CN113378143B - 基于半张量压缩感知的加密域可逆信息隐藏与认证方法 - Google Patents
基于半张量压缩感知的加密域可逆信息隐藏与认证方法 Download PDFInfo
- Publication number
- CN113378143B CN113378143B CN202110762044.8A CN202110762044A CN113378143B CN 113378143 B CN113378143 B CN 113378143B CN 202110762044 A CN202110762044 A CN 202110762044A CN 113378143 B CN113378143 B CN 113378143B
- Authority
- CN
- China
- Prior art keywords
- image
- compressed sensing
- tensor
- data
- original image
- 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
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
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/36—User authentication by graphic or iconic representation
-
- 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
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/45—Structures or tools for the administration of authentication
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
- H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
- H04N1/32267—Methods relating to embedding, encoding, decoding, detection or retrieval operations combined with processing of the image
- H04N1/32272—Encryption or ciphering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种基于半张量压缩感知的加密域可逆信息隐藏与认证方法,包括对原始图像进行半张量压缩感知采样,对原始图像进行重建并获取观测数据的估计值;获取秘密信息,对秘密信息进行加密,利用估计值进行残差预测,将经过加密的秘密信息嵌入到图像获得载密图像,将载密图像发送至接收端;接收端通过半张量压缩感知技术对载密图像进行重构,通过半张量压缩感知认证系统对所接收到的载密图像进行完整性认证;利用预先获取的解密密钥对载密图像进行解密,通过残差预测逐步恢复获得原始图像;根据预先设定的扫描顺序扫描标记的载密图像的相应预测部分中的像素,再使用解密密钥解密获取秘密信息。本发明能够提高医学图像的加密安全性。
Description
技术领域
本发明涉及图像数据处理的技术领域,具体的,涉及一种基于半张量压缩感知的加密域可逆信息隐藏与认证方法。
背景技术
随着图像处理技术以及网络技术的发展,医疗诊断领域也普遍使用电子医疗系统来实现医学图像数据的分享,以协助医生进行远程的医疗诊断。然而,数据安全一直是医学图像数据的分享的难题,由于病历和医学图像中包含的患者敏感医疗隐私信息,成为黑客最为关注的内容。此外,患者医疗数据在医院的内部网络或互联网传输过程中,往往缺乏有效保障患者敏感信息保密性、完整性、隐私性的安全工具,可能会遭遇一些严重的问题,例如恶意篡改和隐私泄露。在患者医疗数据存储和分享方面,医学影像云在未来的医疗行业将是不可或缺的存在,云存储和云服务的进步也为纸质存储提供替代方法,有助于患者医疗信息维护,并给患者数据访问带来便捷。由于在云环境中存储和分享患者医疗数据时,不仅需要更加安全地保护患者的敏感信息,而且在半信任的环境下患者敏感数据匹配也存在问题。因此,迫切需要一种安全且高效的保护技术,必须从传输期间甚至传输之后的每一步都采取安全措施。
可逆数据隐藏是一种数据隐藏技术,为秘密信息提供更高安全保障的同时,它还可以实现载体图像和秘密信息的完美恢复。在远程医疗诊断中,医学图像的任何轻微失真都可能干扰医生的诊断。为了提高图像质量,一些研究人员在差分扩展的基础上提出一种基于四分量法和差分扩展方法相结合的隐写图像质量改进算法,在载体图像的正确重建的同时确保了患者及其对应数据的安全和隐私性;为改善医学图像细节信息的视觉质量,另一些研究人员通过直方图平移和对比度增强的方法将数据嵌入图像低纹理区域,提高主观感知下的图像质量。然而,这些方法存在图像中数据嵌入率过低的问题。对于远程医疗诊断而言,医生需要借助患者大量敏感信息,包括身份信息,病历等,以便做出更快更准确的诊断。因此,应首先将患者大量敏感数据嵌入到医学图像中以保护患者的隐私泄露,并节省存储空间。
图像加密是确保医学图像的隐私和机密不受破坏的最重要技术手段。压缩感知作为一种新颖的信号压缩采样理论,不仅对原始信号来说是一种采集方法,还可以被看作是一种加密方案。与传统的加密方案相比,压缩感知加密具有计算量小、加密与压缩同时进行、密文鲁棒性强等优点。为降低存储空间,一些研究人员提出一种关于矩阵的新型计算方法——半张量积,该方法允许尺寸不匹配的矩阵相乘,并证明半张量积可以用于压缩感知。
医学图像数据作为医疗诊断的基础,图像数据的准确性和完整性对医疗诊断结果来说至关重要。然而,上述方法中仅从机密性的角度考虑安全问题,并没有考虑到数据完整性的问题,需要设计可认证方案。由于压缩感知是带有压缩性的加密,因此传统的完整性验证方法在压缩感知框架中是无效的。针对压缩感知框架,应该设计鲁棒的完整性验证方案,能够有效地区分出是重构噪声、信号噪声还是篡改引起的数据改动。目前,鲁棒的CS认证方案仅有一种,该方案能在容忍重构噪声的同时检测到一些篡改操作,这种方案后续进行了一些细节上的改进,包括重构噪声和篡改操作之间阈值界限等。
发明内容
针对以上问题,结合医疗图像数据分享背景,本发明提出一种基于半张量压缩感知的加密域高容量可逆信息隐藏与认证方法,以确保医学图像的加密安全性,并且可以确保接收端能够解密获得完整的医学图像。
为实现上述目的,本发明通过以下技术方案予以实现:一种基于半张量压缩感知的加密域可逆信息隐藏与认证方法,包括:对原始图像进行预处理:对原始图像进行半张量压缩感知采样,对原始图像进行重建并获取观测数据的估计值;秘密信息加密与嵌入:获取秘密信息,对秘密信息进行加密,利用估计值进行残差预测,将经过加密的秘密信息嵌入到图像获得载密图像,将载密图像发送至接收端;图像认证处理:接收端通过半张量压缩感知技术对载密图像进行重构,通过半张量压缩感知认证系统对所接收到的载密图像进行完整性认证;图像恢复及秘密信息提取:利用预先获取的解密密钥对载密图像进行解密,通过残差预测逐步恢复获得原始图像;根据预先设定的扫描顺序扫描标记的载密图像的相应预测部分中的像素,再使用解密密钥解密获取秘密信息。
优选的,对原始图像进行半张量压缩感知采样后生成消息认证码,并将消息认证码发送至接收端,接收端利用消息认证码对所接收的载密图像进行认证。
优选的,利用估计值进行残差预测包括:通过预重建获得估计的图像与原始图像的残差矩阵;通过残差预测逐步恢复获得原始图像包括:接收端通过残差矩阵逐步重建生成原始图像。
优选的,对原始图像进行半张量压缩感知采样包括:利用正交基字典将原始图像进行稀疏表示,利用高斯混沌矩阵对稀疏表示的原始图像进行半张量积压缩感知采样。
优选的,对原始图像进行半张量积压缩感知采样后,对半张量积压缩感知采样的图像进行拆分,使用半张量积压缩感知采样的图像的部分数据预测其全局数据。
优选的,将经过加密的秘密信息嵌入到图像包括:采用均匀标量量化器对半张量积压缩感知采样的图像的部分数据和原始图像中的非敏感数据进行编码,使用编码后的半张量积压缩感知采样的图像的剩余数据与非敏感数据构成载体图像。
优选的,将经过加密的秘密信息嵌入到图像包括:使用加密密钥生成伪随机序列,与秘密信息进行预设加密运算计算得到加密嵌入信息,并将加密嵌入信息替换载体图像中预设的行,获得载密图像。
优选的,预设加密运算计算为异或计算。
与现有技术相比,本发明的有益效果是:本发明提出的基于半张量压缩感知的加密域可逆信息隐藏与认证方法,能够获得很好的对医学图像达到加密及认证完整性的效果,而且具有可靠及安全,运行速度快,重建质量,高嵌入秘密信息容量大的特性。
附图说明
图1是本发明基于半张量压缩感知的加密域可逆信息隐藏与认证方法实施例的流程图。
图2是本发明基于半张量压缩感知的加密域可逆信息隐藏与认证方法实施例的流程框图。
图3是本发明基于半张量压缩感知的加密域可逆信息隐藏与认证方法实施例中原始图像、加密后的载密图像、以及重构图像的图示。
图4是本发明基于半张量压缩感知的加密域可逆信息隐藏与认证方法实施例中原始图像、加密后的载密图像的直方图。
图5是本发明基于半张量压缩感知的加密域可逆信息隐藏与认证方法实施例中原始图像、加密后的载密图像的水平方向、垂直方向、对角线的相关性曲线的图示。
图6是本发明基于半张量压缩感知的加密域可逆信息隐藏与认证方法实施例中理想环境下的图像、嘈杂环境下的图像、局部攻击环境下的图像以及全局攻击环境下的图像。
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。
本发明是一种基于半张量压缩感知的加密域可逆信息隐藏与认证方法,本发明的方法可以应用计算机装置实现,例如,计算机装置包括处理器、显卡以及存储器,存储器上存储有计算机程序和图像数据,通过计算机程序可以实现本发明的基于半张量压缩感知的加密域可逆信息隐藏与认证方法。
本发明的基于半张量压缩感知的加密域高容量可逆信息隐藏与认证方法主要是对医学图像进行处理,例如由采样端获取一张原始图像,并对该原始图像进行预处理以及加密后,发送至接收端,由接收端对接收到的载密图像进行仍在并且进行重构,以获得原始图像以及秘密信息。
具体的,本发明首先通过预测残差值将原始的医学图像数据分为敏感部分和非敏感部分,采样端只需分享观测值及非敏感部分就能稳定恢复远高于半张量压缩感知重建的图像质量,并能为数据隐藏腾出大容量的加密域空间(约3.75bpp)。通过残差值预测提供数据嵌入空间的方式使数据提取和图像恢复具有独立性和可分离性。本发明通过生成低阶混沌矩阵对医学图像进行采样,对观测值进行分组处理,再结合正交匹配追踪算法对图像进行重构。本发明的方法不仅成倍的降低测量矩阵的储存空间,而且在保证医学图像重构质量的前提下,提升重构的实时性。此外,本发明还提供一种高效的认证方式,可以在残差预测的同时生成消息认证码。相比传统的压缩感知认证方式,本发明能更有效的区分重构噪声、信号噪声还是被攻击者篡改引起的数据改动,实现对医学图像的完整性高效认证,本发明能够进一步将半张量压缩感知和加密域高容量可逆信息隐藏与认证方法用于医学图像远程医疗诊断提供一种可行有效的方案。
下面结合图1以及图2对本发明的具体流程进行说明。
首先,执行步骤S1,对原始图像进行预处理。如图2所示,获取原始图像11,并对原始图像11进行半张量压缩感知采样12,从而获得预处理的图像13。具体的,步骤S1中首先对原始图像进行稀疏表示。假设S是大小为n×n的原始图像,表示为S={s1,s2,…,si…,sn},其中si(1≦i≦n)是长度为n的向量。利用正交基字典ψ将原始图像S稀疏表示为X,然后利用高斯混沌矩阵φ∈Rt×t对X进行半张量积压缩感知采样,混沌矩阵的行列数t=n/a∈Z+,半张量积比例a∈Z+,即半张量积压缩感知采样的图像其中φ是一个方形测量矩阵。然后,对半张量积压缩感知采样的图像Y进行拆分,目的是通过半张量积压缩感知采样的图像Y的部分数据来预测出半张量积压缩感知采样的图像Y的全局数据。
具体的,选取半张量积压缩感知采样的图像Y的前m行数据Y(:m)(m<n)进行半张量积压缩感知重构与真实值X存在误差的预测值,称为计算医学图像的敏感数据再将半张量积压缩感知采样的图像Y的剩余n-m行的数据Y(m:n)作为本实施例所需要嵌入秘密信息的部分,这部分可以通过/>和方形测量矩阵φ的后(n-m)/a行φ(m/a:t)来预测估计观测值
然后,执行步骤S2,获取秘密信息,并且对秘密信息进行加密嵌入到图像中。具体的,本实施例利用半张量积压缩感知采样得到的估计值进行残差预测以进行秘密信息的嵌入。本实施例通过敏感数据预测残差矩阵,计算出医学图像的非敏感数据并且采用均匀标量量化器对半张量积压缩感知采样的图像Y的剩余数据Y(m:n)和非敏感数据e进行编码。其中,针对剩余数据Y(m:n)将被编码为8位二进制数,对于非敏感数据e,则拆分成两部分,分别是eabs以及esign,其中eabs为残差矩阵的数值部分,esign为残差矩阵的符号部分。并且,数值部分eabs用“b”个最低有效位表示,“8-b”最高有效位设置为0。符合部分esign被编码为1位二进制数。将编码后的Y(:m)和非敏感数据e构成载体图像载体图像的大小与半张量积压缩感知采样的图像Y相同。载体图像/>前m行数据为真实部分,剩余的部分称为载体图像/>的预测部分。
另外,本实施例还获取患者的秘密信息16,秘密信息可以包括患者的个人信息,例如姓名、性别、年龄等,还使用预先设定的加密密钥K1生成伪随机序列PR1,与预先获得的患者秘密信息Ie进行异或运算计算17,得到加密嵌入信息也就是获得预嵌入数据18。然后,通过替换载体图像/>的后“n-m”行,将秘密信息Ie信息嵌入到载体图像/>中。具体的,将嵌入数据Ie分成一系列组,每组具有8-b位,最后将加密数据从左到右、从上到下嵌入到载体图像/>中,并替换对应像素位置的“8-b”个最高有效位,最终构成载密图像/>实现信息隐藏处理14。
然后,采用原始图像的预估计值也就是敏感信息,生成消息认证码CSMAC,例如进行异或计算进行加密15处理,通过预测重建信号的方式降低原始信号与重建信号之间的误差。采样端完成上述处理后,将信号发送至接收端,由接收端对所接收到的数据进行解密,并进行认证、重构,恢复原始图像。
接收端接收到信号后,执行步骤S3,执行图像的认证。具体的,接收端通过半张量压缩感知重建原始医学图像,通过半张量压缩感知认证系统对重构的图像进行完整性认证。
具体的,接收端获取数据后,即获取敏感信息21后,进行异或计算解密22,并通过STP-CS重构算法重建原始医学图像,并对重构获得的原始图像进行完整性认证,检测图像是否被篡改。与采样端生成消息认证码CSMAC的方法类似,接收端通过φMAC和重建信号X′来生成消息验证码CSMAC′=Evo(φMACX′),其中Evo为值排序函数。最后通过判断消息认证码CSMAC′和消息认证码CSMAC之间的范数距离l1是否都小于预先设定的常数ε,来验证被分享医学图像的完整性。例如,如果消息认证码CSMAC′和消息认证码CSMAC之间的范数距离l1小于常数ε,则认为医学图像是完整的,如果消息认证码CSMAC′和消息认证码CSMAC之间的范数距离l1大于常数ε,则认为医学图像不是完整的。至此,完成认证处理23。
最后,执行步骤S4,对图像进行恢复,并提取秘密信息。具体的,接收端通过预先获取的解密密钥对加密图像进行解密,通过残差预测逐步恢复高质量重建图像。并且,接收端通过扫描顺序扫描标记的加密图像的相应预测部分中的像素,再使用解密密钥解密来无损恢复秘密信息。
本实施例中,采样端将图像的解密密钥K2发送至接收端,这样,当接收端接收到加密图像后,使用解密密钥K2对加密的图像解密,并逐步恢复高质量重建原始图像S′,将预测部分的最高有效位设置为0,并对Y(:m)进行STP-CS重建得到医学图像的敏感数据部分X′=γ(Y(:m),φ(:m/a)),并对残差矩阵反量化来获得非敏感数据部分e。用敏感数据预测估计值再与非敏感数据相加来近似得到真实值Y″(m:n)=Y′(m:n)+e,在此基础上获得近似于真实的完整观测值/>也就是通过正交匹配跟踪(OMP)重构算法27获取恢复的原始图像28。
另外,接收端还对载密图像提取加密秘密信息Ie,即进行可逆信息提取24,例如按照顺序扫描载密图像/>中后n-m行相应预测部分中的像素,并提取每个像素的“8-b”个最高有效位,获得加密的秘密信息。最后,接收端再利用解密密钥K2解密来无损恢复秘密信息I,从而获取秘密信息25。
应用本实施例的方法对具体的医学图像进行实验分析,如图3所示,图3中的(a)、(b)、(c)分别是原始医学图像、加密后载密图像、重建高质量医学图像。如图4所示,图4的(a)、(b)分别是原始医学图像和加密后载密图像的直方图。如图5所示,图5的(a)、(c)、(e)分别是原始医学图像的水平方向、垂直方向、对角线的相关性曲线表示,图5的(b)、(d)、(f)分别是加密后的载密图像的水平方向、垂直方向、对角线的相关性曲线表示。如图6所示,图6的(a)、(b)、(c)、(d)分别是理想环境下医学图像、嘈杂环境下医学图像、局部攻击环境下的医学图像、全局攻击环境下的医学图像。如表1所示,在理想环境下消息认证码CSMAC和消息认证码CSMAC′之间的l1范数距离明显小于嘈杂环境和攻击环境下的距离。可见,通过设置适当的阈值ε可以轻松地验证所接收图像的数据完整性,可证实本方案的半张量压缩感知认证框架能够有效地区分出是正常噪声还是恶意影响造成的数据改动。
表1 MRI001的CSMAC和CSMAC′之间的范数距离l1
环境 | 理想 | 嘈杂 | 攻击(局部) | 攻击(全局) |
范数距离l1 | 3.67 | 16.61 | 16.64 | 21.52 |
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。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于半张量压缩感知的加密域可逆信息隐藏与认证方法,其特征在于,包括:
对原始图像进行预处理:
对所述原始图像进行半张量压缩感知采样,对所述原始图像进行重建并获取观测数据的估计值;
通过预测残差值将原始的医学图像数据分为敏感部分和非敏感部分,采样端只需分享观测值及非敏感部分就能稳定恢复远高于半张量压缩感知重建的图像质量,并能为数据隐藏腾出大容量的加密域空间;
对原始图像进行预处理的过程具体为:
首先对原始图像进行稀疏表示,S是大小为n×n的原始图像,表示为S={s1,s2,…,si…,sn},其中si(1≦i≦n)是长度为n的向量;利用正交基字典ψ将原始图像S稀疏表示为X,然后利用高斯混沌矩阵φ∈Rt×t对X进行半张量积压缩感知采样,混沌矩阵的行列数t=n/a∈Z+,半张量积比例a∈Z+,即半张量积压缩感知采样的图像其中φ是一个方形测量矩阵;
然后,对半张量积压缩感知采样的图像Y进行拆分,通过半张量积压缩感知采样的图像Y的部分数据来预测出半张量积压缩感知采样的图像Y的全局数据;
选取半张量积压缩感知采样的图像Y的前m行数据Y(∶m)(m<n)进行半张量积压缩感知重构与真实值X存在误差的预测值,称为计算医学图像的敏感数据再将半张量积压缩感知采样的图像Y的剩余n-m行的数据Y(m∶n)作为需要嵌入秘密信息的部分,这部分可以通过/>和方形测量矩阵φ的后(n-m)/a行φ(m/a:t)来预测估计观测值/>
秘密信息加密与嵌入:获取秘密信息,对所述秘密信息进行加密,利用所述估计值进行残差预测,将经过加密的秘密信息嵌入到图像获得载密图像,将所述载密图像发送至接收端;
利用半张量积压缩感知采样得到的估计值进行残差预测以进行秘密信息的嵌入;
其中针对剩余数据Y(m:n)将被编码为8位二进制数,对于非敏感数据e,则拆分成两部分,分别是eabs以及esign,其中eabs为残差矩阵的数值部分,esign为残差矩阵的符号部分;
并且数值部分eabs用“b”个最低有效位表示,“8-b”最高有效位设置为0;符合部分esign被编码为1位二进制数;
图像认证处理:所述接收端通过半张量压缩感知技术对所述载密图像进行重构,通过半张量压缩感知认证系统对所接收到的所述载密图像进行完整性认证;
最后通过判断消息认证码CSMAC′和消息认证码CSMAC之间的范数距离l1是否都小于预先设定的常数ε,来验证被分享医学图像的完整性;
图像恢复及秘密信息提取:利用预先获取的解密密钥对所述载密图像进行解密,通过残差预测逐步恢复获得所述原始图像;根据预先设定的扫描顺序扫描标记的所述载密图像的相应预测部分中的像素,再使用所述解密密钥解密获取所述秘密信息,
2.根据权利要求1所述的一种基于半张量压缩感知的加密域可逆信息隐藏与认证方法,其特征在于:
对所述原始图像进行半张量压缩感知采样后生成消息认证码,并将所述消息认证码发送至所述接收端,所述接收端利用所述消息认证码对所接收的所述载密图像进行认证。
3.根据权利要求1或2所述的一种基于半张量压缩感知的加密域可逆信息隐藏与认证方法,其特征在于:
利用所述估计值进行残差预测包括:通过预重建获得估计的图像与所述原始图像的残差矩阵;
通过残差预测逐步恢复获得所述原始图像包括:所述接收端通过残差矩阵逐步重建生成所述原始图像。
4.根据权利要求1或2所述的一种基于半张量压缩感知的加密域可逆信息隐藏与认证方法,其特征在于:
对所述原始图像进行半张量压缩感知采样包括:利用正交基字典将所述原始图像进行稀疏表示,利用高斯混沌矩阵对稀疏表示的所述原始图像进行半张量积压缩感知采样。
5.根据权利要求4所述的一种基于半张量压缩感知的加密域可逆信息隐藏与认证方法,其特征在于:
对所述原始图像进行半张量积压缩感知采样后,对半张量积压缩感知采样的图像进行拆分,使用半张量积压缩感知采样的图像的部分数据预测其全局数据。
6.根据权利要求5所述的一种基于半张量压缩感知的加密域可逆信息隐藏与认证方法,其特征在于:
将经过加密的秘密信息嵌入到图像包括:采用均匀标量量化器对半张量积压缩感知采样的图像的部分数据和所述原始图像中的非敏感数据进行编码,使用编码后的半张量积压缩感知采样的图像的剩余数据与所述非敏感数据构成载体图像。
7.根据权利要求6所述的一种基于半张量压缩感知的加密域可逆信息隐藏与认证方法,其特征在于:
将经过加密的秘密信息嵌入到图像包括:
使用加密密钥生成伪随机序列,与所述秘密信息进行预设加密运算计算得到加密嵌入信息,并将所述加密嵌入信息替换所述载体图像中预设的行,获得所述载密图像。
8.根据权利要求7所述的一种基于半张量压缩感知的加密域可逆信息隐藏与认证方法,其特征在于:
所述预设加密运算计算为异或计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110762044.8A CN113378143B (zh) | 2021-07-06 | 2021-07-06 | 基于半张量压缩感知的加密域可逆信息隐藏与认证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110762044.8A CN113378143B (zh) | 2021-07-06 | 2021-07-06 | 基于半张量压缩感知的加密域可逆信息隐藏与认证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113378143A CN113378143A (zh) | 2021-09-10 |
CN113378143B true CN113378143B (zh) | 2023-06-23 |
Family
ID=77581070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110762044.8A Active CN113378143B (zh) | 2021-07-06 | 2021-07-06 | 基于半张量压缩感知的加密域可逆信息隐藏与认证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113378143B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116320193A (zh) * | 2022-07-07 | 2023-06-23 | 广州大学 | 一种安全、无计算设备依赖的工业图纸传输方法与系统 |
CN115955534B (zh) * | 2023-03-12 | 2023-05-16 | 江西财经大学 | 基于压缩感知的秘密嵌入分享方法、系统、终端及介质 |
CN116095245B (zh) * | 2023-04-07 | 2023-06-23 | 江西财经大学 | 秘密信息分享方法、系统、终端及存储介质 |
CN117077187B (zh) * | 2023-10-18 | 2024-01-09 | 江西财经大学 | 一种多级视觉隐私保护方法、系统、设备及存储介质 |
CN117880434B (zh) * | 2024-03-07 | 2024-05-24 | 江西财经大学 | 基于双2d压缩感知融合的可逆缩略图保留加密方法与系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107147433A (zh) * | 2017-04-26 | 2017-09-08 | 重庆大学 | 基于半张量积压缩感知模型的确定性随机观测阵构造方法 |
CN109756740A (zh) * | 2019-01-18 | 2019-05-14 | 北京邮电大学 | 基于最优测量矩阵的半张量图像压缩方法和图像恢复方法 |
CN111800251A (zh) * | 2020-05-21 | 2020-10-20 | 北京邮电大学 | 基于混沌源的图像压缩感知加密、解密方法、装置及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107170019B (zh) * | 2017-05-25 | 2020-10-23 | 浙江树人学院 | 一种快速低存储图像压缩感知方法 |
CN107493405B (zh) * | 2017-09-27 | 2019-02-12 | 广西师范大学 | 基于编码压缩的加密图像可逆信息隐藏方法 |
CN110390622A (zh) * | 2019-07-18 | 2019-10-29 | 江西财经大学 | 一种基于半张量积压缩感知的加密方法 |
AU2019101331A4 (en) * | 2019-11-02 | 2019-12-19 | Wenying Wen | Energy-efficient and secure transmission based on Semi-Tensor Compressive Sensing for Internet of Multimedia Things |
-
2021
- 2021-07-06 CN CN202110762044.8A patent/CN113378143B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107147433A (zh) * | 2017-04-26 | 2017-09-08 | 重庆大学 | 基于半张量积压缩感知模型的确定性随机观测阵构造方法 |
CN109756740A (zh) * | 2019-01-18 | 2019-05-14 | 北京邮电大学 | 基于最优测量矩阵的半张量图像压缩方法和图像恢复方法 |
CN111800251A (zh) * | 2020-05-21 | 2020-10-20 | 北京邮电大学 | 基于混沌源的图像压缩感知加密、解密方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113378143A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113378143B (zh) | 基于半张量压缩感知的加密域可逆信息隐藏与认证方法 | |
Ou et al. | High payload image steganography with minimum distortion based on absolute moment block truncation coding | |
Thanki et al. | Fragile watermarking for copyright authentication and tamper detection of medical images using compressive sensing (CS) based encryption and contourlet domain processing | |
Viswanathan et al. | A joint FED watermarking system using spatial fusion for verifying the security issues of teleradiology | |
US20030194109A1 (en) | Method of integrating a watermark into a compressed image | |
Zhang et al. | A novel encryption frame for medical image with watermark based on hyperchaotic system | |
Mantos et al. | Sensitive patient data hiding using a ROI reversible steganography scheme for DICOM images | |
Bansal et al. | A survey on steganography using least significant bit (lsb) embedding approach | |
CN113114869A (zh) | 基于msb预测的密文域高容量图像可逆数据隐藏方法 | |
CN114493968A (zh) | 基于最高有效位替换和最低有效位压缩的数据隐藏方法 | |
Srivastava et al. | Seeded one time pad for security of medical images in health information | |
Puteaux et al. | High-capacity reversible data hiding in encrypted images using MSB prediction | |
Mstafa | Reversible video steganography using quick response codes and modified elgamal cryptosystem | |
De et al. | A new robust and fragile scheme based on chaotic maps and DWT for medical image security | |
Vinothini et al. | Dual watermarking in tele-radiology using DWT for data authentication and security | |
Hazzaa et al. | Watermarking algorithm for medical images authentication | |
Jabbar et al. | Medical image authentication by combining hash signature and watermarking based on frequency domains | |
Qu et al. | Reversible data hiding in encrypted image with secure multi-party for telemedicine applications | |
Moataz | Watermarking medical scans: Saliency filter pixels | |
Gupta et al. | A secure image steganography using X86 assembly LSB | |
Seddik et al. | Image securing based chaotic encryption coupled with DCT robust watermarking | |
Deepika et al. | Secure Text Sharing using Medical Image Steganography | |
Lim | Data security and protection for medical images | |
ElSaadawy et al. | Reversible watermarking for protecting patient’s data privacy using an EPR-generated QR code | |
Rashid et al. | Information hiding in still image based on variable steganography technique to achieve high imperceptibility |
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 |