CN106056525B - 融合波段感知特征的多光谱遥感影像认证方法及系统 - Google Patents
融合波段感知特征的多光谱遥感影像认证方法及系统 Download PDFInfo
- Publication number
- CN106056525B CN106056525B CN201610352409.9A CN201610352409A CN106056525B CN 106056525 B CN106056525 B CN 106056525B CN 201610352409 A CN201610352409 A CN 201610352409A CN 106056525 B CN106056525 B CN 106056525B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing image
- wave band
- fusion
- spectrum remote
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种融合波段感知特征的多光谱遥感影像认证方法及系统,首先,采用隐形格网划分将多光谱影像的各个波段划分成不同的区域;然后,基于DWT对相同地理位置的格网单元进行分解,分别采用不同的融合规则对小波变换后的低频、中频和高频分量进行融合;接着,采用Canny算子与SVD提取融合结果的感知特征,并通过Hash函数对提取的感知特征进行归一化,最终生成多光谱影像的感知哈希序列;最后通过比较多光谱影像感知哈希序列之间是否发生变化来实现多光谱影像的认证过程。本发明实现多光谱遥感影像基于内容的认证,并对不改变多光谱内容的操作保持鲁棒性,满足认证算法摘要性的需求,为多光谱影像的有效利用提供有力安全保障。
Description
技术领域
本发明涉及一种多光谱遥感影像感知认证方法及系统,属于地理信息安全认证技术领域。
背景技术
相对于高分辨率影像,多光谱遥感影像能够提供更多的地表环境、资源等对地观测信息,在国土、测绘等行业获得广泛应用。但是,多光谱影像使用、存储、传输过程中,很容易遭到有意或者无意的攻击,如果其完整性受到质疑,将影响其使用价值。传统的密码学认证技术对数据的变化过于敏感,不能满足多光谱遥感影像的认证需求。感知哈希能够将具有相同感知内容的多媒体内容唯一地映射为一段数字摘要,因此能够实现数据基于感知内容的认证。
近些年,针对不同多媒体数据的感知哈希算法相继被提出。文振焜等人(融合时空域变化信息的视频感知哈希算法研究[J].电子学报,2014,(6):1163-1167.)提出一种新的视频感知哈希算法,融合了视觉感知及时空域特征,具有较好的鲁棒性与区分性。Sun Rui等人(Secure and robust image hashing via compressive sensing[J].MultimediaTools and Applications,2014,70:1651-1665.)提出一种基于压缩感知和傅立叶-梅林变换的感知哈希算法,有效压缩了图像的特征信息。丁凯孟等人(用于多光谱影像完整性认证的感知哈希算法[J].光学精密工程,23(10z):676-683.)提出一种综合多光谱影像各波段内容特征的感知哈希算法,分别提取各个波段的感知内容生成感知哈希序列,但该算法未能有效发掘波段之间的相关性,在摘要性、认证精度等方面存在较大不足。
多光谱影像的不同波段有着明确的物理意义,反映不同的地物信息。因此多光谱影像的感知哈希算法需要顾及多光谱影像的波段特性。感知哈希算法在满足多光谱影像内容认证的同时,认证信息占用的空间应尽可能少,也就是满足摘要性。
发明内容
本发明所要解决的技术问题在于:针对多光谱遥感影像具有较多波段、不同波段反映不同地物信息等特点,为了进一步提取特征,从波段特征融合的角度出发,提出一种基于波段信息融合的多光谱遥感影像感知哈希认证方法及系统。
为了解决上述技术问题,本发明所采取的技术方案为:
本发明提出一种融合波段感知特征的多光谱遥感影像认证方法,包括:
步骤(1)、对多光谱遥感影像的各个波段进行隐形格网划分,将各个波段划分成大小相等且互不重叠的格网单元;
步骤(2)、基于小波变换对相同地理位置的格网单元进行分解,采用不同的融合规则分别对小波变换后的低频分量、中频分量和高频分量进行融合;各分量分别融合之后,再进行小波逆变换,得到最终的融合结果;
步骤(3)、采用Canny算子提取融合结果的边缘特征,并通过奇异值分解提取前K个奇异值作为感知特征,进而生成多光谱遥感影像的感知哈希序列;
步骤(4)、通过比较待认证多光谱遥感影像和原始多光谱遥感影像的感知哈希序列之间是否发生变化来实现多光谱影像的认证过程,如果感知哈希序列发生变化,说明待认证多光谱遥感影像的内容受到了篡改。
进一步,本发明的多光谱遥感影像认证方法,上述步骤(2)采用不同的融合规则分别对小波变换后的低频分量、中频分量和高频分量进行融合,具体为:
A、中频分量的融合规则:
将中频分量融合的结果分别记为FHLwh,FLHwh,FHHwh,则水平中频分量融合结果的每一个像素FHLwh(i,j)表示如下:
其中,w与h表示格网在相应波段的位置,i、j分别对应像素的行和列;
B、低频分量的融合规则:
采用自适应加权的方法对各个波段的低频信息进行融合,并根据格网单元的信息熵决定加权的系数;将低频分量融合的结果分别记为FLLwh,那么低频分量融合结果的每一个像素FLLwh(i,j)表示如下:
其中,k表示格网所在的波段,w与h表示格网在相应波段的位置,表示格网单元的信息熵,αk表示该低频区域在融合过程中的加权系数;
C、高频分量的融合规则:采用与低频分量相同方式进行融合。
进一步,本发明的多光谱遥感影像认证方法,上述步骤(3)中采用Canny算子提取融合结果的边缘特征,并通过奇异值分解提取前K个奇异值作为感知特征,具体为:
(a)、通过双线性插值将融合后的格网单元的分辨率变为64×64像素;
(b)、通过Canny算子提取格网单元的边缘特征,并进行0-1序列化,得到边缘特征矩阵;
(c)、对边缘特征矩阵进行奇异值分解,提取前K个奇异值来地描述边缘特征矩阵,K的取值由算法鲁棒性要求和矩阵大小而定。
进一步,本发明的多光谱遥感影像认证方法,上述步骤(3)中感知哈希序列生成具体如下:
首先,采用密码学Hash函数对提取的奇异值进行归一化,取前32位作为该格网单元的感知哈希序列;
然后,串联所有格网单元的感知哈希序列,得到原始多光谱影像的感知哈希序列。
进一步,本发明的多光谱遥感影像认证方法,上述串联所有格网单元的感知哈希序列,得到原始多光谱影像的感知哈希序列具体为:
串联所有格网单元的单元感知哈希序列PHij,得到的结果通过安全散列算法SHA-1进行压缩,结果记为SH,与PHij进行串联,得到原始多光谱影像的感知哈希序列,记为PH,如下式所示:
PH=SH||PH0,0||PH0,1||...||PHw,h;
其中,“||”表示哈希序列的串联,“---”表示未列出的格网单元的单元感知哈希序列PHij。
进一步,本发明的多光谱遥感影像认证方法,上述步骤(4)中是通过比较待认证遥感影像与原始遥感影像的感知哈希序列之间的归一化Hamming距离来实现认证。
本发明还提出一种多光谱遥感影像认证系统,包括:
划分单元,对多光谱遥感影像的各个波段进行隐形格网划分,将各个波段划分成大小相等且互不重叠的格网单元;
分解融合单元,基于小波变换对相同地理位置的格网单元进行分解,采用不同的融合规则分别对小波变换后的低频分量、中频分量和高频分量进行融合;各分量分别融合之后,再进行小波逆变换,得到最终的融合结果;
感知哈希序列生成单元,采用Canny算子提取融合结果的边缘特征,并通过奇异值分解提取前K个奇异值作为感知特征,进而生成多光谱遥感影像的感知哈希序列;
认证单元,通过比较待认证多光谱遥感影像和原始多光谱遥感影像的感知哈希序列之间是否发生变化来实现多光谱影像的认证过程,如果感知哈希序列发生变化,说明待认证多光谱遥感影像的内容受到了篡改。
本发明采用以上技术方案,与现有技术相比具有以下技术效果:
本发明基于DWT对多光谱影像进行“突出边缘特征”的波段融合,通过Canny算作提取融合结果的边缘特征,再经过SVD进行处理后生成多光谱影像的感知哈希序列,实现多光谱遥感影像基于内容的认证,为多光谱影像的有效运用提供有力安全保障。
附图说明
图1是本发明方法的感知哈希序列生成流程图。
图2是测试的多光谱影像。
图3是多光谱影像的篡改实例。
具体实施方式
下面结合附图和实施例对本发明作进一步详细描述。所述实施方式的示例在附图中示出,通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解的是,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本发明通过离散小波(DWT)变换分别对波段的不同分量进行的融合,然后采用Canny算子与SVD提取融合结果的感知特征,继而生成多光谱影像的感知哈希序列。在认证端,通过感知哈希序列之间的精确匹配实现多光谱影像基于内容的完整性认证。
如图2,本实施例选择2006年的南京地区7波段Landsat TM影像为例进行测试,按照本发明进行基于内容的完整性认证,给出本发明的一个实施例,进一步详细说明本发明。图2中的(a)、(b)、(c)、(d)所示分别为该测试影像分解后的第1、第4、第5与第7波段,各波段大小均为1536×1024像素。
如图1所示,本发明的具体流程如下:
步骤一,多光谱影像预处理;
将原始多光谱影像的各个波段进行W×H的格网划分,划分之后的格网单元记为其中,k表示格网所在的波段,w与h标识格网在相应波段的位置。格网划分的粒度应当综合考虑计算效率、影像实际大小、篡改定位粒度等多方面因素。
影像的预处理是为了决定特征提取的方法:不同波段的物理意义不同,反映的是不同类型的地物信息,各波段相同地理位置的内容信息量往往差别较大,所以,各个波段在融合的过程中,不宜简单地取平均值;而且,不同波段对不同类型的地物敏感,那么同一个波段的不同区域包含的信息量也会有较大差别。因此,本发明将多光谱影像的各个波段划分成不同的区域,针对多光谱影像不同区域采用不同的特征提取方法。
步骤二,面向特征提取的波段融合;
在步骤一的基础上,基于离散小波变换DWT对相同地理位置的格网单元进行波段融合。
中频信息的融合规则:本发明基于极大值的选择规则融合波段中频信息,尽可能地保留明显的边缘特征。中频分量融合的结果分别记为FHLwh,FLHwh,FHHwh,其中,w与h标识格网在相应波段的位置。则水平中频分量融合结果的每一个像素FHLwh(i,j)可如下表述:
低频信息的融合规则:本发明采用自适应加权的方法对各个波段的低频信息进行融合,并根据格网单元的信息熵决定加权的系数。设表示格网单元小波变换之后的低频区域,表示格网单元的信息熵,αk表示该低频区域在融合过程中的加权系数,则αk可由公式(2)计算得出:
低频分量融合的结果分别记为FLLwh,那么低频分量融合结果的每一个像素FLLwh(i,j)可如下表述:
高频信息的融合规则:本发明采用与低频相同的“自适应加权”的方式进行融合,以降低噪声的影响。
各分量分别融合之后,再进行小波逆变换,就得到最终的融合结果,记为Fij。
步骤三,波段融合结果的感知特征提取;
在步骤二的基础上,通过Canny算子提取融合结果Fij的边缘特征,并通过SVD分解后提取前K个奇异值:
(1)通过双线性插值将融合后的格网单元Fij的分辨率变为64×64像素。此举不仅为了降低计算复杂度(提取边缘特征消耗的计算时间远大于双线性插值),而且能够去除部分噪声,增强算法鲁棒性。
(2)通过Canny算子提取格网单元Fij的边缘特征,并进行0-1序列化,得到的边缘特征矩阵记为MEij。
(3)为了消除感知哈希鲁棒性与敏感性之间的矛盾,对MEij进行SVD分解(奇异值分解),提取前K个奇异值来地描述边缘特征矩阵(K的取值由算法鲁棒性要求和矩阵大小而定)。
步骤四,感知哈希序列生成;
在步骤三的基础上,采用密码学Hash函数对提取的K个奇异值进行压缩,取压缩结果的前32位作为该格网单元的单元感知哈希,记为PHij,以减少最终感知哈希序列占用的存储空间。串联所有格网单元的PHij,得到的结果通过安全强度更高的SHA-1进行压缩,结果记为SH,与PHij进行串联,得到原始多光谱影像的感知哈希序列,记为PH,如公式(4)所示。
PH=SH||PH0,0||PH0,1||...||PHw,h 公式(4)
步骤五,多光谱影像的完整性认证过程;
在步骤四的基础上,基于“精确匹配”的方法来比较待认证影像与原始影像的哈希序列之间的差异来实现完整性认证,如果两者不同,说明待认证影像的内容发生了较大的变化,可以认为遭到了某种篡改;反之,说明待认证影像的内容没有发生明显变化。
图3所示为遭到篡改的部分影像波段,图3中的(a)、(b)、(c)、(d)所示分别为第1、第4、第5与第7波段,通过本发明的上述步骤对图3所示的遥感影像局部发细微篡改进行有效检测。
采用感知哈希序列未发生变化的格网单元所占百分比来描述算法鲁棒性。格式转换和数字水印嵌入是典型的不改变多光谱影像内容的操作,因此以格式转换和水印嵌入为例进行鲁棒性测试。原始影像为TIFF格式,将各波段转为PNG格式;水印嵌入以最低有效位(LSB)为例,表1为测试结果。
表1鲁棒性测试结果
本方法的特点与技术优势:
(1)本方法只需要160位(20字节)的存储空间就能够完成多光谱影像基于感知内容的认证(不考虑篡改定位的前提下)。
(2)本方法能对不改变多光谱影像内容的操作保持鲁棒性,克服了传统认证技术针对遥感影像内容信息载体进行认证的不足。
(3)本方法的鲁棒性可以通过设置SVD矩阵奇异值的选取个数来进行调节,具有较强的灵活性。
(4)本发明所提出的方法是针对多光谱遥感影像的感知哈希认证方法,采用该方法可以开发并实现基于感知哈希的多光谱遥感影像认证系统。
一种多光谱遥感影像认证系统,包括:
划分单元,对多光谱遥感影像的各个波段进行隐形格网划分,将各个波段划分成大小相等且互不重叠的格网单元;
分解融合单元,基于小波变换对相同地理位置的格网单元进行分解,采用不同的融合规则分别对小波变换后的低频分量、中频分量和高频分量进行融合;各分量分别融合之后,再进行小波逆变换,得到最终的融合结果;
感知哈希序列生成单元,采用Canny算子提取融合结果的边缘特征,并通过奇异值分解提取前K个奇异值作为感知特征,进而生成多光谱遥感影像的感知哈希序列;
认证单元,通过比较待认证多光谱遥感影像和原始多光谱遥感影像的感知哈希序列之间是否发生变化来实现多光谱影像的认证过程,如果感知哈希序列发生变化,说明待认证多光谱遥感影像的内容受到了篡改。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.融合波段感知特征的多光谱遥感影像认证方法,其特征在于,包括:
步骤(1)、对多光谱遥感影像的各个波段进行隐形格网划分,将各个波段划分成大小相等且互不重叠的格网单元;
步骤(2)、基于小波变换对相同地理位置的格网单元进行分解,采用不同的融合规则分别对小波变换后的低频分量、中频分量和高频分量进行融合;各分量分别融合之后,再进行小波逆变换,得到最终的融合结果;
步骤(3)、采用Canny算子提取融合结果的边缘特征,并通过奇异值分解提取前K个奇异值作为感知特征,进而生成多光谱遥感影像的感知哈希序列;
步骤(4)、通过比较待认证多光谱遥感影像和原始多光谱遥感影像的感知哈希序列之间是否发生变化来实现多光谱影像的认证过程,如果感知哈希序列发生变化,说明待认证多光谱遥感影像的内容受到了篡改;
步骤(2)采用不同的融合规则分别对小波变换后的低频分量、中频分量和高频分量进行融合,具体为:
A、中频分量的融合规则:
将中频分量融合的结果分别记为FHLwh,FLHwh,FHHwh,则水平中频分量融合结果的每一个像素FHLwh(i,j)表示如下:
其中,w与h表示格网在相应波段的位置,i、j分别对应像素的行和列;
B、低频分量的融合规则:
采用自适应加权的方法对各个波段的低频信息进行融合,并根据格网单元的信息熵决定加权的系数;将低频分量融合的结果分别记为FLLwh,那么低频分量融合结果的每一个像素FLLwh(i,j)表示如下:
其中,k表示格网所在的波段,w与h表示格网在相应波段的位置,表示格网单元的信息熵,αk表示该低频区域在融合过程中的加权系数;
C、高频分量的融合规则:采用与低频分量相同方式进行融合。
2.根据权利要求1所述的融合波段感知特征的多光谱遥感影像认证方法,其特征在于,步骤(3)中采用Canny算子提取融合结果的边缘特征,并通过奇异值分解提取前K个奇异值作为感知特征,具体为:
(a)、通过双线性插值将融合后的格网单元的分辨率变为64×64像素;
(b)、通过Canny算子提取格网单元的边缘特征,并进行0-1序列化,得到边缘特征矩阵;
(c)、对边缘特征矩阵进行奇异值分解,提取前K个奇异值来地描述边缘特征矩阵,K的取值由算法鲁棒性要求和矩阵大小而定。
3.根据权利要求1所述的融合波段感知特征的多光谱遥感影像认证方法,其特征在于:步骤(3)中感知哈希序列生成具体如下:
首先,采用密码学Hash函数对提取的奇异值进行归一化,取前32位作为该格网单元的感知哈希序列;
然后,串联所有格网单元的感知哈希序列,得到原始多光谱影像的感知哈希序列。
4.根据权利要求3所述的融合波段感知特征的多光谱遥感影像认证方法,其特征在于:所述串联所有格网单元的感知哈希序列,得到原始多光谱影像的感知哈希序列具体为:
串联所有格网单元的单元感知哈希序列PHij,得到的结果通过安全散列算法SHA-1进行压缩,结果记为SH,与PHij进行串联,得到原始多光谱影像的感知哈希序列,记为PH,如下式所示:
PH=SH||PH0,0||PH0,1||...||PHw,h;
其中,||表示哈希序列的串联。
5.根据权利要求1所述的融合波段感知特征的多光谱遥感影像认证方法,其特征在于:步骤(4)中是通过比较待认证遥感影像与原始遥感影像的感知哈希序列之间的归一化Hamming距离来实现认证。
6.一种多光谱遥感影像认证系统,其特征在于,包括:
划分单元,用于配置对多光谱遥感影像的各个波段进行隐形格网划分,将各个波段划分成大小相等且互不重叠的格网单元;
分解融合单元,用于配置基于小波变换对相同地理位置的格网单元进行分解,采用不同的融合规则分别对小波变换后的低频分量、中频分量和高频分量进行融合;各分量分别融合之后,再进行小波逆变换,得到最终的融合结果;
感知哈希序列生成单元,用于配置采用Canny算子提取融合结果的边缘特征,并通过奇异值分解提取前K个奇异值作为感知特征,进而生成多光谱遥感影像的感知哈希序列;
认证单元,用于配置通过比较待认证多光谱遥感影像和原始多光谱遥感影像的感知哈希序列之间是否发生变化来实现多光谱影像的认证过程,如果感知哈希序列发生变化,说明待认证多光谱遥感影像的内容受到了篡改。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610352409.9A CN106056525B (zh) | 2016-05-25 | 2016-05-25 | 融合波段感知特征的多光谱遥感影像认证方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610352409.9A CN106056525B (zh) | 2016-05-25 | 2016-05-25 | 融合波段感知特征的多光谱遥感影像认证方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106056525A CN106056525A (zh) | 2016-10-26 |
CN106056525B true CN106056525B (zh) | 2019-07-26 |
Family
ID=57175246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610352409.9A Active CN106056525B (zh) | 2016-05-25 | 2016-05-25 | 融合波段感知特征的多光谱遥感影像认证方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106056525B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669222A (zh) * | 2019-10-15 | 2021-04-16 | 国际关系学院 | 基于小波域直方图均衡化的数字图像去雾方法 |
CN112800993A (zh) * | 2021-02-03 | 2021-05-14 | 北华航天工业学院 | 一种基于离散小波变换的区域尺度工业厂房信息增强方法 |
CN116861489B (zh) * | 2023-02-23 | 2024-03-08 | 重庆市规划和自然资源信息中心 | 针对地图二维数据的串行化安全管理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104717072A (zh) * | 2015-03-10 | 2015-06-17 | 南京师范大学 | 基于感知哈希与椭圆曲线的遥感影像认证方法 |
CN104715440A (zh) * | 2015-03-10 | 2015-06-17 | 南京师范大学 | 基于Gabor滤波器组与DWT变换的遥感影像感知哈希认证方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8687902B2 (en) * | 2012-03-29 | 2014-04-01 | Intel Corporation | System, method, and computer program product for decompression of block compressed images |
-
2016
- 2016-05-25 CN CN201610352409.9A patent/CN106056525B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104717072A (zh) * | 2015-03-10 | 2015-06-17 | 南京师范大学 | 基于感知哈希与椭圆曲线的遥感影像认证方法 |
CN104715440A (zh) * | 2015-03-10 | 2015-06-17 | 南京师范大学 | 基于Gabor滤波器组与DWT变换的遥感影像感知哈希认证方法 |
Non-Patent Citations (1)
Title |
---|
一种用于遥感影像完整性认证的感知哈希算法;丁凯孟;《东南大学学报》;20140731;摘要,正文第723页第1行-第727页倒数第1行 |
Also Published As
Publication number | Publication date |
---|---|
CN106056525A (zh) | 2016-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Emad et al. | A secure image steganography algorithm based on least significant bit and integer wavelet transform | |
Singh et al. | Image watermarking using soft computing techniques: A comprehensive survey | |
Preda | Semi-fragile watermarking for image authentication with sensitive tamper localization in the wavelet domain | |
Kumar et al. | Image transformation technique using steganography methods using LWT technique | |
Cao et al. | Hierarchical recovery for tampered images based on watermark self-embedding | |
CN102096894B (zh) | 一种实现篡改区域精确定位的图像脆弱水印算法 | |
Han et al. | Content-based image authentication: current status, issues, and challenges | |
Huo et al. | Alterable-capacity fragile watermarking scheme with restoration capability | |
CN106056525B (zh) | 融合波段感知特征的多光谱遥感影像认证方法及系统 | |
CN102496135B (zh) | 一种基于dwt域的数字水印方法及系统 | |
Zhang et al. | An image watermarking method based on visual saliency and contourlet transform | |
CN110766594A (zh) | 信息隐藏方法及装置、检测方法、装置及防伪溯源方法 | |
CN112907435B (zh) | 基于改进博奇编码和数据区间映射的高鲁棒全息盲水印算法 | |
Chang et al. | A robust DCT-2DLDA watermark for color images | |
CN102682418A (zh) | 一种数字图像的多个零水印嵌入及提取方法 | |
CN105512999A (zh) | 一种双变换的彩色图像全息水印方法 | |
CN109727179A (zh) | 一种零水印生成方法及系统、提取方法及系统 | |
CN110503592B (zh) | 一种基于数字水印的二维码防伪方法及系统 | |
CN104715440A (zh) | 基于Gabor滤波器组与DWT变换的遥感影像感知哈希认证方法 | |
Su | Color image watermarking: algorithms and technologies | |
Ntahobari et al. | Protecting Data by Improving Quality of Stego Image based on Enhanced Reduced difference Expansion. | |
Ma et al. | A high-performance robust reversible data hiding algorithm based on polar harmonic Fourier moments | |
Pan et al. | A lossless watermarking scheme for halftone image authentication | |
CN106485644A (zh) | 一种抗几何攻击的视频零水印生成方法及装置 | |
CN110417551A (zh) | 一种结合误差扩散的字符画生成式伪装及恢复方法 |
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 |