CN109447887B - 一种基于凸壳和分组插补的隐藏图像修复方法 - Google Patents
一种基于凸壳和分组插补的隐藏图像修复方法 Download PDFInfo
- Publication number
- CN109447887B CN109447887B CN201811200723.0A CN201811200723A CN109447887B CN 109447887 B CN109447887 B CN 109447887B CN 201811200723 A CN201811200723 A CN 201811200723A CN 109447887 B CN109447887 B CN 109447887B
- Authority
- CN
- China
- Prior art keywords
- value
- pixels
- pixel
- unmarked
- neighborhood
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000011084 recovery Methods 0.000 claims description 18
- 239000003550 marker Substances 0.000 claims description 9
- 239000006002 Pepper Substances 0.000 claims description 4
- 235000002566 Capsicum Nutrition 0.000 claims description 2
- 235000016761 Piper aduncum Nutrition 0.000 claims description 2
- 235000017804 Piper guineense Nutrition 0.000 claims description 2
- 244000203593 Piper nigrum Species 0.000 claims description 2
- 235000008184 Piper nigrum Nutrition 0.000 claims description 2
- 150000003839 salts Chemical class 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 10
- 238000001914 filtration Methods 0.000 description 6
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了1.一种基于凸壳和分组插补的隐藏图像修复方法,其特征是,所述信息载体和隐藏信息均为图像,所述方法包括如下步骤:1)确定需要修复像素;2)应用凸壳修复像素;3)应用分组插补法修复像素;4)修复边界标记像素;5)去除孤立点。这种方法修复边界标记像素并清除孤立点能提高修复的准确率,提升恢复隐藏图像的峰值信噪比。
Description
技术领域
本发明涉及图像处理领域和信息安全领域,具体是一种基于凸壳和分组插补的隐藏图像修复方法。
背景技术
随着网络技术的发展,信息安全备受人们的关注。信息隐藏作为信息安全的重要研究领域,得到了广泛应用。信息隐藏目的是将秘密信息嵌入到载体中,让截获者察觉不到隐秘通信的存在,从而实现安全通信。
已有的空域图像恢复方法包括:开关中值和形态学滤波去除脉冲噪声的算法、自适应双阈值去除随机脉冲噪声的算法、基于迭代方法去除随机脉冲噪声的算法。开关中值和形态学滤波去除脉冲噪声的算法首先通过基于侵蚀和膨胀算子的形态学梯度对噪声进行监测,然后通过混合滤波器去除监测到的脉冲噪声;自适应双阈值去除随机脉冲噪声的算法,通过引入双阈值的概念来改进噪声监测的技术,应用窗口平均像素值计算阈值,准确的噪声监测更加有利于图像去噪;基于迭代方法去除随机脉冲噪声的算法通过检查噪声点分布,针对检测出的噪声点应用基于迭代的中值滤波进行修复。已有的频域图像恢复方法包括:基于小波和多重分形的奇异检测图像去噪方法、应用维纳滤波的双层混合小波变换来实现图像恢复、应用对偶树复小波变换来实现图像恢复。基于小波和多重分形的奇异检测图像去噪方法利用小波变换的多分辨率分析,利用不同尺度的局部统计自相似性,计算出各尺度局部奇异性的逐点奇异强度值,通过对奇异强度的阈值划分,将每个尺度的小波系数分为两类:边缘相关正则小波系数和不规则系数。不规则系数类,用一种近似的最小均方误差估计方法进行降噪处理,而边缘关联规则的小波系数类,利用模糊加权均值滤波器进行平滑处理,旨在保护边缘和细节时降噪。应用维纳滤波的双层混合小波变换来实现图像恢复根据混合小波并结合软阈值函数和硬阈值函数对图像进行初步处理,并使用维纳滤波处理得到恢复图像;应用对偶树复小波变换来实现图像恢复用对偶树复小波变换来分解图像并且用压缩操作去除图像的噪声。
发明内容
本发明的目的是针对现有技术的不足,而提供一种基于凸壳和分组插补的隐藏图像修复方法。这种方法修复边界标记像素并清除孤立点能提高修复的准确率,提升恢复隐藏图像的峰值信噪比。
实现本发明目的的技术方案是:
一种基于凸壳和分组插补的隐藏图像修复方法,与现有技术不同的是,信息载体和隐藏信息均为图像,所述方法包括如下步骤:
1)确定需要修复像素:若载密图像被椒盐噪声干扰,检测载密图像,值为0或255的像素点为被破坏像素,对从被破坏像素中提取的隐藏信息进行标记,在隐藏图像中,若像素高5位未被破坏,该像素不需进行修复,若像素高5位存在被破坏的比特位,对该像素进行标记,按行遍历隐藏图像像素,若标记像素为非边界像素,则采用步骤2)或步骤3)进行修复,若标记像素为边界像素,则采用步骤4)进行修复,最后采用步骤5)修复孤立点;
2)应用凸壳修复像素:设像素p0为标记像素,依次在p0的3×3、5×5和7×7邻域中确定未标记像素,若在某个邻域中未标记像素个数大于等于4且p0位于这些未标记像素所构成的凸壳内部,则应用这些像素对其进行修复,否则采用步骤3)对p0进行修复:即设像素p的像素值为f(p),p0的估计值为a,p0的3×3邻域中未标记像素为5×5邻域中未标记像素为7×7邻域中未标记像素为权重为w1,权重为w2,权重为w3,在3×3、5×5或7×7这三个邻域中,求出大于或等于4个未标记像素的最小邻域,计算这些未标记像素的凸壳,若p0不在凸壳的内部,则扩大邻域范围,直到有新的未标记像素,再计算这些未标记像素的凸壳,若在7×7邻域中未标记像素个数小于4或p0不在凸壳的内部,则采用步骤3)对p0进行修复;若存在凸壳,且p0在凸壳的内部,则对p0进行修复,设这些未标记像素为p1,p2,…,pm,f(px)为p1,p2,…,pm中的最大像素值,f(py)为这些像素中的最小像素值,由于p0中不可信位只能为0或1,对所有的不可信位分别取0或1,则必有一个值是p0的像素值,假设对p0中不可信位分别取0或1,p0的可能值为q1,q2,…,qn,根据未标记像素的最大与最小像素值的差分别进行修复:
i)f(px)-f(py)<T1,其中T1为阈值,
估计值a计算如公式(1)所示:
计算q1,q2,…,qn中每个元素与a的差值的绝对值,差值绝对值最小的值作为p0修复值,实现对p0的恢复;
ii)f(px)-f(py)≥T1,
设su为qu与p1,p2,…,pm像素值的加权差值和,其中u为1到n之间的整数,则有:
,设s1,s2,…,sn的最小值为smin,f(pm+1)=qmin,r为变异系数,则:
r越小说明{f(p1),f(p2),…,f(pm+1)}的变化程度越小,若r<T2,T2为阈值,令:
f(p0)=qmin (4),
通过公式(4)修复p0若r≥T2,则采用步骤3)对p0进行修复;
3)应用分组插补法修复像素:对于步骤2)中未修复的非边界标记像素,应用分组插补方法进行修复:
在p0的(2d+1)×(2d+1)邻域中,d为整数,从d=1开始,找出3×3邻域可信点,若未标记像素的个数不足4,则令d=d+1直到未标记像素的个数大于等于4,计算这些未标记像素的凸壳,若p0未在凸壳内部,则d=d+1扩大该邻域范围,直到p0在未标记像素所构成凸壳的内部或到图像的边缘,将这些未标记像素的所有不可信位置1,计算这些像素的值,设其中的最大值为maxs;将这些未标记像素的所有不可信位置0,计算这些像素值,设其中最小值为mins,则有mins≤f(p0)≤maxs,设q1,q2,…,qn在maxs与mins之间的值为t1,t2,…,tz,应用邻域未标记像素缩小修复值的取值范围,在t1,t2,…,tz中确定p0的恢复值;
设像素点p的高5位失真值为b(p),c(p,k)为像素p的第k位失真标记,其中k=4,5,6,7,8,若p的第k位从载密图像被噪声破坏的像素点提取,则c(p,k)=1,若p的第k位未被破坏,则c(p,k)=0,因此像素点p的高5位失真值
对将像素低3位保持不变,对高5位中的不可信位分别置0或1得到一组数,设这组数在mins与maxs之间的值其中i=1,2,3,4,可得到共4组数据,构建新的数据集{x1,x2,x3,x4},其中设数据集合共有l组,第j组的中值为mj,j为1到l间的整数,yk为tk与mj差的平方和,k为1到z间的整数,则:
value1=tr (6),
设g1,g2,…,ge中最小值为gw,则:
a=w4×value1+(1-w4)value2 (9),
其中w4为权重,根据估计值a计算出p0的恢复值,实现对p0的恢复;
4)修复边界标记像素:对于在步骤1)中确定、在步骤2)和步骤3)中未得到修复的标记像素,以4邻域相邻的非边界像素的像素值为估计值计算修复值,若4邻域不存在非边界点,则以8邻域非边界像素的像素值为估计值计算修复值;
5)去除孤立点:若修复后的标记像素与其3×3邻域像素均值的差值绝对值大于T3,T3为阈值,则该像素为孤立点,需要对其进行处理:将孤立点3×3邻域像素均值作为估计值,孤立点不可信像素位可能为0或1,计算每个可能值与估计值的差值绝对值,差值绝对值最小的可能值作为孤立点修复值。
这种方法应用凸壳修复非边界标记像素,当非边界标记像素在其某邻域构成的凸壳内部,能够使待修复像素的修复值不会偏向某一个方向,接下来,应用分组插补的方法修复非边界标记像素。
这种方法修复边界标记像素并清除孤立点能提高修复的准确率,提升恢复隐藏图像的峰值信噪比。
附图说明
图1为实施例方法流程示意图;
图2为实施例中被隐藏图像矩阵示意图;
图3为实施例中载体图像矩阵示意图;
图4为实施例中载密图像矩阵示意图;
图5为实施例中被强度0.3椒盐噪声污染的载密图像矩阵示意图;
图6为实施例中从图4中恢复的隐藏图像矩阵示意图;
图7为实施例中图4中像素是否可信标记矩阵示意图;
图8为实施例中修复后的隐藏图像矩阵示意图。
具体实施方式
下面结合附图和实施例对本发明内容作进一步的详细说明,但不是对本发明的限定。
实施例:
参照图1,一种基于凸壳和分组插补的隐藏图像修复方法,所述信息载体和隐藏信息均为图像,本例选择大小为5×5隐藏图像,如图2所示,按列遍历隐藏图像中的像素,每个像素按照由高位到低位的顺序排列,得到5×5×8位秘密信息,为{01101001、01101110、01101011、01101110、01101010、01100111、01101101、01101001、01101011、01101011、01100111、01101110、01101001、01111110、01101100、01101000、01101110、01101010、01101001、01111110、01100110、01101101、01101000、01100111、01100111},如图3所示为10×10大小的载体图像矩阵示意图,隐藏位数为2,将前100位秘密信息按列遍历的顺序隐藏到载密像素的最低位,之后将余下100位秘密信息按列遍历的顺序隐藏到载密像素的第2位,得到载密图像如图4所示,载密图像添加强度为0.3的椒盐噪声后所得到的载密图像如图5所示,
所述方法包括如下步骤:
1)确定需要修复像素:若载密图像被椒盐噪声干扰,检测载密图像,值为0或255的像素点为被破坏像素,对从被破坏像素中提取的隐藏信息进行标记,在隐藏图像中,若像素高5位未被破坏,该像素不需进行修复,若像素高5位存在被破坏的比特位,对其进行标记,根据隐藏时的顺序提取秘密信息,并对从破坏像素中提取的隐藏信息进行标记,提取的秘密信息为{01101001、01101101、00111110、11101110、01001010、01100111、01111101、01101101、01101011、01101011、01100101、11001110、01101011、11111110、01010001、01101000、01101100、00101010、01111001、01111110、01110110、00101101、00101100、01001101、11100111},计算得到恢复隐藏图像像素值,如图6所示,秘密信息的标记为{00101000、00000011、11010101、10000100、00100101、00000001、0001000、00000101、00000100、00000100、01000010、11101000、00000010、10000000、00111101、01011000、01000010、0101000、00010001、00000000、01010000、01000000、01000100、00101110、10000000}其中1表示对应的秘密信息不可信,0表示对应的秘密信息可信,在隐藏图像中,若像素高5位未被破坏,该像素不需进行修复,若像素高5位存在被破坏的比特位,对其进行标记,应用凸壳或分组插补方法进行修复,图7为隐藏图像中各像素是否可信标记矩阵示意图,若对应的像素需要修复用1来表示,若对应的不需要修复用0来表示,按行遍历隐藏图像像素,若标记像素为非边界像素,则采用步骤2)或步骤3)进行修复,若标记像素为边界像素,则采用步骤4)进行修复,最后采用步骤5)修复孤立点;
2)应用凸壳修复像素:设像素p0为待修复像素,依次在p0的3×3、5×5和7×7邻域中确定未标记像素,若在某个邻域中未标记像素个数大于等于4且p0位于这些未标记像素所构成的凸壳内部,则应用这些像素对其进行修复,否则采用步骤3)对p0进行修复:即设像素p的像素值为f(p),p0的估计值为a,p0的3×3邻域中未标记像素为5×5邻域中未标记像素为7×7邻域中未标记像素为权重为w1,权重为w2,权重为w3,在3×3、5×5或7×7这三个邻域中,求出大于或等于4个未标记像素的最小邻域,计算这些未标记像素的凸壳,若p0不在凸壳的内部,则扩大邻域范围,直到有新的未标记像素,再计算这些未标记像素的凸壳,若在7×7邻域中未标记像素个数小于4或p0不在凸壳的内部,则采用步骤3)对p0进行修复,若存在凸壳,且p0在凸壳的内部,则对p0进行修复,设这些未标记像素为p1,p2,…,pm,f(px)为p1,p2,…,pm中的最大像素值,f(py)为这些像素中的最小像素值,由于p0中不可信位只能为0或1,对所有的不可信位分别取0或1,则必有一个值是p0的像素值,假设对p0中不可信位分别取0或1,p0的可能值为q1,q2,…,qn,根据未标记像素的最大与最小像素值的差分别进行修复;
设pi,j为第i行第j列像素,由于隐藏图像大小为5×5,因此寻找待修复像素的3×3和5×5邻域中的未标记像素,由图7中的隐藏像素的标记可以得出,待修复像素中只有p2,2和p4,3的3×3邻域中的未标记像素个数不少于4,并且p2,2和p4,3分别在各自3×3邻域中的未标记像素所构成的凸壳内部,因此可以应用凸壳来修复p2,2和p4,3,
i)f(px)-f(py)<T1,其中T1为阈值,
估计值a计算如公式(1)所示:
计算q1,q2,…,qn中每个元素与a的差值的绝对值,差值绝对值最小的值作为p0修复值,实现对p0的恢复;
p2,2的3×3邻域未标记像素为p1,2,p2,1,p3,2,p3,3,其中像素值最大的像素为p3,2,f(p2,1)=f(p3,2)=109,像素值最小的像素为p2,1,f(p1,2)=103,f(p3,2)-f(p2,1)<T1,本例中T1=16,根据公式(1)计算估计值a,p1,2,p2,1,p3,2,p3,3分别设为 p2,2的恢复信息为{01101101},恢复信息标记为{00010000},由此可以得出p2,2的第5位不可信,第5位只能为0或1,因此p2,2的可能值为{125、109},|125-107|>|109-107|,所以p2,2的恢复值为109,即f(p2,2)=109;
ii)f(px)-f(py)≥T1,
设su为qu与p1,p2,…,pm像素值的加权差值和,其中u为1到n之间的整数,则有:
设s1,s2,…,sn的最小值为smin,f(pm+1)=qmin,r为变异系数,则:
r越小说明{f(p1),f(p2),…,f(pm+1)}的变化程度越小,若r<T2,T2为阈值,令:
f(p0)=qmin (4),
通过公式(4)修复p0若r≥T2,则采用步骤3)对p0进行修复;
P4,3的3×3邻域未标记像素为p3,2,p3,3,p4,2,p5,2,p5,4,其中像素值最大的像素为p5,4,f(p5,4)=126,像素值最小的像素为p3,3,p4,2,p5,2,f(p3,3)=f(p4,2)=f(p5,2)=107,f(p5,4)-f(p3,3)>T1,因此根据差异系数法确定恢复值,P4,3的恢复信息为{11111110},恢复信息标记为{10000000},由此可以得出p4,3的第8位不可信,第8位只能为0或1,因此p4,3的可能值q1,q2分别为254和126,依据公式(2),p3,2,p3,3,p4,2,p5,2,p5,4分别设为计算su,其中u为1或2,
w1、w2、w3分别为0.5、0.3、0.2,计算得到s1、s2分别为357、37,根据公式(3)计算f(p3,2),f(p3,3),f(p4,2),f(p5,2),f(p5,4),q2的差异系数r=0.8,满足r<T2,T2为0.85,则f(p4,3)=126;
3)应用分组插补法修复像素:对于步骤2)中未修复的非边界标记像素,应用分组插补方法进行修复:
在p0的(2d+1)×(2d+1)邻域中,d为整数,从d=1开始,找出3×3邻域可信点,若未标记像素的个数不足4,则令d=d+1直到未标记像素的个数大于等于4,计算这些未标记像素的凸壳,若p0未在凸壳内部,则d=d+1扩大该邻域范围,直到p0在未标记像素所构成凸壳的内部或到图像的边缘,将这些未标记像素的所有不可信位置1,计算这些像素的值,设其中的最大值为maxs;将这些未标记像素的所有不可信位置0,计算这些像素值,设其中最小值为mins,则有mins≤f(p0)≤maxs,设q1,q2,…,qn在maxs与mins之间的值为t1,t2,…,tz,应用邻域未标记像素缩小修复值的取值范围,在t1,t2,…,tz中确定p0的恢复值;
设像素点p的高5位失真值为b(p),c(p,k)为像素p的第k位失真标记,其中k=4,5,6,7,8,若p的第k位从载密图像被噪声破坏的像素点提取,则c(p,k)=1,若p的第k位未被破坏,则c(p,k)=0,因此像素点p的高5位失真值
对将像素低3位保持不变,对高5位中的不可信位分别置0或1得到一组数,设这组数在mins与maxs之间的值其中i=1,2,3,4,可得到共4组数据,构建新的数据集{x1,x2,x3,x4},其中设数据集合共有l组,第j组的中值为mj,j为1到l间的整数,yk为tk与mj差的平方和,k为1到z间的整数,则:
value1=tr (6),
设g1,g2,…,ge中最小值为gw,则:
a=w4×value1+(1-w4)value2 (9),
其中w4为权重,根据估计值a计算出p0的恢复值,实现对p0的恢复;
确定步骤2)中未修复的非边界标记像素,即p2,3,p2,4,p3,4,p4,4,应用分组插补方法进行修复:
首先在p2,3的(2d+1)×(2d+1)邻域中,d为整数,从d=1开始,找出3×3邻域可信点,若未标记像素的个数不足4个,则令d=d+1直到未标记像素的个数大于等于4,计算这些未标记像素的凸壳,若p0未在凸壳内部,则d=d+1扩大该邻域范围,直到p0在未标记像素所构成凸壳的内部或到图像的边缘,这些未标记像素为p1,2,p2,1,p3,2,p3,3,p4,2,p5,2,p5,4,将这些未标记像素的所有不可信位置1,得到最大值maxs=126,将这些未标记像素的所有不可信位置0,得到最小值mins=102,则有mins≤f(p2,3)≤maxs,设p2,3的可能值在maxs与mins之间的值为t1,t2,t1=102、t2=110,应用邻域未标记像素缩小修复值的取值范围,
设隐藏图像的像素点p的高5位失真值为b(p),p的第k位是否从载密图像噪声点提取的标记为c(p,k),其中k=4,5,6,7,8,若p的第k位从载密图像噪声点提取,则c(p,k)=1,若p的第k位从载密图像非噪声点提取,则c(p,k)=0,求得像素点p的高5位失真值
将待修复点p2,3的3×3邻域8个像素按照高5位失真值的大小进行排序,设以从小到大顺序排列的像素为p1,2,p3,3,p3,2,p2,2,p1,3,p2,4,p3,4,p1,4,将这8个像素分为两组,即和
将像素低3位保持不变,其中i=1,2,3,4,对高5位中的不可信位分别置0或1得到一组数,设这组数在mins与maxs之间的值为这样可得到{103}、{109}、{107}、{109,125}共4组数据,构建新的数据集{x1,x2,x3,x4},其中设共有l=1×1×1×2=2组,第j组的中值为mj,j为1到l间的整数,yi为ti与mj差的平方和,i为1到z间的整数,z=2,则:
value1=t2 (5),
a=w4×value1+(1-w4)value2 (6),
其中w4=0.8,根据估计值a=110计算出p2,3的恢复值,计算t1,t2中每元素与110的差值的绝对值,差值绝对值最小的值作为p2,3修复值,f(p2,3)=110,实现对p2,3的修复;
应用修复p2,3的方法修复p2,4、p3,4、p4,4,得到f(p2,4)=108,f(p3,4)=106,f(p4,4)=105;
4)修复边界标记像素:对于在步骤1)中确定、在步骤2)和步骤3)中未得到修复的标记像素,以4邻域相邻的非边界像素的像素值为估计值计算修复值,若4邻域不存在非边界点,则以8邻域非边界像素的像素值为估计值计算修复值,对于边界标记像素,以4相邻的非边界像素的像素值为估计值,计算恢复值,p1,3的估计值为f(p2,3)=110,p1,3的恢复信息为{01100101},恢复信息标记为{01000010},由此可以得出p1,3的高五位中第7位不可信,第7位只能为0或1,因此可能值为37、101,|37-f(p2,3)|>|101-f(p2,3)|,因此f(p1,3)=101,以相同的方法得出f(p1,4)=104,f(p2,5)=109,f(p3,1)=110,f(p3,5)=108,f(p4,1)=110,f(p4,5)=101,f(p5,3)=121,若4邻域不存在非边界点,则以8邻域非边界像素的像素值为估计值计算修复值,f(p1,1)=105,f(p1,5)=102,f(p5,1)=106,f(p5,5)=103,修复后的隐藏图像如图8所示;
5)去除孤立点:若修复后的标记像素与其3×3邻域像素均值的差值绝对值大于T3,T3为阈值,本例中T3=8,则该像素为孤立点,需要对其进行处理:将孤立点3×3邻域像素均值作为估计值,孤立点不可信像素位可能为0或1,计算每个可能值与估计值的差值绝对值,差值绝对值最小的可能值作为孤立点修复值,遍历修复后的隐藏图像,由于选择的隐藏图像较为平滑,因此修复后未产生孤立点。
Claims (1)
1.一种基于凸壳和分组插补的隐藏图像修复方法,其特征是,信息载体和隐藏信息均为图像,方法包括如下步骤:
1)确定需要修复像素:若载密图像被椒盐噪声干扰,检测载密图像,值为0或255的像素点为被破坏像素,对从被破坏像素中提取的隐藏信息进行标记,在隐藏图像中,若像素高5位未被破坏,该像素不需进行修复,若像素高5位存在被破坏的比特位,对该像素进行标记,按行遍历隐藏图像像素,若标记像素为非边界像素,则采用步骤2)或步骤3)进行修复,若标记像素为边界像素,则采用步骤4)进行修复,最后采用步骤5)修复孤立点;
2)应用凸壳修复像素:设像素p0为标记像素,依次在p0的3×3、5×5和7×7邻域中确定未标记像素,若在某个邻域中未标记像素个数大于等于4且p0位于这些未标记像素所构成的凸壳内部,则应用这些像素对其进行修复,否则采用步骤3)对p0进行修复:即设像素p的像素值为f(p),p0的估计值为a,p0的3×3邻域中未标记像素为5×5邻域中未标记像素为7×7邻域中未标记像素为 权重为w1,权重为w2,权重为w3,在3×3、5×5或7×7这三个邻域中,求出大于或等于4个未标记像素的最小邻域,计算这些未标记像素的凸壳,若p0不在凸壳的内部,则扩大邻域范围,直到有新的未标记像素,再计算这些未标记像素的凸壳,若在7×7邻域中未标记像素个数小于4或p0不在凸壳的内部,则采用步骤3)对p0进行修复;若存在凸壳,且p0在凸壳的内部,则对p0进行修复,设这些未标记像素为p1,p2,…,pm,f(px)为p1,p2,…,pm中的最大像素值,f(py)为这些像素中的最小像素值,由于p0中不可信位只能为0或1,对所有的不可信位分别取0或1,则必有一个值是p0的像素值,假设对p0中不可信位分别取0或1,p0的可能值为q1,q2,…,qn,根据未标记像素的最大与最小像素值的差分别进行修复:
i)f(px)-f(py)<T1,其中T1为阈值,
估计值a计算如公式(1)所示:
计算q1,q2,…,qn中每个元素与a的差值的绝对值,差值绝对值最小的值作为p0修复值,实现对p0的恢复;
ii)f(px)-f(py)≥T1,
设su为qu与p1,p2,…,pm像素值的加权差值和,其中u为1到n之间的整数,则有:
设s1,s2,…,sn的最小值为smin,f(pm+1)=qmin,r为变异系数,则:
r越小说明{f(p1),f(p2),…,f(pm+1)}的变化程度越小,若r<T2,T2为阈值,令:
f(p0)=qmin (4),
通过公式(4)修复p0, 若r≥T2,则采用步骤3)对p0进行修复;
3)应用分组插补法修复像素:对于步骤2)中未修复的非边界标记像素,应用分组插补方法进行修复:
在p0的(2d+1)×(2d+1)邻域中,d为整数,从d=1开始,找出3×3邻域可信点,若未标记像素的个数不足4,则令d=d+1直到未标记像素的个数大于等于4,计算这些未标记像素的凸壳,若p0未在凸壳内部,则d=d+1扩大该邻域范围,直到p0在未标记像素所构成凸壳的内部或到图像的边缘,将这些未标记像素的所有不可信位置1,计算这些像素的值,设其中的最大值为maxs;将这些未标记像素的所有不可信位置0,计算这些像素值,设其中最小值为mins,则有mins≤f(p0)≤maxs,设q1,q2,…,qn在maxs与mins之间的值为t1,t2,…,tz,应用邻域未标记像素缩小修复值的取值范围,在t1,t2,…,tz中确定p0的恢复值;
设像素点p的高5位失真值为b(p),c(p,k)为像素p的第k位失真标记,其中k=4,5,6,7,8,若p的第k位从载密图像被噪声破坏的像素点提取,则c(p,k)=1,若p的第k位未被破坏,则c(p,k)=0,因此像素点p的高5位失真值
对将像素低3位保持不变,对高5位中的不可信位分别置0或1得到一组数,设这组数在mins与maxs之间的值其中i=1,2,3,4,可得到共4组数据,构建新的数据集{x1,x2,x3,x4},其中设数据集合共有l组,第j组的中值为mj,j为1到l间的整数,yk为tk与mj差的平方和,k为1到z间的整数,则:
value1=tr (6),
设g1,g2,…,ge中最小值为gw,则:
a=w4×value1+(1-w4)value2 (9),
其中w4为权重,根据估计值a计算出p0的恢复值,实现对p0的恢复;
4)修复边界标记像素:对于在步骤1)中确定、在步骤2)和步骤3)中未得到修复的标记像素,以4邻域相邻的非边界像素的像素值为估计值计算修复值,若4邻域不存在非边界点,则以8邻域非边界像素的像素值为估计值计算修复值;
5)去除孤立点:若修复后的标记像素与其3×3邻域像素均值的差值绝对值大于T3,T3为阈值,则该像素为孤立点,需要对其进行处理:将孤立点3×3邻域像素均值作为估计值,孤立点不可信像素位可能为0或1,计算每个可能值与估计值的差值绝对值,差值绝对值最小的可能值作为孤立点修复值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811200723.0A CN109447887B (zh) | 2018-10-16 | 2018-10-16 | 一种基于凸壳和分组插补的隐藏图像修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811200723.0A CN109447887B (zh) | 2018-10-16 | 2018-10-16 | 一种基于凸壳和分组插补的隐藏图像修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109447887A CN109447887A (zh) | 2019-03-08 |
CN109447887B true CN109447887B (zh) | 2022-12-23 |
Family
ID=65545687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811200723.0A Active CN109447887B (zh) | 2018-10-16 | 2018-10-16 | 一种基于凸壳和分组插补的隐藏图像修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447887B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110189273B (zh) * | 2019-05-27 | 2021-09-10 | 广西师范大学 | 一种基于重抽样的隐藏图像修复方法 |
CN111709868B (zh) * | 2020-06-22 | 2024-04-02 | 广西师范大学 | 一种基于直方图法的隐藏图像恢复方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056549A (zh) * | 2016-05-26 | 2016-10-26 | 广西师范大学 | 基于像素分类的隐藏图像恢复方法 |
CN106101726A (zh) * | 2016-07-22 | 2016-11-09 | 福建师范大学 | 一种时空域相结合的自适应错误隐藏修复方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150130800A1 (en) * | 2013-11-12 | 2015-05-14 | Fyusion, Inc. | Segmentation of surround view data |
-
2018
- 2018-10-16 CN CN201811200723.0A patent/CN109447887B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056549A (zh) * | 2016-05-26 | 2016-10-26 | 广西师范大学 | 基于像素分类的隐藏图像恢复方法 |
CN106101726A (zh) * | 2016-07-22 | 2016-11-09 | 福建师范大学 | 一种时空域相结合的自适应错误隐藏修复方法及系统 |
Non-Patent Citations (3)
Title |
---|
Error-free reversible data hiding with high capacity in encrypted image;Zhenjun Tang 等;《Optik》;20180331;第157卷;第750-760页 * |
基于图像块分类阈值优化的改进可逆图像伪装;刘小凯 等;《应用科学学报》;20180330;第36卷(第2期);第237-246页 * |
基于曲面插值的加密图像可逆信息隐藏算法;陈艳 等;《应用科学学报》;20180330;第36卷(第2期);第220-236页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109447887A (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khryashchev et al. | Image denoising using adaptive switching median filter | |
Gao | An adaptive median filtering of salt and pepper noise based on local pixel distribution | |
CN109447887B (zh) | 一种基于凸壳和分组插补的隐藏图像修复方法 | |
Gebreyohannes et al. | Adaptive noise reduction scheme for salt and pepper | |
CN104751426A (zh) | 基于三维块匹配变换去除高密度脉冲噪声的方法 | |
Khan et al. | A secure true edge based 4 least significant bits steganography | |
Wang et al. | Keypoints-based image passive forensics method for copy-move attacks | |
CN110189273B (zh) | 一种基于重抽样的隐藏图像修复方法 | |
CN106056549B (zh) | 基于像素分类的隐藏图像恢复方法 | |
CN110852963A (zh) | 一种基于相关最大性的湍流退化图像复原方法 | |
CN108648130B (zh) | 一种具有版权保护和篡改定位功能的全盲数字水印方法 | |
Kaisar et al. | Salt and Pepper Noise Detection and removal by Tolerance based selective Arithmetic Mean Filtering Technique for image restoration | |
Mungmode et al. | A modified high frequency adaptive security approach using steganography for region selection based on threshold value | |
Iranpour | A novel steganographic method based on edge detection and adaptive multiple bits substitution | |
Shrivastava et al. | Noise removal using first order neighborhood mean filter | |
Moon et al. | Image restoration using adaptive switching median filter | |
Mungmode et al. | An Enhanced Edge Adaptive Steganography Approach using Threshold Value for Region Selection | |
Benyoussef et al. | Blind invisible watermarking technique in DT-CWT domain using visual cryptography | |
Daiyan et al. | High performance decision based median filter for salt and pepper noise removal in images | |
Albayati et al. | A Comparative Study of Image Steganography Based on Edge Detection | |
Zvonarev et al. | Neural network adaptive switching median filter for the restoration of impulse noise corrupted images | |
CN108648131A (zh) | 一种基于多方向窗口的隐藏图像恢复方法 | |
CN111709868B (zh) | 一种基于直方图法的隐藏图像恢复方法 | |
Rastogi et al. | Review of Noise Removal Techniques for Fixed Valued Impulse Noise | |
CN116402670B (zh) | 一种基于生成对抗网络的不可感知水印攻击方法 |
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 |