CN112199693A - 一种基于卡通化图像的隐写方法 - Google Patents

一种基于卡通化图像的隐写方法 Download PDF

Info

Publication number
CN112199693A
CN112199693A CN202011059287.7A CN202011059287A CN112199693A CN 112199693 A CN112199693 A CN 112199693A CN 202011059287 A CN202011059287 A CN 202011059287A CN 112199693 A CN112199693 A CN 112199693A
Authority
CN
China
Prior art keywords
images
image
steganography
cartoon
distortion cost
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
Application number
CN202011059287.7A
Other languages
English (en)
Inventor
李晓龙
钱振兴
张新鹏
秦川
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.)
Southeast Digital Economic Development Research Institute
Original Assignee
Southeast Digital Economic Development Research Institute
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 Southeast Digital Economic Development Research Institute filed Critical Southeast Digital Economic Development Research Institute
Priority to CN202011059287.7A priority Critical patent/CN112199693A/zh
Publication of CN112199693A publication Critical patent/CN112199693A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60Protecting data
    • G06F21/602Providing cryptographic facilities or services
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00Image coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于卡通化图像的隐写方法,利用卡通化图像的特征,设计了合适的修改失真代价函数,利用STC编码将秘密信息嵌入在其合适的位置,使得最终获得的含密图像有较强的不可检测性。本发明涉及的一种基于卡通化图像的隐写方法,嵌入信息后的图像在视觉和统计上都几乎法与正常载体图像区分。与现有其他针对自然图像的隐写失真代价函数对比,本发明相较于它们在相同的隐写分析器的情况下取得了更好的安全性。本发明还可以拓展至其他基于类似的图像处理方法的载体图像的隐写。

Description

一种基于卡通化图像的隐写方法
技术领域
本发明涉及图像信息隐藏技术领域,具体是指一种基于卡通化图像的隐写方法。
背景技术
隐写术即在不引起别人怀疑的情况下传递信息,它利用正常的载体图像或者数字音频等传递信息。数字图像隐写术即利用数字图像来携载秘密信息,通过对图像的轻微修改在保证可读性情况下嵌入信息。早期的数字图像隐写术更关注对载体图像像素的修改个数,因此大量基于矩阵编码的方法出现提升了嵌入效率。但是由于没有考虑修改像素所处的位置,不同纹理区域修改后被发现的概率不同,因此没有取得太好的性能。在2011年J.Fridrich团队提出了STC(Syndrome Trellis Coding)编码,它考虑了图像像素的修改位置实现了自适应隐写框架。在此框架下,仅仅需要设计一个失真代价函数用于表示各像素被修改时它们对应的被检测风险。隐写者只需要给定待嵌入的信息、载体图像和载体图像对应的失真代价值即可利用STC编码嵌入信息得到含密图像。在接收端接收者只利用事先与发送者约定好的校验矩阵即可提取秘密信息。
今年来随着互联网的广泛普及,数字图像每天都在数以亿计在社交网络传播。各种图像处理软件也层出不穷,其中包括有图像的滤镜以及美颜等,在各种图像处理软件中图像卡通化也十分常见。卡通化的图像主要有两个来源:艺术家的绘画和自然图像卡通化产生,因为前者需要耗费艺术家大量时间和精力因此互联网上的卡通图像更多时通过后者方法产生。图像卡通化是指将自然图像变化成为卡通风格的图像,这类操作已经在各类图像处理软件等中实现。卡通图像也已经在互联网中四处可见,而数字图像的隐写术大多集中在针对自然图像的隐写术。而现在图像失真代价函数都针对自然图像,而卡通化图像也已在社交网络上广泛使用。
发明内容
基于以上技术问题,提供了一种基于卡通化图像的隐写方法,通过挖掘图像卡通化的原理和产生过程,设计一种针对卡通化图像的失真代价函数,只有通过STC编码仅通过轻微修改载体的方式将秘密信息嵌入其中。嵌入信息后的图像在视觉和统计上都几乎法与正常载体图像区分。
为解决上述技术问题,本发明提供的技术方案为:
一种基于卡通化图像的隐写方法,包括以下具体步骤:
1)通过向原始自然图像添加轻微随机高斯噪声生成k幅带有噪声的自然图像,它们在视觉上几乎无法分辨仅仅在数字上由于高斯噪声略有差异;
2)将k幅带噪声的自然图像通过图像风格化的转换神经网络产生k幅卡通化图像;
3)通过k幅图像的平均值计算获得卡通化图像载体C,计算公式如下述所示:
Figure BDA0002711788060000021
4)计算k幅图像每个像素的方差获得方差矩阵V,计算公式如下述所示:
Figure BDA0002711788060000022
5)将方差矩阵V转换为修改概率矩阵P,即每个载体元素对应一个修改概率值,计算公式为:
Figure BDA0002711788060000023
6)将修改概率矩阵P转换为加一和减一失真代价值,转换公式为:
Figure BDA0002711788060000024
Figure BDA0002711788060000025
7)利用STC编码以及步骤6)得到的失真代价值将秘密信息嵌入载体图像。
采用以上结构后,本发明具有如下优点:
本发明通过挖掘图像卡通化的原理和产生过程,设计一种针对卡通化图像的失真代价函数,只有通过STC编码仅通过轻微修改载体的方式将秘密信息嵌入其中。嵌入信息后的图像在视觉和统计上都几乎法与正常载体图像区分。与现有其他针对自然图像的隐写失真代价函数对比,本发明相较于它们在相同的隐写分析器的情况下取得了更好的安全性。本发明还可以拓展至其他基于类似的图像处理方法的载体图像的隐写。
附图说明
图1是本发明专利名称的流程示意图。
图2是本发明专利名称自然图像示例图。
图3是本发明专利名称自然图像对应的卡通示例图。
图4是本发明专利名称获得的含密图像。
具体实施方式
下面结合附图对本发明做进一步的详细说明。
本实例以图2中的自然图像为例说明具体的步骤如下:
1)图2中的自然图像添加k=1000次随机高斯噪声获得1000幅略有差异的自然图像,高斯噪声的均值是0,方差可以是1,方差设置越大则1000幅图像之间的差异越大;
2)将1000图略有差异的自然图像通过卡通化图像网络获得对应的1000幅卡通化图像;
3)通过公式
Figure BDA0002711788060000026
获得卡通化图像载体图像,其结果就图2中右边图所示;
4)通过公式
Figure BDA0002711788060000031
获得方差矩阵V,方差矩阵的元素和载体图像一一对应,其值越小说明改像波动越小。
5)通过公式
Figure BDA0002711788060000032
获得修改概率矩阵P,概率矩阵P中的每个元素表示对应载体图像中每个像素的修改概率,对于一些修改概率较小的像素说明该点在STC嵌入的时候被修改概率越低,即说明修改改像素被检测出来的风险更高。
6)通过公式
Figure BDA0002711788060000033
Figure BDA0002711788060000034
得到载体图像对应的加一和减一失真代价值。
7)最终通过STC编码将秘密信息嵌入载体图像,最终生成的含密图像如图3所示。
以上对本发明及其实施方式进行了描述,这种描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的保护范围。

Claims (1)

1.一种基于卡通化图像的隐写方法,其特征在于,包括以下具体步骤:
1)通过向原始自然图像添加轻微随机高斯噪声生成k幅带有噪声的自然图像;
2)将k幅带噪声的自然图像通过图像风格化的转换神经网络产生k幅卡通化图像;
3)通过k幅图像的平均值计算获得卡通化图像载体C,计算公式如下述所示:
Figure FDA0002711788050000011
4)计算k幅图像每个像素的方差获得方差矩阵V,计算公式如下述所示:
Figure FDA0002711788050000012
5)将方差矩阵V转换为修改概率矩阵P,即每个载体元素对应一个修改概率值,计算公式为:
Figure FDA0002711788050000013
6)将修改概率矩阵P转换为加一和减一失真代价值,转换公式为:
Figure FDA0002711788050000014
Figure FDA0002711788050000015
7)利用STC编码以及步骤6)得到的失真代价值将秘密信息嵌入载体图像。
CN202011059287.7A 2020-09-30 2020-09-30 一种基于卡通化图像的隐写方法 Pending CN112199693A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011059287.7A CN112199693A (zh) 2020-09-30 2020-09-30 一种基于卡通化图像的隐写方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011059287.7A CN112199693A (zh) 2020-09-30 2020-09-30 一种基于卡通化图像的隐写方法

Publications (1)

Publication Number Publication Date
CN112199693A true CN112199693A (zh) 2021-01-08

Family

ID=74008207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011059287.7A Pending CN112199693A (zh) 2020-09-30 2020-09-30 一种基于卡通化图像的隐写方法

Country Status (1)

Country Link
CN (1) CN112199693A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114422651A (zh) * 2022-01-11 2022-04-29 北京邮电大学 图像信息隐藏方法、溯源方法、隐藏装置和溯源装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6821735B1 (en) * 1997-09-30 2004-11-23 Plant Bioscience Limited Protein involved in abscisic acid signalling
CN106157232A (zh) * 2016-06-30 2016-11-23 广东技术师范学院 一种数字图像特征感知的通用隐写分析方法
US9536337B1 (en) * 2015-10-26 2017-01-03 Adobe Systems Incorporated Restoring digital image noise lost in a blur
CN106960435A (zh) * 2017-03-15 2017-07-18 华中师范大学 一种jpeg图像双压缩自动检测方法
CN107481185A (zh) * 2017-08-24 2017-12-15 深圳市唯特视科技有限公司 一种基于视频图像优化的风格转换方法
CN108305207A (zh) * 2018-01-15 2018-07-20 武汉大学 一种空域图像隐写分析可信度评估方法
CN109934760A (zh) * 2019-01-29 2019-06-25 深圳大学 一种空域图像自适应隐写方法、系统及装置
CN109934761A (zh) * 2019-01-31 2019-06-25 中山大学 基于卷积神经网络的jpeg图像隐写分析方法
CN110334805A (zh) * 2019-05-05 2019-10-15 中山大学 一种基于生成对抗网络的jpeg域图像隐写方法和系统
CN111028308A (zh) * 2019-11-19 2020-04-17 珠海涵辰科技有限公司 一种图像中信息的隐写及读取方法
CN111681154A (zh) * 2020-06-09 2020-09-18 湖南大学 一种基于生成对抗网络的彩色图像隐写失真函数设计方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6821735B1 (en) * 1997-09-30 2004-11-23 Plant Bioscience Limited Protein involved in abscisic acid signalling
US9536337B1 (en) * 2015-10-26 2017-01-03 Adobe Systems Incorporated Restoring digital image noise lost in a blur
CN106157232A (zh) * 2016-06-30 2016-11-23 广东技术师范学院 一种数字图像特征感知的通用隐写分析方法
CN106960435A (zh) * 2017-03-15 2017-07-18 华中师范大学 一种jpeg图像双压缩自动检测方法
CN107481185A (zh) * 2017-08-24 2017-12-15 深圳市唯特视科技有限公司 一种基于视频图像优化的风格转换方法
CN108305207A (zh) * 2018-01-15 2018-07-20 武汉大学 一种空域图像隐写分析可信度评估方法
CN109934760A (zh) * 2019-01-29 2019-06-25 深圳大学 一种空域图像自适应隐写方法、系统及装置
CN109934761A (zh) * 2019-01-31 2019-06-25 中山大学 基于卷积神经网络的jpeg图像隐写分析方法
CN110334805A (zh) * 2019-05-05 2019-10-15 中山大学 一种基于生成对抗网络的jpeg域图像隐写方法和系统
CN111028308A (zh) * 2019-11-19 2020-04-17 珠海涵辰科技有限公司 一种图像中信息的隐写及读取方法
CN111681154A (zh) * 2020-06-09 2020-09-18 湖南大学 一种基于生成对抗网络的彩色图像隐写失真函数设计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王康等: "简洁的JPEG图像隐写DCT系数选择方案和安全性增强策略", 《网络与信息安全学报》 *
綦科等: "基于噪声模型和通道融合的彩色图像隐写分析", 《计算机研究与发展》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114422651A (zh) * 2022-01-11 2022-04-29 北京邮电大学 图像信息隐藏方法、溯源方法、隐藏装置和溯源装置
CN114422651B (zh) * 2022-01-11 2022-09-16 北京邮电大学 图像信息隐藏方法、溯源方法、隐藏装置和溯源装置

Similar Documents

Publication Publication Date Title
Duan et al. A new high capacity image steganography method combined with image elliptic curve cryptography and deep neural network
US6625297B1 (en) Self-orienting watermarks
US7068809B2 (en) Segmentation in digital watermarking
JP5539348B2 (ja) 構造的マルチパターン透かし生成装置及び方法と、これを用いた透かし埋め込み装置及び方法、並びに透かし検出装置及び方法
CN101452569B (zh) 基于辅助像素的图像隐写处理方法
US20120076346A1 (en) Message Encoding
CN103413269A (zh) 一种图像隐写方法和秘密信息提取方法
Shterev et al. Amplitude scale estimation for quantization-based watermarking
TW201915833A (zh) 具有隱匿資料之二維條碼產生方法與系統
CN116402719A (zh) 一种基于潜在扩散模型的人盲脸图像恢复系统及其方法
CN112199693A (zh) 一种基于卡通化图像的隐写方法
CN106056525B (zh) 融合波段感知特征的多光谱遥感影像认证方法及系统
CN102254298B (zh) 数字水印的加解密方法和系统
Chu et al. A digital image watermarking method based on labeled bisecting clustering algorithm
CN103996163A (zh) 一种数字水印嵌入、提取方法、嵌入、提取装置以及系统
Altun et al. Optimal spread spectrum watermark embedding via a multistep feasibility formulation
CN1529282A (zh) 基于奇异值分解和扩频技术的统一数字水印的方法及装置
CN116112685A (zh) 一种基于扩散概率模型的图像隐写方法
Li et al. Data hiding with tree based parity check
CN110417551A (zh) 一种结合误差扩散的字符画生成式伪装及恢复方法
TWI375190B (zh)
CN100536387C (zh) 基于Turbo码和图像载体的抗干扰信息隐藏方法
Naik et al. Joint Encryption and Compression scheme for a multimodal telebiometric system
Mshir et al. A New Model for Creating Layer Planes Using Steganography for Text Hiding
Jiang et al. A high capacity steganographic method based on quantization table modification

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210108