CN107835427A - 一种基于contourlet和SVD的彩色图像信息隐藏方法 - Google Patents
一种基于contourlet和SVD的彩色图像信息隐藏方法 Download PDFInfo
- Publication number
- CN107835427A CN107835427A CN201711223452.6A CN201711223452A CN107835427A CN 107835427 A CN107835427 A CN 107835427A CN 201711223452 A CN201711223452 A CN 201711223452A CN 107835427 A CN107835427 A CN 107835427A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- mfrac
- singular value
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/46—Embedding additional information in the video signal during the compression process
- H04N19/467—Embedding additional information in the video signal during the compression process characterised by the embedded information being invisible, e.g. watermarking
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明涉及一种基于contourlet和SVD的彩色图像信息隐藏方法。对待隐藏数据信息进行RS编码处理，形成二进制数据流M1；对载体图像作RGB三色通道分离，采用Contourlet变换得到低频子带系数矩阵L1，而后采用SVD奇异值分解得到最大奇异值矩阵L2，再而对最大奇异值矩阵L2做量化得到量化矩阵L3；进行信息嵌入，通过修改最大奇异值的数值得到奇异值矩阵L4；对奇异值矩阵L4做反量化，并采用SVD奇异值分解逆运算；采用逆contourlet分解得到新的通道分量值；将RGB三色通道合成jpg格式的彩色RGB图像。本发明提高信息的抗压性，拥有30%的容错率；结合奇异值SVD分解和contourlet变换的特点，很好地均衡图像鲁棒性和图像不可感知性；在信息提取过程中，方便简单，无需使用原始图像信息，实现全盲提取。
Description
技术领域
本发明涉及一种基于contourlet和SVD的彩色图像信息隐藏方法。
背景技术
随着网络的高速发展，图像在网络传输中具有的直观、方便、吸引眼球于一体的优势，在人们日常传输交流中起到重要的作用；但在传输过程中因经历不可抗力的压缩、缩放、裁剪等攻击而遭受不同程度的毁损失真等现象。故本文提出一种可以在网络传输中抵抗常规攻击，效果良好的彩色图像信息隐藏算法。
目前彩色图像信息隐藏算法主要在变换域中进行，如DCT变换，DWT变换，DFT变换等，选择适合的变换域系数，按照嵌入法则修改系数，并做相应的逆变换，从而获得隐藏后的信息图像。该类算法在变换域中进行修改，相对空域算法，鲁棒性有一定提高，但图像失真较大且抗压效果并不十分理想。提出基于奇异值分解的信息隐藏，利用最大奇异值的内蕴性而非视觉特性进行信息隐藏，提高了算法的鲁棒性和不可感知性，也具有较高的嵌入容量。但在提取信息时，需要提供一定的原始信息数据，使得提取过程复杂化且属于非全盲检测和提取。
本文提出结合contourlet变换和SVD分解信息隐藏算法，利用RS编码具有很好的突发纠错能力进行信息数据处理、contourlet变换具有多方向性和各向异性的特点、SVD分解的最大奇异值的内蕴性等特点，采用QIM量化技术，提高抗压能力，使得该算法具有良好的抗JPEG压缩、滤波、噪声、等比例缩放等抗压能力。
发明内容
本发明的目的在于提供一种基于contourlet和SVD的彩色图像信息隐藏方法，提高信息的抗压性，拥有30％的容错率；结合奇异值SVD分解和contourlet变换的特点，很好地均衡图像鲁棒性和图像不可感知性；在信息提取过程中，方便简单，无需使用原始图像信息，实现全盲提取。
为实现上述目的，本发明的技术方案是：一种基于contourlet和SVD的彩色图像信息隐藏方法，包括如下步骤，
步骤S1、对待隐藏数据信息进行RS编码处理，形成二进制数据流M1；
步骤S2、载体图像处理：对载体图像作RGB三色通道分离，采用Contourlet变换得到低频子带系数矩阵L1，而后采用SVD奇异值分解得到最大奇异值矩阵L2，再而对最大奇异值矩阵L2做量化得到量化矩阵L3；
步骤S3、信息嵌入：
其中，S是信息嵌入过程的量化步长；通过修改最大奇异值的数值得到奇异值矩阵L4；
步骤S4、对奇异值矩阵L4做反量化，并采用SVD奇异值分解逆运算；
步骤S5、采用逆contourlet分解得到新的通道分量值；
步骤S6、将RGB三色通道合成jpg格式的彩色RGB图像。
在本发明一实施例中，还包括信息的提取过程，具体如下，
(1)提取含有隐藏信息的彩色RGB图像，并做三色通道分离；
(2)进行contourlet分解运算，得到低频子带系数矩阵L11；
(3)对低频子带系数矩阵L11进行2×2分块SVD分解，选取每个2×2分块中的最大奇异值，形成最大奇异值矩阵L12；
(4)对最大奇异值矩阵L12做量化得到量化矩阵L13；
(5)隐藏信息提取：
(6)对提取的隐藏信息二进制数据流做RS解码，得到隐藏信息。
在本发明一实施例中，所述步骤S1中，待隐藏数据信息是由字母、数字或字符组成的不固定长度的字符串。
在本发明一实施例中，所述步骤S2中载体图像处理的具体实现过程如下：
步骤S21、对载体图像做RGB三色通道分离，选用LP分解“9/7”金字塔滤波器和DFB“pkva8”方向性滤波器的三级contourlet分解，而后，选取低频子带系数矩阵L1；
步骤S22、对低频子带系数矩阵L1进行2×2分块SVD分解，选取每个2×2分块中的最大奇异值，形成最大奇异值矩阵L2；
步骤S23、对最大奇异值矩阵L2做量化得到新的量化矩阵L3。
在本发明一实施例中，所述步骤(2)中contourlet分解运算过程，采用“9/7”LP滤波和“pkva8”DFB滤波组合滤波器。
相较于现有技术，本发明具有以下有益效果：
1、提高信息的抗压性，提出了对隐藏信息的纠错容错方面进行改进，本文采用RS编码，拥有30％的容错率；
2、结合奇异值SVD分解和contourlet变换的特点，很好地均衡图像鲁棒性和图像不可感知性；
3、在信息提取过程中，方便简单，无需使用原始图像信息，实现全盲提取。
附图说明
图1为本发明信息嵌入的流程图。
图2为本发明信息提取的流程图。
图3为contourlet变换利用拉普拉斯塔型分解(LP)和方向滤波器组(DFB)实现简图。
图4为contourlet变换滤波器组结构。
图5为contourlet频谱划分示意图。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
本发明的一种基于contourlet和SVD的彩色图像信息隐藏方法，包括如下步骤，
步骤S1、对待隐藏数据信息(待隐藏数据信息是由字母、数字或字符组成的不固定长度的字符串)进行RS编码处理，形成二进制数据流M1；
步骤S2、载体图像处理：对载体图像作RGB三色通道分离，采用Contourlet变换得到低频子带系数矩阵L1，而后采用SVD奇异值分解得到最大奇异值矩阵L2，再而对最大奇异值矩阵L2做量化得到量化矩阵L3；
步骤S3、信息嵌入：
其中，S是信息嵌入过程的量化步长；通过修改最大奇异值的数值得到奇异值矩阵L4；
步骤S4、对奇异值矩阵L4做反量化，并采用SVD奇异值分解逆运算；
步骤S5、采用逆contourlet分解得到新的通道分量值；
步骤S6、将RGB三色通道合成jpg格式的彩色RGB图像。
在本发明一实施例中，还包括信息的提取过程，具体如下，
(1)提取含有隐藏信息的彩色RGB图像，并做三色通道分离；
(2)进行contourlet分解运算，得到低频子带系数矩阵L11；
(3)对低频子带系数矩阵L11进行2×2分块SVD分解，选取每个2×2分块中的最大奇异值，形成最大奇异值矩阵L12；
(4)对最大奇异值矩阵L12做量化得到量化矩阵L13；
(5)隐藏信息提取：
(6)对提取的隐藏信息二进制数据流做RS解码，得到隐藏信息。
所述步骤S2中载体图像处理的具体实现过程如下：
步骤S21、对载体图像做RGB三色通道分离，选用LP分解“9/7”金字塔滤波器和DFB“pkva8”方向性滤波器的三级contourlet分解，而后，选取低频子带系数矩阵L1；
步骤S22、对低频子带系数矩阵L1进行2×2分块SVD分解，选取每个2×2分块中的最大奇异值，形成最大奇异值矩阵L2；
步骤S23、对最大奇异值矩阵L2做量化得到新的量化矩阵L3。
所述步骤(2)中contourlet分解运算过程，采用“9/7”LP滤波和“pkva8”DFB滤波组合滤波器。
以下为本发明的具体实现过程。
1、数据信息编码
1.1信息编码预处理
用户隐藏的信息可由字母、数字或字符组成的不固定长度的字符串组成，字符串通过字符索引表寻找对应的索引代码转为二进制数据流。解码过程为编码逆过程，对照字符索引表得到相应字符进行解码。
1.2RS编解码简介
本文中对隐藏数据采用里德-所罗门码(Reed-Solomoncode，RS编码)方式进行编码与加密。RS编码方式可以纠正随机错误和突发错误，具有很强的纠错能力。
RS纠错码的生成即RS的编码过程，码字多项式的第n-1到n-k次系数是信息位，其余是校验位。信息多项式：m(x)＝mk-1xk-1+mk-2xk-2+m1x+m0，信息位表示：(mk-1，...，m1，m0)；校验多项式表示为：r(x)＝rn-k-1xn-k-1+...+r1x+r0。数据码多项式为：C(x)＝Cn-1xn-1+Cn-2xn-2+...+Cn-kxn-k+Cn-k-1xn-k-1+...+C1x+C0；
2、信息的隐藏
2.1SVD奇异值分解
奇异值分解[1]是线性代数中一种重要的矩阵分解方法，是一种将矩阵对角化的数值分析方法。若一个矩阵用A表示，定义为A∈R，其中R表示实数域。矩阵A的奇异值分解表示为：
A＝UEVT
其中，U∈Rm×n，V∈Rm×n，为酉矩阵，即UUT＝E，VVT＝E；ε∈Rm×n为对角线上的元素都是非负的对角阵，对角线上的元素εi叫做A的奇异值。奇异值矩阵对角线一般由大到小排列，即：ε1≥ε2≥...≥εi≥εi+1＝...＝0，则εi能由A唯一确定。
该算法中引入SVD分解主要有以下四个方面的优势[2]：
1)奇异值的稳定性非常好，当图像被施加小的扰动时，图像的奇异值不会有大的变化。
2)奇异值所表现的是图像的内蕴特性而非视觉特性，反映的是图像矩阵元素之间的关系，因此奇异值的改变不会造成图像的较大失真。U和V体现的是图像的视觉性(几何特性)。
3)奇异值分解对所要进行变换的矩阵大小没有限制，可以是方阵也可以是长矩阵。
4)奇异值对几何失真(转置、镜像、放大、平移)具有不变性。
2.2Contourlet变换
Contourlet变换基本思想是用一个类似小波的多尺度分解捕捉边缘奇异点，再根据方向信息将位置相近的奇异点汇集成轮廓段。
如图3-5所示，Contourlet变换[3]，也称金字塔型方向滤波器组(PDFB，pyramidaldirectional filter bank)，是一种多分辨、局域的、方向的图像表示方法。Contourlet变换继承了curvelet(连续曲波)变换的各向异性尺度关系。首先由拉普拉斯塔型分解(LP，Laplacian pyramid)变换对图像进行多尺度分解以“捕获”奇异点，接着由方向滤波器组(DFB，Direction filter banks)将分布在同方向上的奇异点合成一个系数。最终结果用类似于线段的基结构来逼近原图像。
2.3量化步长的确定
本文用了两次量化，对于contourlet变换后的低频子带系数的量化，主要目的在于：低频子带系数提取是小数形式，量化为整数形式有利于SVD分解。
第二次的量化用于信息隐藏过程，用到的量化方法为：量化索引调制[4](QIM)技术。因为量化步长和图像的鲁棒性成正相关性，和不可感知性成负相关性。本文提取的QIM技术基本原理如下：
假设存在1bit信息∈{0，1}，选择两个量化器Qi(i＝0，1)，这样量化过程为：
Qi(x)＝Qi(x-di)+di
其中Qi(x)＝q[x/q]，d就是量化步长，d0＝-q/4，d1＝q/4。故QIM的量化系数可以描述为：
其中，H(x,y)为载体图像的灰度值。
2.4信息的嵌入过程
以下对信息嵌入过程做详细的描述：
1)对隐藏信息做RS编码处理，形成二进制数据流M1；
2)载体图像的处理
2.1)对载体图像做RGB三色通道分离，选用LP分解“9/7”金字塔滤波器和DFB采用“pkva8”方向性滤波器的三级contourlet分解。选取低频子带系数矩阵L1；
2.2)矩阵L1进行2×2分块SVD分解，选取每个2×2分块中的最大奇异值，形成最大奇异值矩阵L2；
2.3)对最大奇异值矩阵L2做量化得到新的量化矩阵L3；
3)信息嵌入过程的表述为：
其中，S是信息嵌入过程的量化步长。通过修改最大奇异值的数值得到新的奇异值矩阵L4；
4)对奇异值矩阵L4做反量化，并SVD奇异值分解逆运算；
5)逆contourlet分解得到新的通道分量值；
6)RGB通道合成jpg图像。
3、信息的提取
本文信息提取过程为隐藏的逆过程，不需要原始图像，也不需要任何密钥，为全盲隐藏信息提取的算法。具体步骤如下：
1)提取含有隐藏信息的彩色RGB图像，并做三色通道分离；
2)contourlet分解运算，选用“9/7”LP滤波和“pkva8”DFB滤波组合；得到低频子带系数矩阵L11；
3)矩阵L11进行2×2分块SVD分解，选取每个2×2分块中的最大奇异值，形成最大奇异值矩阵L12；
4)对最大奇异值矩阵L12做量化得到新的量化矩阵L13；
5)隐藏信息提取过程表述为：
6)对提取的隐藏信息二进制数据流做RS解码，得到隐藏信息。
4、实验结果与分析
本文实验中contourlet变换的LP滤波采用“9/7”金字塔滤波器，原因是线性相位近似满足正交性的特点使得“9/7”滤波器更适合于图像信号处理，contourlet变换的DFB采用“pkva8”方向性滤波器。选取任意大小的24位彩色图像，隐藏信息为字符串；
本文中采用了峰值信噪比(PSNR)用以衡量隐藏信息后图像和原始图像之间的相似度因主观因素产生的影响，通常PSNR≥3030时，视觉上就感受不到隐藏信息之后的图像差异。PSNR定义如下：
彩色图像的PSNR定义计算RGB三通道中每个通道的均方误差(MSE)的值，取平均值再计算PSNR的值；
4.1仿真实验条件：
硬件平台为：处理器为Intel(R)Core(TM)i3-2120CPU@3.30GHz，8GB内存，操作系统为：Microsoft Windows7x64；
软件平台：MatlabR2014a；VS2010+OpenCv249库
仿真实验1：对任意选取的图像进行信息隐藏，比较常规彩色图像抗压隐藏算法和本文中的抗压隐藏算法的图像质量比较，主要用PSNR值进行对比。见如下表：
表1不同图像的PSNR值
仿真实验2：本实验任意选取10幅不同类型的图像，首先对图像做本算法信息隐藏，再分别对该图像做以下常见的攻击，通过提取信息的成功率进行记录。
表2各种攻击的信息提取成功率
参考文献：
[1]Jia S L.A novel blind color images watermarking based on SVD[J].Optik-International Journal for Light and Electron Optics,2014,125(12):2868-2874.
[2]WANG,Taiyue,Hongwei.ANovel Scrambling Digital Image WatermarkingAlgorithm Based on Contourlet Transform[J].Wuhan University Journal ofNatural Sciences,2014,19(4):315-322.
[3]Kazemi M F,Pourmina M A,Mazinan A H.A new image watermarkingframework based on levels-directions decomposition in contourletrepresentation[J].Journal of Central South University,2017,24(3):521-532.
[4]Chao Z.DC-QIM based image watermarking method via the contourlettransform[J].Journal of Computational Methods in Sciences&Engineering,2016,16(3):459-468.。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。
Claims (5)
1.一种基于contourlet和SVD的彩色图像信息隐藏方法，其特征在于：包括如下步骤，
步骤S1、对待隐藏数据信息进行RS编码处理，形成二进制数据流M1；
步骤S2、载体图像处理：对载体图像作RGB三色通道分离，采用Contourlet变换得到低频子带系数矩阵L1，而后采用SVD奇异值分解得到最大奇异值矩阵L2，再而对最大奇异值矩阵L2做量化得到量化矩阵L3；
步骤S3、信息嵌入：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>mod</mi>
<mi>S</mi>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>4</mn>
</mfrac>
<mi>S</mi>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>mod</mi>
<mi>S</mi>
<mo>&GreaterEqual;</mo>
<mfrac>
<mn>1</mn>
<mn>4</mn>
</mfrac>
<mi>S</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>4</mn>
</mfrac>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>4</mn>
</mfrac>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mi>mod</mi>
<mi>S</mi>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mn>4</mn>
</mfrac>
<mi>S</mi>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>mod</mi>
<mi>S</mi>
<mo><</mo>
<mfrac>
<mn>1</mn>
<mn>4</mn>
</mfrac>
<mi>S</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>mod</mi>
<mi>S</mi>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>4</mn>
</mfrac>
<mi>S</mi>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>mod</mi>
<mi>S</mi>
<mo>&le;</mo>
<mfrac>
<mn>3</mn>
<mn>4</mn>
</mfrac>
<mi>S</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>4</mn>
</mfrac>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>4</mn>
</mfrac>
<mi>S</mi>
<mo>)</mo>
</mrow>
<mi>mod</mi>
<mi>S</mi>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>4</mn>
</mfrac>
<mi>S</mi>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>mod</mi>
<mi>S</mi>
<mo>></mo>
<mfrac>
<mn>3</mn>
<mn>4</mn>
</mfrac>
<mi>S</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，S是信息嵌入过程的量化步长；通过修改最大奇异值的数值得到奇异值矩阵L4；
步骤S4、对奇异值矩阵L4做反量化，并采用SVD奇异值分解逆运算；
步骤S5、采用逆contourlet分解得到新的通道分量值；
步骤S6、将RGB三色通道合成jpg格式的彩色RGB图像。
2.根据权利要求1所述的方法，其特征在于：还包括信息的提取过程，具体如下，
(1)提取含有隐藏信息的彩色RGB图像，并做三色通道分离；
(2)进行contourlet分解运算，得到低频子带系数矩阵L11；
(3)对低频子带系数矩阵L11进行2×2分块SVD分解，选取每个2×2分块中的最大奇异值，形成最大奇异值矩阵L12；
(4)对最大奇异值矩阵L12做量化得到量化矩阵L13；
(5)隐藏信息提取：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>mod</mi>
<mi>S</mi>
<mo>&GreaterEqual;</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mi>S</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&sigma;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>mod</mi>
<mi>S</mi>
<mo><</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mi>S</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
(6)对提取的隐藏信息二进制数据流做RS解码，得到隐藏信息。
3.根据权利要求1所述的方法，其特征在于：所述步骤S1中，待隐藏数据信息是由字母、数字或字符组成的不固定长度的字符串。
4.根据权利要求1所述的方法，其特征在于：所述步骤S2中载体图像处理的具体实现过程如下：
步骤S21、对载体图像做RGB三色通道分离，选用LP分解“9/7”金字塔滤波器和DFB“pkva8”方向性滤波器的三级contourlet分解，而后，选取低频子带系数矩阵L1；
步骤S22、对低频子带系数矩阵L1进行2×2分块SVD分解，选取每个2×2分块中的最大奇异值，形成最大奇异值矩阵L2；
步骤S23、对最大奇异值矩阵L2做量化得到新的量化矩阵L3。
5.根据权利要求2所述的方法，其特征在于：所述步骤(2)中contourlet分解运算过程，采用“9/7”LP滤波和“pkva8”DFB滤波组合滤波器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711223452.6A CN107835427B (zh) | 2017-11-29 | 2017-11-29 | 一种基于contourlet和SVD的彩色图像信息隐藏方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711223452.6A CN107835427B (zh) | 2017-11-29 | 2017-11-29 | 一种基于contourlet和SVD的彩色图像信息隐藏方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107835427A true CN107835427A (zh) | 2018-03-23 |
| CN107835427B CN107835427B (zh) | 2020-05-29 |
Family
ID=61646514
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711223452.6A Active CN107835427B (zh) | 2017-11-29 | 2017-11-29 | 一种基于contourlet和SVD的彩色图像信息隐藏方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107835427B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109543425A (zh) * | 2018-10-26 | 2019-03-29 | 浙江师范大学 | 一种基于张量分解的图像数据隐藏方法 |
| CN109636707A (zh) * | 2018-12-05 | 2019-04-16 | 厦门北卡信息科技有限公司 | 一种基于图像纹理特征的盲检测信息隐藏及提取方法 |
| CN111327785A (zh) * | 2020-01-15 | 2020-06-23 | 郑州埃文计算机科技有限公司 | 一种基于对抗生成网络的图像自动构建的信息隐写通信方法 |
| CN113610878A (zh) * | 2021-07-15 | 2021-11-05 | 南京信息工程大学 | 一种基于轮廓自动生成的构造式信息隐藏方法 |
| US11340624B2 (en) * | 2019-08-29 | 2022-05-24 | Ford Global Technologies, Llc | Vehicle neural network |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102842047A (zh) * | 2012-09-10 | 2012-12-26 | 重庆大学 | 基于多尺度稀疏字典的红外小弱目标检测方法 |
| CN103634699A (zh) * | 2013-11-19 | 2014-03-12 | 清华大学 | 一种视频水印嵌入和提取的方法与系统 |
| CN106485644A (zh) * | 2016-10-10 | 2017-03-08 | 中国农业大学 | 一种抗几何攻击的视频零水印生成方法及装置 |
| CN106791872A (zh) * | 2016-11-18 | 2017-05-31 | 南京邮电大学 | 基于svd的信息隐藏方法 |
-
2017
- 2017-11-29 CN CN201711223452.6A patent/CN107835427B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102842047A (zh) * | 2012-09-10 | 2012-12-26 | 重庆大学 | 基于多尺度稀疏字典的红外小弱目标检测方法 |
| CN103634699A (zh) * | 2013-11-19 | 2014-03-12 | 清华大学 | 一种视频水印嵌入和提取的方法与系统 |
| CN106485644A (zh) * | 2016-10-10 | 2017-03-08 | 中国农业大学 | 一种抗几何攻击的视频零水印生成方法及装置 |
| CN106791872A (zh) * | 2016-11-18 | 2017-05-31 | 南京邮电大学 | 基于svd的信息隐藏方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109543425A (zh) * | 2018-10-26 | 2019-03-29 | 浙江师范大学 | 一种基于张量分解的图像数据隐藏方法 |
| CN109543425B (zh) * | 2018-10-26 | 2023-03-10 | 浙江师范大学 | 一种基于张量分解的图像数据隐藏方法 |
| CN109636707A (zh) * | 2018-12-05 | 2019-04-16 | 厦门北卡信息科技有限公司 | 一种基于图像纹理特征的盲检测信息隐藏及提取方法 |
| CN109636707B (zh) * | 2018-12-05 | 2023-03-21 | 北卡科技有限公司 | 一种基于图像纹理特征的盲检测信息隐藏及提取方法 |
| US11340624B2 (en) * | 2019-08-29 | 2022-05-24 | Ford Global Technologies, Llc | Vehicle neural network |
| CN111327785A (zh) * | 2020-01-15 | 2020-06-23 | 郑州埃文计算机科技有限公司 | 一种基于对抗生成网络的图像自动构建的信息隐写通信方法 |
| CN111327785B (zh) * | 2020-01-15 | 2022-04-15 | 郑州埃文计算机科技有限公司 | 一种基于对抗生成网络的图像自动构建的信息隐写通信方法 |
| CN113610878A (zh) * | 2021-07-15 | 2021-11-05 | 南京信息工程大学 | 一种基于轮廓自动生成的构造式信息隐藏方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107835427B (zh) | 2020-05-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107835427A (zh) | 一种基于contourlet和SVD的彩色图像信息隐藏方法 | |
| He et al. | Reversible data hiding in JPEG images based on negative influence models | |
| Prabakaran et al. | A modified secure digital image steganography based on Discrete Wavelet Transform | |
| US20070140524A1 (en) | Image Watermarking Based on Sequency and Wavelet Transforms | |
| CN107124612B (zh) | 基于分布式压缩感知的高光谱图像压缩方法 | |
| Mandal et al. | Authentication/secret message transformation through wavelet transform based subband image coding (WTSIC) | |
| CN109727179B (zh) | 一种零水印生成方法及系统、提取方法及系统 | |
| US8737753B2 (en) | Image restoration by vector quantization utilizing visual patterns | |
| Prabakaran et al. | Dual transform based steganography using wavelet families and statistical methods | |
| CN109636707B (zh) | 一种基于图像纹理特征的盲检测信息隐藏及提取方法 | |
| CN110097490A (zh) | 基于IWT-Schur的感兴趣区域可逆水印嵌入及提取方法 | |
| Phadikar | Multibit quantization index modulation: A high-rate robust data-hiding method | |
| CN106875324A (zh) | 基于sbde的无损图像信息隐藏方法 | |
| Alsayyh et al. | A Novel Fused Image Compression Technique Using DFT, DWT, and DCT. | |
| Muzaffar et al. | Compressed Sensing for Security and Payload Enhancement in Digital Audio Steganography. | |
| Amsaveni et al. | Reversible data hiding based on radon and integer lifting wavelet transform | |
| Yang et al. | Reversible data hiding in the spatial and frequency domains | |
| Naik et al. | Joint Encryption and Compression scheme for a multimodal telebiometric system | |
| Arai | Method for data hiding based on Legall 5/3 (Cohen-Daubechies-Feauveau: CDF 5/3) wavelet with data compression and random scanning of secret imagery data | |
| Jasmine et al. | An EffectiveTechnique to Compress Images through Hybrid Wavelet-RidgeletTransformation | |
| CN117915110B (zh) | 一种面向北斗短报文的遥感影像压缩传输方法及系统 | |
| Xiong et al. | A multipurpose image watermarking method based on adaptive quantization of wavelet coefficients | |
| Zhao et al. | Image compression and denoising algorithm based on multi-resolution discrete cosine transform | |
| Phadikar et al. | Multibit QIM watermarking using M-ary modulation and lifting | |
| Rao et al. | Wavelet transform based image compression |
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 | ||
| CB02 | Change of applicant information |
Address after: 350108 Room 132, Room 1, Building 10, Innovation Park, Haixi High-tech Industrial Park, East Science and Technology Road, Minhou County, Fuzhou City, Fujian Province Applicant after: BEIJING BEIKA TECHNOLOGY Co.,Ltd. Address before: 350108 Room 132, Room 1, Building 10, Innovation Park, Haixi High-tech Industrial Park, East Science and Technology Road, Minhou County, Fuzhou City, Fujian Province Applicant before: FUJIAN NORCA TECH Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |