CN110430336B - 图像隐藏和恢复的方法、设备和存储介质 - Google Patents
图像隐藏和恢复的方法、设备和存储介质 Download PDFInfo
- Publication number
- CN110430336B CN110430336B CN201910711931.5A CN201910711931A CN110430336B CN 110430336 B CN110430336 B CN 110430336B CN 201910711931 A CN201910711931 A CN 201910711931A CN 110430336 B CN110430336 B CN 110430336B
- Authority
- CN
- China
- Prior art keywords
- image
- sample
- equation
- resolution
- random
- 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 95
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 14
- 230000001052 transient effect Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 101100272279 Beauveria bassiana Beas gene Proteins 0.000 claims description 3
- 201000004569 Blindness Diseases 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000002789 length control Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012986 modification Methods 0.000 abstract description 10
- 230000004048 modification Effects 0.000 abstract description 10
- 230000008569 process Effects 0.000 abstract description 8
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000011084 recovery Methods 0.000 abstract description 2
- 235000002566 Capsicum Nutrition 0.000 description 4
- 239000006002 Pepper Substances 0.000 description 4
- 241000722363 Piper Species 0.000 description 4
- 235000016761 Piper aduncum Nutrition 0.000 description 4
- 235000017804 Piper guineense Nutrition 0.000 description 4
- 235000008184 Piper nigrum Nutrition 0.000 description 4
- 150000003839 salts Chemical class 0.000 description 4
- 241001270131 Agaricus moelleri Species 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000011541 reaction mixture Substances 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/001—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
- H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
- H04N1/32203—Spatial or amplitude domain methods
- H04N1/32256—Spatial or amplitude domain methods in halftone data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
- H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
- H04N1/32267—Methods relating to embedding, encoding, decoding, detection or retrieval operations combined with processing of the image
- H04N1/32272—Encryption or ciphering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/44—Secrecy systems
- H04N1/448—Rendering the image unintelligible, e.g. scrambling
- H04N1/4486—Rendering the image unintelligible, e.g. scrambling using digital data encryption
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Security & Cryptography (AREA)
- Image Processing (AREA)
- Facsimile Transmission Control (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本发明属于图像信息安全和数字图像信号处理交叉领域，公开了一种图像隐藏和恢复的方法、设备和存储介质，通过将产生的不同灰度阶黑白噪点小块作为候选样本小块，经由二次聚类编码滤除不同灰度阶相似样本小块来筛选同一灰度阶编码样本小块用于秘密信息编码表示。最后通过随机2值参考图结合随机嵌密位置来放置不同灰度阶的编码样本小块产生含密掩体。在恢复时，由密钥产生编码样本小块，结合2值参考图和嵌密位置提取秘密信息。同现有方法相比，本发明可生成视觉质量良好的有意义图像，不会产生任何拼接痕迹，也不涉及任何修改嵌入，具有较好的抗攻击能力；无论秘密信息如何嵌入，含密掩体均可等质量地无损恢复为多阶半色调掩体图像，且嵌入和提取过程完全依赖于用户密钥，具有较高的安全性。
Description
技术领域
本发明属于图像信息安全和数字图像信号处理交叉领域，涉及一种图像隐藏和恢复的方法、设备和存储介质。
背景技术
传统信息隐藏方法一般采用修改式嵌入方法，如关于密写的文献：YANG T,2017(YANG T,CHEN H.Matrix embedding in steganography with binary Reed–Mullercodes[J].Iet Image Processing,2017,11(7):522-529)，毛炳华,2019(毛炳华,王子驰,张新鹏.基于DCT域相关性的非对称JPEG隐写[J].计算机科学,2019,46(01):203-207)；分存的文献：邵利平,2018(邵利平,乐志芳.基于DCT的多门限渐进秘密图像分存方案[J].信息网络安全,2018(3):54-62)，黄燕燕,2018(黄燕燕，邵利平.结合EMD-cl嵌入的多载体密图分存方法[J].中国图象图形报,2018,23(8):1108-1130)，欧阳显斌,2017(欧阳显斌,邵利平,乐志芳.非等量备份和双认证自修复有限域图像分存[J].软件学报,2017,28(12):3306-3346)以及水印的文献：SU Q,2017(SU Q,CHEN B.Robust color imagewatermarking technique in the spatial domain[J].Soft Computing,2017.22(1):91-106)等。但修改式嵌入不可避免地会在载体中留下修改痕迹，难以抵抗密写分析的检测。为了解决这个问题，人们提出了搜索式无载体信息隐藏，相对于传统修改嵌入式信息隐藏，它强调的是不需要额外的嵌入载体，直接由秘密信息驱动，通过预先建立的大规模自然载体数据集中选取合适的自然载体来表达秘密信息，例如，ZHOU Z L,2015(ZHOU Z L,SUN H Y,et al.Coverless image steganography without embedding[C]//InternationalConference on Cloud Computing and Security.Springer International Publishing,2015:123-132)，吴建斌,2018(吴建斌,贾炎柯,刘逸雯.基于图像编码及拼接的无载体信息隐藏[J].华南理工大学学报(自然科学版),2018,46(05):38-44)，周志立,2016(周志立,曹燚,孙星明.基于图像Bag-of-Words模型的无载体信息隐藏[J].应用科学学报,2016,34(5):527-536)。
但这类方法存在的普遍问题是，利用自然未修改载体表达不相关秘密信息，单载体嵌入容量极低，从大规模自然载体数据集中寻找合适未修改载体，需要搜索的数据量呈几何级数增加，即使借助倒排索引，存储和维护也是一个沉重的负担。
还有一些研究者提出了纹理生成式信息隐藏，主体思想是生成自然界中不存在的图像，使得攻击者找不到追溯的根源。主要包括纹理构造式信息隐藏和纹理拼接式信息隐藏。其中纹理构造式信息隐藏是通过模拟纹理生成的方式来产生一些类自然纹理来对秘密信息进行掩盖，例如：XU J,2015(XU J,MAO X,JIN X,et al.Hidden message in adeformation-based texture[J].Visual Computer International Journal ofComputer Graphics,2015,31(12):1653-1669)，QIAN Z X,2018(QIAN Z X,PAN L,LI S,ZHANG X P.Steganography by constructing marbling texture[C]//2018 ChinaInformation Hiding Workshop(CIHW2018),Guang Zhou,2018:17-35)；纹理拼接式隐藏是通过给定样例纹理填充的方式来生成表达秘密信息的含密纹理，例如,OTORI H,2007(OTORI H,KURIYAMA S.Data-Embeddable texture synthesis[C]//Smart Graphics,International Symposium,Sg,Kyoto,Japan,June.DBLP,2007:146-157)给出的基于局部2值模式的合成纹理信息隐藏，QIN Z,2017(QIN Z,LI M,WU B.Robust steganography viaPatch-Based texture synthesis[C]//International Conference on InternetMultimedia Computing&Service.Springer,Singapore,2017:429-439)给出的基于缝合线算法的合成纹理信息隐藏。
纹理生成式隐藏方法的普遍问题是通过给定的样例图进行纹理拼接，易产生拼接痕迹，从而容易引起攻击者的怀疑。另外，这类方法所生成图像都是简单质地的非自然纹理图像，不能对秘密信息进行充分有效地掩盖。
为生成有意义的掩体图像，人们提出了以马赛克艺术图像为嵌密载体的隐藏策略，通常将密图划分为小块作为字典，通过对有意义掩体图像的相似块替换来隐藏密图。例如：LAI I,2011(LAI I,TSAI W H.Secret-Fragment-Visible mosaic image-a newcomputer art and its application to information hiding[J].IEEE Transactionson Information Forensics&Security,2011,6(3):936-945)通过在图像库中选取与密图特征相似的公开图像，利用相似块替换将密图伪装成公开图像，ZHAI S Y,2015(ZHAI S Y,LI F,CHANG C C,et al.A meaningful scheme for sharing secret images usingmosaic images[J].International Journal of Network Security,2015,17(5):643-649)将密图分为4份放在预先选择的4张掩体图中，但：LAI I,2011和ZHAI S Y,2015的方法都需选取与密图相似的公开图像作为掩体。针对此问题，SINGHAVI D G,2015(SINGHAVI DG,CHATUR P N.A new method for creation of secret-fragment-visible-mosaicimage for secure communication[C]//International Conference on Innovations inInformation(ICIII2015).IEEE,2015:1-5)将密图和掩体小块按标准差升序排列，通过引入可逆颜色变换将密图小块伪装成掩体小块。刘小凯,2018(刘小凯,姚恒,秦川.基于图像块分类阈值优化的改进可逆图像伪装[J].应用科学学报,2018,36(2):237-246)引入优化分类阈值算法来改进SINGHAVI D G,2015，使得生成伪装图像和目标图像的均方差最小。
但这类方法依然存在着拼接痕迹，另外这些方法为嵌入重构秘密信息图像的相关参数，如密图小块位置信息、索引信息、密图小块与掩体小块之间的均值差以及密图小块的旋转角度等，都采用了修改式嵌入的方法，因此不能避免传统修改式信息隐藏本身固有的修改痕迹问题。
发明内容
本发明的目的在于克服上述现有技术的缺点，提供一种图像隐藏和恢复的方法、设备和存储介质。
为达到上述目的，本发明采用以下技术方案予以实现：
一种图像隐藏方法，包括以下步骤：
S1：初始化预设密钥k1,k2,k3和k4，从灰度区间[0,2n-1]选取连续且不重合的p个区间，并在每个区间内选择1个值作为Gi,i＝0,1,…,p-1；
S2：输入分辨率为M×N的n阶灰度图像C＝(cx,y)M×N,cx,y∈{0,1,…,2n-1}，将灰度图像C转换为等大的p阶半色调图像C′＝(c′x,y)M×N；
S3：将密钥k1作为随机数种子，对每个Gi,i＝0,1,…,p-1随机生成r个分辨率为H×W的样本小块
S4：以密钥k2为随机数种子，将所有样本小块按均值聚类为p个类别S0,S1,…,Sp-1，剔除每个类别Sk中灰度值不为Gk的样本小块，其中k＝0,1,…,p-1；
S5：将每个类别Sk按均值聚类划分为2个类别Sk,0和Sk,1，从Sk,0和Sk,1中分别选取离Sk,0和Sk,1聚类中心位置最近的样本小块作为编码样本小块Ak,0和Ak,1；
S6：以密钥k3为随机数种子生成分辨率为M×N的2值参考图S＝(sx,y)M×N,sx,y∈{0,1}，记秘密信息是长度为l的2值比特位串B＝(bi)l,bi∈{0,1}，通过密钥k4确定随机坐标序列T＝((xi,yi))l，其中(xi,yi)∈M×N且随机坐标序列T中坐标两两不等，初始化空白含密掩体图
S7：对于
若(x,y)∈T且(x,y)对应为随机坐标序列T的第i个坐标，则从2值比特位串B中截取元素bi并从编码样本小块Ak,0和Ak,1中选取表示bi的编码样本小块；若
则从编码样本小块Ak,0和Ak,1中随机选择一个编码样本小块；以(x·H,y·W)为左上角坐标，将选中的编码样本小块放置在空白含密掩体图Cfinal上；
S8：重复S7至
中的所有坐标处理完毕，得到含密掩体。
本发明图像隐藏方法进一步的改进在于：
所述S1的具体方法为：
S1-1：输入初始系统参数μ∈[3.57,4]，初始密钥x0∈(0,1)和消除暂态效应的滤除迭代次数IT,IT＞0，通过式(1)连续生成的4个随机数作为预设密钥k1,k2,k3和k4：
ki＝μx0(1-x0) (1)
S1-2：从灰度区间[0,2n-1]选取p个区间，分别为[P0,P1],(P1,P2],…,(Pp-1,Pp]，其中Pi,i＝0,1,…,p通过式(2)进行确定：
S1-3：通过式(3)从p个区间中的每个区间内选择1个值作为Gi,i＝0,1,…,p-1：
其中，符号
表示向下取整；
所述S2的具体方法为：
S2-1：输入分辨率为M×N的n阶灰度图像C＝(cx,y)M×N,cx,y∈{0,1,…,2n-1}；
S2-2：通过式(4)计算灰度图像C中的每个元素cx,y的量化值c′x,y，通过式(5)计算Δx,y；
c′x,y＝Gi,cx,y∈(Pi,Pi+1],i∈[1,p-1]|cx,y∈[P0,P1],i＝0 (4)
其中，符号“|”表示或；
Δx,y＝c′x,y-cx,y (5)
S2-3：通过式(6)将Δx,y向cx,y周围8邻域未经式(4)处理的像素cu,v,(u,v)∈M×N且(u,v)∈{(x-1,y-1),(x-1,y),(x-1,y+1),(x,y-1),(x,y+1),(x+1,y-1),(x+1,y),(x+1,y+1)}进行扩散，其中Nc是cx,y周围8邻域未经式(4)处理的像素数量；
其中，函数Range(x,0,2n-1)用于将x量化到[0,2n-1]之间，Range(x,0,2n-1)函数的作用是若x＜0，则输出0；若x＞2n-1，则输出2n-1；若x∈[0,2n-1]，则输出x；
S2-4：重复S2-2～S2-3至灰度图像C中的所有元素cx,y处理完毕，得到与灰度图像C等大的p阶半色调图像C′＝(c′x,y)M×N；
所述S3的具体方法为：
将密钥k1作为随机数种子，通过式(7)对每个Gi,i＝0,1,…,p-1随机生成r个分辨率为H×W的样本小块
式(7)执行的具体功能为：
初始化分辨率为H×W的空白图像
通过式(8)计算空白图像
上生成的黑色像素点的数量X；
其中，符号
表示向上取整；
随机生成长度为X的随机坐标序列U＝((xk,yk))X，其中(xk,yk)∈H×W且U中坐标两两不等；
对于随机坐标序列U中的每个坐标(xk,yk)，置空白图像
上的元素
直至随机坐标序列U中的所有坐标处理完毕，得到样本小块
所述S4的具体方法为：
S4-1：对每个Gi,i＝0,1,…,p-1随机生成的r个分辨率为H×W的样本小块
随机选择1个样本小块作为初始聚类中心Dk，其中k＝0,1,…,p-1；
S4-2：通过式(9)计算
到Dk＝(ds,t)H×W的距离，其中i,k＝0,1,…,p-1,j＝0,1,…,r-1，按距离最小找到样本小块
所属的类别Sind,ind∈{0,1,…,p-1}，将其加入到Sind中；
其中，
为欧式距离计算函数；
S4-3：记
是Sk中的第i个样本小块，|Sk|是Sk中的样本小块数量，通过式(10)计算Sk中所有样本小块的均值块Mk，通过式(11)计算聚类中心，通过式(12)进行更新聚类中心，其中i＝0,1,…,|Sk|-1,k＝0,1,…,p-1；
S4-4：重复S4-2～S4-3，至当前重复结果与上次一致或达到预设重复次数，得到S0,S1,…,Sp-1，并将Sk中灰度值不为Gk的样本小块删除，其中k＝0,1,…,p-1；
所述S7的具体方法为：
S7-1：若(x,y)∈T且(x,y)＝(xi,yi)，置k为c′x,y处的k值，通过式(13)确定b′i，然后将
作为放置的H×W编码样本小块；
S7-2：若
置k为c′x,y处的k值，然后从编码样本小块Ak,0和Ak,1中随机选取1个，作为放置的H×W编码样本小块。
本发明又一方面，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述图像隐藏方法的步骤。
本发明又一方面，一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述图像隐藏方法的步骤。
本发明又一方面，一种图像恢复方法，包括以下步骤：
R1：初始化预设密钥k1,k2,k3和k4，从灰度区间[0,2n-1]选取连续且不重合的p个区间，并在每个区间内选择1个值作为Gi,i＝0,1,…,p-1；
R2：将密钥k1作为随机数种子，对每个Gi,i＝0,1,…,p-1随机生成r个分辨率为H×W的样本小块
R3：以密钥k2为随机数种子，将所有样本小块按均值聚类为p个类别S0,S1,…,Sp-1，在每个类别Sk中剔除灰度值不为Gk的样本小块，其中k＝0,1,…,p-1；
R4：将每个类别Sk按均值聚类划分为2个类别Sk,0和Sk,1，从中分别选取离Sk,0和Sk,1聚类中心位置最近的样本小块作为编码样本小块Ak,0和Ak,1；
R5：以密钥k3为随机数种子生成分辨率为M×N的2值参考图S＝(sx,y)M×N,sx,y∈{0,1}，根据秘密信息的长度控制参数l，通过密钥k4确定随机坐标序列T＝((xi,yi))l，其中(xi,yi)∈M×N且随机坐标序列T中坐标两两不等；
R6：输入分辨率为M·H×N·W的含密掩体图
根据随机坐标序列T＝((xi,yi))l和2值参考图S＝(sx,y)M×N，提取秘密信息B＝(bi)l，将
恢复为p阶掩体图像C″＝(c″x,y)M×N。
本发明图像恢复方法进一步的改进在于：
所述R1的具体方法为：
R1-1：输入初始系统参数μ∈[3.57,4]，初始密钥x0∈(0,1)和消除暂态效应的滤除迭代次数IT,IT＞0，通过式(1)连续生成的4个随机数作为预设密钥k1,k2,k3和k4：
ki＝μx0(1-x0) (1)
R1-2：从灰度区间[0,2n-1]选取p个区间，分别为[P0,P1],(P1,P2],…,(Pp-1,Pp]，其中Pi,i＝0,1,…,p通过式(2)进行确定：
R1-3：通过式(3)从p个区间中的每个区间内选择1个值作为Gi,i＝0,1,…,p-1：
其中，符号
表示向下取整；
所述R2的具体方法为：
将密钥k1作为随机数种子，通过式(7)对每个Gi,i＝0,1,…,p-1随机生成r个分辨率为H×W的样本小块
式(7)执行的具体功能为：
初始化分辨率为H×W的空白图像
通过式(8)计算空白图像
上生成的黑色像素点的数量X；
其中，符号
表示向上取整；
随机生成长度为X的随机坐标序列U＝((xk,yk))X，其中(xk,yk)∈H×W且U中坐标两两不等；
对于随机坐标序列U中的每个坐标(xk,yk)，置空白图像
上的元素
直至随机坐标序列U中的所有坐标处理完毕，得到样本小块
所述R3的具体方法为：
R3-1：对每个Gi,i＝0,1,…,p-1随机生成的r个分辨率为H×W的样本小块
随机选择1个样本小块作为初始聚类中心Dk，其中k＝0,1,…,p-1；
R3-2：通过式(9)计算
到Dk＝(ds,t)H×W的距离，其中i,k＝0,1,…,p-1,j＝0,1,…,r-1，按距离最小找到样本小块
所属的类别Sind,ind∈{0,1,…,p-1}，将其加入到Sind中；
其中，
为欧式距离计算函数；
R3-3：记
是Sk中的第i个样本小块，|Sk|是Sk中的样本小块数量，通过式(10)计算Sk中所有样本小块的均值块Mk，通过式(11)计算聚类中心，通过式(12)进行更新聚类中心，其中i＝0,1,…,|Sk|-1,k＝0,1,…,p-1；
R3-4：重复R3-2～R3-3，至当前重复结果与上次重复结果一致或达到预设重复次数，输出S0,S1,…,Sp-1，将Sk中灰度值不为Gk的样本小块删除，其中k＝0,1,…,p-1。
所述R6的具体方法为：
R6-1：输入分辨率为M·H×N·W的含密掩体图
R6-2：对于每个(xi,yi)，以(xi·H,yi·W)为左上角坐标，截取分辨率为H×W的样本小块R＝(rs,t)H×W，通过式(14)从
寻找与样本小块R＝(rs,t)H×W最接近的编码样本小块
R6-3：通过式(15)提取bi；
R6-4：重复R6-2～R6-3，至随机坐标序列T＝((xi,yi))l中的所有坐标处理完毕，得到秘密信息B＝(bi)l；
R6-5：将含密掩体图
分割为M×N个分辨率为H×W的小块Cx,y,x＝0,1,…,M-1,y＝0,1,…,N-1，通过式(14)找到Cx,y最接近的编码样本小块
提取
将
赋值给c″x,y，将c″x,y,x＝0,1,…,M-1,y＝0,1,…,N-1作为恢复的p阶掩体图像C″＝(c″x,y)M×N。
本发明又一方面，一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述图像恢复方法的步骤。
本发明又一方面，一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述图像恢复方法的步骤。
与现有技术相比，本发明具有以下有益效果：
本发明方法通过将随机产生的不同灰度阶的黑白噪点小块经由两次聚类用于2值秘密信息的编码表示，通过生成的随机2值参考图结合随机嵌密位置来放置不同灰度阶的编码样本小块来产生含密掩体，采用了载体生成的方式，避免了修改式嵌入，解决了现有信息隐藏方法一般采用修改式嵌入方法，不可避免地会在载体中留下修改痕迹，难以抵抗密写分析的检测的问题。通过采用单载体嵌密，每一个编码样本小块可嵌密1比特秘密信息，嵌密容量高；并且所提方法的编码样本小块均由用户密钥控制产生，无需预先建立庞大的数据库和倒排索引，因此省去了在信道中传输大量信息和巨大的搜索及维护代价，解决了搜索式无载体信息隐藏存在的普遍问题，即利用自然未修改载体表达不相关秘密信息，单载体嵌入容量极低，从大规模自然载体数据集中寻找合适未修改载体，需要搜索的数据量呈几何级数增加，即使借助倒排索引，存储和维护也是一个沉重的负担。本发明方法的编码样本小块是控制黑白像素点比例生成的2值小块，提供了多个不同灰度阶的编码样本小块，可用来表达自然图像的灰度像素，因此可生成视觉质量良好的有意义含密掩体图，且在拼接时不会产生任何拼接痕迹。解决了纹理生成式隐藏方法的普遍问题，即通过给定的样例图进行纹理拼接，易产生拼接痕迹，从而容易引起攻击者的怀疑。另外，纹理生成式隐藏方法所生成图像都是简单质地的非自然纹理图像，不能对秘密信息进行充分有效地掩盖。本发明方法不涉及任何修改式嵌入方法，并且无论秘密信息如何嵌入，含密掩体均可等质量地无损恢复为多阶半色调掩体图像；另外，经由2次聚类编码策略，拉开了候选样本小块的类间差异和类内差异，使得每个灰度阶的两种编码样本小块拥有在攻击后不易混肴的特点，因此所提方法抗攻击性能良好，可抵抗高强度的噪声攻击、低质量的JPEG压缩和随机画线攻击等。解决了马赛克拼图式信息隐藏方法普遍存在着拼接痕迹的问题，以及马赛克拼图式信息隐藏方法为嵌入重构秘密信息图像的相关参数，如密图小块位置信息、索引信息、密图小块与掩体小块之间的均值差以及密图小块的旋转角度等，都采用了修改式嵌入的方法，因此不能避免传统修改式信息隐藏本身固有的修改痕迹问题。
进一步的，密钥均由混沌映射的初始参数和消除暂态效应的迭代参数生成，对密钥具备完全的依赖性，若无法提供正确的参数，将无法提取出秘密信息。且经由混沌映射，对初始参数的任意微小改动都具有极高的密钥敏感性，因此具备较高的安全性。
附图说明
图1为本发明的图像隐藏方法流程图；
图2为本发明的图像恢复方法流程图；
图3为本发明的原灰度图像，为256×256分辨率的8位灰度图像lena；
图4为本发明的原灰度图像，为256×256分辨率的8位灰度图像man；
图5为本发明的秘密信息，为256×256分辨率的2值秘密信息图像lake；
图6为本发明的秘密信息，为128×128分辨率的2值秘密信息图像woman；
图7为本发明的实施例图像：以图3作为原图，图5作为秘密信息，x0＝0.65432274,μ＝3.69476342的含密掩体图像，分辨率为2048×2048；
图8为本发明的实施例图像：以图3作为原图，图5作为秘密信息，x0＝0.74356825,μ＝3.85342713的含密掩体图像，分辨率为2048×2048；
图9为本发明的实施例图像：以图4作为原图，图6作为秘密信息，x0＝0.65432274,μ＝3.69476342的含密掩体图像，分辨率为2048×2048；
图10为本发明的实施例图像：以图4作为原图，图6作为秘密信息，x0＝0.74356825,μ＝3.85342713的含密掩体图像，分辨率为2048×2048；
图11为本发明的实施例图像：从图7中提取的秘密信息，相对于图5的峰值信噪比PSNR为无穷大，误码率EBR为0％；
图12为本发明的实施例图像：从图8中提取的秘密信息，相对于图5的峰值信噪比PSNR为无穷大，误码率EBR为0％；
图13为本发明的实施例图像：从图9中提取的秘密信息，相对于图6的峰值信噪比PSNR为无穷大，误码率EBR为0％；
图14为本发明的实施例图像：从图10中提取的秘密信息，相对于图6的峰值信噪比PSNR为无穷大，误码率EBR为0％；
图15为本发明的实施例图像：图7经质量因子为90的JPEG压缩后的图像；
图16为本发明的实施例图像：图9经质量因子为70的JPEG压缩后的图像；
图17为本发明的实施例图像：图7经25％的椒盐噪声攻击后的图像；
图18为本发明的实施例图像：图9经15％的椒盐噪声攻击后的图像；
图19为本发明的实施例图像：图7经随机画线攻击后的图像；
图20为本发明的实施例图像：图9经随机画线攻击后的图像；
图21为本发明的实施例图像：从图15中提取的秘密信息，相对于图5的峰值信噪比PSNR为无穷大，误码率EBR为0％；
图22为本发明的实施例图像：从图16中提取的秘密信息，相对于图6的峰值信噪比PSNR为无穷大，误码率EBR为0％；
图23为本发明的实施例图像：从图17中提取的秘密信息，相对于图5的峰值信噪比PSNR为13.6623dB，误码率EBR为4.30％；
图24为本发明的实施例图像：从图18中提取的秘密信息，相对于图6的峰值信噪比PSNR为16.9987dB，误码率EBR为2.01％；
图25为本发明的实施例图像：从图19中提取的秘密信息，相对于图5的峰值信噪比PSNR为14.5343dB，误码率EBR为3.52％；
图26为本发明的实施例图像：从图20中提取的秘密信息，相对于图6的峰值信噪比PSNR为15.8021dB，误码率EBR为2.97％。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
以JAVA jdk1.8.0_65为实施环境，下面结合附图及实施例对本发明做进一步的详细说明。
下面结合附图对本发明做进一步详细描述：
参见图1，本发明图像隐藏方法，具体包括以下步骤：
第1步：输入初始系统参数μ∈[3.57,4]，初始密钥x0∈(0,1)和消除暂态效应的滤除迭代次数IT,IT＞0，取式(1)连续生成的4个随机数作为用户密钥k1,k2,k3,k4；按式(2)从灰度区间[0,2n-1]选取p个区间[P0,P1],(P1,P2],…,(Pp-1,Pp]，按式(3)在每个区间内选择1个值作为Gi,i＝0,1,…,p-1；
ki＝μx0(1-x0) (1)
式(3)中，符号
表示向下取整；
例如：将x0＝0.5012,μ＝3.9051代入式(1)，抛弃前IT＝62580个随机数，可得：k1＝0.7531,k2＝0.7436,k3＝0.7624,k4＝0.7243；
取p＝3，n＝8，按式(2)可得
从而从灰度区间[0,28-1]即[0,255]选取3个区间段[0,85]，(85,170],(170,255]，按式(3)可计算得G0＝42,G1＝127,G2＝212。为便于描述，在嵌入的其他步骤中，我们假定G0＝63,G1＝127,G2＝191。
第2步：输入分辨率为M×N的灰度图像C＝(cx,y)M×N,cx,y∈{0,1,…,2n-1}，对于C中的每个元素cx,y，按式(4)计算cx,y的量化值c′x,y，按式(5)计算Δx,y，按式(6)将Δx,y向cx,y周围8邻域未经式(4)处理的像素cu,v,(u,v)∈M×N且(u,v)∈{(x-1,y-1),(x-1,y),(x-1,y+1),(x,y-1),(x,y+1),(x+1,y-1),(x+1,y),(x+1,y+1)}进行扩散，直至C中的所有元素cx,y处理完毕，将C′＝(c′x,y)M×N输出，式(4)中，符号“|”表示或；
c′x,y＝Gi,cx,y∈(Pi,Pi+1],i∈[1,p-1]|cx,y∈[P0,P1],i＝0 (4)
Δx,y＝c′x,y-cx,y (5)
式(6)中，函数Range(x,0,2n-1)用于将x量化到[0,2n-1]之间，Range(x,0,2n-1)函数的作用是若x＜0，则输出0；若x＞2n-1，则输出2n-1；若x∈[0,2n-1]，则输出x；
Nc是cx,y周围8邻域未经式(4)处理的像素数量；
例如：取M＝2，N＝2，假定从灰度区间[0,28-1]即[0,255]选取的3个区间段为(31,95],(95,159],(159,223]，对应的G0＝63,G1＝127,G2＝191，输入分辨率为2×2的灰度图像
其中c0,0＝168,c0,1＝74,c1,0＝210,c1,1＝132，由式(4)知：c0,0＝168∈(159，223]，因此c′0,0＝G2＝191；按式(5)，则有：Δ0,0＝c′0,0-c0,0＝191-168＝23；此时以c0,0为中心像素的8邻域内未经式(4)处理的像素为c0,1＝74,c1,0＝210,c1,1＝132，因此Nc＝3，则按式(6)可更新：
同理，可得到c′0,1,c′1,0,c′1,1，这里假定c′0,1＝G0＝63，同理可得c′1,0＝G2＝191，c′1,1＝G1＝127，因此可将C转化为
第3步：按式(7)由Gi,i＝0,1,…,p-1随机生成r个分辨率为H×W的样本小块
式(7)的具体功能是，初始化分辨率为H×W的空白图像
按式(8)计算
上生成的黑色像素点的数量X，将k1作为随机数种子生成长度为X的随机坐标序列U＝((xk,yk))X，其中(xk,yk)∈H×W且U中坐标两两不等；
式(8)中，符号
表示向上取整；
例如：取H＝2,W＝2，r＝2，i＝0,1,2，则式(7)表示为
初始化分辨率为2×2的空白图像
根据式(8)计算
上应生成的黑色像素点的数量
同理可计算
上生成的黑色像素点的数量
上生成的黑色像素点的数量
假设取密钥k1，对于
生成长度为X＝3的随机坐标序列U＝((0,1),(1,0),(1,1))3，对于
生成长度为X＝3的随机坐标序列U＝((0,0),(0,1),(1,1))3；对于
生成长度为X＝2的随机坐标序列U＝((0,0),(0,1))2，对于
生成长度为X＝2的随机坐标序列U＝((0,0),(1,0))2；对于
生成长度为X＝1的随机坐标序列U＝((0,1))1，对于
生成长度为X＝1的随机坐标序列U＝((0,0))1。
对于U中的每个坐标(xk,yk)，置
上的元素
直至U序列中的所有坐标处理完毕，将
输出；
例如：对于生成的坐标，置
上的元素
输出
第4步：以k2为随机数种子，将生成的p×r个样本小块按均值聚类为p个类别S0,S1,…,Sp-1，在每个类别Sk中剔除灰度值不为Gk的样本小块，其中k＝0,1,…,p-1,对应的具体方法是：
1)对每个Gi,i＝0,1,…,p-1随机生成的r个分辨率为H×W的样本小块
随机选择1个样本小块作为初始聚类中心DjDk，其中k＝0,1,…,p-1；
例如：假设取密钥k2，对每个Gi,i＝0,1,…,2随机生成的2个分辨率为2×2的样本小块
随机选择1个样本小块作为初始聚类中心，假设所选的聚类中心为：
2)按式(9)计算
到Dk＝(ds,t)H×W的距离，其中i,k＝0,1,…,p-1,j＝0,1,…,r-1，按距离最小找到
所属的类别Sind,ind∈{0,1,…,p-1}，将其加入到Sind中；
式(9)中，
为欧式距离计算函数；
3)记
是Sk中的第i个样本小块，|Sk|是Sk中的样本小块数量，这里可按式(10)计算Sk中所有样本小块的均值块Mk，然后按式(11)计算聚类中心，按式(12)进行更新，其中i＝0,1,…,|Sk|-1,k＝0,1,…,p-1；
例如：按式(9)计算
到D0＝(ds,t)H×W,k＝0,1,…,p-1,的距离，可得：
因此
只有样本块
因此
则按式(10)有：
由式(11)和式(12)知：
的聚类中心
的聚类中心
计算
中每个样本小块与
之间的距离：
因此
的聚类中心
4)重复执行2)～3)，直至当前重复结果与上次重复结果一致(聚类过程趋于稳定)或达到指定的迭代次数，得到S0,S1,…,Sp-1，并将Sk中灰度值不为Gk的样本小块删除，其中k＝0,1,…,p-1；
例如：假设当前重复结果与上次重复结果一致或达到指定的迭代次数时
由于
对应G0，
对应为G2和S1对应的G1不符，因此将样本小块
和
从S1中剔除，从而
第5步：对每个集合Sk进一步按均值聚类划分为2个类别Sk,0和Sk,1，从中分别选取离Sk,0和Sk,1聚类中心位置最近的样本小块作为编码样本小块Ak,0,Ak,1，其中k＝0,1,…,p-1；
例如：与第4步的实施方法相同，将S0,S1,S2进一步划分为S0,0，S0,1，S1,0，S1,1，S2,0，S2,1，从中分别选取离Sk,0和Sk,1聚类中心位置最近的样本小块作为编码样本小块Ak,0,Ak,1，其中k＝0,1,2；
假设最终的编码样本小块为：
第6步：以k3为随机数种子生成分辨率为M×N的2值参考图S＝(sx,y)M×N,sx,y∈{0,1}，记秘密信息是长度为l的2值比特位串B＝(bi)l,bi∈{0,1}，由k4确定随机坐标序列T＝((xi,yi))l，其中(xi,yi)∈M×N且T中坐标两两不等，初始化空白含密掩体图
例如：假设由k3生成分辨率为2×2的2值参考图
秘密信息是长度为l＝4的2值比特位串B＝(0110)2；假设由密钥k4生成长度为4的随机坐标序列T＝((0,0),(0,1),(1,0),(1,1))，初始化空白含密掩体图
第7步：对于
若(x,y)∈T且(x,y)＝(xi,yi)，按式(13)确定b′i，然后将
作为放置的H×W编码样本小块；若
则从Ak,0,Ak,1随机选取1个编码样本小块，以(x·H,y·W)为左上角坐标，将选中的编码样本小块放置在Cfinal上；
例如：取H＝W＝2，第0个坐标(0,0)，由于(0,0)∈T且为T的第0个坐标，由
知：c′0,0＝191＝G2，因此取k＝2，由
和B＝(0110)2知：s0,0＝1,b0＝0，则按式(13)知：
因此
因此以(0×2,0×2)＝(0,0)为左上角坐标，将
放置在Cfinal上，此时
第8步：反复执行第7步，直至
中的所有坐标处理完毕，将最终生成的Cfinal作为含密掩体输出。
例如：按第7步的过程处理B中的所有元素：
取H＝W＝2，处理第1个坐标(0,1)，由于(0,1)∈T且为T的第1个坐标，由
知：c′0,1＝63＝G0，因此取k＝0，由
和B＝(0110)2知：s0,1＝0,b1＝1，则按式(13)得
因此取
以(0×2,1×2)＝(0,2)为左上角坐标将
放置在Cfinal上，此时
取H＝W＝2，处理第2个坐标(1,0)，由于(1,0)∈T且为T的第2个坐标，由
知：c′1,0＝191＝G2，即k＝2，由
和B＝(0110)2知：s1,0＝1,b2＝1，则按式(13)得
因此取
以(2×1,2×0)＝(2,0)为左上角坐标，将
放置在Cfinal上，此时
处理T中的第3个坐标(1,1)，(1,1)∈T且为T的第3个坐标，由
知：c′1,1＝127＝G1，因此取k＝1，由
和B＝(0110)2知：s1,1＝0,b3＝0，则按式(13)得
因此取
以(2×1,2×1)＝(2.2)为左上角坐标，将
放置在Cfinal上，此时
由于2×2范围内的的所有坐标(0,0).(0,1),(1,0),(1,1)全部处理完毕，因此将最终产生的含密掩体图
输出。
参见图2，本发明图像恢复方法，具体包括以下步骤：
第1步：输入初始系统参数μ∈[3.57,4]，初始密钥x0∈(0,1)和消除暂态效应的滤除迭代次数IT,IT＞0，取式(1)连续生成的4个随机数作为用户密钥k1,k2,k3,k4；按式(2)从灰度区间[0,2n-1]选取p个区间[P0,P1],(P1,P2],…,(Pp-1,Pp]，按式(3)在每个区间内选择1个值作为Gi,i＝0,1,…,p-1；
ki＝μx0(1-x0) (1)
式(3)中，符号
表示向下取整；
例如：将x0＝0.5012,μ＝3.9051代入式(1)，抛弃前IT＝62580个随机数，可得：k1＝0.7531,k2＝0.7436,k3＝0.7624,k4＝0.7243；
取p＝3，n＝8，按式(2)可得
从而从灰度区间[0,28-1]即[0,255]选取3个区间段[0,85]，(85,170],(170,255]，按式(3)可计算得G0＝42,G1＝127,G2＝212，为便于描述，在提取的其他步骤中，我们假定G0＝63,G1＝127,G2＝191
第2步：按式(7)由Gi,i＝0,1,…,p-1随机生成r个分辨率为H×W的样本小块
式(7)的具体功能是，初始化分辨率为H×W的空白图像
按式(8)计算
上生成的黑色像素点的数量X，将k1作为随机数种子生成长度为X的随机坐标序列U＝((xk,yk))X，其中(xk,yk)∈H×W且U中坐标两两不等；
式(8)中，符号
表示向上取整；
例如：取H＝2,W＝2，r＝2，i＝0,1,2，则式(7)表示为
初始化分辨率为2×2的空白图像
根据式(8)计算
上应生成的黑色像素点的数量
同理可计算
上生成的黑色像素点的数量
上生成的黑色像素点的数量
假设取密钥k1，对于
生成长度为X＝3的随机坐标序列U＝((0,1),(1,0),(1,1))3，对于
生成长度为X＝3的随机坐标序列U＝((0,0),(0,1),(1,1))3；对于
生成长度为X＝2的随机坐标序列U＝((0,0),(0,1))2，对于
生成长度为X＝2的随机坐标序列U＝((0,0),(1,0))2；对于
生成长度为X＝1的随机坐标序列U＝((0,1))1，对于
生成长度为X＝1的随机坐标序列U＝((0,0))1。
对于U中的每个坐标(xk,yk)，置
上的元素
直至U序列中的所有坐标处理完毕，将
输出；
例如：对于生成的坐标，置
上的元素
输出
第3步：以k2为随机数种子，将生成的p×r个样本小块按均值聚类为p个类别S0,S1,…,Sp-1，在每个类别Sk中剔除灰度值不为Gk的样本小块，其中k＝0,1,…,p-1,对应的具体方法是：
1)对每个Gi,i＝0,1,…,p-1随机生成的r个分辨率为H×W的样本小块
随机选择1个样本小块作为初始聚类中心Dk，其中k＝0,1,…,p-1；
例如：假设取密钥k2，对每个Gi,i＝0,1,…,2随机生成的2个分辨率为2×2的样本小块
随机选择1个样本小块作为初始聚类中心，假设所选的聚类中心为：
2)按式(9)计算
到Dk＝(ds,t)H×W的距离，其中i,k＝0,1,…,p-1,j＝0,1,…,r-1，按距离最小找到
所属的类别Sind,ind∈{0,1,…,p-1}，将其加入到Sind中；
式(9)中，
为欧式距离计算函数；
3)记
是Sk中的第i个样本小块，|Sk|是Sk中的样本小块数量，这里可按式(10)计算Sk中所有样本小块的均值块Mk，然后按式(11)计算聚类中心，按式(12)进行更新，其中i＝0,1,…,|Sk|-1,k＝0,1,…,p-1；
例如：按式(9)计算
到D0＝(ds,t)H×W,k＝0,1,…,p-1,的距离，可得：
因此
只有样本块
因此
则按式(10)有：
由式(11)和式(12)知：
的聚类中心
的聚类中心
计算
中每个样本小块与
之间的距离：
因此
的聚类中心
4)重复执行2)～3)，直至当前重复结果与上次重复结果一致(聚类过程趋于稳定)或达到指定的迭代次数，输出S0,S1,…,Sp-1，将Sk中灰度值不为Gk的样本小块删除，其中k＝0,1,…,p-1；
例如：假设前重复结果与上次重复结果一致(聚类过程趋于稳定)或达到指定的迭代次数时
由于
对应G0，
对应为G2和S1对应的G1不符，因此将样本小块
和
从S1中剔除，从而
第4步：对每个集合Sk进一步按均值聚类划分为2个类别Sk,0和Sk,1，从中分别选取离Sk,0和Sk,1聚类中心位置最近的样本小块作为编码样本小块Ak,0,Ak,1，其中k＝0,1,…,p-1；例如：与第3步的实施方法相同，将S0,S1,S2进一步划分为S0,0，S0,1，S1,0，S1,1，S2,0，S2,1，从中分别选取离Sk,0和Sk,1聚类中心位置最近的样本小块作为编码样本小块Ak,0,Ak,1，其中k＝0,1,2；假设最终的编码样本小块为：
第5步：以k3为随机数种子生成分辨率为M×N的2值参考图S＝(sx,y)M×N,sx,y∈{0,1}，根据秘密信息的长度控制参数l由k4确定随机坐标序列T＝((xi,yi))l，其中(xi,yi)∈M×N且T中坐标两两不等；
例如：假设取密钥k3生成分辨率为2×2的2值参考图
秘密信息的长度控制参数l＝4，假设由密钥k4确定的长度为4的随机坐标序列T＝((0,0),(0,1),(1,0),(1,1))。
第6步：输入分辨率为M·H×N·W的含密掩体图
根据随机坐标序列T＝((xi,yi))l和2值参考图S＝(sx,y)M×N，提取秘密信息B，将B＝(bi)l输出作为提取的秘密信息，将
恢复为p阶掩体图像C″＝(c″x,y)M×N并输出，其具体方法是：1)对于每个(xi,yi)，以(xi·H,yi·W)为左上角坐标，截取分辨率为H×W的样本小块R＝(rs,t)H×W，按式(14)从
寻找与R＝(rs,t)H×W最接近的编码样本小块
例如：输入分辨率为4×4的含密掩体图
以(0,0)为左上角坐标，截取分辨率为2×2的样本小块
计算所有编码样本小块与R的距离：
则与R最接近的编码样本小块为A2,1，则由式(14)可知
2)按式(15)提取bi；
例如：取
则按式(15)得
3)反复执行1)和2)，直到T＝((xi,yi))l中的所有坐标处理完毕，将B＝(bi)l输出作为提取的秘密信息；
例如：同理提取其余秘密信息：
以(0,2)为左上角坐标，截取分辨率为2×2的样本小块
同理按式(14)计算与其最接近的编码样本小块为
取
则按式(15)得
以(2,0)为左上角坐标，截取分辨率为2×2的样本小块
同理按式(14)计算与其最接近的编码样本小块为
取
则按式(15)得
以(2,2)为左上角坐标，截取分辨率为2×2的样本小块
同理按式(14)计算与其最接近的编码样本小块为
取
则按式(15)得
连接bi并输出秘密信息B＝(0110)2。
4)将含密掩体图
分割为M×N个分辨率为H×W的小块Cx,y,x＝0,1,…,M-1,y＝0,1,…,N-1，按式(14)找到Cx,y最接近的编码样本小块
提取
将
赋值给c″x,y，将c″x,y,x＝0,1,…,M-1,y＝0,1,…,N-1作为恢复的p阶掩体图像C″＝(c″x,y)M×N。
例如：将含密掩体图
分割成2×2＝4个分辨率为2×2的小块C0,0,C0,1,C1,0,C1,1，按式(14)可找到对应的编码样本小块A2,1,A0,1,A2,0,A1,0，因此对应的
依次为G2＝191,G0＝63,G2＝191,G1＝127，因此c″0,0＝G2,c″0,1＝G0,c″1,0＝G2,c″1,1＝G1，即c″0,0＝191,c″0,1＝63,c″1,0＝191,c″1,1＝127，将含密掩体图Cfinal恢复为p阶掩体图像
输出。
本发明图像隐藏方法和图像恢复方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
在示例性实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述信息伪装方法或信息恢复方法的步骤。其中，所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
在示例性实施例中，还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述信息伪装方法或信息恢复方法的步骤。处理器可能是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
图3～图6分别为256×256分辨率的8阶灰度图像lena、man，256×256分辨率的2值秘密信息图像lake和128×128分辨率的2值秘密信息图像woman。图7按图1嵌入流程以图3作为原图，图5作为秘密信息，取x0＝0.65432274,μ＝3.69476342得到的含密掩体图像，分辨率为2048×2048；图8按图1嵌入流程以图3作为原图，图5作为秘密信息，x0＝0.74356825,μ＝3.85342713得到的含密掩体图像，分辨率为2048×2048；图9是按图1嵌入流程以图4作为原图，图6作为秘密信息，x0＝0.65432274,μ＝3.69476342得到的含密掩体图像，分辨率为2048×2048；图10是按图1嵌入流程以图4作为原图，图6作为秘密信息，x0＝0.74356825,μ＝3.85342713得到的含密掩体图像，分辨率为2048×2048。图11是按图2提取流程从图7中提取的秘密信息，相对于图5的峰值信噪比PSNR为无穷大，误码率EBR为0％；图12是按图2提取流程从图8中提取的秘密信息，相对于图5的峰值信噪比PSNR为无穷大，误码率EBR为0％。图13是按图2提取流程从图9中提取的秘密信息，相对于图6的峰值信噪比PSNR为无穷大，误码率EBR为0％；图14是按图2提取流程从图10中提取的秘密信息，相对于图6的峰值信噪比PSNR为无穷大，误码率EBR为0％。图15是图7经质量因子为90的JPEG压缩后的图像；图16是图9经质量因子为70的JPEG压缩后的图像；图17是图7经25％的椒盐噪声攻击后的图像；图18是图9经15％的椒盐噪声攻击后的图像；图19是图7经随机画线攻击后的图像；图20是图9经随机画线攻击后的图像。图21是按图2提取流程从图15中提取的秘密信息，相对于图5的峰值信噪比PSNR为无穷大，误码率EBR为0％；图22是按图2提取流程从图16中提取的秘密信息，相对于图6的峰值信噪比PSNR为无穷大，误码率EBR为0％；图23是按图2提取流程从图17中提取的秘密信息，相对于图5的峰值信噪比PSNR为13.6623dB，误码率EBR为4.30％；图24是按图2提取流程从图18中提取的秘密信息，相对于图6的峰值信噪比PSNR为16.9987dB，误码率EBR为2.01％；图25是按图2提取流程从图19中提取的秘密信息，相对于图5的峰值信噪比PSNR为14.5343dB，误码率EBR为3.52％；图26是按图2提取流程从图20中提取的秘密信息，相对于图6的峰值信噪比PSNR为15.8021dB，误码率EBR为2.97％。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
Claims (9)
1.一种图像隐藏方法，其特征在于，包括以下步骤：
S1：初始化预设密钥k1,k2,k3和k4，从灰度区间[0,2n-1]选取连续且不重合的p个区间，并在每个区间内选择1个值作为Gi,i＝0,1,…,p-1；
S2：输入分辨率为M×N的n阶灰度图像C＝(cx,y)M×N,cx,y∈{0,1,…,2n-1}，将灰度图像C转换为等大的p阶半色调图像C′＝(c′x,y)M×N；
所述S2的具体方法为：
S2-1：输入分辨率为M×N的n阶灰度图像C＝(cx,y)M×N,cx,y∈{0,1,…,2n-1}；
S2-2：通过式(4)计算灰度图像C中的每个元素cx,y的量化值c′x,y，通过式(5)计算Δx,y；
c′x,y＝Gi,cx,y∈(Pi,Pi+1],i∈[1,p-1]|cx,y∈[P0,P1],i＝0 (4)
其中，符号“|”表示或；
Δx,y＝c′x,y-cx,y (5)
S2-3：通过式(6)将Δx,y向cx,y周围8邻域未经式(4)处理的像素cu,v,(u,v)∈M×N且(u,v)∈{(x-1,y-1),(x-1,y),(x-1,y+1),(x,y-1),(x,y+1),(x+1,y-1),(x+1,y),(x+1,y+1)}进行扩散，其中Nc是cx,y周围8邻域未经式(4)处理的像素数量；
其中，函数Range(x,0,2n-1)用于将x量化到[0,2n-1]之间，Range(x,0,2n-1)函数的作用是若x＜0，则输出0；若x＞2n-1，则输出2n-1；若x∈[0,2n-1]，则输出x；
S2-4：重复S2-2～S2-3至灰度图像C中的所有元素cx,y处理完毕，得到与灰度图像C等大的p阶半色调图像C′＝(c′x,y)M×N；
S3：将密钥k1作为随机数种子，对每个Gi,i＝0,1,…,p-1随机生成r个分辨率为H×W的样本小块
S4：以密钥k2为随机数种子，将所有样本小块按均值聚类为p个类别S0,S1,…,Sp-1，剔除每个类别Sk中灰度值不为Gk的样本小块，其中k＝0,1,…,p-1；
S5：将每个类别Sk按均值聚类划分为2个类别Sk,0和Sk,1，从Sk,0和Sk,1中分别选取离Sk,0和Sk,1聚类中心位置最近的样本小块作为编码样本小块Ak,0和Ak,1；
S6：以密钥k3为随机数种子生成分辨率为M×N的2值参考图S＝(sx,y)M×N,sx,y∈{0,1}，记秘密信息是长度为l的2值比特位串B＝(bi)l,bi∈{0,1}，通过密钥k4确定随机坐标序列T＝((xi,yi))l，其中(xi,yi)∈M×N且随机坐标序列T中坐标两两不等，初始化空白含密掩体图
S7：对于
若(x,y)∈T且(x,y)对应为随机坐标序列T的第i个坐标，则从2值比特位串B中截取元素bi并从编码样本小块Ak,0和Ak,1中选取表示bi的编码样本小块；若
则从编码样本小块Ak,0和Ak,1中随机选择一个编码样本小块；以(x·H,y·W)为左上角坐标，将选中的编码样本小块放置在空白含密掩体图Cfinal上；
S8：重复S7至
中的所有坐标处理完毕，得到含密掩体。
2.根据权利要求1所述的图像隐藏方法，其特征在于，所述S1的具体方法为：
S1-1：输入初始系统参数μ∈[3.57,4]，初始密钥x0∈(0,1)和消除暂态效应的滤除迭代次数IT,IT＞0，通过式(1)连续生成的4个随机数作为预设密钥k1,k2,k3和k4：
ki＝μx0(1-x0) (1)
S1-2：从灰度区间[0,2n-1]选取p个区间，分别为[P0,P1],(P1,P2],…,(Pp-1,Pp]，其中Pi,i＝0,1,…,p通过式(2)进行确定：
S1-3：通过式(3)从p个区间中的每个区间内选择1个值作为Gi,i＝0,1,…,p-1：
其中，符号
表示向下取整；
所述S3的具体方法为：
将密钥k1作为随机数种子，通过式(7)对每个Gi,i＝0,1,…,p-1随机生成r个分辨率为H×W的样本小块
式(7)执行的具体功能为：
初始化分辨率为H×W的空白图像
通过式(8)计算空白图像
上生成的黑色像素点的数量X；
其中，符号
表示向上取整；
随机生成长度为X的随机坐标序列U＝((xk,yk))X，其中(xk,yk)∈H×W且U中坐标两两不等；
对于随机坐标序列U中的每个坐标(xk,yk)，置空白图像
上的元素
直至随机坐标序列U中的所有坐标处理完毕，得到样本小块
3.根据权利要求1所述的图像隐藏方法，其特征在于，所述S4的具体方法为：
S4-1：对每个Gi,i＝0,1,…,p-1随机生成的r个分辨率为H×W的样本小块
随机选择1个样本小块作为初始聚类中心Dk，其中k＝0,1,…,p-1；
S4-2：通过式(9)计算
到Dk＝(ds,t)H×W的距离，其中i,k＝0,1,…,p-1,j＝0,1,…,r-1，按距离最小找到样本小块
所属的类别Sind,ind∈{0,1,…,p-1}，将其加入到Sind中；
其中，
为欧式距离计算函数；
S4-3：记
是Sk中的第i个样本小块，|Sk|是Sk中的样本小块数量，通过式(10)计算Sk中所有样本小块的均值块Mk，通过式(11)计算聚类中心，通过式(12)进行更新聚类中心，其中i＝0,1,…,|Sk|-1,k＝0,1,…,p-1；
S4-4：重复S4-2～S4-3，至当前重复结果与上次一致或达到预设重复次数，得到S0,S1,…,Sp-1，并将Sk中灰度值不为Gk的样本小块删除，其中k＝0,1,…,p-1；
所述S7的具体方法为：
S7-1：若(x,y)∈T且(x,y)＝(xi,yi)，置k为c′x,y对应的Gk的下标值，通过式(13)确定b′i，然后将
作为放置的H×W编码样本小块；
S7-2：若
置k为c′x,y对应的Gk的下标值，然后从编码样本小块Ak,0和Ak,1中随机选取1个，作为放置的H×W编码样本小块。
4.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述方法的步骤。
5.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述方法的步骤。
6.一种基于权利要求1所述图像隐藏方法的图像恢复方法，其特征在于，包括以下步骤：
R1：初始化预设密钥k1,k2,k3和k4，从灰度区间[0,2n-1]选取连续且不重合的p个区间，并在每个区间内选择1个值作为Gi,i＝0,1,…,p-1；
R2：将密钥k1作为随机数种子，对每个Gi,i＝0,1,…,p-1随机生成r个分辨率为H×W的样本小块
R3：以密钥k2为随机数种子，将所有样本小块按均值聚类为p个类别S0,S1,…,Sp-1，在每个类别Sk中剔除灰度值不为Gk的样本小块，其中k＝0,1,…,p-1；
R4：将每个类别Sk按均值聚类划分为2个类别Sk,0和Sk,1，从中分别选取离Sk,0和Sk,1聚类中心位置最近的样本小块作为编码样本小块Ak,0和Ak,1；
R5：以密钥k3为随机数种子生成分辨率为M×N的2值参考图S＝(sx,y)M×N,sx,y∈{0,1}，根据秘密信息的长度控制参数l，通过密钥k4确定随机坐标序列T＝((xi,yi))l，其中(xi,yi)∈M×N且随机坐标序列T中坐标两两不等；
R6：输入分辨率为M·H×N·W的含密掩体图
根据随机坐标序列T＝((xi,yi))l和2值参考图S＝(sx,y)M×N，提取秘密信息B＝(bi)l，将
恢复为p阶掩体图像C″＝(c″x,y)M×N；
所述R6的具体方法为：
R6-1：输入分辨率为M·H×N·W的含密掩体图
R6-2：对于每个(xi,yi)，以(xi·H,yi·W)为左上角坐标，截取分辨率为H×W的样本小块R＝(rs,t)H×W，通过式(14)从
寻找与样本小块R＝(rs,t)H×W最接近的编码样本小块
R6-3：通过式(15)提取bi；
R6-4：重复R6-2～R6-3，至随机坐标序列T＝((xi,yi))l中的所有坐标处理完毕，得到秘密信息B＝(bi)l；
R6-5：将含密掩体图
分割为M×N个分辨率为H×W的小块Cx,y,x＝0,1,…,M-1,y＝0,1,…,N-1，通过式(14)找到Cx,y最接近的编码样本小块
提取
将
赋值给c″x,y，将c″x,y,x＝0,1,…,M-1,y＝0,1,…,N-1作为恢复的p阶掩体图像C″＝(c″x,y)M×N。
7.根据权利要求6所述的图像恢复方法，其特征在于，所述R1的具体方法为：
R1-1：输入初始系统参数μ∈[3.57,4]，初始密钥x0∈(0,1)和消除暂态效应的滤除迭代次数IT,IT＞0，通过式(1)连续生成的4个随机数作为预设密钥k1,k2,k3和k4：
ki＝μx0(1-x0) (1)
R1-2：从灰度区间[0,2n-1]选取p个区间，分别为[P0,P1],(P1,P2],…,(Pp-1,Pp]，其中Pi,i＝0,1,…,p通过式(2)进行确定：
R1-3：通过式(3)从p个区间中的每个区间内选择1个值作为Gi,i＝0,1,…,p-1：
其中，符号
表示向下取整；
所述R2的具体方法为：
将密钥k1作为随机数种子，通过式(7)对每个Gi,i＝0,1,…,p-1随机生成r个分辨率为H×W的样本小块
式(7)执行的具体功能为：
初始化分辨率为H×W的空白图像
通过式(8)计算空白图像
上生成的黑色像素点的数量X；
其中，符号
表示向上取整；
随机生成长度为X的随机坐标序列U＝((xk,yk))X，其中(xk,yk)∈H×W且U中坐标两两不等；
对于随机坐标序列U中的每个坐标(xk,yk)，置空白图像
上的元素
直至随机坐标序列U中的所有坐标处理完毕，得到样本小块
所述R3的具体方法为：
R3-1：对每个Gi,i＝0,1,…,p-1随机生成的r个分辨率为H×W的样本小块
随机选择1个样本小块作为初始聚类中心Dk，其中k＝0,1,…,p-1；
R3-2：通过式(9)计算
到Dk＝(ds,t)H×W的距离，其中i,k＝0,1,…,p-1,j＝0,1,…,r-1，按距离最小找到样本小块
所属的类别Sind,ind∈{0,1,…,p-1}，将其加入到Sind中；
其中，
为欧式距离计算函数；
R3-3：记
是Sk中的第i个样本小块，|Sk|是Sk中的样本小块数量，通过式(10)计算Sk中所有样本小块的均值块Mk，通过式(11)计算聚类中心，通过式(12)进行更新聚类中心，其中i＝0,1,…,|Sk|-1,k＝0,1,…,p-1；
R3-4：重复R3-2～R3-3，至当前重复结果与上次重复结果一致或达到预设重复次数，输出S0,S1,…,Sp-1，将Sk中灰度值不为Gk的样本小块删除，其中k＝0,1,…,p-1。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求6至7任一项所述方法的步骤。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求6至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910711931.5A CN110430336B (zh) | 2019-08-02 | 2019-08-02 | 图像隐藏和恢复的方法、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910711931.5A CN110430336B (zh) | 2019-08-02 | 2019-08-02 | 图像隐藏和恢复的方法、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110430336A CN110430336A (zh) | 2019-11-08 |
| CN110430336B true CN110430336B (zh) | 2021-05-11 |
Family
ID=68412322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910711931.5A Active CN110430336B (zh) | 2019-08-02 | 2019-08-02 | 图像隐藏和恢复的方法、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110430336B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111259177B (zh) * | 2020-01-10 | 2023-07-18 | 深圳盒子信息科技有限公司 | 一种黑白二值签名图片存储方法和系统 |
| CN112184841B (zh) * | 2020-09-27 | 2024-06-07 | 陕西师范大学 | 块替换生成式信息隐藏及恢复方法、设备及介质 |
| CN112235291B (zh) * | 2020-10-13 | 2023-04-07 | 陕西师范大学 | 逐像素纹理生成式信息隐藏及恢复方法、设备及介质 |
| CN112288617B (zh) * | 2020-10-28 | 2024-04-26 | 陕西师范大学 | 基于马赛克拼图的信息隐藏及恢复方法、设备及介质 |
| CN117274879A (zh) * | 2023-10-10 | 2023-12-22 | 扬州大自然网络信息有限公司 | 一种工业网络安全智能防御系统及其方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102263879A (zh) * | 2010-05-27 | 2011-11-30 | 郭景明 | 图像数据处理系统及其相关数据隐藏方法 |
| CN106530203A (zh) * | 2016-10-28 | 2017-03-22 | 武汉大学 | 一种基于纹理复杂度的jpeg图像自适应隐写方法 |
| CN107818266A (zh) * | 2017-10-26 | 2018-03-20 | 浙江财经大学 | 基于像素置换的自适应可逆信息隐藏方法 |
| CN109388959A (zh) * | 2018-09-30 | 2019-02-26 | 陕西师范大学 | 结合差异聚类和最小误差纹理合成的生成式信息隐藏方法 |
| CN109800585A (zh) * | 2018-12-04 | 2019-05-24 | 王继军 | 一种图像插值空间完全可逆可分离密文域信息隐藏算法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9639912B2 (en) * | 2014-12-30 | 2017-05-02 | University Of Macau | Method for reversible image data hiding |
-
2019
- 2019-08-02 CN CN201910711931.5A patent/CN110430336B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102263879A (zh) * | 2010-05-27 | 2011-11-30 | 郭景明 | 图像数据处理系统及其相关数据隐藏方法 |
| CN106530203A (zh) * | 2016-10-28 | 2017-03-22 | 武汉大学 | 一种基于纹理复杂度的jpeg图像自适应隐写方法 |
| CN107818266A (zh) * | 2017-10-26 | 2018-03-20 | 浙江财经大学 | 基于像素置换的自适应可逆信息隐藏方法 |
| CN109388959A (zh) * | 2018-09-30 | 2019-02-26 | 陕西师范大学 | 结合差异聚类和最小误差纹理合成的生成式信息隐藏方法 |
| CN109800585A (zh) * | 2018-12-04 | 2019-05-24 | 王继军 | 一种图像插值空间完全可逆可分离密文域信息隐藏算法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于DCT域相关性的非对称JPEG隐写;毛炳华等;《计算机科学》;20190131;第46卷(第1期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110430336A (zh) | 2019-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110430336B (zh) | 图像隐藏和恢复的方法、设备和存储介质 | |
| Liu et al. | Coverless steganography based on image retrieval of DenseNet features and DWT sequence mapping | |
| Baluja | Hiding images in plain sight: Deep steganography | |
| Liao et al. | New cubic reference table based image steganography | |
| US20230008085A1 (en) | Method for embedding watermark in video data and apparatus, method for extracting watermark in video data and apparatus, device, and storage medium | |
| CN108961141B (zh) | 矢量地图的双重零水印方法、系统、存储介质及服务器 | |
| CN108648133B (zh) | 一种结合块旋转和马赛克的无嵌入伪装方法 | |
| Liu et al. | Data hiding based on extended turtle shell matrix construction method | |
| CN110430337B (zh) | 图像伪装及图像恢复的方法、设备和存储介质 | |
| CN110475038B (zh) | 一种结合最小闭包编码的字符画生成式隐藏及恢复方法 | |
| Chang et al. | A robust DCT-2DLDA watermark for color images | |
| CN109388959B (zh) | 结合差异聚类和最小误差纹理合成的生成式信息隐藏方法 | |
| CN112085016A (zh) | 基于roi和iwt医学图像篡改认证及恢复的鲁棒水印方法 | |
| CN110475039A (zh) | 线条艺术画隐藏和恢复的方法、设备及存储介质 | |
| CN110430335B (zh) | 一种信息伪装和恢复的方法、设备及存储介质 | |
| CN110430334B (zh) | 一种基于扇形构图单元叠加的马赛克拼图伪装及恢复方法 | |
| Wu et al. | An image authentication and recovery system based on discrete wavelet transform and convolutional neural networks | |
| CN110417551B (zh) | 一种结合误差扩散的字符画生成式伪装及恢复方法 | |
| CN112184841B (zh) | 块替换生成式信息隐藏及恢复方法、设备及介质 | |
| CN104835107B (zh) | 基于分块序列的数字图像伪装及重构方法 | |
| CN109447886B (zh) | 结合emd-21嵌入的带恢复多载体密图分存方法 | |
| CN109194846B (zh) | 一种基于复杂度的EMD(n,m,δ)自适应图像密写方法 | |
| CN108717683B (zh) | 一种结合密钥和随机正交张量基的密图伪装恢复方法 | |
| Wang | An efficient multiple-bit reversible data hiding scheme without shifting | |
| Qiu et al. | Rich-information watermarking scheme for 3D models of oblique photography |
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 |