CN107133991A - 一种基于扰动失真和像素选择的二值图像隐写方法 - Google Patents
一种基于扰动失真和像素选择的二值图像隐写方法 Download PDFInfo
- Publication number
- CN107133991A CN107133991A CN201710159691.3A CN201710159691A CN107133991A CN 107133991 A CN107133991 A CN 107133991A CN 201710159691 A CN201710159691 A CN 201710159691A CN 107133991 A CN107133991 A CN 107133991A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- disturbance
- distortion
- fraction
- 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 86
- 230000000007 visual effect Effects 0.000 claims abstract description 32
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 206010038743 Restlessness Diseases 0.000 claims description 3
- 238000012805 post-processing Methods 0.000 abstract description 2
- 238000013442 quality metrics Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000003780 insertion Methods 0.000 description 4
- 230000037431 insertion Effects 0.000 description 4
- 208000013021 vision distortion Diseases 0.000 description 4
- 238000000205 computational method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本发明提供一种基于扰动失真和像素选择的二值图像隐写方法,通过更合适的扰动度量方法计算二值图像像素点翻转带来的失真情况,通过STC编码嵌入秘密信息,提高秘密信息的嵌入容量,得到载密图像,最后通过像素选择策略对载密图像进行后处理,得到用于信道传输的二值隐写图像。本发明得到的二值隐写图像相比以前的方法,视觉质量更高,安全性、抗检测能力更强。本发明考虑翻转像素点之间存在相互影响,还提出一种像素选择的后处理策略,得到视觉质量更高,更安全的二值隐写图像。本发明可用于信息安全特别是二值图像秘密信息传输方面。
Description
技术领域
本发明涉及数字取证、信息安全领域,更具体地,涉及一种基于扰动失真和像素选择的二值图像隐写方法。
背景技术
随着科技的不断发展,数字取证和信息隐藏技术的不断进步,输入一张载体图片,信息隐藏技术能够在载体图像中写入秘密信息,并生成一张能够用于公共信道传输的隐写图像,对于这方面的技术,需要先找到载体图像的适合用于嵌入信息的像素点位置,在这部分像素点中通过隐写技术嵌入秘密信息,得到的隐写图像能够在公共信道中传输而不会被发现。二值图像是只有“0”和“1”两个值的图像,与灰度图像和彩色图像不同,在二值图像中进行信息隐藏需要通过翻转像素点实现,这可能会导致明显的视觉失真,因此必须通过扰动失真度量方法先找到图像中适合嵌入信息的位置,在这部分位置翻转像素点不会造成很明显的视觉失真,其次,采用一种矩阵嵌入的方法来提高图像的嵌入效率,最后得到潜入后的二值隐写图像。因此,得到一个视觉质量更好的,更不容易被检测到的二值隐写图像非常重要。
在嵌入位置选择方面,已经有了很多种非常好的选择方法,例如基于图像边缘像素点的嵌入位置选择方法,这些方法认为图像边缘像素点翻转带来的视觉失真影响更低,通过跟踪图像边缘位置或者像素块的连通性来到边缘像素点,用这部分像素点进行信息嵌入,例如EAG[1],CPc[2]等,还有基于扰动失真度量的嵌入位置选择方法,这部分方法通过度量每个像素点翻转对图像带来的视觉失真或者安全性影响,得到每个像素点的翻转分数,根据分数高低来嵌入信息,例如SHUFFLING[3],FDM[4]等。
以往的二值图像隐写方法大都不能找到非常理想的嵌入位置,导致生成的隐写后的二值图像在视觉上失真非常明显,甚至能够通过人眼察觉。在这种情况下,必须找到更好的扰动度量方法来衡量像素点翻转带来的扰动失真,同时,可以通过一些后处理的方法,得到视觉质量更高且更安全的二值隐写图像。
参考文献:
[1]H.Cao and A.C.Kot,“On establishing edge adaptive grid for bilevelimage data hiding,”IEEE Trans.Inf.Forensics Security,vol.8,no.9,pp.1508–1518,Sep.2013.
[2]H.Yang and A.C.Kot,“Pattern-based data hiding for binary imageauthentication by connectivity-preserving,”IEEE Trans.Multimedia,interlacenon-interlace vol.9,no.3,pp.475–486,Apr.2007.
[3]M.Wu and B.Liu,“Data hiding in binary image for authentication andannotation,”IEEE Trans.Multimedia,vol.6,no.4,pp.528–538,Aug.2004.
[4]B.W.Feng,W.Lu and W.Sun,“Secure Binary Image Steganography Basedon Minimizing the Distortion on the Texture,”IEEE Trans.Commun,vol.50,no.8,pp:1227-1231.
[5]H.Lu,A.C.Kot,and Y.Q.Shi,“Distance-reciprocal distortion measurefor binary document images,”IEEE Signal Process.Lett.,vol.11,no.2,pp.228–231,Feb.2004.
[6]J.Cheng and A.C.Kot,“Objective distortion measure for binary textimage based on edge line segment similarity,”IEEE Trans.Image Process.,vol.16,no.6,pp.1691–1695,Jun.2007.
[7]H.Yang,A.C.Kot,and S.Rahardja,“Orthogonal data embedding forbinary images in morphological transform domain—A high-capacity approach,”IEEE Trans.Multimedia,vol.10,no.3,pp.339–351,Apr.2008.
[8]H.Yang and A.C.Kot,“Pattern-based data hiding for binary imageauthentication by connectivity-preserving,”IEEE Trans.Multimedia,interlacenon-interlace vol.9,no.3,pp.475–486,Apr.2007.
[9]M.Guo and H.Zhang,“High capacity data hiding for binary imageauthentication,”in Proc.Int.Conf.Pattern Recognit.,Aug.2010,pp.1441–1444.
[10]K.L.Chiew and J.Pieprzyk,“Blind steganalysis:A countermeasure forbinary image steganography,”in Proc.Int.Conf.Availability,Rel.Security,Feb.2010,pp.653–658.
[11]K.L.Chiew and J.Pieprzyk,“Binary image steganographic techniquesclassification based on multi-class steganalysis,”in Information Security,Practice and Experience.Berlin,Germany:Springer-Verlag,2010,pp.341–358.
[12]K.L.Chiew and J.Pieprzyk,“Estimating hidden message length inbinary image embedded by using boundary pixels steganography,”inProc.Int.Conf.Availability,Rel.Security,Feb.2010,pp.683–688.
发明内容
本发明为克服上述现有技术所述的至少一种缺陷,提供一种基于扰动失真和像素选择的二值图像隐写方法,二值隐写图像相比以前的方法,视觉质量更高,抗检测能力更强。
为解决上述技术问题,本发明的技术方案如下:
一种基于扰动失真和像素选择的二值图像隐写方法,包括以下步骤:
S1:计算二值图像的扰动失真分数;
S2:根据二值图像的扰动失真分数选择嵌入秘密信息的像素位置;
S3:使用STC编码方法嵌入秘密信息;
S4:通过像素选择策略对载密图像进行后处理,得到用于信道传输的二值隐写图像。
在一种优选的方案中,二值图像隐写的具体步骤如下:
11)假设输入的载体图像为X,使用一种扰动失真度量方法计算载体图像的扰动失真分数图,记为D;
12)把载体图像X和对应的扰动失真分数图D分块,分成大小为L×L的不重叠的图像块,同时把秘密信息m分成长度为n的不重叠的秘密信息块;
13)丢掉载体图像中所有的全黑或者全白的像素块以及对应的分数图块,选择所有非全黑或者全白的像素块以及对应的分数图块,分别记为X’和D’;
14)采用一个随即序列S去置乱X’和D’,对于第i个图像块,进一步将其分成l×l的超像素,每一个超像素的值由超像素中黑色像素点的奇偶性决定,超像素的扰动失真分数由超像素中最低分的扰动失真分数来代替,通过这个方法,能得到载体向量vector_x,通过STC编码方法嵌入第i个秘密信息段,得到载密向量vector_y,对比vector_x和vector_y,得到需要翻转的超像素的位置;
15)对于每一个需要翻转的超像素,翻转其最低分的像素点;
16)重复14)和15)步,直到所有的秘密信息都被成功嵌入;
17)使用随即序列S去逆置乱X’,得到载密图像Y;
18)对于载密图像Y,通过像素选择策略,得到视觉质量更高且更安全的二值隐写图像Y’。
在一种优选的方案中,计算二值图像的扰动失真分数包括以下步骤:
21)使用EAG和CPc方法找到图像中所有边缘位置像素点,标记这部分像素点的位置为P={pi},i=0,1,2...k,k为能找到的所有边缘像素点的数量;
22)使用FDM中提到的扰动度量方法计算每个像素点的扰动分数,得到对应的扰动分数图,记为D;
23)从1到k遍历pi,找到D中所有位置为pi的像素点,对这部分像素点的扰动分数乘以一个系数t,得到新的扰动分数图D’;
24)取分数图D的最低分为min_score,截断新的扰动分数图D’,使其小于min_score的分数都置为min_score;
25)在信息嵌入步骤,分别用D和D’的块进行选择,选择能得到视觉质量更好的隐写图像的扰动分数块来进行嵌入。
在一种优选的方案中,t取0.5,实验中发现t取0.5得到的效果最好。
在一种优选的方案中,二值图像隐写中像素选择策略的具体实现方式为:
31)对STC编码后得到的载密二值图像Y,对比原载体图像X,得到所有需要翻转的像素点的位置,记为C={ci},i=1,2,...,k,k为需要翻转的像素点的总数量;
32)使用FDM中提到的扰动度量方法计算载密二值图像Y的扰动失真分数图,记为Dy;
33)从i=1到k遍历ci,找到与像素点ci来自同一超像素的其他像素点,在Dy中判断ci是否这些像素点中的最低分像素点,若是,则不处理,若不是,则找到最低分像素点所在的位置,记为plow,分别翻转ci和plow,分别计算图像视觉质量,选择翻转后视觉质量更好的像素点(ci或者plow)进行翻转。
通过以上像素选择策略,考虑到原翻转像素点之间可能造成相互影响,选择来自同一超像素的更安全的像素点进行翻转嵌入,得到更高的图像质量和更好的抗检测性。
与现有技术相比,本发明技术方案的有益效果是:本发明提供一种基于扰动失真和像素选择的二值图像隐写方法,通过更合适的扰动度量方法计算二值图像像素点翻转带来的失真情况,通过STC编码嵌入秘密信息,提高秘密信息的嵌入容量,得到载密图像,最后通过像素选择策略对载密图像进行后处理,得到用于信道传输的二值隐写图像。本发明得到的二值隐写图像相比以前的方法,视觉质量更高,安全性、抗检测能力更强。考虑翻转像素点之间存在相互影响,提出一种像素选择的后处理策略,得到视觉质量更高,更安全的二值隐写图像。本发明可用于信息安全特别是二值图像秘密信息传输方面。
附图说明
图1是本发明实现的总体框架图。
图2是一个3×3的图像块示例。
图3是原始二值图像。
图4是EAG方法得到的隐写二值图像。
图5是CPc方法得到的隐写二值图像。
图6是FDM方法得到的隐写二值图像。
图7是本方法得到的隐写二值图像。
图8是几种隐写方法在DRD视觉质量度量下的结果。
图9是几种隐写方法在ELD视觉质量度量下的结果。
图10是对比了几种隐写方法在SCD视觉质量度量下的结果。
图11是对比了几种隐写方法在PSNR视觉质量度量下的结果。
图12是在RLGL隐写分析方法攻击下的安全性对比结果。
图13是在RLCM隐写分析方法攻击下的安全性对比结果。
图14是在PHD隐写分析方法攻击下的安全性对比结果。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
图1为本实施例实现的总体框架图。
1)计算扰动分数
文献[1][2]提出的方法能够很好的找到图像中的边缘位置像素点,所得到的隐写图像视觉质量更高,文献[4]提出的扰动失真度量方法能够具有更高的抗检测性,基于上述三种隐写方法,本发明提出一种新的扰动度量方法,使隐写后的图像视觉质量更高的同时,抗检测性能也更好。
本发明先使用文献[4]提出的扰动失真度量方法计算载体图像X的扰动失真分数,文献[4]提出了一种取补、旋转和镜像不变性的局部纹理模式(crmiLTP)来描述二值图像的纹理,先用一个步长为1的3×3移动窗口遍历图像所有3×3图像块,如图2所示,中心像素点为(i,j)的模式块记为:
Ti,j=[Ic,I0,I1,…,I7] (1)
其中,Ic代表中心像素点,Ik,k=0,1,2,…,7代表邻域的8个像素点,为了使模式块具有取补,旋转,镜像不变性,用一个值代表3×3模式块Ti,j,计算方法如下:
扰动失真分数的具体计算方法如下:
其中,X是载体图像,Yi,j是翻转(i,j)像素点之后的图像,α和β用于控制边缘结构的敏感度,文献[4]中设置为α=β=0.5,t是公式(5)计算的crmiLTP模式块的值,Ht是crmiLTP模式块值为t的直方图系数,计算方法为:
其中lw×lh是载体图像的大小,当满足括号内等式时,σ(·)=1。
Wt是权值,如果这个模式块中心像素点翻转不容易被检测,则权值更小,
如果这个模式块中心像素点翻转容易被检测出来,则权值更大,通过Fisher准则来决定每个模式块的权值大小,计算公式如下:
其中,μ代表均值,σ2代表方差,具体操作细节,可以参考文献[4]。
文献[1](EAG)和文献[2](CPc)的方法先找到图像中所有符合要求的边缘位置像素点,记为P={pb},b=1,2...k,k为能找到的所有边缘像素点的数量,考虑到这部分边缘位置像素点更适合用于翻转嵌入信息,我们认为应该赋予这部分像素点一个更低的扰动分数,提出了一种新的扰动度量计算方法:
其中,γ通过实验发现设置为0.5的时候最好,pb取自P={pb},b=1,2,3,...,k,
其余设置与文献[4]一样。为了能够保证STC编码之后得到的隐写图像视觉质量比较高,本发明使用截断的方法保持新的扰动度量计算方法得到的扰动分数最低分为0.5不变,计算方法如下:
其中,T设置为0.5。
2)嵌入秘密信息
用式(6)和式(10)分别计算载体图像X的扰动失真分数,记为D和D″,然后对图像和对应的扰动分数图分块,并丢掉全黑和全白的图像块,以及对应的扰动分数图块,选择剩下的非全黑和非全白的图像块,记为sX,以及对应的扰动分数图块,记为sD和sD″,然后采用同一个随机序列去置乱sX,sD和sD″,得到ssX,ssD和ssD″。取第i个图像块ssXi,对这个图像块再分块,每一个小块表示为超像素,该超像素的值由小块中黑色像素点的奇偶性决定,若黑色像素点个数为奇数,该超像素值为1,若黑色像素点个数为偶数,该超像素值为0,得到载体向量vx,并记下所有来自同一个超像素的像素点的位置,记为cf_sp。取对应的第i个扰动分数图块ssDi和ssD″i,我们使用一个选择策略,选择使用ssDi还是ssD″i来嵌入信息。
选择策略具体操作如下:
21)ssDi作为扰动分数,使用STC编码嵌入一次秘密信息,得到隐写图像Y1;
22)ssD″i作为扰动分数,使用STC编码嵌入一次秘密信息,得到隐写图像Y2;
23)使用几种视觉度量方法DRD[5]、ELD[6]、SCD[3]、PSNR来度量隐写图像Y1和隐写图像Y2的视觉质量,最终选择视觉质量更好的隐写图像对应的扰动分数csDi作为最终用于嵌入的扰动分数。
和图像块ssXi一样,对扰动分数图块csDi再划分小块,每一个小块代表超像素的扰动分数,该扰动分数由块中最低分的扰动分数来表示,最终我们得到载体向量vx和对应的扰动分数sx,使用STC编码嵌入第i个秘密信息段,得到隐写向量vy,对比vy和vx,找到不一样的超像素值,翻转ssXi中该超像素值的最低分对应的像素点,得到乱序隐写图像块ssYi,循环上述步骤2)直至所有的秘密信息都嵌入完毕,得到乱序隐写图像sYi。
3)生成隐写图像
采用和嵌入步骤一样的随机序列,逆置乱步骤2)得到的乱序隐写图像sYi,得到隐写后的图像块,使用步骤2)中丢弃掉的全黑和全白图像块来重构隐写图像,得到隐写图像Y,为了得到视觉质量更高的隐写图像,本发明采用了一种像素选择策略,具体实施方法如下:
31)对比隐写图像Y和载体图像X,得到所有需要翻转的像素点的位置,记为C={cb},b=1,2,3,...,k,其中k为所有需要翻转的像素点的数量;
32)使用公式(6)计算隐写图像Y的扰动分数图Dy,从b=1到k遍历cb,从cf_sp中找到与cb来自同一超像素的所有像素点,记为E={ej},j=1,2,...,m,其中m表示所有来自同一超像素的像素点的总数量,找到E中对应的扰动分数最低的像素点,若该点就是cb,则不进行步骤33),若该点不是cb,记该点为elow,进入步骤33);
33)使用DRD、ELD、SCD和PSNR等四种视觉质量度量方法判断翻转cb带来的影响更低还是翻转elow带来的影响更低,选择带来视觉质量更好的点进行翻转。
通过像素选择方法,我们得到视觉质量更高的隐写图像Y′。
图3-7分别显示了EAG、CPc、FDM和本发明在嵌入量接近的情况下的视觉质量对比,图3是原始二值图像,图4是EAG方法得到的隐写二值图像,图5是CPc方法得到的隐写二值图像,对比图3可以发现EAG和CPc隐写方法翻转像素点主要集中在边缘点,因此能够得到较高的视觉质量,很少出现孤立像素点翻转,图6是FDM方法得到的隐写二值图像,对比图3可以发现会出现部分毛刺以及在黑色像素块中翻转孤立白色像素点的情况,造成一定的视觉质量下降,但是FDM方法考虑了更多的安全性,同时,使用了STC编码的矩阵嵌入方法,使总体翻转的像素点数量大大降低,图7是本方法得到的隐写二值图像,相比于FDM的方法,本方法消除了部分毛刺以及突变像素点,让更多翻转发生在边缘位置,相比于EAG和CPc的方法,本方法在同一嵌入量的情况下,需要翻转的总像素点数量更少。
图8-11分别使用四种视觉质量度量方法DRD、ELD、SCD、PSNR对几种二值图像隐写方法得到的图像质量度量结果。其中,the proposed scheme是本发明提出的方法,DPDC方法来自文献[7],SHUFFLE方法来自文献[3],ConnPre方法来自文献[8],GIM方法来自文献[9],图8对比了几种隐写方法在DRD视觉质量度量下的结果,本发明的方法、GIM的方法和FDM的方法得到比较好的结果,图9对比了几种隐写方法在ELD视觉质量度量下的结果,本发明的方法得到比较好的结果,图10对比了几种隐写方法在SCD视觉质量度量下的结果,本发明的方法和FDM的方法得到比较好的结果,图11对比了几种隐写方法在PSNR视觉质量度量下的结果,本发明的方法整体取得比较好的结果,在嵌入量高的时候,GIM的方法取得比较好的结果,因为GIM更关注图像的嵌入量,因此在嵌入量高的时候,翻转的像素点比较少。
图12-14分别显示了几种隐写方法的安全性对比结果。分别使用文献[10]提出的隐写分析方法(RLGL)、文献[11]提出的隐写分析方法(RLCM)和文献[12]提出的隐写分析方法(PHD)来进行特征提取和隐写检测,使用支持向量机(SVM)对提取的特征进行分类,发现本文提出的方法相比以前的二值图像隐写方法具有更高的抗检测性,更安全。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。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,均应包含在本发明权利要求的保护范围之内。
Claims (5)
1.一种基于扰动失真和像素选择的二值图像隐写方法,其特征在于,包括以下步骤:
S1:计算二值图像的扰动失真分数;
S2:根据二值图像的扰动失真分数选择嵌入秘密信息的像素位置;
S3:使用STC编码方法嵌入秘密信息;
S4:通过像素选择策略对载密图像进行后处理,得到用于信道传输的二值隐写图像。
2.根据权利要求1所述的基于扰动失真和像素选择的二值图像隐写方法,其特征在于,二值图像隐写的具体步骤如下:
11)假设输入的载体图像为X,计算载体图像的扰动失真分数图,记为D;
12)把载体图像X和对应的扰动失真分数图D分块,分成大小为L×L的不重叠的图像块,同时把秘密信息m分成长度为n的不重叠的秘密信息块;
13)丢掉载体图像中所有的全黑或者全白的像素块以及对应的分数图块,选择所有非全黑或者全白的像素块以及对应的分数图块,分别记为X’和D’;
14)采用一个随即序列S去置乱X’和D’,对于第i个图像块,进一步将其分成l×l的超像素,每一个超像素的值由超像素中黑色像素点的奇偶性决定,超像素的扰动失真分数由超像素中最低分的扰动失真分数来代替,通过这个方法,能得到载体向量vector_x,通过STC编码方法嵌入第i个秘密信息段,得到载密向量vector_y,对比vector_x和vector_y,得到需要翻转的超像素的位置;
15)对于每一个需要翻转的超像素,翻转其最低分的像素点;
16)重复14)和15)步,直到所有的秘密信息都被成功嵌入;
17)使用随即序列S去逆置乱X’,得到载密图像Y;
18)对于载密图像Y,通过像素选择策略,得到视觉质量更高且更安全的二值隐写图像Y’。
3.根据权利要求2所述的基于扰动失真和像素选择的二值图像隐写方法,其特征在于,计算二值图像的扰动失真分数包括以下步骤:
21)找到图像中所有边缘位置像素点,标记这部分像素点的位置为P={pi},i=0,1,2...k,k为能找到的所有边缘像素点的数量;
22)使用扰动度量方法计算每个像素点的扰动分数,得到对应的扰动分数图,记为D;
23)从1到k遍历pi,找到D中所有位置为pi的像素点,对这部分像素点的扰动分数乘以一个系数t,得到新的扰动分数图D’;
24)取分数图D的最低分为min_score,截断新的扰动分数图D’,使其小于min_score的分数都置为min_score;
25)在信息嵌入步骤,分别用D和D’的块进行选择,选择能得到视觉质量更好的隐写图像的扰动分数块来进行嵌入。
4.根据权利要求3所述的基于扰动失真和像素选择的二值图像隐写方法,其特征在于,t取0.5。
5.根据权利要求2所述的基于扰动失真和像素选择的二值图像隐写方法,其特征在于,二值图像隐写中像素选择策略的具体实现方式为:
31)对STC编码后得到的载密二值图像Y,对比原载体图像X,得到所有需要翻转的像素点的位置,记为C={ci},i=1,2,...,k,k为需要翻转的像素点的总数量;
32)使用扰动度量方法计算载密二值图像Y的扰动失真分数图,记为Dy;
33)从i=1到k遍历ci,找到与像素点ci来自同一超像素的其他像素点,在Dy中判断ci是否这些像素点中的最低分像素点,若是,则不处理,若不是,则找到最低分像素点所在的位置,记为plow,分别翻转ci和plow,分别计算图像视觉质量,选择翻转后视觉质量更好的像素点(ci或者plow)进行翻转。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710159691.3A CN107133991B (zh) | 2017-03-17 | 2017-03-17 | 一种基于扰动失真和像素选择的二值图像隐写方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710159691.3A CN107133991B (zh) | 2017-03-17 | 2017-03-17 | 一种基于扰动失真和像素选择的二值图像隐写方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107133991A true CN107133991A (zh) | 2017-09-05 |
CN107133991B CN107133991B (zh) | 2019-08-13 |
Family
ID=59721159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710159691.3A Active CN107133991B (zh) | 2017-03-17 | 2017-03-17 | 一种基于扰动失真和像素选择的二值图像隐写方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107133991B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108335257A (zh) * | 2018-01-23 | 2018-07-27 | 中山大学 | 一种基于图像放大策略的二值图像可逆信息隐藏方法 |
CN108416726A (zh) * | 2018-03-20 | 2018-08-17 | 宁波大学 | 一种保持像素频度平衡的数字图像隐写方法 |
CN108537049A (zh) * | 2018-03-14 | 2018-09-14 | 中山大学 | 一种基于二值图像的自适应隐写算法 |
CN109885987A (zh) * | 2019-01-24 | 2019-06-14 | 中山大学 | 一种基于方向性局部二值模式的二值图像隐写分析方法 |
CN109963159A (zh) * | 2019-01-16 | 2019-07-02 | 中山大学 | 一种基于stc编码的二值图像双重扰动评分的信息隐写算法 |
CN110956568A (zh) * | 2019-12-17 | 2020-04-03 | 北京印刷学院 | 一种半色调图像的分享图像中独立秘密信息隐藏方法 |
CN111064859A (zh) * | 2020-01-09 | 2020-04-24 | 暨南大学 | 一种图像信息嵌入方法 |
CN112001832A (zh) * | 2020-08-06 | 2020-11-27 | 中山大学 | 一种半色调图像隐写方法 |
CN114820380A (zh) * | 2022-05-13 | 2022-07-29 | 四川大学 | 基于内容自适应对抗扰动的空域隐写载体图像增强方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667285A (zh) * | 2009-09-25 | 2010-03-10 | 上海大学 | 基于像素分组策略的可逆数据隐藏方法 |
CN103345767A (zh) * | 2013-07-02 | 2013-10-09 | 中国科学技术大学 | 一种高安全性的jpeg图像隐写方法 |
CN104537601A (zh) * | 2014-12-23 | 2015-04-22 | 中山大学 | 一种基于九宫格的灰度图像空域隐写方法 |
-
2017
- 2017-03-17 CN CN201710159691.3A patent/CN107133991B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667285A (zh) * | 2009-09-25 | 2010-03-10 | 上海大学 | 基于像素分组策略的可逆数据隐藏方法 |
CN103345767A (zh) * | 2013-07-02 | 2013-10-09 | 中国科学技术大学 | 一种高安全性的jpeg图像隐写方法 |
CN104537601A (zh) * | 2014-12-23 | 2015-04-22 | 中山大学 | 一种基于九宫格的灰度图像空域隐写方法 |
Non-Patent Citations (3)
Title |
---|
BINGWEN FENG ET AL.: "Secure Binary Image Steganography Based on Minimizing the Distortion on the Texture", 《IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY》 * |
HONG CAO ET AL.: "n Establishing Edge Adaptive Grid for Bilevel Image Data Hiding", 《IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY》 * |
HUIJUAN YANG ET AL.: "Pattern-Based Data Hiding for Binary Image Authentication by Connectivity-Preserving", 《IEEE TRANSACTIONS ON MULTIMEDIA》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108335257A (zh) * | 2018-01-23 | 2018-07-27 | 中山大学 | 一种基于图像放大策略的二值图像可逆信息隐藏方法 |
CN108335257B (zh) * | 2018-01-23 | 2021-04-20 | 中山大学 | 一种基于图像放大策略的二值图像可逆信息隐藏方法 |
CN108537049B (zh) * | 2018-03-14 | 2022-05-03 | 中山大学 | 一种基于二值图像的自适应隐写算法 |
CN108537049A (zh) * | 2018-03-14 | 2018-09-14 | 中山大学 | 一种基于二值图像的自适应隐写算法 |
CN108416726B (zh) * | 2018-03-20 | 2019-01-22 | 宁波大学 | 一种保持像素频度平衡的数字图像隐写方法 |
CN108416726A (zh) * | 2018-03-20 | 2018-08-17 | 宁波大学 | 一种保持像素频度平衡的数字图像隐写方法 |
CN109963159A (zh) * | 2019-01-16 | 2019-07-02 | 中山大学 | 一种基于stc编码的二值图像双重扰动评分的信息隐写算法 |
CN109963159B (zh) * | 2019-01-16 | 2021-05-04 | 中山大学 | 一种基于stc编码的二值图像双重扰动评分的信息隐写算法 |
CN109885987A (zh) * | 2019-01-24 | 2019-06-14 | 中山大学 | 一种基于方向性局部二值模式的二值图像隐写分析方法 |
CN109885987B (zh) * | 2019-01-24 | 2023-01-24 | 中山大学 | 一种基于方向性局部二值模式的二值图像隐写分析方法 |
CN110956568A (zh) * | 2019-12-17 | 2020-04-03 | 北京印刷学院 | 一种半色调图像的分享图像中独立秘密信息隐藏方法 |
CN110956568B (zh) * | 2019-12-17 | 2024-01-16 | 北京印刷学院 | 一种半色调图像的分享图像中独立秘密信息隐藏方法 |
CN111064859A (zh) * | 2020-01-09 | 2020-04-24 | 暨南大学 | 一种图像信息嵌入方法 |
CN112001832A (zh) * | 2020-08-06 | 2020-11-27 | 中山大学 | 一种半色调图像隐写方法 |
CN112001832B (zh) * | 2020-08-06 | 2023-09-05 | 中山大学 | 一种半色调图像隐写方法 |
CN114820380B (zh) * | 2022-05-13 | 2023-04-18 | 四川大学 | 基于内容自适应对抗扰动的空域隐写载体图像增强方法 |
CN114820380A (zh) * | 2022-05-13 | 2022-07-29 | 四川大学 | 基于内容自适应对抗扰动的空域隐写载体图像增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107133991B (zh) | 2019-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107133991B (zh) | 一种基于扰动失真和像素选择的二值图像隐写方法 | |
Hsu et al. | Sigan: Siamese generative adversarial network for identity-preserving face hallucination | |
Gu et al. | Model-based referenceless quality metric of 3D synthesized images using local image description | |
Almaev et al. | Local gabor binary patterns from three orthogonal planes for automatic facial expression recognition | |
Siddiqui et al. | Face anti-spoofing with multifeature videolet aggregation | |
Wu et al. | Knowledge transfer dehazing network for nonhomogeneous dehazing | |
CN109376608B (zh) | 一种人脸活体检测方法 | |
CN106503655B (zh) | 一种基于人脸识别技术的电子签名方法和验签方法 | |
CN111126190B (zh) | 一种基于自由能理论和动态纹理分析的伪装人脸识别方法 | |
Daniel et al. | Texture and quality analysis for face spoofing detection | |
Wang et al. | HidingGAN: High capacity information hiding with generative adversarial network | |
Neekhara et al. | FaceSigns: semi-fragile neural watermarks for media authentication and countering deepfakes | |
CN111797702A (zh) | 基于空间局部二值模式与光流梯度的人脸伪造视频检测方法 | |
CN111222447A (zh) | 基于神经网络及多通道融合lbp特征的活体检测方法 | |
Liu et al. | CP-GAN: A cross-pose profile face frontalization boosting pose-invariant face recognition | |
Hovhannisyan et al. | AED-Net: A single image dehazing | |
Sharma et al. | A rotationally invariant texture descriptor to detect copy move forgery in medical images | |
Shen et al. | Mutual information-driven triple interaction network for efficient image dehazing | |
Liu et al. | A multi-stream convolutional neural network for micro-expression recognition using optical flow and evm | |
Zhou et al. | Domain adaptation based person-specific face anti-spoofing using color texture features | |
Ma et al. | Block pyramid based adaptive quantization watermarking for multimodal biometric authentication | |
Wei et al. | FRGAN: a blind face restoration with generative adversarial networks | |
Pei et al. | VIFST: Video Inpainting Localization Using Multi-view Spatial-Frequency Traces | |
Cheng et al. | Objective distortion measure for binary images | |
CN111104929A (zh) | 基于3d卷积和spp的多模态动态手势识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |