CN110473136B - 基于surf-dct混合的图像处理方法及装置 - Google Patents
基于surf-dct混合的图像处理方法及装置 Download PDFInfo
- Publication number
- CN110473136B CN110473136B CN201910730369.0A CN201910730369A CN110473136B CN 110473136 B CN110473136 B CN 110473136B CN 201910730369 A CN201910730369 A CN 201910730369A CN 110473136 B CN110473136 B CN 110473136B
- Authority
- CN
- China
- Prior art keywords
- encrypted
- image data
- feature
- binary
- matrix
- 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
- 238000002156 mixing Methods 0.000 title claims abstract description 20
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 144
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 40
- 238000000605 extraction Methods 0.000 claims abstract description 24
- 230000000739 chaotic effect Effects 0.000 claims description 87
- 238000000034 method Methods 0.000 claims description 70
- 238000001914 filtration Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 20
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/147—Discrete orthonormal transforms, e.g. discrete cosine transform, discrete sine transform, and variations therefrom, e.g. modified discrete cosine transform, integer transforms approximating the discrete cosine transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Discrete Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于SURF‑DCT混合的图像处理方法,包括:应用SURF算法对待加密图像数据进行特征提取,得到关键特征数据,依据关键特征数据确定特征描述符;应用DCT算法计算特征描述符,得到DCT系数集合;在该集合中选取符合预设条件的DCT系数,以构建目标特征矩阵并进行哈希运算,得到特征二值序列;获取加密水印二值矩阵;将特征二值序列与加密水印二值矩阵进行异或运算,以将加密水印二值矩阵对应的加密水印嵌入待加密图像数据中。能够在DCT系数集合中选取符合预设条件的DCT系数构建目标特征矩阵,使得将加密水印二值矩阵对应的加密水印嵌入待加密图像数据时,能够有效的减小对待加密图像数据的破坏。
Description
技术领域
本发明涉及图像处理领域,特别涉及一种基于SURF-DCT混合的图像处理方法及装置。
背景技术
随着信息科技的发展,人们的应用网络进行信息交互也越来越方便快捷。人们可以通过传递图片、文字及视频等与外界进行信息交互,其中,图像数据作为一种信息传递载体,由于其展示信息的直观性,广受人们的欢迎。
在利用图像数据承载信息时,需要考虑保护图像数据的隐私或版权,为了保护图像数据,往往需要对图像数据进行加密,经本发明人研究发现,现有技术中,通常是将加密水印嵌入图像数据中,来实现对图像数据进行加密,然而,现有技术中,将加密水印嵌入图像数据时,会对图像数据有较大的破坏,导致图像数据失实。
发明内容
本发明所要解决的技术问题是提供一种基于SURF-DCT混合的图像处理方法,能够在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵,使得将所述加密水印二值矩阵对应的加密水印嵌入所述待加密图像数据时,能够有效的减小对待加密图像数据的破坏。
本发明还提供了一种基于SURF-DCT混合的图像处理装置,用以保证上述方法在实际中的实现及应用。
一种基于SURF-DCT混合的图像处理方法,包括:
获取待加密图像数据,应用加速鲁棒性特征SURF算法对所述待加密图像数据进行特征提取,得到所述待加密图像数据的关键特征数据;
依据所述关键特征数据确定所述待加密图像数据的特征描述符;
应用全局离散余弦变换DCT算法对所述特征描述符进行计算,得到所述待加密图像数据的DCT系数集合;
在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵;
对所述目标特征矩阵进行哈希运算,得到与所述待加密图像数据相对应的特征二值序列;
获取与所述特征二值序列对应的加密水印二值矩阵;
将所述特征二值序列与所述加密水印二值矩阵进行异或运算,以将所述加密水印二值矩阵对应的加密水印嵌入所述待加密图像数据中,得到加密图像数据。
上述的方法,可选的,所述应用加速鲁棒性特征SURF算法对所述待加密图像数据进行特征提取,得到所述待加密图像数据的关键特征数据,包括:
应用预先设置的高斯滤波器对所述待加密图像数据进行高斯滤波;
构建与滤波后的所述待加密图像数据相对应的黑塞矩阵;
调用预先设置的关键特征数据判别式对所述黑塞矩阵进行运算,以得到所述待加密图像数据对应的关键特征数据。
上述的方法,可选的,在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵,包括:
确定所述DCT系数集合中的各个DCT系数的权重值,所述权重值表征与其对应的DCT系数对DCT系数均值大小的影响程度;
分别判断各个所述权重值是否小于预设的阈值;
将小于所述阈值的所述权重值对应DCT系数,确定为满足预设条件的DCT系数;
将满足预设条件的各个所述DCT系数组成目标特征矩阵。
上述的方法,可选的,获取与所述特征二值序列对应的加密水印二值矩阵,包括:
生成与预设的混沌参数对应的二值混沌序列,所述混沌参数包括初始值、生长参数及迭代次数;
获取与所述特征二值序列对应的二值水印图像数据;
将所述二值混沌序列中的各个混沌值及所述二值水印图像数据中的各个像素值进关联;
确定每个所述像素值关联的所述混沌值的第一排列序号,依据各个所述第一排列序号对各个所述像素值进行置乱操作,得到与所述特征二值序列对应的加密水印二值矩阵;其中,所述第一排列序号是依据各个所述混沌值的由小至大的顺序确定的。
上述的方法,可选的,还包括:
将所述特征二值序列与所述加密水印二值矩阵进行异或运算的运算结果,确定为加密密钥;
应用加速鲁棒性特征SURF算法对所述加密图像数据进行特征提取,得到所述加密图像数据的第一关键特征数据;
依据所述第一关键特征数据确定所述加密图像数据的第一特征描述符;
应用全局离散余弦变换DCT算法对所述第一特征描述符进行计算,得到所述加密图像数据的第一DCT系数集合;
在所述第一DCT系数集合中选取符合预设条件的各个第一DCT系数,以构建第一目标特征矩阵;
对所述第一目标特征矩阵进行哈希运算,得到与所述加密图像数据相对应的目标特征二值序列;
将所述加密密钥与所述目标特征二值序列进行异或运算,得到目标加密水印二值矩阵;
依据目标加密水印二值矩阵中的各个目标像素值的空间位置信息,为各个所述目标像素值分配第二排列序号;
确定各个所述混沌值与各个所述目标像素值之间的关联关系,所述关联关系表征第一排列序号的序号值与第二排列序号的序号值一致;
获取每个所述混沌值的空间位置信息;
依据各个所述混沌值的空间位置信息,分别调整与每个所述混沌值相关联的目标像素值的空间位置信息,得到目标二值水印图像数据。
一种基于SURF-DCT混合的图像处理装置,包括:
第一获取单元,用于获取待加密图像数据,应用加速鲁棒性特征SURF算法对所述待加密图像数据进行特征提取,得到所述待加密图像数据的关键特征数据;
第一确定单元,用于依据所述关键特征数据确定所述待加密图像数据的特征描述符;
第一运算单元,用于应用全局离散余弦变换DCT算法对所述特征描述符进行计算,得到所述待加密图像数据的DCT系数集合;
第一选取单元,用于在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵;
第二运算单元,用于对所述目标特征矩阵进行哈希运算,得到与所述待加密图像数据相对应的特征二值序列;
第二获取单元,用于获取与所述特征二值序列对应的加密水印二值矩阵;
第三运算单元,用于将所述特征二值序列与所述加密水印二值矩阵进行异或运算,以将所述加密水印二值矩阵对应的加密水印嵌入所述待加密图像数据中,得到加密图像数据。
上述的装置,可选的,所述第一获取单元,包括:
滤波子单元,用于应用预先设置的高斯滤波器对所述待加密图像数据进行高斯滤波;
构建子单元,用于构建与滤波后的所述待加密图像数据相对应的黑塞矩阵;
运算子单元,用于调用预先设置的关键特征数据判别式对所述黑塞矩阵进行运算,以得到所述待加密图像数据对应的关键特征数据。
上述的装置,可选的,所述第一选取单元,包括:
第一确定子单元,用于确定所述DCT系数集合中的各个DCT系数的权重值,所述权重值表征与其对应的DCT系数对DCT系数均值大小的影响程度;
判断子单元,用于分别判断各个所述权重值是否小于预设的阈值;
第二确定子单元,用于将小于所述阈值的所述权重值对应DCT系数,确定为满足预设条件的DCT系数;
执行子单元,用于将满足预设条件的各个所述DCT系数组成目标特征矩阵。
上述的装置,可选的,所述第二获取单元,包括:
生成子单元,生成与预设的混沌参数对应的二值混沌序列,所述混沌参数包括初始值、生长参数及迭代次数;
获取子单元,用于获取与所述特征二值序列对应的二值水印图像数据;
将所述二值混沌序列中的各个混沌值及所述二值水印图像数据中的各个像素值进关联;
第三确定子单元,用于确定每个所述像素值关联的所述混沌值的第一排列序号,依据各个所述第一排列序号对各个所述像素值进行置乱操作,得到与所述特征二值序列对应的加密水印二值矩阵;其中,所述第一排列序号是依据各个所述混沌值的由小至大的顺序确定的。
上述的装置,可选的,还包括:
第二确定单元,用于将所述特征二值序列与所述加密水印二值矩阵进行异或运算的运算结果,确定为加密密钥;
提取单元,用于应用加速鲁棒性特征SURF算法对所述加密图像数据进行特征提取,得到所述加密图像数据的第一关键特征数据;
第三确定单元,用于依据所述第一关键特征数据确定所述加密图像数据的第一特征描述符;
第四运算单元,用于应用全局离散余弦变换DCT算法对所述第一特征描述符进行计算,得到所述加密图像数据的第一DCT系数集合;
第二选取子单元,用于在所述第一DCT系数集合中选取符合预设条件的各个第一DCT系数,以构建第一目标特征矩阵;
第五运算单元,用于对所述第一目标特征矩阵进行哈希运算,得到与所述加密图像数据相对应的目标特征二值序列;
第六运算单元,用于将所述加密密钥与所述目标特征二值序列进行异或运算,得到目标加密水印二值矩阵;
分配单元,用于依据目标加密水印二值矩阵中的各个目标像素值的空间位置信息,为各个所述目标像素值分配第二排列序号;
第四确定单元,用于确定各个所述混沌值与各个所述目标像素值之间的关联关系,所述关联关系表征第一排列序号的序号值与第二排列序号的序号值一致;
第三获取单元,用于获取每个所述混沌值的空间位置信息;
调整单元,用于依据各个所述混沌值的空间位置信息,分别调整与每个所述混沌值相关联的目标像素值的空间位置信息,得到目标二值水印图像数据。
与现有技术相比,本发明包括以下优点:
本发明提供了一种基于SURF-DCT混合的图像处理方法,包括:
获取待加密图像数据,应用加速鲁棒性特征SURF算法对所述待加密图像数据进行特征提取,得到所述待加密图像数据的关键特征数据;依据所述关键特征数据确定所述待加密图像数据的特征描述符;应用全局离散余弦变换DCT算法对所述特征描述符进行计算,得到所述待加密图像数据的DCT系数集合;在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵;对所述目标特征矩阵进行哈希运算,得到与所述待加密图像数据相对应的特征二值序列;获取与所述特征二值序列对应的加密水印二值矩阵;将所述特征二值序列与所述加密水印二值矩阵进行异或运算,以将所述加密水印二值矩阵对应的加密水印嵌入所述待加密图像数据中,得到加密图像数据。能够在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵,使得将所述加密水印二值矩阵对应的加密水印嵌入所述待加密图像数据时,能够有效的减小对待加密图像数据的破坏。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于SURF-DCT混合的图像处理方法的方法流程图;
图2为本发明提供的一种基于SURF-DCT混合的图像处理方法的又一方法流程图;
图3为本发明提供的一种基于SURF-DCT混合的图像处理装置的结构示意图;
图4为本发明提供的一种电子设备的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,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,都属于本发明保护的范围。
本发明可用于众多通用或专用的计算装置环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。
本发明实施例提供了一种基于SURF-DCT混合的图像处理方法,该方法可以应用在多种系统平台,其执行主体可以为计算机终端或各种移动设备的处理器,所述方法的方法流程图如图1所示,具体包括:
S101:获取待加密图像数据,应用加速鲁棒性特征(Speed Up Robust Features,SURF)算法对所述待加密图像数据进行特征提取,得到所述待加密图像数据的关键特征数据。
本发明实施例提供的方法,该待加密图像数据可以是各种类型的图像数据,优选的,该待加密图像数据为医学图像数据。应用SURF算法对该待加密图像数据进行特征向量的提取,得到该待加密图像数据的关键特征数据,该关键特征数据可以为该待加密图像数据的特征向量矩阵。
S102:依据所述关键特征数据确定所述待加密图像数据的特征描述符。
本发明实施例提供的方法中,对该关键特征数据进行相应的处理,即可得到该待加密图像数据的特征描述符,该特征描述符可以用于表示图像的特征,例如边缘、角点及轮廓等。该特征描述符可以为一个矩阵。
S103:应用全局离散余弦变换DCT算法对所述特征描述符进行计算,得到所述待加密图像数据的DCT系数集合。
本发明实施例提供的方法中,将应用全局离散余弦变换DCT对该特征描述符进行计算,即可得到DCT系数集合,DCT系数集合可以包含多个DCT系数。该DCT系数集合可以为DCT系数矩阵。DCT系数矩阵中的元素为DCT系数。
S104:在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵。
本发明实施例提供的方法中,在该DCT系数集合中确定对图像数据影响较小的各个DCT系数,以构成候选DCT系数集合,在该候选DCT系数集合中选取预设数目的DCT系数,以构建目标特征矩阵。
S105:对所述目标特征矩阵进行哈希运算,得到与所述待加密图像相对应的特征二值序列。
本发明实施例提供的方法中,通过调用预先设置的哈希函数对该目标特征矩阵进行运算的过程,具体可以为,确定该DCT系数集合中的各个DCT系数的DCT系数平均值,调用预先设置的哈希函数,将目标特征矩阵中包含的各个DCT系数分别与DCT系数平均值进行比较,将大于DCT系数平均值的各个DCT系数置1,将小于DCT系数平均值的各个DCT系数置零,即可得到与待加密图像相对应的特征二值矩阵,该特征二值矩阵可以为待加密图像的视觉特征序列。
S106:获取与所述特征二值序列对应的加密水印二值矩阵。
本发明实施例提供的方法中,获取与所述特征二值序列对应的加密水印二值矩阵的过程,具体的,可以依据用户预先设置二值文本图像数据,并应用混沌加密算法对该二值文本图像数据进行加密,得到加密水印二值矩阵。
S107:将所述特征二值序列与所述加密水印二值矩阵进行异或运算,以将所述加密水印二值矩阵对应的加密水印嵌入所述待加密图像数据中,得到加密图像数据。
本发明实施例提供的方法中,可以所述特征二值序列与所述加密水印二值矩阵进行异或运算的运算结果确定为加密密钥,并将该加密密钥进行保存。
本发明提供了一种基于SURF-DCT混合的图像处理方法,包括:获取待加密图像数据,应用加速鲁棒性特征SURF算法对所述待加密图像数据进行特征提取,得到所述待加密图像数据的关键特征数据;依据所述关键特征数据确定所述待加密图像数据的特征描述符;应用全局离散余弦变换DCT算法对所述特征描述符进行计算,得到所述待加密图像数据的DCT系数集合;在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵;对所述目标特征矩阵进行哈希运算,得到与所述待加密图像数据相对应的特征二值序列;获取与所述特征二值序列对应的加密水印二值矩阵;将所述特征二值序列与所述加密水印二值矩阵进行异或运算,以将所述加密水印二值矩阵对应的加密水印嵌入所述待加密图像数据中,得到加密图像数据。能够在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵,使得将所述加密水印二值矩阵对应的加密水印嵌入所述待加密图像数据时,能够有效的减小对待加密图像数据的破坏。
本发明实施例提供的的方法中,基于上述的实施过程,具体的,所述应用加速鲁棒性特征SURF算法对所述待加密图像数据进行特征提取,得到所述待加密图像数据的关键特征数据,包括:
应用预先设置的高斯滤波器对所述待加密图像数据进行高斯滤波;
构建与滤波后的所述待加密图像数据相对应的黑塞矩阵;
调用预先设置的关键特征数据判别式对所述黑塞矩阵进行运算,以得到所述待加密图像数据对应的关键特征数据。
本发明实施例提供的方法中,通过对待加密图像数据进行高斯滤波,可以消除图片的高斯噪声。构建与滤波后该待加密图像数据数据的对应的黑塞Hessian矩阵;具体可以为:
其中,I(x,y)为该待待加密图像数据的像素值。
本发明实施提供的方法中,关键特征数据判别式如下,可以为
其中,H矩阵为关键特征数据。
本发明实施例提供的方法中,通过调用预先设置的关键特征数据判别式对所述黑塞矩阵进行运算,以得到所述待加密图像数据对应的关键特征数据,具体为通过特定核间的卷积计算二阶偏导数,这样便能计算出H矩阵的三个矩阵元素,该H矩阵可以表示为:
本发明实施例提供的的方法中,基于上述的实施过程,具体的,在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵的过程,如图2所示,可以包括:
确定所述DCT系数集合中的各个DCT系数的权重值,所述权重值表征与其对应的DCT系数对DCT系数均值大小的影响程度。
分别判断各个所述权重值是否小于预设的阈值。
将小于所述阈值的所述权重值对应DCT系数,确定为满足预设条件的DCT系数;
将满足预设条件的各个所述DCT系数组成目标特征矩阵。
本发明实施例提供的的方法中,基于上述的实施过程,具体的,获取与所述特征二值序列对应的加密水印二值矩阵,如图2所示,可以包括:
S201:生成与预设的混沌参数对应的二值混沌序列,所述混沌参数包括初始值、生长参数及迭代次数。
本发明实施例提供的方法中,该初始值可以设置为0.2,生长参数可以设置为4,迭代次数可以为32。
本发明实施例提供的方法中,该二值混沌序列可以为Logistic混沌序列.
S202:获取与所述特征二值序列对应的二值水印图像数据。
本发明实施例提供的方法中,该二值水印图像数据可以为用户预先设置的。
S203:将所述二值混沌序列中的各个混沌值及所述二值水印图像数据中的各个像素值进关联。
本发明实施例提供的方法中,确定二值混沌序列中各个混沌值的空间位置信息,及二值水印图像数据的各个像素值空间位置信息,将各个混沌值的空间位置信息与各个像素值空间位置信息进行比较,将空间位置信息一致的混沌值及像素值进行关联。混沌值的空间位置信息为混沌值在二值混沌序列中的排列位置序号,像素值的空间位置信息为像素值在二值水印图像中的排列位置序号。
S204:确定每个所述像素值关联的所述混沌值的第一排列序号,依据各个所述第一排列序号对各个所述像素值进行置乱操作,得到与所述特征二值序列对应的加密水印二值矩阵;其中,所述第一排列序号是依据各个所述混沌值的由小至大的顺序确定的。
本发明实施例提供的方法中,依据各个所述第一排列序号对各个所述像素值进行置乱操作的过程,可以为,将每个所述像素值依据与其关联的混沌值的第一排列序号进行排序,即依据各个第一排列序号调整各个像素值的空间位置。
本发明实施例提供的的方法中,基于上述的实施过程,具体的,还包括:
将所述特征二值序列与所述加密水印二值矩阵进行异或运算的运算结果,确定为加密密钥;
应用加速鲁棒性特征SURF算法对所述加密图像数据进行特征提取,得到所述加密图像数据的第一关键特征数据;
依据所述第一关键特征数据确定所述加密图像数据的第一特征描述符;
应用全局离散余弦变换DCT算法对所述第一特征描述符进行计算,得到所述加密图像数据的第一DCT系数集合;
在所述第一DCT系数集合中选取符合预设条件的各个第一DCT系数,以构建第一目标特征矩阵;
对所述第一目标特征矩阵进行哈希运算,得到与所述加密图像数据相对应的目标特征二值序列;
将所述加密密钥与所述目标特征二值序列进行异或运算,得到目标加密水印二值矩阵;
依据目标加密水印二值矩阵中的各个目标像素值的空间位置信息,为各个所述目标像素值分配第二排列序号;
确定各个所述混沌值与各个所述目标像素值之间的关联关系,所述关联关系表征第一排列序号的序号值与第二排列序号的序号值一致;
获取每个所述混沌值的空间位置信息;
依据各个所述混沌值的空间位置信息,分别调整与每个所述混沌值相关联的目标像素值的空间位置信息,得到目标二值水印图像数据。
本发明实施例提供的方法中,将所述特征二值序列与所述加密水印特征矩阵进行异或运算的运算结果,确定为加密密钥的过程,如下:
其中,Key(i,j)为加密密钥,BW(i,j)为加密水印二值矩阵,V(i,j)为特征二值序列。
本发明实施例提供的方法中,可以将二值水印图像数据与目标二值水印图像数据进行比较,以生成相关系数,该相关系数可用于衡量加密效果;即,算法的鲁棒性。相关系数越大,算法的鲁棒性好。该相关系数的具体计算过程如下:
其中,NC为相关系数,W(i,j)为二值水印图像数据,w'(i,j)为目标二值水印图像数据。
本发明实施例提供的方法中,应用全局离散余弦变换DCT算法对所述第一特征描述符进行计算,得到所述加密图像数据的第一DCT系数集合的过程,可以为:
本发明实施例提供的方法中,为了具体说明上述实施例的实施过程,下面进行举例说明:
选择一个有意义的二值文本图像作为嵌入医学图像的水印,记为W={w(i,j)|w(i,j)=0,1;1≤i≤M1,1≤j≤M2}。同时,选取一个脑部切片医学图像作为原始医学图像,记为I(i,j)。W(i,j)表示水印的像素灰度值,I(i,j)表示水印和原始医学图像的像素灰度值。
本发明实施例提供的方法中,提取医学图像的特征二值序列的过程如下:
步骤a1、对原始医学图像I(i,j)进行SURF变换,获取依据图像的关键特征数据,该关键特征数据可以为H矩阵;
步骤a2、对H矩阵进行处理后得到特征描述符R(i,j),再DCT变换得到DCT系数集合F(i,j);其中,F(i,j)=DCT2(R(i,j))。
步骤a3、在DCT系数集合中选取符合预设条件的DCT系数,构成目标特征矩阵矩阵A(i,j),其中,A(i,j)为4×8的矩阵。
步骤a4、利用哈希函数,生成32位医学图像的特征二值序列V(i,j)。
本发明实施例提供的方法中,对水印的加密的过程如下:
步骤b1、设置混沌参数,将初始值x0生成混沌序列X(j),将混沌系数的初值设为0.2,生长参数为4,迭代次数为32;依据混沌参数构建二值混沌序列。
步骤b2、将混沌序列X(j)中值按照由小及大顺序做排序操作,接着依照X(j)中各个值排序前后的位置变化对水印像素的位置空间进行置乱,得到混沌置乱的水印BW(i,j)。
本发明实施例提供的方法中,将水印的嵌入医学图像的过程,如下:
步骤c2、保存逻辑密钥Key(i,j)。通过将Key(i,j)作为密钥向第三方申请,可以获得原始医学图像的所有权和使用权,从而达到保护医学图像的目的。
本发明实施例提供的方法中,水印的提取过程,如下:
步骤d1、对已嵌入水印的医学图像I'(i,j)进行SURF处理,得到第一特征描述符,对该第一特征描述符进行DCT变换得到第一DCT系数集合F'(i,j),选取符合预设条件的第一DCT系数,以构建第一目标特征矩阵,通过哈希函数得到已嵌入水印的医学图像的第一目标特征二值矩阵V'(i,j),即为该已嵌入水印的医学图像的视觉特征序列;其中,FD'(i,j)=DFT2(f'A(i,j))。
步骤d2、将待测加密图像的特征向量V'(i,j)和逻辑密钥Key(i,j)进行异或运算,提取出目标加密的水印BW'(i,j)。
本发明实施例提供的方法中,水印的解密过程,如下:
步骤e1、设置混沌参数,将初始值x0生成二值混沌序列X(j),其中,将混沌系数的初值设为0.2,生长参数为4,迭代次数为32。
步骤e2、依照由小及大的顺序对已经获取的X(j)中的各个值做排序操作;然后,根据它中各个值排序前后的位置变化对水印中的像素的位置空间进行还原得到还原的水印W'(i,j)。
步骤e3、通过计算W(i,j)和W'(i,j)的相关系数NC,确定医学图像的所有权和嵌入的水印信息。
上述各个具体的实现方式,及各个实现方式的衍生过程,均在本发明保护范围内。
与图1所述的方法相对应,本发明实施例还提供了一种基于SURF-DCT混合的图像处理装置,用于对图1中方法的具体实现,本发明实施例提供的一种基于SURF-DCT混合的图像处理装置可以应用计算机终端或各种移动设备中,其结构示意图如图3所示,具体包括:
第一获取单元301,用于获取待加密图像数据,应用加速鲁棒性特征SURF算法对所述待加密图像数据进行特征提取,得到所述待加密图像数据的关键特征数据;
第一确定单元302,用于依据所述关键特征数据确定所述待加密图像数据的特征描述符;
第一运算单元303,用于应用全局离散余弦变换DCT算法对所述特征描述符进行计算,得到所述待加密图像数据的DCT系数集合;
第一选取单元304,用于在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵;
第二运算单元305,用于对所述目标特征矩阵进行哈希运算,得到与所述待加密图像数据相对应的特征二值序列;
第二获取单元306,用于获取与所述特征二值序列对应的加密水印二值矩阵;
第三运算单元307,用于将所述特征二值序列与所述加密水印二值矩阵进行异或运算,以将所述加密水印二值矩阵对应的加密水印嵌入所述待加密图像数据中,得到加密图像数据。
本发明实施例提供的装置中,所述第一获取单元301,包括:
滤波子单元,用于应用预先设置的高斯滤波器对所述待加密图像数据进行高斯滤波;
构建子单元,用于构建与滤波后的所述待加密图像数据相对应的黑塞矩阵;
运算子单元,用于调用预先设置的关键特征数据判别式对所述黑塞矩阵进行运算,以得到所述待加密图像数据对应的关键特征数据。
本发明实施例提供的装置中,所述第一选取单元304,包括:
第一确定子单元,用于确定所述DCT系数集合中的各个DCT系数的权重值,所述权重值表征与其对应的DCT系数对DCT系数均值大小的影响程度;
判断子单元,用于分别判断各个所述权重值是否小于预设的阈值;
第二确定子单元,用于将小于所述阈值的所述权重值对应DCT系数,确定为满足预设条件的DCT系数;
执行子单元,用于将满足预设条件的各个所述DCT系数组成目标特征矩阵。
本发明实施例提供的装置中,所述第二获取单元306,包括:
生成子单元,生成与预设的混沌参数对应的二值混沌序列,所述混沌参数包括初始值、生长参数及迭代次数;
获取子单元,用于获取与所述特征二值序列对应的二值水印图像数据;
将所述二值混沌序列中的各个混沌值及所述二值水印图像数据中的各个像素值进关联;
第三确定子单元,用于确定每个所述像素值关联的所述混沌值的第一排列序号,依据各个所述第一排列序号对各个所述像素值进行置乱操作,得到与所述特征二值序列对应的加密水印二值矩阵;其中,所述第一排列序号是依据各个所述混沌值的由小至大的顺序确定的。
本发明实施例提供的装置中,还包括:
第二确定单元,用于将所述特征二值序列与所述加密水印二值矩阵进行异或运算的运算结果,确定为加密密钥;
提取单元,用于应用加速鲁棒性特征SURF算法对所述加密图像数据进行特征提取,得到所述加密图像数据的第一关键特征数据;
第三确定单元,用于依据所述第一关键特征数据确定所述加密图像数据的第一特征描述符;
第四运算单元,用于应用全局离散余弦变换DCT算法对所述第一特征描述符进行计算,得到所述加密图像数据的第一DCT系数集合;
第二选取子单元,用于在所述第一DCT系数集合中选取符合预设条件的各个第一DCT系数,以构建第一目标特征矩阵;
第五运算单元,用于对所述第一目标特征矩阵进行哈希运算,得到与所述加密图像数据相对应的目标特征二值序列;
第六运算单元,用于将所述加密密钥与所述目标特征二值序列进行异或运算,得到目标加密水印二值矩阵;
分配单元,用于依据目标加密水印二值矩阵中的各个目标像素值的空间位置信息,为各个所述目标像素值分配第二排列序号;
第四确定单元,用于确定各个所述混沌值与各个所述目标像素值之间的关联关系,所述关联关系表征第一排列序号的序号值与第二排列序号的序号值一致;
第三获取单元,用于获取每个所述混沌值的空间位置信息;
调整单元,用于依据各个所述混沌值的空间位置信息,分别调整与每个所述混沌值相关联的目标像素值的空间位置信息,得到目标二值水印图像数据。
本发明实施例还提供了一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行上述一种基于SURF-DCT混合的图像处理方法。
本发明实施例还提供了一种电子设备,其结构示意图如图4所示,具体包括存储器401,以及一个或者一个以上的指令402,其中一个或者一个以上指令402存储于存储器401中,且经配置以由一个或者一个以上处理器403执行所述一个或者一个以上指令402进行以下操作:
获取待加密图像数据,应用加速鲁棒性特征SURF算法对所述待加密图像数据进行特征提取,得到所述待加密图像数据的关键特征数据;
依据所述关键特征数据确定所述待加密图像数据的特征描述符;
应用全局离散余弦变换DCT算法对所述特征描述符进行计算,得到所述待加密图像数据的DCT系数集合;
在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵;
对所述目标特征矩阵进行哈希运算,得到与所述待加密图像数据相对应的特征二值序列;
获取与所述特征二值序列对应的加密水印二值矩阵;
将所述特征二值序列与所述加密水印二值矩阵进行异或运算,以将所述加密水印二值矩阵对应的加密水印嵌入所述待加密图像数据中,得到加密图像数据。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明所提供的一种基于SURF-DCT混合的图像处理方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于SURF-DCT混合的图像处理方法,其特征在于,包括:
获取待加密图像数据,应用加速鲁棒性特征SURF算法对所述待加密图像数据进行特征提取,得到所述待加密图像数据的关键特征数据;
依据所述关键特征数据确定所述待加密图像数据的特征描述符;
应用全局离散余弦变换DCT算法对所述特征描述符进行计算,得到所述待加密图像数据的DCT系数集合;
在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵;
对所述目标特征矩阵进行哈希运算,得到与所述待加密图像数据相对应的特征二值序列;
获取与所述特征二值序列对应的加密水印二值矩阵;
将所述特征二值序列与所述加密水印二值矩阵进行异或运算,以将所述加密水印二值矩阵对应的加密水印嵌入所述待加密图像数据中,得到加密图像数据;
其中,所述在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵,包括:
确定所述DCT系数集合中的各个DCT系数的权重值,所述权重值表征与其对应的DCT系数对DCT系数均值大小的影响程度;
分别判断各个所述权重值是否小于预设的阈值;
将小于所述阈值的所述权重值对应DCT系数,确定为满足预设条件的DCT系数;
将满足预设条件的各个所述DCT系数组成目标特征矩阵。
2.根据权利要求1所述的方法,其特征在于,所述应用加速鲁棒性特征SURF算法对所述待加密图像数据进行特征提取,得到所述待加密图像数据的关键特征数据,包括:
应用预先设置的高斯滤波器对所述待加密图像数据进行高斯滤波;
构建与滤波后的所述待加密图像数据相对应的黑塞矩阵;
调用预先设置的关键特征数据判别式对所述黑塞矩阵进行运算,以得到所述待加密图像数据对应的关键特征数据。
3.根据权利要求1所述的方法,其特征在于,获取与所述特征二值序列对应的加密水印二值矩阵,包括:
生成与预设的混沌参数对应的二值混沌序列,所述混沌参数包括初始值、生长参数及迭代次数;
获取与所述特征二值序列对应的二值水印图像数据;
将所述二值混沌序列中的各个混沌值及所述二值水印图像数据中的各个像素值进行关联;
确定每个所述像素值关联的所述混沌值的第一排列序号,依据各个所述第一排列序号对各个所述像素值进行置乱操作,得到与所述特征二值序列对应的加密水印二值矩阵;其中,所述第一排列序号是依据各个所述混沌值的由小至大的顺序确定的。
4.根据权利要求3所述的方法,其特征在于,还包括:
将所述特征二值序列与所述加密水印二值矩阵进行异或运算的运算结果,确定为加密密钥;
应用加速鲁棒性特征SURF算法对所述加密图像数据进行特征提取,得到所述加密图像数据的第一关键特征数据;
依据所述第一关键特征数据确定所述加密图像数据的第一特征描述符;
应用全局离散余弦变换DCT算法对所述第一特征描述符进行计算,得到所述加密图像数据的第一DCT系数集合;
在所述第一DCT系数集合中选取符合预设条件的各个第一DCT系数,以构建第一目标特征矩阵;
对所述第一目标特征矩阵进行哈希运算,得到与所述加密图像数据相对应的目标特征二值序列;
将所述加密密钥与所述目标特征二值序列进行异或运算,得到目标加密水印二值矩阵;
依据目标加密水印二值矩阵中的各个目标像素值的空间位置信息,为各个所述目标像素值分配第二排列序号;
确定各个所述混沌值与各个所述目标像素值之间的关联关系,所述关联关系表征第一排列序号的序号值与第二排列序号的序号值一致;
获取每个所述混沌值的空间位置信息;
依据各个所述混沌值的空间位置信息,分别调整与每个所述混沌值相关联的目标像素值的空间位置信息,得到目标二值水印图像数据。
5.一种基于SURF-DCT混合的图像处理装置,其特征在于,包括:
第一获取单元,用于获取待加密图像数据,应用加速鲁棒性特征SURF算法对所述待加密图像数据进行特征提取,得到所述待加密图像数据的关键特征数据;
第一确定单元,用于依据所述关键特征数据确定所述待加密图像数据的特征描述符;
第一运算单元,用于应用全局离散余弦变换DCT算法对所述特征描述符进行计算,得到所述待加密图像数据的DCT系数集合;
第一选取单元,用于在所述DCT系数集合中选取符合预设条件的各个DCT系数,以构建目标特征矩阵;
第二运算单元,用于对所述目标特征矩阵进行哈希运算,得到与所述待加密图像数据相对应的特征二值序列;
第二获取单元,用于获取与所述特征二值序列对应的加密水印二值矩阵;
第三运算单元,用于将所述特征二值序列与所述加密水印二值矩阵进行异或运算,以将所述加密水印二值矩阵对应的加密水印嵌入所述待加密图像数据中,得到加密图像数据;
其中,所述第一选取单元,包括:
第一确定子单元,用于确定所述DCT系数集合中的各个DCT系数的权重值,所述权重值表征与其对应的DCT系数对DCT系数均值大小的影响程度;
判断子单元,用于分别判断各个所述权重值是否小于预设的阈值;
第二确定子单元,用于将小于所述阈值的所述权重值对应DCT系数,确定为满足预设条件的DCT系数;
执行子单元,用于将满足预设条件的各个所述DCT系数组成目标特征矩阵。
6.根据权利要求5所述的装置,其特征在于,所述第一获取单元,包括:
滤波子单元,用于应用预先设置的高斯滤波器对所述待加密图像数据进行高斯滤波;
构建子单元,用于构建与滤波后的所述待加密图像数据相对应的黑塞矩阵;
运算子单元,用于调用预先设置的关键特征数据判别式对所述黑塞矩阵进行运算,以得到所述待加密图像数据对应的关键特征数据。
7.根据权利要求5所述的装置,其特征在于,所述第二获取单元,包括:
生成子单元,生成与预设的混沌参数对应的二值混沌序列,所述混沌参数包括初始值、生长参数及迭代次数;
获取子单元,用于获取与所述特征二值序列对应的二值水印图像数据;
将所述二值混沌序列中的各个混沌值及所述二值水印图像数据中的各个像素值进行关联;
第三确定子单元,用于确定每个所述像素值关联的所述混沌值的第一排列序号,依据各个所述第一排列序号对各个所述像素值进行置乱操作,得到与所述特征二值序列对应的加密水印二值矩阵;其中,所述第一排列序号是依据各个所述混沌值的由小至大的顺序确定的。
8.根据权利要求7所述的装置,其特征在于,还包括:
第二确定单元,用于将所述特征二值序列与所述加密水印二值矩阵进行异或运算的运算结果,确定为加密密钥;
提取单元,用于应用加速鲁棒性特征SURF算法对所述加密图像数据进行特征提取,得到所述加密图像数据的第一关键特征数据;
第三确定单元,用于依据所述第一关键特征数据确定所述加密图像数据的第一特征描述符;
第四运算单元,用于应用全局离散余弦变换DCT算法对所述第一特征描述符进行计算,得到所述加密图像数据的第一DCT系数集合;
第二选取子单元,用于在所述第一DCT系数集合中选取符合预设条件的各个第一DCT系数,以构建第一目标特征矩阵;
第五运算单元,用于对所述第一目标特征矩阵进行哈希运算,得到与所述加密图像数据相对应的目标特征二值序列;
第六运算单元,用于将所述加密密钥与所述目标特征二值序列进行异或运算,得到目标加密水印二值矩阵;
分配单元,用于依据目标加密水印二值矩阵中的各个目标像素值的空间位置信息,为各个所述目标像素值分配第二排列序号;
第四确定单元,用于确定各个所述混沌值与各个所述目标像素值之间的关联关系,所述关联关系表征第一排列序号的序号值与第二排列序号的序号值一致;
第三获取单元,用于获取每个所述混沌值的空间位置信息;
调整单元,用于依据各个所述混沌值的空间位置信息,分别调整与每个所述混沌值相关联的目标像素值的空间位置信息,得到目标二值水印图像数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910730369.0A CN110473136B (zh) | 2019-08-08 | 2019-08-08 | 基于surf-dct混合的图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910730369.0A CN110473136B (zh) | 2019-08-08 | 2019-08-08 | 基于surf-dct混合的图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110473136A CN110473136A (zh) | 2019-11-19 |
CN110473136B true CN110473136B (zh) | 2021-06-25 |
Family
ID=68510539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910730369.0A Active CN110473136B (zh) | 2019-08-08 | 2019-08-08 | 基于surf-dct混合的图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110473136B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111968027B (zh) * | 2020-08-20 | 2022-11-01 | 海南大学 | 基于surf和dct特征的鲁棒彩色图像零水印方法 |
CN115514469B (zh) * | 2022-11-22 | 2023-03-28 | 成都工业职业技术学院 | 一种信息加密保护方法 |
CN116030557B (zh) * | 2023-02-22 | 2023-12-15 | 宁波天骄智能科技有限公司 | 一种动态rfid的智能文件柜验证系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279918A (zh) * | 2013-06-20 | 2013-09-04 | 海南大学 | 一种基于三维dct和混沌置乱的体数据水印实现方法 |
CN103345725A (zh) * | 2013-06-21 | 2013-10-09 | 海南大学 | 基于三维dwt-dft和混沌置乱的体数据水印方法 |
CN108876696A (zh) * | 2018-06-07 | 2018-11-23 | 海南大学 | 一种基于sift-dct的医学图像鲁棒水印方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10075737B2 (en) * | 2011-08-26 | 2018-09-11 | Qualcomm Incorporated | Method and apparatus for shift DCT-based sharpening of a video image |
-
2019
- 2019-08-08 CN CN201910730369.0A patent/CN110473136B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279918A (zh) * | 2013-06-20 | 2013-09-04 | 海南大学 | 一种基于三维dct和混沌置乱的体数据水印实现方法 |
CN103345725A (zh) * | 2013-06-21 | 2013-10-09 | 海南大学 | 基于三维dwt-dft和混沌置乱的体数据水印方法 |
CN108876696A (zh) * | 2018-06-07 | 2018-11-23 | 海南大学 | 一种基于sift-dct的医学图像鲁棒水印方法 |
Non-Patent Citations (2)
Title |
---|
《SURF算法》;菜鸟知识搬运工;《https://blog.csdn.net/qq_30815237/article/details/86545950》;20190118;第2-3页 * |
《一种由DCT和SURF改进的图像感知哈希算法》;丁旭;《小型微型计算机系统》;20141130;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110473136A (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110473136B (zh) | 基于surf-dct混合的图像处理方法及装置 | |
Su et al. | A blind double color image watermarking algorithm based on QR decomposition | |
Hosam | Attacking image watermarking and steganography-a survey | |
Nawaz et al. | Advance hybrid medical watermarking algorithm using speeded up robust features and discrete cosine transform | |
Geetha et al. | Steganogram removal using multidirectional diffusion in fourier domain while preserving perceptual image quality | |
Yang et al. | Removable visible image watermarking algorithm in the discrete cosine transform domain | |
Elshoura et al. | Analysis of noise sensitivity of Tchebichef and Zernike moments with application to image watermarking | |
Munib et al. | Robust image watermarking technique using triangular regions and Zernike moments for quantization based embedding | |
Behnia et al. | Watermarking based on discrete wavelet transform and q-deformed chaotic map | |
WO2024060666A1 (zh) | 人脸图像的加密/解密方法、装置、电子设备及存储介质 | |
Mehraj et al. | RBWCI: Robust and blind watermarking framework for cultural images | |
Hadmi et al. | A robust and secure perceptual hashing system based on a quantization step analysis | |
Golshan et al. | A hybrid intelligent SVD-based perceptual shaping of a digital image watermark in DCT and DWT domain | |
Ansari et al. | Quality assured and optimized image watermarking using artificial bee colony | |
Kumar et al. | Digital image steganography based on combination of DCT and DWT | |
Sun et al. | An image watermarking scheme using Arnold transform and fuzzy smooth support vector machine | |
Khan et al. | A novel combination of information confidentiality and data hiding mechanism | |
JP2005346041A (ja) | ランダム信号変換およびその適用例 | |
Singh et al. | Rotation invariant moments and transforms for geometrically invariant image watermarking | |
CN106997580B (zh) | 图片处理方法和装置 | |
Ridzoň et al. | Content protection in grayscale and color images based on robust digital watermarking | |
Stanković et al. | Image watermarking based on the space/spatial-frequency analysis and Hermite functions expansion | |
Yang | Robust high-capacity watermarking scheme based on Euclidean norms and quick coefficient alignment | |
Subhedar | Image steganography using ridgelet transform and svd | |
CN111325652A (zh) | 信息嵌入、提取方法及装置、设备、计算机可读存储介质 |
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 |