CN113205445A - 一种基于数据压缩的可逆明水印方法和装置 - Google Patents
一种基于数据压缩的可逆明水印方法和装置 Download PDFInfo
- Publication number
- CN113205445A CN113205445A CN202110412171.5A CN202110412171A CN113205445A CN 113205445 A CN113205445 A CN 113205445A CN 202110412171 A CN202110412171 A CN 202110412171A CN 113205445 A CN113205445 A CN 113205445A
- Authority
- CN
- China
- Prior art keywords
- image
- watermark
- visual
- data
- reversible
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000002441 reversible effect Effects 0.000 title claims abstract description 35
- 238000013144 data compression Methods 0.000 title claims abstract description 17
- 230000000007 visual effect Effects 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000007906 compression Methods 0.000 claims description 27
- 230000006835 compression Effects 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000009499 grossing Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000013507 mapping Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 9
- 238000010276 construction Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 4
- 230000004927 fusion Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4084—Scaling of whole images or parts thereof, e.g. expanding or contracting in the transform domain, e.g. fast Fourier transform [FFT] domain scaling
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于数据压缩的可逆明水印方法和装置。本发明方法引入了利用重构数据包来辅助可视水印去除的思想,即在可视水印嵌入后创建用于描述水印图像与原始宿主图像之间关系模型的数据包,并作为辅助信息嵌入至水印图像中;在可视水印去除时,事先从水印图像中提取辅助信息并重构模型数据包,用于可视水印图像的去除和原始宿主图像的恢复,从而构造了通用的可逆映射关系。本发明具有较强的通用性,不需要关心具体的可视水印嵌入算法,并且在可视水印图案去除和宿主图像恢复过程中也不需要原始可视水印图像的参与,适用性更强;本发明方法采用高效的数据压缩技术,需要嵌入非明水印区域的数据量较少,水印图像失真较小。
Description
技术领域
本发明属于数字水印和信息隐藏技术领域,具体涉及一种可逆明水印嵌入和去除方法,尤其涉及了基于数据压缩的可逆明水印嵌入和去除方法。
背景技术
可逆明水印技术是指通过特定算法将可视水印图像以半透明地方式叠加到数字图像或视频帧的特定位置处,可以让人直接进行所有权识别;必要时可以使用特定工具将可视水印图像从宿主图像中完全擦除,并无失真地恢复原始图像载体数据。这对于保持原始数字媒体文件本身的使用价值有非常大的帮助,并有利于可逆信息隐藏技术在数字媒体网络化领域中的拓展应用。因此,可逆明水印技术可以在很多领域具有重要用途,例如内容保护、版权标识、广告宣传等。
可逆明水印技术的核心研究内容主要包括:1)可视水印图像嵌入;2)可逆映射关系构造。目前现有技术中的可逆映射关系都是根据特定的可视水印图像嵌入算法设计的,相对比较单一,不具有通用性。为了保证可视水印图像效果,宿主图像需要做大量修改。为了能够有效进行可视水印图像完全去除和原始宿主图像载体的恢复,需要保存的辅助信息量比较多。因此,可逆映射关系构造难度相对比较大。另外,为了提升可视水印图像与宿主图像的视觉融合效果,很多研究者在水印区域的自适应选择和水印强度的自适应计算方面做了大量的工作,但是由于可逆映射关系的构造工作存在一定的瓶颈,这在一定程度上限制了可视水印技术的发展和应用。
发明内容
本发明主要是提供了一种基于数据压缩的可逆明水印嵌入和去除方法,克服了现有技术中可逆映射关系构造困难且单一、通用性差以及水印图像失真过大的缺点。
为了达到可逆映射关系构造与可视水印嵌入算法实现无关的目标,本方法引入了利用重构数据包来辅助可视水印去除的思想。即在可视水印嵌入后,创建用于描述水印图像与原始宿主图像之间关系模型的数据包,并作为辅助信息嵌入至水印图像中;在可视水印去除时,事先从水印图像中提取辅助信息并重构模型数据包,用于可视水印图像的去除和原始宿主图像的恢复,从而构造了通用的可逆映射关系。
本发明提出了一种基于数据压缩的可逆明水印方法,技术方案包括:
可视水印图像嵌入方法,主要包括:
步骤一、给定原始宿主图像I和水印图像Iw,并计算I和Iw的差值图像D=I-Iw;
步骤二、对差值图像D进行有损压缩处理后得到压缩数据Dc;
步骤三、将压缩数据Dc进行解压缩处理后得到重构的差值图像D′,并计算D和D′的误差矩阵e=D-D′;
步骤四、将误差矩阵e直接线性叠加至Iw的可视水印图像区域得到水印图像Iw′=Iw+e;
步骤五、利用传统可逆信息隐藏方法将Dc嵌入至Iw′的非可视水印图像区域得到最终的水印图像Iw″。
可视水印图像去除及原始宿主图像恢复方法,主要包括:
步骤一、从水印图像Iw″中提取压缩数据Dc,并恢复出水印图像Iw′;
步骤二、将压缩数据Dc进行解压缩处理后得到重构的差值图像D′;
步骤三、将水印图像Iw′和差值图像D′相加后得到原始的宿主图像I。
进一步地,所述对差值图像D进行有损压缩处理后得到压缩数据Dc,包括:
利用图信号平滑先验GSSP(Graphic Signal Smoothing Priori)对差值图像D进行分段平滑处理,得到Ds;
利用图傅里叶变换GFT(graph Fourier transform)对Ds进行压缩编码处理,得到压缩数据Dc。
进一步地,所述利用图信号平滑先验GSSP对差值图像D进行分段平滑处理,包括:
进一步地,所述利用图傅里叶变换GFT对Ds进行压缩编码处理,包括:
将差值图像Ds平均划分为n×n的子块,检测每个图像子块中的突出图像边缘轮廓,并将块边缘信息进行无损压缩;
基于全连通图进行自适应变换,即进行GFT编码。
基于同一发明构思,本发明还提供一种基于数据压缩的可逆明水印装置,包括可视水印图像嵌入单元,和/或可视水印图像去除及原始宿主图像恢复单元;
所述可视水印图像嵌入单元采用本发明的上述方法进行可视水印图像嵌入;
所述可视水印图像去除及原始宿主图像恢复单元采用本发明的上述方法进行可视水印图像去除及原始宿主图像恢复。
与现有技术相比,本发明的有益效果在于:
本发明采用了重构数据包的压缩存储方法来辅助可视水印图像去除,具有较强的通用性,不需要关心具体的可视水印嵌入算法,并且在可视水印图案去除和宿主图像恢复过程中也不需要原始可视水印图像的参与,适用性更强。本发明方法采用高效的数据压缩技术,需要嵌入非明水印区域的数据量较少,则水印图像失真较小。因此,该方法可以同时适用于灰度图像和彩色图像。
附图说明
图1为本发明方法中可视水印图像嵌入的步骤流程图。
图2为可视水印嵌入效果图:(a)原始宿主图像I;(b)可视水印图像W;(c)水印图像Iw。
图3为原始宿主图像I和水印图像Iw之间的差值图像D。
图4将图3所示的差值图像D进行GSSP平滑处理后的差值图像Ds。
图5利用IGFT将压缩数据Dc重构后的差值图像D′。
图6为使用误差矩阵e修正水印图像Iw后得到的水印图像Iw′。
图7为最终的水印图像Iw″。
图8是本发明方法中可视水印图像去除及原始宿主图像恢复的步骤流程图。
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。
本发明一个实施例的一种基于数据压缩的可逆明水印方法,其中可视水印图像嵌入过程如图1所示,具体实施方式如下:
1)给定原始宿主图像I和水印图像Iw,并计算I和Iw的差值图像D=I-Iw。
为了实现更加通用的可逆明水印方法,本方法引入了利用重构数据包来辅助可视水印去除和原始宿主图像恢复的思想。无论针对何种可视水印嵌入方法,只需要在具备原始宿主图像I和水印图像Iw的情况下,通过该方法可以快速构造可逆映射关系,并完成可视水印图像的安全去除和原始宿主图像的无损恢复。具体地,创建用于描述水印图像Iw与原始宿主图像I之间关系模型的数据包,即计算I和Iw的差值图像D=I-Iw,并将差值图像D的相关数据作为辅助信息嵌入至水印图像中;在可视水印图像去除时,事先从水印图像中提取辅助信息并重构模型数据包,用于可视水印图像的去除和原始宿主图像的恢复,从而构造了通用的可逆映射关系。图2中(a)-(c)分别为原始宿主图像I、可视水印图像W和水印图像Iw,利用通用的Alpha图像融合方式(不具有可逆性)将图2中的图(b)嵌入至图(a)得到图(c),其中Alpha=192。图3为原始宿主图像I和水印图像Iw之间的差值图像D。
2)对差值图像D进行有损压缩处理后得到压缩数据Dc。
为了减小辅助信息的数据量以及水印图像的失真,需要将差值图像D进行压缩处理。现有的无损压缩方法的压缩效率比较低,无损压缩后的数据量通常会比较大。当可视水印嵌入方法的水印强度较大并且分布不均时,直接将无损压缩数据嵌入至非可视水印图像区域,往往会造成过水印图像的失真过大。在极端情况下,无损压缩数据可能无法完整嵌入至水印图像。为此,本实施例采用了基于图傅里叶变换(GFT,graph Fourier transform)的有损数据压缩方法。另外,为了进一步提升数据压缩效率,先利用图信号平滑先验(GSSP,graph signal smoothing prior)对差值图像D进行分段平滑处理后得到Ds,并利用GFT对Ds进行压缩编码处理得到压缩数据Dc。下面分别详细说明基于GSSP的分段平滑和基于GFT的压缩编码处理过程。
a)基于GSSP的分段平滑
本实施例使用GSSP对差值图像D进行分段平滑处理获得Ds,并将Ds代替D进行压缩处理以获得更小的数据量。GSSP分段平滑的主要步骤如下:
差值图像D可以表示为:
其中,dij为整数,1≤i≤l,1≤j≤m,,l和m分别为水印图像W的高和宽。将D按照行的顺序扫描转换为一维向量d={d11,d12,…,d1m,d21,d22…d2m,…,dl1,dl2…dlm}T。D的全连图构造如下:
其中,是由所有节点d11,d12,…,d1m,d21,…dlm组成的有限点集,数目为N=l×m;ε为N×N条边组成的全连接有限边集,每条边ε(i,j)∈ε都有对应的权重,用于衡量节点i和j之间的相似性。在本实施例中,我们使用下列方法计算权重:
其中,W是N×N的图权重矩阵,i,j∈[1,N],σ=0.05×max(|xi-xj|)+δ,δ为防止分母为σ的参数,一般取值为σ=0.00001。0≤wi,j≤1,wi,j越大,节点i和j越相似。
其中,1为值全为1的向量,diag(·)为生成主对角线元素为输入向量元素的主对角线方阵的函数。
其中,‖ds‖GSSP为图信号平滑先验算子,用于衡量差值矩阵的平滑程度。
为保证以较小的变化获得差值图像的分段平滑代理,GSSP方程构造如下:
令公式(6)的一阶导数为零,可得:
其中,E为单位矩阵,α为平滑参数,一般取值为α={0.001,0.01,0.1}。
在求解式(7)的过程中,由于全连通图的计复杂性较大,为了提高运算效率并减少分块带来的质量损失,使用尺寸为8×8的重叠的滑动窗口求解ds,其中重叠滑动的步长为2。为了进一步降低运算量,我们引入阈值t,即对于每一个8×8的窗口,有:
·使用式(9)获得阈值t:
由于窗口是重叠的,每一个ds将被求解多次,因此,最终的ds如式(10)所示:
例如,对于图3所示原始差值图像D,利用上述方法进行分段平滑处理后得到Ds,如图4所示,其中α=0.001,TH=0.5。
b)基于GFT的压缩编码
将差值图像D经过基于GSSP分段平滑处理后的差值图像Ds。Ds具有边缘锐利、内部平滑(分段平滑)的特征。因此,本实施例采用基于GFT的压缩编码对差值图像代理Ds进行压缩编码,获得压缩数据Dc。GFT的压缩编码的过程主要包括GFT构造和多分辨率GFT编码。其中GFT的构造过程为:首先,将差值图像Ds平均划分为n×n的子块,检测每个图像子块中的突出图像边缘轮廓,并将块边缘信息进行无损压缩;然后,将n×n的子块中的每个像素视为全连通图中的一个节点,生成全连接的4或8连通图。如果两个相邻像素/节点之间存在边缘,则消除它们之间的连接。最后,基于全连通图进行自适应变换,即进行GFT编码。
3)将压缩数据Dc进行解压缩处理后得到重构的差值图像D′,并计算D和D′的误差矩阵e=D-D′。
利用逆图傅里叶变换(IGFT,Inverse GFT)将压缩数据Dc进行解码处理后得到差值图像D′,如图5所示。由于GFT是有损压缩,因此重构后的差值图像D′与原始差值图像D不完全一致,则需要计算它们之间的误差矩阵e。
4)将误差矩阵e直接线性叠加至Iw的可视水印图像区域得到水印图像Iw′=Iw+e。
本发明提出的通用性可逆明水印方法基于两个基本条件假设:①可视水印图像的内容复杂度适中,边缘轮廓相对清晰;②对可视水印图像区域进行适当的二次修改并不影响水印图像的整体视觉融合效果。可视水印技术是将Logo标识图案以视觉可见的方式嵌入至宿主图像,人眼所及的是可视水印图像与背景图像融合的效果。由于背景图像的干扰,人眼仅能识别可视水印图像的大体轮廓,其细节信息无法精准浮现。因此,复杂度较高的可视水印图像并不适合于水印嵌入,相应地,适当减少原始可视水印图像的部分内容细节也不会影响人眼对于标识图案的整体轮廓识读。
因此,为了保证可逆性,需要利用误差矩阵e修正水印图像Iw后得到Iw′,如图6所示。从图6和图2(c)的视觉对比效果看,经过误差矩阵e修正后的水印图像效果变化不大,肉眼基本无法识别。
5)利用传统可逆信息隐藏方法将Dc嵌入至Iw′的非可视水印图像区域得到最终的水印图像Iw″。
为了实现可逆明水印方法,需要利用传统可逆信息隐藏方法将Dc和辅助信息嵌入到非明水印图像区域。假设宿主图像I的大小为P×Q像素,则辅助信息内容以及存储空间大小如下:
·压缩后的差值矩阵数据Dc,大小用NC表示,单位为比特;
·GSSP和GFT的参数TH,α(2×Kf+log2256比特);
其中,Kf是根据精度要求定义的浮点参数的容量。最终的水印图像Iw″效果如图7所示。从人眼主观视觉对比效果上看,图2(c)所示的初始水印图像Iw和图7所示的最终水印图像Iw″之间的差异依然是可以接受的。
可视水印图像去除及原始宿主图像恢复方法,如图8所示,主要包括:
1)从水印图像Iw″中提取压缩数据Dc,并恢复出水印图像Iw′。
2)将压缩数据Dc进行解压缩处理后得到重构的差值图像D′。
3)将水印图像Iw′和差值图像D′相加后得到原始的宿主图像I。
基于同一发明构思,本发明的另一实施例提供一种基于数据压缩的可逆明水印装置,包括可视水印图像嵌入单元,和/或可视水印图像去除及原始宿主图像恢复单元,即包含该两个单元中的至少一个;
所述可视水印图像嵌入单元采用本发明的上述方法进行可视水印图像嵌入;
所述可视水印图像去除及原始宿主图像恢复单元采用本发明的上述方法进行可视水印图像去除及原始宿主图像恢复。
基于同一发明构思,本发明的另一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,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)
1.一种基于数据压缩的可逆明水印方法,其特征在于,采用以下步骤进行可视水印图像嵌入:
给定原始宿主图像I和水印图像Iw,并计算I和Iw的差值图像D;
对差值图像D进行有损压缩处理后得到压缩数据Dc;
将压缩数据Dc进行解压缩处理后得到重构的差值图像D′,并计算D和D′的误差矩阵e;
将误差矩阵e直接线性叠加至Iw的可视水印图像区域得到水印图像Iw′;
利用可逆信息隐藏方法将Dc嵌入至Iw′的非可视水印图像区域得到最终的水印图像Iw″。
2.根据权利要求1所述的方法,其特征在于,采用了基于图傅里叶变换的有损数据压缩方法对差值图像D进行所述有损压缩处理。
3.根据权利要求2所述的方法,其特征在于,所述对差值图像D进行有损压缩处理后得到压缩数据Dc,包括:
利用图信号平滑先验GSSP对差值图像D进行分段平滑处理,得到Ds;
利用图傅里叶变换GFT对Ds进行压缩编码处理,得到压缩数据Dc。
6.根据权利要求5所述的方法,其特征在于,所述将Dc嵌入至Iw′的非明水印区域,是将Dc和辅助信息嵌入到非明水印区域;假设宿主图像I的大小为P×Q像素,则所述辅助信息的内容包括:
压缩后的差值矩阵数据Dc;
GSSP和GFT的参数;
水印嵌入位置,即可视水印区域的起始位置和大小。
7.一种基于数据压缩的可逆明水印方法,其特征在于,采用以下步骤进行可视水印图像去除及原始宿主图像恢复:
从水印图像Iw″中提取压缩数据Dc,并恢复出水印图像Iw′;
将压缩数据Dc进行解压缩处理后得到重构的差值图像D′;
将水印图像Iw′和差值图像D′相加后得到原始的宿主图像I。
8.一种基于数据压缩的可逆明水印装置,其特征在于,包括可视水印图像嵌入单元,和/或可视水印图像去除及原始宿主图像恢复单元;
所述可视水印图像嵌入单元采用权利要求1~6中任一权利要求所述的方法进行可视水印图像嵌入;
所述可视水印图像去除及原始宿主图像恢复单元采用权利要求7所述方法进行可视水印图像去除及原始宿主图像恢复。
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 |
---|---|---|---|
CN202110412171.5A CN113205445B (zh) | 2021-04-16 | 2021-04-16 | 一种基于数据压缩的可逆明水印方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110412171.5A CN113205445B (zh) | 2021-04-16 | 2021-04-16 | 一种基于数据压缩的可逆明水印方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113205445A true CN113205445A (zh) | 2021-08-03 |
CN113205445B CN113205445B (zh) | 2023-10-17 |
Family
ID=77027434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110412171.5A Active CN113205445B (zh) | 2021-04-16 | 2021-04-16 | 一种基于数据压缩的可逆明水印方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113205445B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107945097A (zh) * | 2017-12-18 | 2018-04-20 | 辽宁师范大学 | 基于联合统计模型校正的鲁棒图像水印方法 |
CN108171643A (zh) * | 2017-12-08 | 2018-06-15 | 西安电子科技大学 | 一种基于直方图移位的鲁棒可逆图像水印方法及应用 |
CN108805788A (zh) * | 2018-05-22 | 2018-11-13 | 南开大学 | 基于图像拓扑结构的可逆水印方法 |
CN110738592A (zh) * | 2019-09-06 | 2020-01-31 | 淮阴工学院 | 基于多尺度分解与插值扩展的大容量可逆图像水印算法 |
CN110796582A (zh) * | 2019-09-26 | 2020-02-14 | 北京大学 | 一种基于矢量图形压缩的可逆明水印方法和装置 |
CN110910299A (zh) * | 2019-11-29 | 2020-03-24 | 山东科技大学 | 一种基于整数小波变换的自适应可逆信息隐藏方法 |
CN111199506A (zh) * | 2019-12-17 | 2020-05-26 | 淮阴工学院 | 结合二次差值扩展与插值扩展的可逆图像水印算法 |
-
2021
- 2021-04-16 CN CN202110412171.5A patent/CN113205445B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171643A (zh) * | 2017-12-08 | 2018-06-15 | 西安电子科技大学 | 一种基于直方图移位的鲁棒可逆图像水印方法及应用 |
CN107945097A (zh) * | 2017-12-18 | 2018-04-20 | 辽宁师范大学 | 基于联合统计模型校正的鲁棒图像水印方法 |
CN108805788A (zh) * | 2018-05-22 | 2018-11-13 | 南开大学 | 基于图像拓扑结构的可逆水印方法 |
CN110738592A (zh) * | 2019-09-06 | 2020-01-31 | 淮阴工学院 | 基于多尺度分解与插值扩展的大容量可逆图像水印算法 |
CN110796582A (zh) * | 2019-09-26 | 2020-02-14 | 北京大学 | 一种基于矢量图形压缩的可逆明水印方法和装置 |
CN110910299A (zh) * | 2019-11-29 | 2020-03-24 | 山东科技大学 | 一种基于整数小波变换的自适应可逆信息隐藏方法 |
CN111199506A (zh) * | 2019-12-17 | 2020-05-26 | 淮阴工学院 | 结合二次差值扩展与插值扩展的可逆图像水印算法 |
Also Published As
Publication number | Publication date |
---|---|
CN113205445B (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Color image watermarking scheme based on quaternion Hadamard transform and Schur decomposition | |
Hatoum et al. | Using deep learning for image watermarking attack | |
Wang et al. | Laplacian pyramid adversarial network for face completion | |
CN102147912B (zh) | 一种基于自适应差值扩展的可逆图像水印方法 | |
CN105335947A (zh) | 图像去噪方法和图像去噪装置 | |
CN103854262A (zh) | 基于结构聚类与稀疏字典学习的医学图像降噪方法 | |
CN103279933A (zh) | 一种基于双层模型的单幅图像超分辨率重建方法 | |
CN107301662B (zh) | 深度图像的压缩恢复方法、装置、设备及存储介质 | |
Tang et al. | Bayesian framework with non-local and low-rank constraint for image reconstruction | |
Zhang et al. | Image inpainting based on wavelet decomposition | |
CN114627006A (zh) | 一种基于深度解耦网络的渐进式图像修复方法 | |
CN112634120A (zh) | 基于cnn预测的图像可逆水印方法 | |
CN114827381A (zh) | 基于条件标准化流模型的强鲁棒性图像隐写方法及系统 | |
Wang et al. | Synchronization correction-based robust digital image watermarking approach using Bessel K-form PDF | |
Jam et al. | Symmetric skip connection Wasserstein GAN for high-resolution facial image inpainting | |
Hu et al. | Criminisi-based sparse representation for image inpainting | |
CN113763268A (zh) | 人脸图像盲修复方法及系统 | |
CN117274059A (zh) | 基于图像编码-解码的低分辨率图像重构方法及其系统 | |
Alsayyh et al. | A Novel Fused Image Compression Technique Using DFT, DWT, and DCT. | |
CN113205445A (zh) | 一种基于数据压缩的可逆明水印方法和装置 | |
CN115131226A (zh) | 一种基于小波张量低秩正则化的图像复原方法 | |
Alizadeh et al. | Image watermarking by Q learning and matrix factorization | |
Singh et al. | A robust watermarking scheme based on image normalization | |
CN114493971A (zh) | 媒体数据转换模型训练、数字水印嵌入方法和装置 | |
CN104166961B (zh) | 用于图像盲复原的低秩逼近的模糊核估计方法 |
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 |