CN111898136A - 一种基于预测误差值排序的高保真可逆信息隐藏方法和装置 - Google Patents
一种基于预测误差值排序的高保真可逆信息隐藏方法和装置 Download PDFInfo
- Publication number
- CN111898136A CN111898136A CN202010535532.0A CN202010535532A CN111898136A CN 111898136 A CN111898136 A CN 111898136A CN 202010535532 A CN202010535532 A CN 202010535532A CN 111898136 A CN111898136 A CN 111898136A
- Authority
- CN
- China
- Prior art keywords
- prediction error
- image
- embedding
- pixels
- prediction
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- 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
- G06T1/0028—Adaptive watermarking, e.g. Human Visual System [HVS]-based watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2107—File encryption
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于预测误差值排序的高保真可逆信息隐藏方法和装置。本发明将基于预测误差扩展的方法与基于像素值排序的方法相结合,改进了传统方法中未利用预测误差相关性的缺点。本发明将载体图像划分成了相同大小的不重叠的图像块,并且考虑了块中预测误差之间的局部相关性;对于每个图像块,首先对预测误差进行排序,然后对其中的最大值和最小值进行预测并修改以嵌入秘密信息。本发明更好地利用了图像冗余,并实现了良好的嵌入性能,能够实现秘密信息在灰度图像中的嵌入和提取,无损恢复原始图像,是一种性能良好的高保真可逆信息隐藏算法,可以用于秘密通信、版权保护等领域。
Description
技术领域
本发明涉及信息隐藏技术领域,主要内容为不可见的、空间域的、无压缩的灰度图像的可逆信息隐藏方法的设计。可逆信息隐藏技术不仅能够提取嵌入的秘密信息,还可以没有任何失真地恢复原始的载体数据。该技术的研究重点主要在于如何降低嵌入失真。具体来说,本方法将基于预测误差扩展的方法与基于像素值排序的方法相结合,改进了传统方法中未利用预测误差相关性的缺点。该方法将载体图像划分成了相同大小的不重叠的图像块,并且考虑了块中预测误差之间的局部相关性。对于每个图像块,首先对预测误差进行排序,然后对其中的最大值和最小值进行预测并修改以嵌入秘密信息。本方法更好地利用了图像冗余,并实现了良好的嵌入性能。
背景技术
近些年来,信息隐藏(Information Hiding)技术逐渐成为信息安全领域的研究热点,该技术旨在把秘密信息嵌入公开的数字载体进行隐藏。通过特定的嵌入算法和密钥,将秘密信息添加到载体中,在接收端只有特定的接收者能够使用对应的提取算法从隐蔽对象中提取出秘密信息,该技术被广泛地应用于版权保护和秘密通信等领域。其中的可逆信息隐藏技术(Reversible Data Hiding)不仅能够提取嵌入的秘密信息,还可以没有任何失真地恢复原始的载体数据。该技术的研究重点主要在于如何降低嵌入失真和提升嵌入容量。由于这种无损恢复的特性,可逆信息隐藏技术被广泛地应用于军事和医学等敏感领域。
Thodi等人提出了基于预测误差扩展(Prediction Error Expansion,缩写为PEE)的方法。该方法采用了预测误差直方图来进行扩展和平移操作,以嵌入秘密信息。预测误差直方图符合拉普拉斯分布,以零为中心,大部分值集中在中心,并且两端沿着坐标轴衰减。因此,选择预测误差直方图的峰值可以嵌入更多的秘密信息,并且通过同时使用扩展和平移操作可以控制嵌入失真的大小。该方法可以总结为以下两个主要步骤:
(1)像素值预测和直方图生成:首先,载体图像的像素序列化后得到(x1,…,xN),其中N为载体图像像素的总数。然后,采用特定的预测器对像素xi(1≤i≤N)的值进行预测得到接下来,得到计算误差为最后,对于预测误差序列(e1,…,e),通过统计预测误差的频数生成预测误差直方图。
(2)直方图修改:通过对预测误差直方图执行扩展和平移操作来嵌入秘密信息。具体地,对于每个预测误差ei,修改公式如下:
其中,T是根据嵌入容量确定的参数,m∈{0,1}代表待嵌入的二值信息比特。对于预测误差直方图,值在[-T,T)之间的图柱进行扩展操作来完成秘密信息的嵌入,值在(-∞,T)和[T,+∞)之间的图柱分别向左向右执行平移操作,从而保证算法的可逆性。最后,每个像素被修改为得到最后的含密图像。在图1中展示了当T=1时,基于预测误差扩展方法的直方图映射规则以及嵌入前后预测误差直方图的分布形状的变化。
可以看到,基于预测误差扩展的方法PEE以像素为操作的基本单位,并且秘密信息的嵌入是逐个像素进行的。尽管一系列基于PEE的方法取得了很好的成果,但是PEE方法的性能仍有提高的空间。这是因为在传统的PEE方法中,每个预测误差是单独处理的,因此预测误差之间的相关性没有得到充分的利用。对于基于二维预测误差直方图扩展的方法如pairwise PEE等,仅考虑了两个相邻预测误差之间的相关性,并且启发式地设计了直方图修改方式,没有考虑特定的图像内容,无法实现更好的自适应嵌入。
发明内容
本发明的目的是针对如上所述的基于预测误差扩展的可逆信息隐藏算法的不足,提出一种基于预测误差值排序的高保真可逆信息隐藏方法,称为预测误差值排序(Prediction Error Value Ordering,缩写为PEVO)。不同于传统的PEE方法中单独地处理每个预测误差,本方法利用了预测误差间的内在联系。PEVO的主要思想是通过将PEE与像素值排序技术相结合,通过利用预测误差的相互关系来提升嵌入性能。本方法还对每个图像块的复杂度(噪声水平)进行计算,将平滑的图像块(即,复杂度小于给定阈值的图像块)用于数据嵌入,以进一步提升性能。通过提出的该方法,更好地利用了图像冗余,并实现了良好的嵌入性能。
本发明采用的技术方案如下:
一种基于预测误差值排序的高保真可逆信息隐藏方法,包括以下步骤:
将载体图像划分成相同大小的不重叠的图像块;
获得每个图像块内像素的预测误差并对预测误差进行排序;
根据图像块内预测误差的相关性,利用预测误差的最大值和最小值嵌入秘密信息。
进一步地,采用双层嵌入的方式嵌入秘密信息,包括:将载体图像的像素分为空白集合和阴影集合两类,首先对空白集合中的像素进行第一层嵌入,然后对阴影集合实施相同的操作,进行第二层嵌入。
进一步地,所述对空白集合中的像素进行第一层嵌入,包括:
对图像块内空白集合的预测误差进行排序,第二大预测误差用于预测最大的预测误差ei′,j′,最大的预测误差ei′,j′的预测误差定义为同样,获得最小的预测误差ei″,j″的预测误差其中是第二小的预测误差,而ei″,j″是最小的预测误差;
进一步地,对每个图像块的噪声水平进行计算以区分平滑块和纹理块,仅噪声水平小于给定的阈值T的图像块被用于数据嵌入,而其他图像块被跳过并且不进行修改;同时,根据嵌入的有效负载自适应地确定图像块大小的参数。
进一步地,所述噪声水平定义为三个部分的总和,所述三个部分包括:对角线上的阴影集合像素之间的差的绝对值,上下文像素区域中每两个连续像素之间的垂直方向上的差的绝对值,以及上下文像素区域中每两个连续像素之间的水平方向上的差的绝对值。
进一步地,将辅助信息与秘密消息一起嵌入,用以在接收端无损地恢复载体图像,所述辅助信息包括:像素块大小参数、噪声水平阈值、最后修改的图像块的序号、无损压缩后的位置表、无损压缩后的位置表的长度;所述位置表用于记录对载体像素的修改以解决像素的上溢和下溢问题。
一种秘密信息提取方法,从采用本发明方法嵌入秘密信息后的图像中首部提取出辅助信息,根据辅助信息中的参数从图像中提取秘密信息并无损地恢复载体图像。
一种基于预测误差值排序的高保真可逆信息隐藏装置,其包括:
图像块划分模块,用于将载体图像划分成相同大小的不重叠的图像块;
预测误差排序模块,用于获得每个图像块内像素的预测误差并对预测误差进行排序;
秘密信息嵌入模块,用于根据图像块内预测误差的相关性,利用预测误差的最大值和最小值嵌入秘密信息。
与现有技术相比,本发明的有益效果在于:
采用本发明,可以实现秘密信息在灰度图像中的嵌入和提取,无损恢复原始图像。本发明通过设计可逆算法将载体图像分成相同大小的不重叠的图像块,并且考虑了预测误差之间的局部相关性,从而使带有秘密信息的载体图像失真程度要低于现有的可逆信息隐藏算法。因此,本方法是一种性能良好的高保真可逆信息隐藏算法,可以用于秘密通信、版权保护等领域。
附图说明
图1是当T=1时,PEE方法的示意图;其中(a)为直方图图柱的映射规则,(b)为嵌入前(左)和嵌入后(右)的预测误差直方图分布;
图2是本方法在大小为3×3的像素块中,生成五个空白集合的预测误差的示意图;生成的五个空白集合的预测误差为{ei-1,j-1,ei-1,j+1,ei,j,ei+1,j-1,ei+1,j+1};
图3是本方法对大小为3×3的像素块操作的实例示意图;
图4是本方法中大小为3×3的像素块的上下文区域像素示意图;
图5是本方法和现有方法的性能对比结果曲线图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面通过具体实施例和附图,对本发明做进一步详细说明。
本发明提出了一种基于预测误差值排序的高保真可逆信息隐藏方法,针对现有方法存在的缺点,本方法利用了图像块内预测误差的相关性,同时根据图像块的复杂度(噪声水平)自适应地对像素进行修改,使得嵌入性能得到进一步优化。为达到以上目的,以下为该发明所采取的技术方案。
首先,载体图像被分成大小为n1×n2的非重叠的图像块。在这里,为了确保解码器端的预测方法是一致的,采用双层嵌入的方式将载体像素分为空白集合和阴影集合两类(见图2)。本方法首先预测并修改空白集合中的像素(即第一层嵌入),然后对阴影集合实施相同的操作(即第二层嵌入)。每个嵌入层都被嵌入了大小为给定有效负载的一半的秘密信息,其中有效负载由秘密信息和用于盲提取的辅助信息组成。具体而言,对于一个图像块中的每个空白像素xi,j,基于其四个相邻像素,执行菱形预测以得出其预测值,其符号为(见图2)。相应的预测误差为
然后,对图像块内空白集合的预测误差进行排序。第二大预测误差用于预测最大的预测误差ei′,j′。相应的重新计算的预测误差定义为同样,通过 获得最小值的预测误差,其中是第二小的预测误差,而ei″,j″是最小的预测误差。其中,emax表示最大值(即最大的预测误差ei′,j′)的预测误差,emin表示最小值(即最小的预测误差ei″,j″)的预测误差。
下一步,对于emax(emin)的直方图,将根据基于像素值排序方法的嵌入规则进行修改,即将值为1(-1)的图柱进行扩展以嵌入数据,值为0的图柱保持不变,而其他图柱进行移位以创造空间以得出和其中和表示嵌入秘密信息后的预测误差。之后,将最大的预测误差ei′,j′修改为然后最小的预测误差ei″,j″被修改为 最后,xi′,j′和xi″,j″修改后的值分别为和这里,图像块中的其他空白像素保持不变。
为了更好地阐述,图3中展示了PEVO第一层嵌入过程的示例。对于具有高亮边框的3×3大小的块,通过对块中的空白集合像素执行菱形预测,可以获得以光栅扫描顺序扫描的五个预测误差为(0,3,0,2,-1)。然后,对这些预测误差进行排序,以得到最大值ei′,j′=3和第二大值最小值ei″,j″=-1和第二小值因此emax=1和emin=-1。接下来,以最大值为例,当嵌入数据比特1时,emax扩展为并且最大的预测误差ei′,j′修改为最后,获得xi′,j′嵌入信息后的值为
为了进一步提高嵌入性能,本文方法对每个块的噪声水平进行计算以区分平滑块和纹理块。对于PEVO,通过考虑如图4中所示的上下文像素区域,来计算第一层嵌入时的噪声水平NL,并将其定义为三个部分的总和:即对角线上的阴影集合像素之间的差的绝对值(di),上下文像素区域中每两个连续像素之间的垂直方向上的差的绝对值(vj)和水平方向上的差的绝对值(hk):
然后,对于给定的阈值T,仅噪声水平小于T的图像块被用于数据嵌入,而其他图像块仅被跳过并且不进行修改。此外,还根据嵌入的有效负载自适应地确定图像块大小n1和n2的参数。通过这种方式,遍历所有的T(0≤T≤1024),n1和n2(n1,n2∈{2,3,4,5},n1×n2≥6)以最小化嵌入失真。
在对图像进行第一层嵌入之后,第二层嵌入以类似的方式实现(将上面步骤中的空白集合替换为阴影集合即可)。因此,对于每个图像块,所提出的PEVO嵌入方法可以通过修改四个像素将最多四个比特信息嵌入到每个图像块中。
图5展示了本方法和包括Pairwise PVO,Pairwise PEE,Multiple HS和Skewed HS在内的四种经典的可逆信息隐藏算法的性能对比,即对于512×512大小的灰度图像Lena,当嵌入容量从5,000比特到50,000比特时,对嵌入后图像的PSNR(峰值信噪比)的比较。表1中展示了嵌入容量为10,000和20,000比特时的性能对比结果,包含了8幅实验对比图像Lena、Baboon、Barbara、Airplane、Peppers、Boat、Elaine、Lake。其中,Baboon图像不能提供20,000比特的嵌入容量。[5]、[3]、[66]、[69]分别代表了Pairwise PVO、Pairwise PEE、Multiple HS和Skewed HS这四种对比方法。对比其他方法,本发明方法绝大部分容量和图像情况下取得了更优的嵌入性能,即嵌入同样多的信息,能够获得更小的嵌入失真。
表1本方法和现有方法分别在嵌入容量为10,000和20,000比特时的性能对比结果
为了实现在图像中可逆地嵌入和提取秘密信息的功能,获得失真程度小的载体图像,本发明提供一种图像可逆信息隐藏算法。整体流程的具体实施方式如下:
1.将载体图像划分为n1×n2大小的不重叠的图像块,并计算每个图像块的复杂度,即噪声水平;
2.对空白集合的像素执行菱形预测器以获取预测误差;
3.对噪声水平NL小于给定阈值T的图像块,按照上文介绍的算法进行秘密信息的嵌入操作,即针对图像块中满足最大和最小预测误差的像素值进行对应修改。
4.为了在接收端无损地恢复载体图像,需要将一些辅助信息与秘密消息一起嵌入。为了解决像素的上溢和下溢问题,将值分别为0和255的载体像素预先修改为1和254,并构造了位置表(LM)来记录这些修改。具体来说,如果像素值为0或255,则在LM中添加1,如果像素值为1或254,则在LM中添加0。最后,使用算术编码对LM进行无损压缩以获得压缩的LM(CLM,长度为SCLM)。以这种方式,例如,对于大小为512×512的载体图像,辅助信息包括有:
a)像素块大小参数n1和n2(4比特),
b)噪声水平阈值T(10比特),
c)最后修改的图像块的序号(16比特),
d)压缩后的位置表(SCLM比特),
e)压缩后的位置表长度SCLM的值(18比特)。
5.对第二层嵌入中的阴影像素重复上述步骤,最终完成两层嵌入过程后得到含密图像;
6.提取的过程和嵌入过程顺序相反,从图像首部提取出辅助信息,根据辅助信息中的参数,可以从图像中提取信息并恢复载体。
基于同一发明构思,本发明的另一个实施例提供一种基于预测误差值排序的高保真可逆信息隐藏装置,其包括:
图像块划分模块,用于将载体图像划分成相同大小的不重叠的图像块;
预测误差排序模块,用于获得每个图像块内像素的预测误差并对预测误差进行排序;
秘密信息嵌入模块,用于根据图像块内预测误差的相关性,利用预测误差的最大值和最小值嵌入秘密信息。
其中各模块的具体实现方式参见前文对本发明方法的描述。
基于同一发明构思,本发明的另一个实施例提供一种电子装置(计算机、服务器、智能手机等),其包括存储器和处理器,所述存储器存储计算机程序,所述计算机程序被配置为由所述处理器执行,所述计算机程序包括用于执行本发明方法中各步骤的指令。
基于同一发明构思,本发明的另一个实施例提供一种计算机可读存储介质(如ROM/RAM、磁盘、光盘),所述计算机可读存储介质存储计算机程序,所述计算机程序被计算机执行时,实现本发明方法的各个步骤。
以上公开的本发明的具体实施例和附图,其目的在于帮助理解本发明的内容并据以实施,本领域的普通技术人员可以理解,在不脱离本发明的精神和范围内,各种替换、变化和修改都是可能的。本发明不应局限于本说明书的实施例和附图所公开的内容,本发明的保护范围以权利要求书界定的范围为准。
Claims (10)
1.一种基于预测误差值排序的高保真可逆信息隐藏方法,其特征在于,包括以下步骤:
将载体图像划分成相同大小的不重叠的图像块;
获得每个图像块内像素的预测误差并对预测误差进行排序;
根据图像块内预测误差的相关性,利用预测误差的最大值和最小值嵌入秘密信息。
2.根据权利要求1所述的方法,其特征在于,采用双层嵌入的方式嵌入秘密信息,包括:将载体图像的像素分为空白集合和阴影集合两类,首先对空白集合中的像素进行第一层嵌入,然后对阴影集合实施相同的操作,进行第二层嵌入。
3.根据权利要求2所述的方法,其特征在于,所述对空白集合中的像素进行第一层嵌入,包括:
对图像块内空白集合的预测误差进行排序,第二大预测误差用于预测最大的预测误差ei′,j′,最大的预测误差ei′,j′的预测误差定义为同样,获得最小的预测误差ei″,j″的预测误差其中是第二小的预测误差,而ei″,j″是最小的预测误差;
4.根据权利要求1~3中任一权利要求所述的方法,其特征在于,对每个图像块的噪声水平进行计算以区分平滑块和纹理块,仅噪声水平小于给定的阈值T的图像块被用于数据嵌入,而其他图像块被跳过并且不进行修改;同时,根据嵌入的有效负载自适应地确定图像块大小的参数。
5.根据权利要求4所述的方法,其特征在于,所述噪声水平定义为三个部分的总和,所述三个部分包括:对角线上的阴影集合像素之间的差的绝对值,上下文像素区域中每两个连续像素之间的垂直方向上的差的绝对值,以及上下文像素区域中每两个连续像素之间的水平方向上的差的绝对值。
6.根据权利要求4所述的方法,其特征在于,将辅助信息与秘密消息一起嵌入,用以在接收端无损地恢复载体图像,所述辅助信息包括:像素块大小参数、噪声水平阈值、最后修改的图像块的序号、无损压缩后的位置表、无损压缩后的位置表的长度;所述位置表用于记录对载体像素的修改以解决像素的上溢和下溢问题。
7.一种秘密信息提取方法,其特征在于,从采用权利要求6所述方法嵌入秘密信息后的图像中首部提取出辅助信息,根据辅助信息中的参数从图像中提取秘密信息并无损地恢复载体图像。
8.一种采用权利要求1~6中任一权利要求所述方法的基于预测误差值排序的高保真可逆信息隐藏装置,其特征在于,包括:
图像块划分模块,用于将载体图像划分成相同大小的不重叠的图像块;
预测误差排序模块,用于获得每个图像块内像素的预测误差并对预测误差进行排序;
秘密信息嵌入模块,用于根据图像块内预测误差的相关性,利用预测误差的最大值和最小值嵌入秘密信息。
9.一种电子装置,其特征在于,包括存储器和处理器,所述存储器存储计算机程序,所述计算机程序被配置为由所述处理器执行,所述计算机程序包括用于执行权利要求1~7中任一权利要求所述方法的指令。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机程序,所述计算机程序被计算机执行时,实现权利要求1~7中任一权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010535532.0A CN111898136A (zh) | 2020-06-12 | 2020-06-12 | 一种基于预测误差值排序的高保真可逆信息隐藏方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010535532.0A CN111898136A (zh) | 2020-06-12 | 2020-06-12 | 一种基于预测误差值排序的高保真可逆信息隐藏方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111898136A true CN111898136A (zh) | 2020-11-06 |
Family
ID=73207667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010535532.0A Pending CN111898136A (zh) | 2020-06-12 | 2020-06-12 | 一种基于预测误差值排序的高保真可逆信息隐藏方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111898136A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528234A (zh) * | 2020-12-04 | 2021-03-19 | 中国科学院深圳先进技术研究院 | 一种基于预测误差扩展的可逆信息隐藏方法 |
CN113095990A (zh) * | 2021-04-08 | 2021-07-09 | 杭州电子科技大学上虞科学与工程研究院有限公司 | 基于pvo和3d映射修改的图像可逆信息隐藏方法 |
CN113393364A (zh) * | 2021-07-07 | 2021-09-14 | 福建工程学院 | 一种基于像素值排序的可逆信息隐藏方法 |
CN113518079A (zh) * | 2021-06-17 | 2021-10-19 | 西安空间无线电技术研究所 | 一种基于数据特征的分段信息嵌入方法及系统 |
CN113726974A (zh) * | 2021-07-27 | 2021-11-30 | 西安交通大学 | 一种可逆信息隐藏方法、系统、设备及介质 |
CN113938574A (zh) * | 2021-11-15 | 2022-01-14 | 西安邮电大学 | 一种基于中心预测的可逆信息隐藏方法 |
CN113961886A (zh) * | 2021-09-28 | 2022-01-21 | 西安交通大学 | 一种高光谱图像可逆信息隐藏方法及系统 |
CN114971995A (zh) * | 2022-05-19 | 2022-08-30 | 辽宁师范大学 | 一种基于超像素排序和边缘类型自适应预测的rdh方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110362964A (zh) * | 2019-06-05 | 2019-10-22 | 北京大学 | 一种基于多直方图修改的高容量可逆信息隐藏方法 |
-
2020
- 2020-06-12 CN CN202010535532.0A patent/CN111898136A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110362964A (zh) * | 2019-06-05 | 2019-10-22 | 北京大学 | 一种基于多直方图修改的高容量可逆信息隐藏方法 |
Non-Patent Citations (1)
Title |
---|
TONG ZHANG 等: "Prediction-Error Value Ordering for High-Fidelity Reversible Data Hiding", 《INTERNATIONAL CONFERENCE ON MULTIMEDIA MODELING》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528234A (zh) * | 2020-12-04 | 2021-03-19 | 中国科学院深圳先进技术研究院 | 一种基于预测误差扩展的可逆信息隐藏方法 |
CN112528234B (zh) * | 2020-12-04 | 2023-12-19 | 中国科学院深圳先进技术研究院 | 一种基于预测误差扩展的可逆信息隐藏方法 |
CN113095990A (zh) * | 2021-04-08 | 2021-07-09 | 杭州电子科技大学上虞科学与工程研究院有限公司 | 基于pvo和3d映射修改的图像可逆信息隐藏方法 |
CN113095990B (zh) * | 2021-04-08 | 2023-05-26 | 杭州电子科技大学上虞科学与工程研究院有限公司 | 基于pvo和3d映射修改的图像可逆信息隐藏方法 |
CN113518079B (zh) * | 2021-06-17 | 2022-11-11 | 西安空间无线电技术研究所 | 一种基于数据特征的分段信息嵌入方法及系统 |
CN113518079A (zh) * | 2021-06-17 | 2021-10-19 | 西安空间无线电技术研究所 | 一种基于数据特征的分段信息嵌入方法及系统 |
CN113393364A (zh) * | 2021-07-07 | 2021-09-14 | 福建工程学院 | 一种基于像素值排序的可逆信息隐藏方法 |
CN113726974B (zh) * | 2021-07-27 | 2022-05-20 | 西安交通大学 | 一种可逆信息隐藏方法、系统、设备及介质 |
CN113726974A (zh) * | 2021-07-27 | 2021-11-30 | 西安交通大学 | 一种可逆信息隐藏方法、系统、设备及介质 |
CN113961886A (zh) * | 2021-09-28 | 2022-01-21 | 西安交通大学 | 一种高光谱图像可逆信息隐藏方法及系统 |
CN113961886B (zh) * | 2021-09-28 | 2024-04-19 | 西安交通大学 | 一种高光谱图像可逆信息隐藏方法及系统 |
CN113938574A (zh) * | 2021-11-15 | 2022-01-14 | 西安邮电大学 | 一种基于中心预测的可逆信息隐藏方法 |
CN113938574B (zh) * | 2021-11-15 | 2023-06-16 | 西安邮电大学 | 一种基于中心预测的可逆信息隐藏方法 |
CN114971995A (zh) * | 2022-05-19 | 2022-08-30 | 辽宁师范大学 | 一种基于超像素排序和边缘类型自适应预测的rdh方法 |
CN114971995B (zh) * | 2022-05-19 | 2024-03-29 | 辽宁师范大学 | 一种基于超像素排序和边缘类型自适应预测的rdh方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111898136A (zh) | 一种基于预测误差值排序的高保真可逆信息隐藏方法和装置 | |
Qin et al. | An inpainting-assisted reversible steganographic scheme using a histogram shifting mechanism | |
Wu et al. | Reversible image watermarking on prediction errors by efficient histogram modification | |
Yang et al. | Improving histogram-based reversible data hiding by interleaving predictions | |
Mandal et al. | High capacity reversible and secured data hiding in images using interpolation and difference expansion technique | |
CN112333348B (zh) | 一种基于预测误差的可逆数据隐藏方法及系统 | |
CN110362964B (zh) | 一种基于多直方图修改的高容量可逆信息隐藏方法 | |
Abadi et al. | Reversible watermarking based on interpolation error histogram shifting | |
CN111464717B (zh) | 利用直方图平移的具有对比度拉升的可逆信息隐藏方法 | |
Lu et al. | Reversible data hiding using local edge sensing prediction methods and adaptive thresholds | |
CN114399419B (zh) | 基于预测误差扩展的可逆图像水印算法 | |
CN113032813B (zh) | 基于改进的像素局部复杂度计算和多峰嵌入的可逆信息隐藏方法 | |
Lee et al. | Overlapping pixel value ordering predictor for high-capacity reversible data hiding | |
Su et al. | Reversible data hiding using the dynamic block-partition strategy and pixel-value-ordering | |
CN110738592B (zh) | 基于多尺度分解与插值扩展的大容量可逆图像水印算法 | |
Xuan et al. | Histogram-pair based reversible data hiding via searching for optimal four thresholds | |
Sahu et al. | An improved method for high hiding capacity based on LSB and PVD | |
CN108230226B (zh) | 自适应分块像素值排序数字可逆水印方法、医学图像系统 | |
CN107292803B (zh) | 一种符合人眼观察规律的可逆鲁棒数字图像水印方法 | |
CN109389546B (zh) | 多分块可逆水印嵌入方法及装置、水印提取方法及装置 | |
Garg et al. | Block-based reversible data hiding using histogram shifting and modulus operator for digital images | |
Maity et al. | Intelligent modified difference expansion for reversible watermarking | |
Su et al. | Reversible Data Hiding Based on Pixel-Value-Ordering and Pixel Block Merging Strategy. | |
Mahasree et al. | Pixel Value Ordering Based Reversible Data Hiding with Novel MPBS Strategy | |
Maity et al. | Reversible image watermarking using modified difference expansion |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201106 |