CN112132732B - 立体图像的像素预测方法、可逆信息隐藏提取方法、终端及存储介质 - Google Patents

立体图像的像素预测方法、可逆信息隐藏提取方法、终端及存储介质 Download PDF

Info

Publication number
CN112132732B
CN112132732B CN202010951331.9A CN202010951331A CN112132732B CN 112132732 B CN112132732 B CN 112132732B CN 202010951331 A CN202010951331 A CN 202010951331A CN 112132732 B CN112132732 B CN 112132732B
Authority
CN
China
Prior art keywords
pixel
pixels
prediction
embedded
adjacent
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
Application number
CN202010951331.9A
Other languages
English (en)
Other versions
CN112132732A (zh
Inventor
应新洋
周国兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
College of Science and Technology of Ningbo University
Original Assignee
College of Science and Technology of Ningbo University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by College of Science and Technology of Ningbo University filed Critical College of Science and Technology of Ningbo University
Priority to CN202010951331.9A priority Critical patent/CN112132732B/zh
Publication of CN112132732A publication Critical patent/CN112132732A/zh
Application granted granted Critical
Publication of CN112132732B publication Critical patent/CN112132732B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • G06T1/0021Image watermarking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2201/00General purpose image data processing
    • G06T2201/005Image watermarking
    • G06T2201/0065Extraction of an embedded watermark; Reliable detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2201/00General purpose image data processing
    • G06T2201/005Image watermarking
    • G06T2201/0203Image watermarking whereby the image with embedded watermark is reverted to the original condition before embedding, e.g. lossless, distortion-free or invertible watermarking

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本申请涉及一种立体图像的像素预测方法、可逆信息隐藏提取方法、终端及存储介质,解决了无法对立体图像进行像素预测,其包括将第一相邻像素与第二相邻像素分别利用二阶泰勒展开进行展开以形成第一像素展开式以及第一像素二阶偏导数差分展开式;将第三相邻像素与第四相邻像素分别利用二阶泰勒展开进行展开以形成第二像素二阶偏导数差分展开式;通过第二像素二阶偏导数差分展开式以及第二像素与第一像素之间的视差关系以表示第一像素所对应的第一像素二阶偏导数差分展开式;形成根据第二像素进行预测的第一像素展开式。本申请能够实现对立体图像的像素精准预测,便于秘密信息能够可靠的隐藏于立体图像中,同时能够无失真地恢复原始立体图像。

Description

立体图像的像素预测方法、可逆信息隐藏提取方法、终端及存 储介质
技术领域
本申请涉及可逆信息隐藏技术的技术领域,尤其是涉及一种立体图像的像素预测方法、可逆信息隐藏提取方法、终端及存储介质。
背景技术
随着网络技术与多媒体技术的发展,三维视频系统提供全新的立体视觉感,满足观看者日益增长的视觉需求,已逐渐成为多媒体领域的研究热点。立体图像作为立体视频的主要表现形式之一,较容易受到非法的攻击,因此立体图像的安全性问题是三维视频系统的重要组成部分。数字水印技术是目前有效解决立体图像安全性的重要技术之一。
数字水印技术是一种基于内容的、非密码机制的计算机信息隐藏技术。它是将一些标识信息(即数字水印)直接嵌入数字载体当中(包括多媒体、文档、软件等)或是间接表示(修改特定区域的结构),且不影响原载体的使用价值,也不容易被探知和再次修改。但可以被生产方识别和辨认。通过这些隐藏在载体中的信息,可以达到确认内容创建者、购买者、传送隐秘信息或者判断载体是否被篡改等目的。数字水印是保护信息安全、实现防伪溯源、版权保护的有效办法,是信息隐藏技术研究领域的重要分支和研究方向。
尽管绝大多数的水印技术强调水印的透明性和不可感知性,但是仍旧会引起原始图像的部分失真。一些特殊的应用领域(军事、医学和司法等)往往不允许图像的任何失真。于是,可逆水印技术应运而生。立体图像可逆水印在接收端不仅能够完全提取原始水印,而且能够无失真地恢复原始立体图像。
可逆信息隐藏技术当秘密数据被完全提取,同时,原始图像可以完全从隐藏图像中恢复;在此过程中,像素预测的精度对隐藏性能具有较大的影响;现在采用的像素预测方法一般是根据相邻像素的相关性来实现,该方法仅仅针对于平面图像,而无法对立体图像进行像素预测。
发明内容
第一方面,本申请提供一种立体图像的像素预测方法,能够实现对立体图像的像素预测。
采用如下的技术方案:
一种立体图像的像素预测方法,包括:
选择任意一个视点以进行像素预测;
定义其中一个视点的像素为第一像素;其中,第一像素的两个相邻像素分别为第一相邻像素与第二相邻像素;
将第一相邻像素与第二相邻像素分别利用二阶泰勒展开进行展开并经过逻辑运算以形成第一像素所对应的第一像素展开式以及该第一像素所对应的第一像素二阶偏导数差分展开式;定义另一个视点的像素为第二像素;其中,第二像素的两个相邻像素分别为第三相邻像素与第四相邻像素;
将第三相邻像素与第四相邻像素分别利用二阶泰勒展开进行展开并经过逻辑运算以形成第二像素所对应的第二像素二阶偏导数差分展开式;
通过第二像素二阶偏导数差分展开式以及第二像素与第一像素之间的视差关系以表示第一像素所对应的第一像素二阶偏导数差分展开式;
形成根据第二像素进行预测的第一像素展开式。
优选的,定义其中一个视点的第一像素为fL(x,y);第一相邻像素fL(x+h,y)与第二相邻像素fL(x-h,y),h为正数;
将第一相邻像素fL(x+h,y)与第二相邻像素fL(x-h,y)分别利用二阶泰勒展开进行展开,具体如下:
Figure BDA0002676314920000021
Figure BDA0002676314920000022
经过逻辑运算以形成第一像素所对应的第一像素展开式,具体如下:
Figure BDA0002676314920000023
Figure BDA0002676314920000024
该第一像素所对应的第一像素二阶偏导数差分展开式,具体如下:
Figure BDA0002676314920000025
定义另一个视点的第二像素为fR(x,y);第三相邻像素fR(x+h,y)与第四相邻像素fR(x-h,y),h为正数;
将第三相邻像素fR(x+h,y)与第四相邻像素fR(x-h,y)分别利用二阶泰勒展开进行展开,具体如下:
Figure BDA0002676314920000031
Figure BDA0002676314920000032
经过逻辑运算以形成第二像素所对应的第二像素展开式,具体如下:
Figure BDA0002676314920000033
Figure BDA0002676314920000034
该第二像素所对应的第二像素二阶偏导数差分展开式,具体如下:
Figure BDA0002676314920000035
第二像素与第一像素之间的视差关系为两者之间的存在视差d;通过第二像素二阶偏导数差分展开式以及第二像素与第一像素之间的视差关系以表示第一像素所对应的第一像素二阶偏导数差分展开式,具体如下:
Figure BDA0002676314920000036
形成根据第二像素进行预测的第一像素展开式,具体如下:
Figure BDA0002676314920000037
通过采用上述技术方案,由于立体图像所对应的两个图像存在相互相似性,即两者之间的差异在于存在视差d,从而根据两者的相似性来根据第二像素来对第一像素进行预测,使得整体的预测准确性更高,实现对立体图像的像素准确预测,进而便于秘密信息能够可靠的隐藏于立体图像中,同时能够无失真地恢复原始立体图像。
优选的,根据所预设的纹理判断条件以判断对应的像素所处的纹理区域,根据对应的像素所处的纹理区域进行像素预测,其中,纹理区域包括水平纹理区域、垂直纹理区域以及平滑纹理区域;
关于处于水平纹理区域的像素预测,具体如下:
Figure BDA0002676314920000041
关于处于垂直纹理区域的像素预测,具体如下:
Figure BDA0002676314920000042
关于处于平滑纹理区域的像素预测,具体如下:
Figure BDA0002676314920000043
优选的,根据所预设的纹理判断条件以判断对应的像素所处的纹理区域的方法如下:
Figure BDA0002676314920000044
其中,T为判断像素纹理的参数;HT表示为水平纹理区域;VT表示为垂直纹理区域;ST表示为平坦纹理区域;CT表示为复杂纹理区域;若XL为CT,则不进行该纹理区域的像素预测。
通过采用上述技术方案,对不同的像素纹理进行判断,基于不同的像素纹理做针对性的像素预测,即若判断像素纹理为水平纹理区域,则采用水平纹理区域的像素预测公式,若判断像素纹理为垂直纹理区域,则采用垂直纹理区域的像素预测公式,若判断像素纹理为平坦纹理区域,则采用平坦纹理区域的像素预测公式,若判断像素纹理为复杂纹理区域,则不进行该纹理区域的像素预测,即不对该复杂纹理区域的像素进行秘密信息的嵌入,降低像素预测不准确而导致图像失真的风险。
第二方面,本申请提供一种可逆信息隐藏提取方法,能够实现秘密信息可靠的嵌入于立体图像中,同时能够无失真地恢复原始立体图像并提取该秘密信息。
采用如下的技术方案:
一种可逆信息隐藏提取方法,包括可逆信息隐藏方法,具体如下:
选择任意一个视图进行秘密信息嵌入;所述视图包括左视图以及右视图;
关于对视图中秘密信息嵌入的方法如下:
所述视图包括第一像素与第二像素,第一像素与第二像素呈间隔排布;
选择第一像素或第二像素进行秘密信息嵌入;定义当前进行秘密信息嵌入的像素为嵌入像素以及当前未进行秘密信息嵌入的像素为未嵌入像素;
获取视差图;
根据视差图并通过立体图像的像素预测方法以对嵌入像素进行预测以形成预测嵌入像素;根据嵌入像素所对应的原始值以及预测嵌入像素所对应的预测值以形成预测误差e,生成预测误差e的直方图H={e},建立相应的直方柱{…b-2,b-1,b0,b1,b2…};
判断直方柱的所对应的预测误差e是否等于或者大于DL+1;将预测误差e等于或者大于DL+1的直方柱向右移动;判断直方柱的所对应的预测误差e是否等于或者小于-(DL+1);将预测误差e等于或者小于-(DL+1)的直方柱向左移动;
其中,DL为嵌入层数,DL将以步长1减少;
位于[-DL,DL]的直方柱用于嵌入秘密信息w,其中w={0,1};
当DL>0,嵌入w:
Figure BDA0002676314920000051
其中,e′为嵌入w后的预测误差;
当DL=0,嵌入w:
Figure BDA0002676314920000052
通过e′嵌入w:
Figure BDA0002676314920000053
其中,e″为通过e′嵌入w后的预测误差;
当所有直方柱被移动后,所有嵌入像素修改为:
Figure BDA0002676314920000054
优选的,关于获取视差图的方法如下:
根据相邻的未嵌入像素以预测对应嵌入像素,将预测形成的嵌入像素以及未嵌入像素组成临时左视图;
根据视差算法以计算临时左视图与右视图之间的视差图。
优选的,依次对左视图、右视图进行秘密信息嵌入;在对相应的视图进行秘密信息嵌入过程中,依次选择第一像素、第二像素进行秘密信息嵌入;
生成含有秘密信息的立体图像。
优选的,包括可逆信息提取方法,具体如下:
反向依次执行可逆信息隐藏方法所对应的逻辑以提取秘密信息以及立体图像。
通过采用上述技术方案,利用基于二阶泰勒展开的立体图像的像素预测方法对嵌入像素进行预测,由于立体图像所对应的两个图像存在相互相似性,即两者之间的差异在于存在视差d,从而根据两者的相似性来根据第二像素来对第一像素进行预测,使得整体的预测准确性更高,实现对立体图像的像素准确预测,然后利用直方图移位法嵌入秘密数据;进而便于秘密信息能够可靠的隐藏于立体图像中,同时能够无失真地恢复原始立体图像。
第三方面,本申请提供一种计算机可读存储介质,能够存储相应的程序,便于实现对立体图像的像素预测,秘密信息可靠的嵌入于立体图像中,同时能够无失真地恢复原始立体图像并提取该秘密信息。
采用如下的技术方案:
一种计算机可读存储介质,包括能够被处理器加载执行时实现如上述的立体图像的像素预测方法的程序或实现如上述的可逆信息隐藏提取方法的程序。
第四方面,本申请提供一种智能终端,便于实现对立体图像的像素预测,秘密信息可靠的嵌入于立体图像中,同时能够无失真地恢复原始立体图像并提取该秘密信息。
采用如下的技术方案:
一种智能终端,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序,该程序能够被处理器加载执行时实现如上述的立体图像的像素预测方法的程序或实现如上述的可逆信息隐藏提取方法的程序。
综上所述,本申请包括以下有益技术效果:能够实现对立体图像的像素精准预测,便于秘密信息能够可靠的隐藏于立体图像中,同时能够无失真地恢复原始立体图像。
附图说明
图1是本申请具体关于可逆信息隐藏方法的流程示意图。
图2是本申请关于获取视差图的方法的流程示意图。
图3是本申请具体关于立体图像的像素预测方法的流程示意图。
图4是本申请具体关于利用直方图移位法进行秘密信息嵌入的方法的流程示意图。
图5是本申请具体关于可逆信息提取方法的流程示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
本申请实施例提供一种可逆信息隐藏提取方法,利用基于二阶泰勒展开的立体图像的像素预测方法对嵌入像素进行预测,由于立体图像所对应的两个图像存在相互相似性,即两者之间的差异在于存在视差d,从而根据两者的相似性来根据第二像素来对第一像素进行预测,使得整体的预测准确性更高,实现对立体图像的像素准确预测,然后利用直方图移位法嵌入秘密数据;进而便于秘密信息能够可靠的隐藏于立体图像中,同时能够无失真地恢复原始立体图像。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供一种可逆信息隐藏提取方法,具体包括可逆信息隐藏方法以及可逆信息提取方法,通过可逆信息隐藏方法将秘密信息嵌入至相关的立体图像中,通过可逆信息提取方案可以还原嵌入秘密信息的立体图像,同时能够提出去对应的秘密信息。
具体关于可逆信息隐藏方法的主要流程描述如下,如图1所示:
选择任意一个视图进行秘密信息嵌入。
其中,视图包括左视图以及右视图,本实施例中可以依次对左视图、右视图进行秘密信息嵌入,也可以依次对右视图、左视图进行秘密信息嵌入;本实施例中以依次对左视图、右视图进行秘密信息嵌入为例进行说明。
关于对视图中秘密信息嵌入的方法如下:
步骤1100:视图包括第一像素与第二像素,选择第一像素或第二像素进行秘密信息嵌入。
其中,第一像素与第二像素呈间隔排布;第一像素可以定义为矩形像素,第二像素可以定义为圆形像素,定义当前进行秘密信息嵌入的像素为嵌入像素以及当前未进行秘密信息嵌入的像素为未嵌入像素。在对相应的视图进行秘密信息嵌入过程中,本实施例中可以依次选择第一像素、第二像素进行秘密信息嵌入,也可以依次选择第二像素、第一像素进行秘密信息嵌入;本实施例中以依次对第一像素、第二像素进行秘密信息嵌入为例进行说明。
步骤1200:获取视差图。
其中,如图2所示,关于获取视差图的方法如下:
步骤1210:根据相邻的未嵌入像素以预测对应嵌入像素,将预测形成的嵌入像素以及未嵌入像素组成临时左视图。
其中,本实施例中以依次对第一像素、第二像素进行秘密信息嵌入为例进行说明,即未嵌入像素对应为第二像素,而嵌入像素对应为第一像素。
菱形预测是经典的利用图像像素内部关系的预测算法。设f(x,y)为位于(x,y)的像素,其8位邻域像素如下图所示:
Figure BDA0002676314920000081
根据相邻的未嵌入像素以预测对应嵌入像素的过程中,相邻的未嵌入像素是指四个与嵌入像素完全相邻的像素,通过对这四个未嵌入像素进行平均值处理,从而预测得到该对应的嵌入像素,具体公式如下:
Figure BDA0002676314920000082
其中,f1,f2,f3和f4分别对应于f(x,y-1),f(x,y+1),f(x-1,y)和f(x+1,y)。
按照该方式对所有的嵌入像素进行预测,进而将预测形成的嵌入像素与未嵌入像素组成临时左视图。
步骤1220:根据视差算法以计算临时左视图与右视图之间的视差图。
其中,视差算法可以采用现有文献中提出的方法,例如“Y.Boykov,V.Kolmogorov,An experimental comparison of min-cut/max-flow algorithms for energyminimization in vision.IEEE Transactions on Pattern Analysis and MachineIntelligence,vol.26,2004,pp.1124-1137”;本申请中可以采用任意公开的视差算法来获取视差图。
在获取到相关的视差图之后,即根据视差图所对应的左视图、右视图之间的近似关系以进行预测嵌入像素。
步骤1300:根据视差图并通过立体图像的像素预测方法以对嵌入像素进行预测以形成预测嵌入像素。
其中,对于立体图像,立体图像间关系有时候强于图像内的像素关系;通过基于泰勒展开的立体图像的像素预测方法,能够充分利用立体图像的视点间的关系;如图3所示,具体关于立体图像的像素预测方法具体如下:
步骤1310:选择任意一个视点以进行像素预测。
其中,定义其中一个视点的第一像素为fL(x,y);第一相邻像素fL(x+h,y)与第二相邻像素fL(x-h,y),h为正数。定义另一个视点的第二像素为fR(x,y);第三相邻像素fR(x+h,y)与第四相邻像素fR(x-h,y),h为正数。
步骤1320:将第一相邻像素与第二相邻像素分别利用二阶泰勒展开进行展开并经过逻辑运算以形成第一像素所对应的第一像素展开式以及该第一像素所对应的第一像素二阶偏导数差分展开式。
其中,泰勒展开式为:
Figure BDA0002676314920000091
根据实际实验过程中的测算,即通过二阶泰勒展开式即可保证像素预测的准确性,故将泰勒展开式保留到二阶,舍去其他的展开式,进而得到二阶泰勒展开式:
Figure BDA0002676314920000092
将第一相邻像素fL(x+h,y)与第二相邻像素fL(x-h,y)分别利用二阶泰勒展开进行展开,具体如下:
Figure BDA0002676314920000093
Figure BDA0002676314920000094
经过逻辑运算以形成第一像素所对应的第一像素展开式,即将第一相邻像素fL(x+h,y)与第二相邻像素fL(x-h,y)进行加运算处理,具体如下:
Figure BDA0002676314920000101
Figure BDA0002676314920000102
该第一像素所对应的第一像素二阶偏导数差分展开式,具体如下:
Figure BDA0002676314920000103
步骤1330:将第三相邻像素与第四相邻像素分别利用二阶泰勒展开进行展开并经过逻辑运算以形成第二像素所对应的第二像素二阶偏导数差分展开式。
其中,将第三相邻像素fR(x+h,y)与第四相邻像素fR(x-h,y)分别利用二阶泰勒展开进行展开,具体如下:
Figure BDA0002676314920000104
/>
Figure BDA0002676314920000105
经过逻辑运算以形成第二像素所对应的第二像素展开式,具体如下:
Figure BDA0002676314920000106
Figure BDA0002676314920000107
该第二像素所对应的第二像素二阶偏导数差分展开式,具体如下:
Figure BDA0002676314920000108
步骤1340:通过第二像素二阶偏导数差分展开式以及第二像素与第一像素之间的视差关系以表示第一像素所对应的第一像素二阶偏导数差分展开式。
其中,根据视差图可知,第二像素与第一像素之间的视差关系为两者之间的存在视差d,该视差d为近似值,即根据实际试验测试中,直接忽略其他因素,单以视差d作为两者的视差关系即能够满足预测的精度;通过第二像素二阶偏导数差分展开式以及第二像素与第一像素之间的视差关系以表示第一像素所对应的第一像素二阶偏导数差分展开式,具体如下:
Figure BDA0002676314920000109
步骤1350:形成根据第二像素进行预测的第一像素展开式。
其中,将公式
Figure BDA0002676314920000111
代入至公式/>
Figure BDA0002676314920000112
即可得到以下公式:
Figure BDA0002676314920000113
当h较小时,相应的邻域像素则接近当前像素;因此我们将h设定为1,则具体公式为:
Figure BDA0002676314920000114
步骤1360:根据所预设的纹理判断条件以判断对应的像素所处的纹理区域。
其中,纹理区域包括水平纹理区域、垂直纹理区域、平滑纹理区域以及复杂纹理区域;关于判断对应的像素所处的纹理区域的方法如下:
Figure BDA0002676314920000115
其中,T为判断像素纹理的参数;HT表示为水平纹理区域;VT表示为垂直纹理区域;ST表示为平坦纹理区域;CT表示为复杂纹理区域;若XL为CT,则不进行该纹理区域的像素预测。
步骤1370:根据对应的像素所处的纹理区域进行像素预测。
关于处于水平纹理区域的像素预测,具体如下:
Figure BDA0002676314920000116
关于处于垂直纹理区域的像素预测,具体如下:
Figure BDA0002676314920000121
关于处于平滑纹理区域的像素预测,具体如下:
Figure BDA0002676314920000122
其中,对不同的像素纹理进行判断,基于不同的像素纹理做针对性的像素预测,即若判断像素纹理为水平纹理区域,则采用水平纹理区域的像素预测公式,若判断像素纹理为垂直纹理区域,则采用垂直纹理区域的像素预测公式,若判断像素纹理为平坦纹理区域,则采用平坦纹理区域的像素预测公式,若判断像素纹理为复杂纹理区域,则不进行该纹理区域的像素预测,即不对该复杂纹理区域的像素进行秘密信息的嵌入,降低像素预测不准确而导致图像失真的风险。
利用基于二阶泰勒展开的立体图像的像素预测方法对嵌入像素进行预测,由于立体图像所对应的两个图像存在相互相似性,即两者之间的差异在于存在视差d,从而根据两者的相似性来根据第二像素来对第一像素进行预测,使得整体的预测准确性更高,实现对立体图像的像素准确预测。
步骤1400:利用直方图移位法以将秘密信息嵌入至预测嵌入像素中。
其中,如图4所示,具体关于利用直方图移位法进行秘密信息嵌入的方法如下:
步骤1410:根据嵌入像素所对应的原始值以及预测嵌入像素所对应的预测值以形成预测误差e,生成预测误差e的直方图H={e},建立相应的直方柱{…b-2,b-1,b0,b1,b2…}。
其中,
Figure BDA0002676314920000123
Figure BDA0002676314920000124
为嵌入像素所对应的原始值,fL(x,y)为预测嵌入像素所对应的预测值,e为预测误差。
步骤1420:判断直方柱的所对应的预测误差e是否等于或者大于DL+1;将预测误差e等于或者大于DL+1的直方柱向右移动;判断直方柱的所对应的预测误差e是否等于或者小于-(DL+1);将预测误差e等于或者小于-(DL+1)的直方柱向左移动。
其中,DL为嵌入层数,DL将以步长1减少;扫描所有的预测误差e,平移相应的直方柱,即可以理解为清空位于[DL+1,2×DL+1]以及[-2×DL-1,-DL-1]的直方柱。
步骤1430:对位于[-DL,DL]的直方柱进行秘密信息w的嵌入。
其中,秘密信息w即为一串均为0或1的数字段,根据实际情况进行设置,w={0,1}。
当DL>0,嵌入w:
Figure BDA0002676314920000131
其中,e′为嵌入w后的预测误差。
当DL=0,嵌入w:
Figure BDA0002676314920000132
此时直方柱b-1中的数据仍然为空,故再通过e′嵌入w:
Figure BDA0002676314920000133
其中,e″为通过e′嵌入w后的预测误差。
当所有直方柱被移动后,所有嵌入像素修改为:
Figure BDA0002676314920000134
步骤1500:在完成其中一类像素的秘密信息嵌入之后,再对同一个视点中的另一类像素进行秘密信息嵌入。
其中,在同一个视点中的对另一类像素进行秘密信息嵌入过程中,重复步骤1310至步骤1430,从而实现对另一类像素的秘密信息的嵌入。
步骤1600:在完成其中一个视图的秘密信息嵌入之后,再对另外一个视图进行秘密信息嵌入。
其中,在对另外一个视图进行秘密信息嵌入的过程中,重复步骤1000至步骤1500,即可实现对另一个视图像素的秘密信息的嵌入。
步骤1700:生成含有秘密信息的立体图像。
其中,嵌入层数DL用于控制嵌入容量和图像失真。如果DL减小,则嵌入容量减小,图像质量提高,反之亦然。
由于像素在[0,255]的范围内,直方图移位的过程中可能会发生上溢/下溢。一般情况下,超过[0,255]范围的像素数量通常较少。若一个像素在移位后超出[0,255],该超出范围的像素所对应的位置将被记录下来,并且该像素将不会进行移位。这些像素所对应的位置存储在所预设的头部信息。此外,嵌入层数DL的值也会存储在所预设的头部信息中。在每个视点的四个侧区域,使用最低有效位(LSB)替换嵌入头部信息,即立体图像中含有秘密信息,同时也还有头部信息。
具体关于可逆信息提取方法的主要流程描述如下,如图5所示:
其中,可逆信息提取方法与可逆信息隐藏方法的步骤逻辑正好相反,即通过反向依次执行可逆信息隐藏方法所对应的逻辑,即可提取秘密信息以及原始的立体图像。
由于在可逆信息隐藏方法中是以依次对左视图、右视图进行秘密信息嵌入为例进行说明;则可逆信息提取方法以基于依次对左视图、右视图进行秘密嵌入所形成的含有秘密信息的立体图像进行秘密信息提取为例进行说明。
从头部信息提取嵌入层数DL,根据可逆信息隐藏方法是依次对左视图、右视图进行秘密嵌入,则可逆信息提取方法是依次对右视点、左视点进行秘密信息提取以及图像恢复。
可逆信息隐藏方法的立体图像的像素预测方法是依次对第一像素、第二像素进行秘密信息嵌入为例进行说明;那么,可逆信息提取方法的立体图像的像素预测方法是依次对第二像素、第一像素进行秘密信息嵌入为例进行说明。
具体关于秘密信息提取的过程为:
步骤2100:通过立体图像的像素预测方法以对第二像素进行预测以形成预测嵌入像素。
步骤2200:计算预测误差e”。
具体如下:
Figure BDA0002676314920000141
步骤2300:依次扫描e″、e′,提取秘密信息。
其中,扫描e″,提取秘密信息,具体如下:
Figure BDA0002676314920000142
提取秘密信息后,更新相应的预测误差,具体如下:
Figure BDA0002676314920000143
扫描e′,提取秘密信息,具体如下:
Figure BDA0002676314920000144
提取秘密信息后,更新相应的预测误差,具体如下:
Figure BDA0002676314920000151
若e′为t,则提取w为:
Figure BDA0002676314920000152
其中,设t为参数且其值为1至DL之间;
预测误差更新为:
Figure BDA0002676314920000153
剩余的预测误差更新为:
Figure BDA0002676314920000154
步骤2400:恢复每一个像素,具体为
Figure BDA0002676314920000155
步骤2500:在完成其中一类像素的秘密信息嵌入之后,再对同一个视点中的另一类像素进行秘密信息嵌入。
其中,在同一个视点中的对另一类像素进行秘密信息提取过程中,重复步骤2200至步骤2400,从而实现对另一类像素的秘密信息的嵌入。
步骤2600:在完成其中一个视图的秘密信息嵌入之后,再对另外一个视图进行秘密信息嵌入。
其中,在对另外一个视图进行秘密信息嵌入的过程中,重复步骤2100至步骤2500,即可实现对另一个视图像素的秘密信息的嵌入。
步骤2700:生成秘密信息以及恢复后原始的立体图像。
本申请实施例提供一种计算机可读存储介质,包括能够被处理器加载执行时实现如图1-图5。流程中所述的各个步骤。
所述计算机可读存储介质例如包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
基于同一发明构思,本申请实施例提供一种智能终端,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序,该程序能够被处理器加载执行时实现如图1-图5。流程中所述的实现如上述的可逆信息隐藏提取方法的程序。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以对本申请的技术方案进行了详细介绍,但以上实施例的说明只是用于帮助理解本申请的方法及其核心思想,不应理解为对本申请的限制。本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。

Claims (9)

1.一种立体图像的像素预测方法,其特征是,包括:
选择任意一个视点以进行像素预测;
定义其中一个视点的像素为第一像素;其中,第一像素的两个相邻像素分别为第一相邻像素与第二相邻像素;
将第一相邻像素与第二相邻像素分别利用二阶泰勒展开进行展开并经过逻辑运算以形成第一像素所对应的第一像素展开式以及该第一像素所对应的第一像素二阶偏导数差分展开式;
定义另一个视点的像素为第二像素;其中,第二像素的两个相邻像素分别为第三相邻像素与第四相邻像素;
将第三相邻像素与第四相邻像素分别利用二阶泰勒展开进行展开并经过逻辑运算以形成第二像素所对应的第二像素二阶偏导数差分展开式;
通过第二像素二阶偏导数差分展开式以及第二像素与第一像素之间的视差关系以表示第一像素所对应的第一像素二阶偏导数差分展开式;
形成根据第二像素进行预测的第一像素展开式;
定义其中一个视点的第一像素为fL(x,y);第一相邻像素fL(x+h,y)与第二相邻像素fL(x-h,y),h为正数;
将第一相邻像素fL(x+h,y)与第二相邻像素fL(x-h,y)分别利用二阶泰勒展开进行展开,具体如下:
Figure FDA0004184957590000011
Figure FDA0004184957590000012
经过逻辑运算以形成第一像素所对应的第一像素展开式,具体如下:
Figure FDA0004184957590000013
Figure FDA0004184957590000014
该第一像素所对应的第一像素二阶偏导数差分展开式,具体如下:
Figure FDA0004184957590000015
定义另一个视点的第二像素为fR(x,y);第三相邻像素fR(x+h,y)与第四相邻像素fR(x-h,y),h为正数;
将第三相邻像素fR(x+h,y)与第四相邻像素fR(x-h,y)分别利用二阶泰勒展开进行展开,具体如下:
Figure FDA0004184957590000021
Figure FDA0004184957590000022
/>
经过逻辑运算以形成第二像素所对应的第二像素展开式,具体如下:
Figure FDA0004184957590000023
Figure FDA0004184957590000024
该第二像素所对应的第二像素二阶偏导数差分展开式,具体如下:
Figure FDA0004184957590000025
第二像素与第一像素之间的视差关系为两者之间的存在视差d;通过第二像素二阶偏导数差分展开式以及第二像素与第一像素之间的视差关系以表示第一像素所对应的第一像素二阶偏导数差分展开式,具体如下:
Figure FDA0004184957590000026
形成根据第二像素进行预测的第一像素展开式,具体如下:
Figure FDA0004184957590000027
2.根据权利要求1所述的立体图像的像素预测方法,其特征是:根据预设的纹理判断条件以判断对应的像素所处的纹理区域,根据对应的像素所处的纹理区域进行像素预测,其中,纹理区域包括水平纹理区域、垂直纹理区域以及平滑纹理区域;
关于处于水平纹理区域的像素预测,具体如下:
Figure FDA0004184957590000028
关于处于垂直纹理区域的像素预测,具体如下:
Figure FDA0004184957590000031
关于处于平滑纹理区域的像素预测,具体如下:
Figure FDA0004184957590000032
3.根据权利要求2所述的立体图像的像素预测方法,其特征是:根据所预设的纹理判断条件以判断对应的像素所处的纹理区域的方法如下:
Figure FDA0004184957590000033
其中,T为判断像素纹理的参数;HT表示为水平纹理区域;VT表示为垂直纹理区域;ST表示为平坦纹理区域;CT表示为复杂纹理区域;若XL为CT,则不进行该纹理区域的像素预测。
4.一种可逆信息隐藏提取方法,其特征是,包括可逆信息隐藏方法,具体如下:
选择任意一个视图进行秘密信息嵌入;所述视图包括左视图以及右视图;
关于对视图中秘密信息嵌入的方法如下:
所述视图包括第一像素与第二像素,第一像素与第二像素呈间隔排布;
选择第一像素或第二像素进行秘密信息嵌入;定义当前进行秘密信息嵌入的像素为嵌入像素以及当前未进行秘密信息嵌入的像素为未嵌入像素;
获取视差图;
根据视差图并通过立体图像的像素预测方法以对嵌入像素进行预测以形成预测嵌入像素;所述立体图像的像素预测方法是基于权利要求1-3实现的;
根据嵌入像素所对应的原始值以及预测嵌入像素所对应的预测值以形成预测误差e,生成预测误差e的直方图H={e},建立相应的直方柱{…b-2,b-1,b0,b1,b2…};
判断直方柱的所对应的预测误差e是否等于或者大于DL+1;将预测误差e等于或者大于DL+1的直方柱向右移动;判断直方柱的所对应的预测误差e是否等于或者小于-(DL+1);将预测误差e等于或者小于-(DL+1)的直方柱向左移动;
其中,DL为嵌入层数,DL将以步长1减少;
位于[-DL,DL]的直方柱用于嵌入秘密信息w,其中w={0,1};
当DL>0,嵌入w:
Figure FDA0004184957590000041
其中,e′为嵌入w后的预测误差;
当DL=0,嵌入w:
Figure FDA0004184957590000042
通过e′嵌入w:
Figure FDA0004184957590000043
/>
其中,e″为通过e′嵌入w后的预测误差;
当所有直方柱被移动后,所有嵌入像素修改为:
Figure FDA0004184957590000044
5.根据权利要求4所述的可逆信息隐藏提取方法,其特征是:关于获取视差图的方法如下:
根据相邻的未嵌入像素以预测对应嵌入像素,将预测形成的嵌入像素以及未嵌入像素组成临时左视图;
根据视差算法以计算临时左视图与右视图之间的视差图。
6.根据权利要求4所述的可逆信息隐藏提取方法,其特征是:依次对左视图、右视图进行秘密信息嵌入;在对相应的视图进行秘密信息嵌入过程中,依次选择第一像素、第二像素进行秘密信息嵌入;
生成含有秘密信息的立体图像。
7.根据权利要求6所述的可逆信息隐藏提取方法,其特征是:包括可逆信息提取方法,具体如下:
反向依次执行可逆信息隐藏方法所对应的逻辑以提取秘密信息以及立体图像。
8.一种计算机可读存储介质,其特征是,存储有能够被处理器加载执行时实现如权利要求1至3中任一项所述的立体图像的像素预测方法的程序或如权利要求4至7中任一项所述的可逆信息隐藏提取方法的程序。
9.一种智能终端,其特征是,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序,该程序能够被处理器加载执行时实现如权利要求1至3中任一项所述的立体图像的像素预测方法的程序或如权利要求4至7中任一项所述的可逆信息隐藏提取方法的程序。
CN202010951331.9A 2020-09-10 2020-09-10 立体图像的像素预测方法、可逆信息隐藏提取方法、终端及存储介质 Active CN112132732B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010951331.9A CN112132732B (zh) 2020-09-10 2020-09-10 立体图像的像素预测方法、可逆信息隐藏提取方法、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010951331.9A CN112132732B (zh) 2020-09-10 2020-09-10 立体图像的像素预测方法、可逆信息隐藏提取方法、终端及存储介质

Publications (2)

Publication Number Publication Date
CN112132732A CN112132732A (zh) 2020-12-25
CN112132732B true CN112132732B (zh) 2023-06-02

Family

ID=73846189

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010951331.9A Active CN112132732B (zh) 2020-09-10 2020-09-10 立体图像的像素预测方法、可逆信息隐藏提取方法、终端及存储介质

Country Status (1)

Country Link
CN (1) CN112132732B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108184122A (zh) * 2018-01-11 2018-06-19 马睿和 基于多元线性回归的图像可逆信息隐藏方法和装置
CN108875649A (zh) * 2018-06-22 2018-11-23 北京佳格天地科技有限公司 一种地物分类方法、系统、设备和存储介质
CN109073996A (zh) * 2016-03-01 2018-12-21 Asml荷兰有限公司 用于确定图案化工艺的参数的方法和设备
CN109348228A (zh) * 2018-09-14 2019-02-15 东南大学 一种基于图像分割和图像空间相关性的图像加密域可逆信息隐藏系统与方法
CN109671010A (zh) * 2018-11-02 2019-04-23 中山大学 一种基于多个二维直方图修改的可逆信息隐藏及提取方法
CN109948307A (zh) * 2019-03-01 2019-06-28 北京交通大学 基于像素多尺度预测的可逆数据隐藏方法
CN109949199A (zh) * 2019-02-27 2019-06-28 北京交通大学 基于二维预测误差直方图自适应扩展的可逆信息隐藏方法
CN110162986A (zh) * 2019-05-10 2019-08-23 广西赛联信息科技股份有限公司 基于相邻像素预测模型的可逆信息隐藏方法
CN110337000A (zh) * 2019-07-11 2019-10-15 南京信息工程大学 基于双二叉树扩展和公钥加密的加密域可逆信息隐藏方法
CN110419217A (zh) * 2018-04-02 2019-11-05 深圳市大疆创新科技有限公司 用于图像处理的方法和图像处理装置
CN111008630A (zh) * 2019-12-18 2020-04-14 郑州大学 一种基于弱监督学习的目标定位方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2570970A1 (en) * 2011-09-16 2013-03-20 Technische Universität Berlin Method and system for the automatic analysis of an image of a biological sample
CN107862646B (zh) * 2017-09-27 2021-04-13 宁波大学 一种高动态范围图像信息隐藏方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109073996A (zh) * 2016-03-01 2018-12-21 Asml荷兰有限公司 用于确定图案化工艺的参数的方法和设备
CN108184122A (zh) * 2018-01-11 2018-06-19 马睿和 基于多元线性回归的图像可逆信息隐藏方法和装置
CN110419217A (zh) * 2018-04-02 2019-11-05 深圳市大疆创新科技有限公司 用于图像处理的方法和图像处理装置
CN108875649A (zh) * 2018-06-22 2018-11-23 北京佳格天地科技有限公司 一种地物分类方法、系统、设备和存储介质
CN109348228A (zh) * 2018-09-14 2019-02-15 东南大学 一种基于图像分割和图像空间相关性的图像加密域可逆信息隐藏系统与方法
CN109671010A (zh) * 2018-11-02 2019-04-23 中山大学 一种基于多个二维直方图修改的可逆信息隐藏及提取方法
CN109949199A (zh) * 2019-02-27 2019-06-28 北京交通大学 基于二维预测误差直方图自适应扩展的可逆信息隐藏方法
CN109948307A (zh) * 2019-03-01 2019-06-28 北京交通大学 基于像素多尺度预测的可逆数据隐藏方法
CN110162986A (zh) * 2019-05-10 2019-08-23 广西赛联信息科技股份有限公司 基于相邻像素预测模型的可逆信息隐藏方法
CN110337000A (zh) * 2019-07-11 2019-10-15 南京信息工程大学 基于双二叉树扩展和公钥加密的加密域可逆信息隐藏方法
CN111008630A (zh) * 2019-12-18 2020-04-14 郑州大学 一种基于弱监督学习的目标定位方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Efficient and Robust Direct Image Registration Based on Joint Geometric and Photometric Lie Algebra;Chenxi Li 等;《IEEE Transactions on Image Processing》;第27卷(第12期);6010-6024 *
Efficient high capacity technique to embed EPR information and to detect tampering in medical images;R. Geetha 等;《Journal of Medical Engineering # TEchnology》;第44卷(第2期);1-14 *
Shu-Yuan Shen 等.A data hiding scheme using pixel value differencing and improving exploiting modification directions.《Computer &amp Security》.2015,第48卷131-141. *
Taylor expansion based stereo image reversible data hiding;Xinyang Ying 等;《Research Square》;1-14 *
基于深度学习的图像和文本检索;彭涵宇;《中国优秀硕士学位论文全文数据库 信息科技辑》(第6期);I138-570 *
基于灰度序模式的图像局部特征描述算法研究;胡敬双;《中国优秀硕士学位论文全文数据库 信息科技辑》(第9期);I138-270 *
基于稳定场图像重建的传递函数研究;李晓菲;《中国优秀硕士学位论文全文数据库 信息科技辑》(第1期);I138-1310 *

Also Published As

Publication number Publication date
CN112132732A (zh) 2020-12-25

Similar Documents

Publication Publication Date Title
US20160012564A1 (en) Method for embedding and extracting multi-scale space based watermark
EP1566763B1 (en) Watermarking of limited colour images
Wang et al. Watermarking for DIBR 3D images based on SIFT feature points
US8509600B2 (en) Copy detection
JP5654434B2 (ja) ホスト画像に透かし画像を埋込む方法および装置
GB2493514A (en) Using a measure of depth to detect if video data derives from a reference video
US8755598B2 (en) System for embedding data
US10049422B2 (en) Template-based watermarking method for depth-image-based rendering based 3D image and apparatus thereof
Kim et al. Region-based tampering detection and recovery using homogeneity analysis in quality-sensitive imaging
Chen et al. Adaptive reversible image watermarking scheme
Kim et al. Adaptive weighted fusion with new spatial and temporal fingerprints for improved video copy detection
CN108805788B (zh) 基于图像拓扑结构的可逆水印方法
Wu et al. Reversible watermarking of 3D mesh models by prediction-error expansion
KR20110090247A (ko) 차이값 히스토그램을 이용한 가역 워터마크 삽입, 추출 및 원본 복원 방법
Thilagavathi et al. A survey of reversible watermarking techniques, application and attacks
Liu et al. ROI-based reversible data hiding scheme for medical images with tamper detection
CN112132732B (zh) 立体图像的像素预测方法、可逆信息隐藏提取方法、终端及存储介质
CN102760280A (zh) 一种大容量可逆水印的嵌入和提取方法及其实现系统
Aparicio-Díaz et al. Temporal copy-move forgery detection and localization using block correlation matrix
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
WO2013017306A1 (en) Copy detection
Abokhdair et al. A prediction-based reversible watermarking for MRI images
Zhang et al. Medical Image Key Area Protection Scheme Based on QR Code and Reversible Data Hiding
CN111127288A (zh) 可逆图像水印处理方法、装置及计算机可读存储介质
Uyyala et al. A Reversible Approach for Hiding Data in Digital Media using Gray-Scale Images

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