN
- China
- Prior art keywords
- color
- camouflage
- image
- mrow
- mtd
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了基于分形的数字图像主动伪装方案，包括自适应伪装和原图像恢复两个主要阶段。自适应伪装阶段利用基于颜色相似性的分形映射实现目标到背景的分形伪装，将原图像变换成另一幅有意义图像，以实现目标自适应伪装。原图恢复阶段，授权用户先无损提取目标区边界链码与分形参数码本，通过适当的分形迭代即可近似恢复出原彩色图像。本发明充分结合了分形自相似性与图像颜色特性，实现了目标与背景的充分融合，伪装效果好，可用于指导军事领域军事目标伪装。本发明技术方案安全性好，仅拥有正确密钥的认证用户可有效恢复原始图像，并且计算开销低，可较好地应用于网络环境可视媒体隐匿通信。
Description
技术领域
本发明涉及基于分形的数字图像主动伪装方案，属于多媒体信息安全与军事伪装技术领域。
背景技术
传统加密技术应用适当的数学变换将重要的明文信息转换成为无意义的密文，阻止非法用户理解原始数据，从而确保数据的保密性。也正是由于加密后的密文的类噪声特性，而容易引起攻击者的怀疑，为攻击者截取机密信息留下了线索[1, 2]（文献[1]: 刘乐鹏, 张雪锋. 基于混沌和位运算的图像加密算法[J]. 计算机应用, 2013, 33(4): 1070-1073,1099; 文献[2]: 王丽娜, 张焕国, 叶登攀, 胡东辉. 信息隐藏技术与应用[M]. 武汉大学出版社, 2012年5月.）。它仅仅考虑到信息的机密性，隐藏了信息的内容而无法隐藏信息的存在。信息隐藏技术则是将秘密信息隐藏在公开载体媒体信息中，而不影响原载体的使用价值，也不容易被人类知觉系统(如视觉或听觉系统)觉察到。信息隐藏利用公开载体本身所具有的迷惑性来保护秘密信息， 既隐藏了信息的内容，又隐藏了信息的存在。然而隐秘信息需依附于与其相关性不强的公开载体而存在，也较容易引起攻击者的注意[3,4]（文献[3]: 刘尚翼, 霍永津, 罗欣荣等. 基于图像块相关性分类的加密域可逆数据隐藏[J]. 武汉大学学报（理学版）, 2013, 59(5): 486-490; 文献[4]: Zhengjun Liu, YuZhang, Wei Liu et al. Optical color image hiding scheme based on chaoticmapping and Hartley transform [J]. Optics and Lasers in Engineering, August2013, 51(8): 967-972.）。数字迷彩伪装是通过改变其面板或涂料的外观，颜色，亮度和反射特性，而允许将目标与其周围环境融为一体，从而保护特定目标物。但目前的数字迷彩方案均是利用背景主色替换目标区颜色来设计迷彩，而不能实现由迷彩伪装图像到原始目标的恢复，难以应用于网络环境数字媒体隐秘通信[5, 6]（文献[5]: Hengfu Yang,Jianping Yin. An adaptive digital camouflage scheme using visual perceptionand K-mean clustering [C]. In Proceedings of the 3rd/2013 InternationalConference on Materials and Products Manufacturing Technology (MPMT 2013),Changsha, China, September 25-26, 2013; 文献[6]: 江玉珍, 朱映辉. 基于调色板分析及误差扩散抖动的迷彩仿造[J]. 计算机工程与应用, 2013, 49(4): 181-184.）。
发明内容
1．技术问题：
为实现网络环境数字媒体安全通信，有效维护数字媒体所有者合法权益，受动物伪装色启发，结合分形的自相似特性，提出基于分形的数字图像主动伪装方案。该方案通过一定的分形迭代，将待伪装图像信息变换成可识别的有意义图像信息，以隐匿数字图像中的感兴趣目标物，从而使目标物逃避攻击者探测。而在接收端，仅授权用户可近似或无损恢复原始图像信息，且在整个伪装过程中无需引入第三方载体。
2．技术方案：
本发明的基于分形的数字图像主动伪装方案，包括自适应伪装和原图像恢复两个主要阶段，其中自适应伪装阶段又由颜色相似性计算、基于颜色相似性的四叉树分割、目标分形伪装三部分组成。数字图像主动伪装方案总体技术流程参照图1，其详细技术流程为：
（1）颜色相似性计算
参照图2，颜色相似性计算的主要步骤如下：
步骤1：对任意颜色向量（r，g，b）（记为C），计算其相对于白色向量（255，255，255）（记为）的亮度相似性，
. （1）
步骤2：计算颜色C相对于白色的色度相似性，
（2）
步骤3：综合考虑颜色亮度与色度因素，获得彩色图像颜色相似性因子s，
. （3）
其中取值范围为，既然色度与饱和度是主要的感知因素，实验中参数取值0.8。
（2）基于颜色相似性的四叉树分割方案
参照图3，基于颜色相似性的四叉树分割方案实现步骤如下：
步骤1：对给定的图像方块，将其分成4个大小相同的方块。
步骤2：设定图像最小分割深度mind和最大分割深度maxd。
步骤3：依据式（3），计算出每一个方块最大颜色相似性与最小颜色相似性之差，判定方块是否符合颜色相似性准则。
（4）
步骤4：若未达到最小分割深度mind，则对当前图像块进行四分，转步骤3。
步骤5：如果达到最大深度maxd就不再继续分割（即使不满足颜色相似性标准），转步骤6；若未达到最大深度maxd，且各方块均满足颜色相似性标准，则转步骤6；若未达到最大深度maxd，且存在方块不满足颜色相似性标准，则将当前块继续四分，转步骤3，对各子块做相同的操作；
步骤6：算法结束。
（3）目标分形伪装
参照图4，目标分形伪装实施过程如下：
步骤1：载入原始彩色图像I，输入用户密钥key。
步骤2：授权用户经由鼠标点击操作在图像中选取一个多边形封闭区域，作为待伪装目标区，而目标区之外的区域则作为图像背景区，并记录下目标区边界链码L。
步骤3：对待伪装彩色图像I的RGB三个分量的各像素点进行组合，提取亮度分量，得到一幅灰度图像。
步骤4：对灰度图像，按基于颜色相似性的四叉树分割方案对图像目标区进行划分，得到具有不同尺寸的互不重叠的子块，称为值域块。采用同样方法对图像背景区进行划分，得到具有不同尺寸的互不重叠的子块，称为定义域块。
步骤5：计算所有定义域块的均值颜色，计算各定义域块均值颜色相似性值。
步骤6：将所有的定义域块按其均值颜色相似性大小进行排序，划分为n个区间，即，并据此将各定义域块进行分类。
步骤7：计算各值域块的颜色相似均值，并根据其所属区间确定其所属的类别以构建定义域池。
步骤8：根据颜色相似性原则，两个等尺寸的图像块只有其块内最大颜色相似值与最小颜色相似值之差小于阈值才可能构成匹配对。故所采用的搜索原则是：其最佳匹配的定义域块必定是在相应定义域池中其有相同大小的定义域块。针对各值域块，在确定的定义域池中进行块匹配操作，找到最佳匹配定义域块，使得经过空间变换和灰度值仿射变换后与的平方误差最小。
步骤9：将原始图像I中红色分量R所组成的灰度图中，与值域块最佳匹配定义域块块的坐标和仿射变换序号用中相应值来代替，而对灰度尺度因子o和平移因子p进行以下修正，
（5）
其中是中值域块R的像素值，是中定义域块D经过四邻域平均后与值域块R等大小的定义域块中的像素值，和分别是R和的平均值。对原图像中的G分量和B分量做类似处理。
步骤10：对原彩色图像I中的每一个值域块，记录以下分形迭代参数组：从中得到的最佳匹配定义域块的左上角顶点坐标（dx, dy），和达到最佳匹配时对所做仿射变换的序号，以及RGB三个分量尺度因子o，平移因子p的修正值。所有值域块分形参数组构成分形码本P。
步骤11：用最佳匹配定义域块替换值域块。
步骤12：重复步骤7--11，直到原图像I中所有的值域块均已替换完毕。
步骤13：伪装图像修正。经过分形伪装生成的初始伪装图像，在边界处可能存在一些细小毛刺。为此，可利用适当的低通滤波操作进行平滑处理。
步骤14：以用户密钥key为初始值，利用式（6）所示的混沌映射生成伪随机序列Q。
（6）
其中状态量，控制参数。
步骤15：在伪随机序列Q的作用下，利用无损数据隐藏技术[7]（文献[7]：CelikM.U., Sharma, G., Tekalp A.M., Saber E. Lossless generalized-LSB dataembedding [J]. IEEE Transactions on Image Processing, 2005, 14(2): 253-266.）将目标区边界链码L及分形码本P作为边信息嵌入到图像中，以获得最终伪装图像。
（4）原图像恢复
参照图5，原图像恢复的主要步骤如下：
步骤1：读入伪装图像，给定用户密钥key。
步骤2：在用户密钥key的作用下生成伪随机序列Q。
步骤3：借助伪随机序列Q从伪装图像中无损恢复出目标区边界链码L与分形码本P。
步骤4：根据边界链码划分目标区与背景区。
步骤5：从伪装图像中任意子块开始，经过若干次（通常6—10次左右）的迭代函数系统迭代即可近似恢复原图像目标区。
3．有益效果：
采用本发明提供的数字图像主动伪装方案，与目前已有的相关迷彩设计方案相比，具有如下显著特点与优势：
（1）原图像自我恢复。合法用户可依据伪装图像恢复出原始图像，本发明提供的数字图像主动伪装方案可较好地应用于网络环境可视媒体隐匿通信。
（2）伪装图像视觉效果好。目标伪装时充分考虑了颜色相似性和数学分形的自相似特性。综合集成了颜色亮度特性与色度因素，较好地实现了目标与背景的自适应融合，伪装图像视觉效果好。本发明技术方案生成的伪装图像有助于降低己方目标受打击概率，逃避敌方(对方)检测，从而有效保护己方特定目标。
（3）安全性好。除拥有正确密钥的认证用户外，其他非授权用户均无法从伪装图像中检测出感兴趣目标对象。
（4）计算开销低。颜色相似性计算直接在RGB颜色空间进行，无需进行颜色空间转换；定义域池构成和最佳匹配定义域块搜索策略采用结合颜色相似性的分类方法，压缩了搜索空间，这很大程度上降低了本发明技术方案计算开销。
附图说明
图1为本发明的数字图像主动伪装方案总体技术流程图。
图2为本发明的颜色相似性计算流程图。
图3为本发明的四叉树分割方案流程图。
图4为本发明的目标分形伪装流程图。
图5为本发明的原图像恢复流程图。
图6为待伪装图像示例。
图7为图像目标区划分示意图。
图8为目标分形伪装示例。
图9为授权用户恢复原始图像示例。
图10为非授权用户恢复原始图像示例。
具体实施方式
下面结合附图与实施例对本发明的技术方案做进一步的说明。如图1所示，本发明提供的数字图像主动伪装技术方案包括自适应伪装和原图像恢复共两个主要阶段。
参照图2--图4，数字图像自适应伪装的实施过程描述如下：
步骤1：输入待伪装图像I（参照图6），与用户密钥key。
步骤2：用户经通过鼠标在图像中选取一个多边形封闭区域作为待伪装目标区，而将目标区之外的区域作为图像背景区（参照图7），并记录下目标区边界链码L。
步骤3：提取原始彩色图像I的RGB颜色的亮度分量，得到一幅灰度图像。
步骤4：对灰度图像，参照图3，根据基于颜色相似性的四叉树分割方案对图像目标区进行划分，得到具有不同尺寸的互不重叠的子块，称为值域块。采用同样方法对图像背景区进行划分，作为定义域块。
步骤5：计算所有定义域块的均值颜色，参照图2，计算各定义域块均值颜色相似性值。
步骤6：将所有的定义域块按其均值颜色相似性大小进行排序，划分为n个区间，即，并据此将各定义域块进行分类。
步骤7：计算各值域块的颜色相似均值，并根据其所属区间确定其所属的类别以构建各值域块的定义域池。
步骤8：根据颜色相似性原则，为压缩搜索空间，最佳匹配定义域块搜索原则是：其最佳匹配的定义域块必定是在相应定义域池中其有相同大小的定义域块。针对各值域块，在确定的定义域池中进行块匹配操作，找到最佳匹配定义域块，使得经过空间变换和灰度值仿射变换后与的平方误差最小。
步骤9：针对图像RGB三个分量，分别对灰度尺度因子o和平移因子p进行修正。对每一个值域块，记录以下分形迭代参数组：从中得到的最佳匹配定义域块的左上角顶点坐标（dx, dy），和达到最佳匹配时对所做仿射变换的序号，以及RGB三个分量尺度因子o，平移因子p的修正值。所有值域块分形参数组即构成分形码本P。
步骤10：用最佳匹配定义域块替换值域块。
步骤11：重复步骤7-10，直到原图像I中所有的值域块均已被替换。
步骤12：利用适当的低通滤波操作对伪装图像进行平滑修正。
步骤13：在混沌映射控制下，利用无损数据隐藏技术将目标区边界链码L及分形码本P作为边信息无损隐藏到彩色图像中，以获得生成最终伪装图像（参照图8），从图8的视觉效果看，本发明提供的技术方案伪装效果较好，人眼很难察觉出伪装图像中原始目标的明显特征。
参照图5，原图像恢复的具体实例过程如下：
步骤1：读入伪装图像（参照图8），给定用户密钥key。
步骤2：由用户密钥key利用混沌映射生成伪随机序列Q。
步骤3：借助伪随机序列Q从伪装图像无损恢复出目标区边界链码L与分形码本P。
步骤4：确定伪装图像目标区与背景区。
步骤5：从伪装图像目标区任意子块开始，经过若干次（通常6—10次左右）的迭代函数系统迭代即可近似恢复原图像目标区，从而近似恢复出原始彩色（参照图9）。
步骤6：为验证本发明提供的技术方案的安全性，参照图10，测试了拥有错误密钥的用户恢复原始图像的效果。
Claims (4)
1.一种基于分形的数字图像主动伪装方法，其特征在于，结合颜色相似性与分形迭代理论将数字图像变换成另一幅有意义图像，实现目标自适应分形伪装，包括自适应伪装和原图像恢复共两个主要阶段；其中自适应伪装阶段又由颜色相似性计算、基于颜色相似性的四叉树分割、目标分形伪装三部分组成，通过结合颜色相似性的分形迭代，实现背景区到目标区的自适应替换，以完成分形伪装；原图像恢复阶段首先无损恢复出目标区边界链码和分形参数组，从而确定目标区域，并近似恢复出原始目标区；
所述目标分形伪装阶段，包括以下步骤：
步骤1：载入图像I，给定用户密钥key，用户确定图像目标区与背景区，并记录下目标区边界链码L；
步骤2：提取原始彩色图像I的RGB颜色的亮度分量Y＝0.301r+0.568g+0.113b，得到一幅灰度图像I′；对灰度图像I′，根据基于颜色相似性的四叉树分割方案对图像目标区进行划分，到具有不同尺寸2l×2l的互不重叠的子块，称为值域块Ri，其中l为子块不同尺寸时的标号；采用同样方法对图像背景区进行划分，作为定义域块Di；
步骤3：计算所有定义域块的均值颜色，计算各定义域块均值颜色相似性值；
步骤4：将所有的定义域块按其均值颜色相似性大小进行排序，划分为n个区间，并据此将各定义域块进行分类；
步骤5：计算各值域块的颜色相似均值，并根据其所属区间确定其所属的类别以构建各值域块的定义域池；
步骤6：针对各值域块Ri，在确定的定义域池中进行块匹配操作，找到最佳匹配定义域块Dj，使得Dj经过空间变换和灰度值仿射变换后与Ri的平方误差最小；
步骤7：针对图像RGB三个分量，分别对灰度尺度因子o和平移因子p进行修正；对每一个值域块Ri，记录以下分形迭代参数组Pi：从I′中得到的最佳匹配定义域块Dj的左上角顶点坐标(dx,dy)，Dj和Ri达到最佳匹配时对Dj所做仿射变换的序号，以及RGB三个分量尺度因子o，平移因子p的修正值；所有值域块分形参数组Pi即构成分形码本P；
步骤8：用最佳匹配定义域块Dj替换值域块Ri；
步骤9：重复步骤5-8，直到原图像I中所有的值域块均已被替换；
步骤10：利用适当的低通滤波操作对伪装图像进行平滑修正；
步骤11：利用无损数据隐藏技术将目标区边界链码L及分形码本P伪随机地隐藏到彩色图像中，以获得生成最终伪装图像
2.如权利要求1所述的一种基于分形的数字图像主动伪装方法，其特征在于，所述的颜色相似性计算阶段，包括以下步骤：
步骤1：对任意颜色向量(r，g，b)(记为C)，计算其相对于白色向量(255，255，255)(记为C0)的亮度相似性
步骤2：计算颜色C相对于白色C0的色度相似性sc，
<mrow>
<mi>s</mi>
<mi>c</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mi>C</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>C</mi>
<mn>0</mn>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mi>C</mi>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>C</mi>
<mn>0</mn>
</msub>
<mo>|</mo>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<mi>r</mi>
<mo>+</mo>
<mi>g</mi>
<mo>+</mo>
<mi>b</mi>
</mrow>
<msqrt>
<mrow>
<mn>3</mn>
<mrow>
<mo>(</mo>
<msup>
<mi>r</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>g</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>b</mi>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mfrac>
</mrow>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>+</mo>
<mi>g</mi>
<mo>+</mo>
<mi>b</mi>
<mo>)</mo>
<mo>&NotEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>e</mi>
<mi>l</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
1
步骤3：综合考虑颜色亮度与色度因素，获得彩色图像颜色相似性因子s＝λ×sc+(1-λ)si，λ为平衡因子，用于权衡亮度相似性si与色度相似性sc的影响，其中λ取值范围为(0.5,1)，既然色度与饱和度是主要的感知因素，实验中λ参数取值0.8。
3.如权利要求1所述的一种基于分形的数字图像主动伪装方法，其特征在于，所述的基于颜色相似性的四叉树分割阶段，包括以下步骤：
步骤1：对给定的图像方块，将其分成4个大小相同的子块，设定图像最小分割深度mind和最大分割深度maxd；
步骤2：计算出每一个方块最大颜色相似性与最小颜色相似性之差ds，阈值为Ts，如果ds<Ts，则该方块满足颜色相似性标准，否则不满足；
步骤3：若未达到最小分割深度mind，则对当前方块进行四分，转步骤2；
步骤4：如果达到最大深度maxd就不再继续分割，转步骤5；若未达到最大深度maxd，且各方块均满足颜色相似性标准，则转步骤5；若未达到最大深度maxd，且存在方块不满足颜色相似性标准，则将当前块继续四分，转步骤2，对各子块做相同的操作；
步骤5：算法结束。
4.如权利要求1所述的基于分形的数字图像主动伪装方法，其特征在于，所述的原图像恢复阶段，对给定的伪装图像和用户密钥key，由用户密钥key利用混沌映射生成伪随机序列Q；借助伪随机序列Q从伪装图像无损恢复出目标区边界链码L与分形码本P；从伪装图像目标区任意子块开始，经过6-10次的迭代函数系统迭代即可近似恢复原图像目标区，从而近似恢复出原始彩色。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410045851.8A CN104835104B (zh) | 2014-02-07 | 2014-02-07 | 基于分形的数字图像主动伪装方案 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410045851.8A CN104835104B (zh) | 2014-02-07 | 2014-02-07 | 基于分形的数字图像主动伪装方案 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104835104A CN104835104A (zh) | 2015-08-12 |
| CN104835104B true CN104835104B (zh) | 2017-11-03 |
Family
ID=53812974
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410045851.8A Expired - Fee Related CN104835104B (zh) | 2014-02-07 | 2014-02-07 | 基于分形的数字图像主动伪装方案 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104835104B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107305696B (zh) * | 2016-04-22 | 2021-02-09 | 阿里巴巴集团控股有限公司 | 一种图像生成方法及装置 |
| CN108647365A (zh) * | 2018-05-29 | 2018-10-12 | 青岛九维华盾科技研究院有限公司 | 一种基于人工判读的目标伪装效果评估方法及系统 |
| CN109171815B (zh) * | 2018-08-27 | 2021-08-03 | 香港理工大学 | 超声装置、超声方法以及计算机可读介质 |
| CN109920015B (zh) * | 2019-03-05 | 2022-11-29 | 重庆工程学院 | 一种基于分形图形生成的图像视觉有意义加密方法 |
| CN110276753B (zh) * | 2019-06-20 | 2021-07-23 | 兰州理工大学 | 基于特征空间统计信息映射的目标自适应隐藏方法 |
| CN111832045B (zh) * | 2020-07-01 | 2022-08-05 | 中国人民解放军战略支援部队信息工程大学 | 一种信息伪装及还原方法 |
| CN112184838B (zh) * | 2020-10-09 | 2022-06-21 | 哈尔滨工程大学 | 一种基于颜色相关度的多背景迷彩图案主色提取方法 |
| CN112541232B (zh) * | 2020-12-28 | 2024-02-02 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种飞机外部低可视标记设计方法 |
| CN114511644B (zh) * | 2022-01-21 | 2023-06-09 | 电子科技大学 | 一种基于深度学习的自适应数字伪装方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103034971A (zh) * | 2013-01-14 | 2013-04-10 | 杨恒伏 | 一种结合btc编码的可擦除可见水印方案 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ES2430390T3 (es) * | 2008-10-23 | 2013-11-20 | University Of Ulster | Método de detección del tono de piel |
-
2014
- 2014-02-07 CN CN201410045851.8A patent/CN104835104B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103034971A (zh) * | 2013-01-14 | 2013-04-10 | 杨恒伏 | 一种结合btc编码的可擦除可见水印方案 |
Non-Patent Citations (4)
| Title |
|---|
| 基于自适应四叉树分形图像编码的数字水印技术;陈少霞等;《中国有线电视》;20031231(第24期);第15-18页 * |
| 小波域鲁棒自适应公开水印技术;杨恒伏等;《软件学报》;20031231;第14卷(第9期);第1652-1660页 * |
| 数字图像主动伪装技术研究综述;杨恒伏;《激光与红外》;20120531;第42卷(第5期);第481-489页 * |
| 马尔科夫随机场和金字塔模型用于数字迷彩图案设计;贾其等;《应用科学学报》;20121130;第30卷(第6期);第624-628页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104835104A (zh) | 2015-08-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104835104B (zh) | 基于分形的数字图像主动伪装方案 | |
| Das et al. | Shield: Fast, practical defense and vaccination for deep learning using jpeg compression | |
| Adler | Images can be regenerated from quantized biometric match score data | |
| Wang et al. | Cyber warfare: steganography vs. steganalysis | |
| Surekha et al. | Sensitive digital image watermarking for copyright protection | |
| CN110610082A (zh) | 一种基于dnn用于护照抵御模糊攻击的系统与方法 | |
| US20110299771A1 (en) | Method for skin tone detection | |
| Nie et al. | The use of least significant bit (LSB) and knight tour algorithm for image steganography of cover image | |
| Ren et al. | Protecting intellectual property with reliable availability of learning models in ai-based cybersecurity services | |
| Wang et al. | Rethinking the vulnerability of dnn watermarking: Are watermarks robust against naturalness-aware perturbations? | |
| CN110503697B (zh) | 一种基于随机噪声机制的虹膜特征隐藏方法 | |
| Liang et al. | Fedcip: Federated client intellectual property protection with traitor tracking | |
| Meikap et al. | Improved center-folding based directional pixel value ordering for reversible data hiding scheme | |
| Liang et al. | Poisoned forgery face: Towards backdoor attacks on face forgery detection | |
| CN116311439A (zh) | 一种人脸验证隐私保护方法和装置 | |
| Ping et al. | Hiding Multiple Images into a Single Image Using Up-sampling | |
| Laffont et al. | Enhanced pixel value modification based on modulus function for RGB image steganography | |
| CN111723346B (zh) | 基于“竹节虫”参考矩阵可认证的视觉机密共享方法 | |
| Tsai et al. | A Steganographic Method by Pixel–Value Differencing and Exploiting Modification Direction | |
| Xu et al. | Protecting Intellectual Property of EEG-based Model with Watermarking | |
| Nie et al. | Deep Model Intellectual Property Protection with Compression-Resistant Model Watermarking | |
| Dang et al. | Practical construction of face-based authentication systems with template protection using secure sketch | |
| Ghouzali | Multimodal Biometric Watermarking-based Transfer Learning Authentication | |
| Haldar et al. | Secured Information Communication Exploiting Fuzzy Weight Strategy | |
| Ba et al. | CFP: Enabling Camera Fingerprint Concealment for Privacy-Preserving Image Sharing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171103 Termination date: 20190207 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |