CN114245116B - 一种基于边缘增强和通道相关性算法的彩色图像隐写方法 - Google Patents
一种基于边缘增强和通道相关性算法的彩色图像隐写方法 Download PDFInfo
- Publication number
- CN114245116B CN114245116B CN202111434379.3A CN202111434379A CN114245116B CN 114245116 B CN114245116 B CN 114245116B CN 202111434379 A CN202111434379 A CN 202111434379A CN 114245116 B CN114245116 B CN 114245116B
- Authority
- CN
- China
- Prior art keywords
- image
- channel
- color
- images
- edge enhancement
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 title claims description 26
- 238000009499 grossing Methods 0.000 claims abstract description 15
- 238000000638 solvent extraction Methods 0.000 claims abstract description 7
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000003706 image smoothing Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 239000011159 matrix material Substances 0.000 description 21
- 230000006870 function Effects 0.000 description 20
- 230000000903 blocking effect Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003014 reinforcing effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/154—Measured or subjectively estimated visual quality after decoding, e.g. measurement of distortion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/117—Filters, e.g. for pre-processing or post-processing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
- H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/186—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a colour or a chrominance component
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/46—Embedding additional information in the video signal during the compression process
- H04N19/467—Embedding additional information in the video signal during the compression process characterised by the embedded information being invisible, e.g. watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本发明公开了一种基于边缘增强和通道相关性技术的彩色图像隐写方法，涉及数据隐写技术领域包括以下步骤：S1.输入彩色载体图像I和秘密信息M；S2.将彩色载体图像I分解为R、G以及B三通道图像；S3.对三个通道图像分别进行边缘增强；S4.将边缘增强后的图像进行分块；S5.依次计算分块后的图像的每个分块的初始失真代价；S6.对分块后的图像的每个分块的初始失真代价进行平滑操作；S7.根据各个通道的通道相关性，将秘密信息M分别嵌入到平滑操作后的三个通道图像的每个分块中去；S8.将嵌入有秘密信息M的图像合并得到秘密图像S。本发明解决了现有技术成本高，计算量大，适用场景较少的问题，其具有成本低，计算量小，适用各种彩色图像的特点。
Description
技术领域
本发明涉及数据隐写技术领域，更具体的，涉及一种基于边缘增强和通道相关性技术的彩色图像隐写方法。
背景技术
隐写算法是一种基于信息隐藏的隐蔽通信、存储方法，它可以将秘密数据隐藏在内容可公开的载体中，达到安全传输、存储的目的。而在当今全球数字化的时代背景下，大量数据通过互联网进行传播，借助隐写算法，可以有效地避免数据在网络传输时被偷窃、篡改或销毁。因此，隐写算法愈来愈受重视。
目前主流的隐写算法由两部分构成——失真函数以及STC(校验子格编码)技术。失真函数的作用是反映隐写修改对数据安全产生的影响，即在秘密数据隐藏到载体的过程中，失真函数会根据数据隐藏方式或者隐藏规模的不同，进而计算出不同的失真值，失真值越大，表明隐藏效果越差。而STC则是一种类似最优路径选择的编码技术，主要作用是在失真总和最小的前提下，将秘密数据嵌入到载体中。
现有的隐写算法主要是利用单个高通滤波器进行边缘区域增强处理，但是这种方法缺乏精确度，会使得非边缘区域的部分像素点被赋予低代价值，而边缘区域部分像素点则会被赋予高代价值。此外，现有的研究与应用，大多是基于灰度图像而非彩色图像，这就导致了现有隐写算法应用于彩色图像时，只是简单地将灰度图像隐写算法移植到彩色图像上，未能有效解决彩色图像颜色多通道相关性的问题，进而被专门的隐写分析方法所破解，从而失去了对秘密数据的隐藏效果。
针对这一问题，现有专利公开有一种利用RGB颜色空间“有争议”像素的图像隐写算法：在RGB颜色空间里分别提取彩色图像image的红、绿、蓝三种颜色通道；使用隐写算法分别对红、绿、蓝三种颜色通道进行信息嵌入，并分别得到信息嵌入位置；制定“争议”规则，将“争议”程度不同的像素点赋予不同的权值；将彩色图像image进行灰度化处理，得到灰度图像，计算灰度图像中的每个像素的嵌入损失值，得到初步的灰度图像损失值；使用均值滤波器对灰度图像损失值进行平滑处理；选用STC编码按照灰度图像损失值在载体图像中嵌入秘密信息，得到隐写图像。因此如何发明一种利用成本低，计算量小，适用各种彩色图像的彩色图像隐写方法，是本技术领域亟需解决的问题。
发明内容
本发明为了解决现有技术成本高，计算量大，适用场景较少的问题，提供了一种基于边缘增强和通道相关性技术的彩色图像隐写方法，其具有成本低，计算量小，适用各种彩色图像的特点。
为实现上述本发明目的，采用的技术方案如下：
一种基于边缘增强和通道相关性算法的彩色图像隐写方法，包括以下步骤：
S1.输入彩色载体图像I和秘密信息M；
S2.将彩色载体图像I分解为红色R、绿色G以及蓝色B三通道图像；
S3.对三个通道图像分别进行边缘增强；
S4.分别将边缘增强后的三个通道图像进行分块；
S5.分别计算分块后的每个通道图像中的每个分块的初始失真代价；
S6.对每个通道图像中的分块的初始失真代价进行平滑操作；
S7.根据各个通道的通道相关性，将秘密信息M分别嵌入到平滑操作后的三个通道图像的每个分块中去；
S8.将嵌入有秘密信息M的三个通道图像合并得到秘密图像S。
优选的，步骤S3，具体步骤为：
S301.对于彩色载体图像I的三个通道像素变化剧烈的区域，即边缘区域，分别采用组合滤波器分别与载体图像进行卷积操作，得到每个通道的图像的平滑部分：
S302.将每个通道的图像的平滑部分与该通道对应的原图像相减，得到每个通道的边缘部分；
S303.增强每个通道大尺寸的边缘区域，再重新加入彩色载体图像I，得到边缘增强后的彩色载体图像H。
进一步的，步骤S301，采用组合滤波器分别与载体图像进行卷积操作，具体为：采用3个尺寸各异的高斯滤波器，将其分别与载体图像进行卷积操作，得到卷积结果I1、I2、I3：
其中，G1是3×3大小的高斯滤波器，G2是7×7大小的高斯滤波器，G3是15×15大小的高斯滤波器，
为卷积操作符，I为一个通道图像中的像素点。
更进一步的，步骤S302，具体为：
H1＝I-I1
H2＝I2-I1
H3＝I2-I3
其中H1、H2、H3为一个通道图像的边缘部分。
更进一步的，步骤S303：具体为:
H＝(1-0.5×sgn(H1))H1+0.5H2+0.25H3+I
其中sgn()是符号函数，H1>0时，函数结果为1，H1<0时，函数结果为-1，否则为0。
更进一步的，步骤S4，具体为：将彩色载体图像I划分为每块2×2的正方形格式。
更进一步的，步骤S7，具体为：
S701.用STC编码方式将秘密信息M依次嵌入到分块后的三个通道图像的左上角区块；
S702.对分块后的三个通道图像的右上角、右下角以及左下角三个区块的像素点分别使用失真更新函数来计算各自的失真代价；
S703.用STC编码方式将秘密信息M依次嵌入到分块后的三个通道图像的右上角区块、左下角区块以及右下角区块中去。
更进一步的，所述的STC编码包括了编码矩阵、原始矩阵、秘密信息以及转化后矩阵：
x＝[1 0 1 1 0 0 0 1]T
y＝[0 0 1 1 1 0 0 1]T
M＝[0 1 1 1]T
其中H2×2矩阵为原始矩阵、H4×8为由原始矩阵基拓展而成的编码矩阵、x和y为转换后的载体矩阵。
更进一步的，用STC编码方式将秘密信息M嵌入到分块后的三个通道图像的左上角区块，方法为：
更进一步的，步骤S702，具体步骤为：
St201.将三个通道的相同位置像素点嵌入概率进行求和平均,得到三个通道的失真代价值：
St202.对得到的三个通道图像的失真代价值进行失真值到判断和处理。
本发明的有益效果如下：
本发明充分考虑到了彩色图像的通道相关性，通过分区域的边缘增强以及结合通道相关性的失真更新函数，可以安全地将秘密信息隐藏在彩色图像中，解决了现有技术成本高，计算量大，适用场景较少的问题，提供了一种基于边缘增强和通道相关性技术的彩色图像隐写方法，其具有成本低，计算量小，适用各种彩色图像的特点。
附图说明
图1是本隐写方法的流程示意图。
图2是本隐写方法在不同嵌入率抗SCRM特征特征下隐写算法错误检测率示意图。
图3是部分载体图像展示图。
图4是分别将边缘增强后的三个通道图像进行分块的示意图。
图5是STC嵌入示意图。
图6是本隐写方法嵌入秘密信息M后得到的成品示意图。
图7为R通道图像的像素点变化示意图。
图8为G通道图像的像素点变化示意图。
图9为B通道图像的像素点变化示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做详细描述。
实施例1
一种基于边缘增强和通道相关性算法的彩色图像隐写方法，包括以下步骤：
S1.输入彩色载体图像I和秘密信息M；在本实施例中，所述的彩色载体图像I的格式为RGB565。
S2.将彩色载体图像I分解为红色R、绿色G以及蓝色B三通道图像；
S3.对三个通道图像分别进行边缘增强；
S4.分别将边缘增强后的三个通道图像进行分块；
S5.分别计算分块后的每个通道图像中的每个分块的初始失真代价；
S6.对分块后的三个通道图像的每个分块的初始失真代价进行平滑操作；
S7.根据各个通道的通道相关性，将秘密信息M分别嵌入到平滑操作后的三个通道图像的每个分块中去；
S8.将嵌入有秘密信息M的三个通道图像合并得到秘密图像S。
在一个具体实施例中，彩色载体图像I的每个像素点由16个比特位组成，从高到低，依次为占据5比特位的红色R、占据6比特位的绿色G以及占据5比特位的蓝色B，可以分解为：
B＝(0:4)
G＝(5:10)
B＝(11:15)。
实施例2
如图1所示一种基于边缘增强和通道相关性算法的彩色图像隐写方法，包括以下步骤：
S1.输入彩色载体图像I和秘密信息M；本实施例中，首先拍取大量的风景、人物等彩色图像，然后挑选出纹理较为复杂的适合隐藏信息的彩色图像。本实施例中所述的秘密信息M为一幅秘密图像，在嵌入前，先将所述的秘密信息M转换为0和1的高低电平信号方便嵌入。
S2.将彩色载体图像I分解为红色R、绿色G以及蓝色B三通道图像；
S3.对三个通道图像分别进行边缘增强；
S4.分别将边缘增强后的三个通道图像进行分块；
S5.分别计算分块后的每个通道图像中的每个分块的初始失真代价；
S6.对分块后的三个通道图像的每个分块的初始失真代价进行平滑操作；
S7.根据各个通道的通道相关性，将秘密信息M分别嵌入到平滑操作后的三个通道图像的每个分块中去；
S8.将嵌入有秘密信息M的三个通道图像合并得到秘密图像S。
在一个具体实施例中，彩色载体图像I的每个像素点由16个比特位组成，从高到低，依次为占据5比特位的红色R、占据6比特位的绿色G以及占据5比特位的蓝色B，可以分解为：
B＝(0:4)
G＝(5:10)
B＝(11:15)。
步骤S3，具体步骤为：
S301.对于彩色载体图像I的三个通道像素变化剧烈的区域，即边缘区域，分别采用组合滤波器分别与载体图像进行卷积操作，得到每个通道的图像的平滑部分：
S302.将每个通道的图像的平滑部分与该通道对应的原图像相减，得到每个通道的边缘部分；
S303.增强每个通道大尺寸的边缘区域，再重新加入彩色载体图像I，得到边缘增强后的彩色载体图像H。
步骤S301，采用组合滤波器分别与载体图像进行卷积操作，具体为：采用3个尺寸各异的高斯滤波器，将其分别与载体图像进行卷积操作，得到卷积结果I1、I2、I3：
其中，G1是3×3大小的高斯滤波器，G2是7×7大小的高斯滤波器，G3是15×15大小的高斯滤波器，
为卷积操作符，I为一个通道图像中的像素点。
步骤S302，具体为：
H1＝I-I1
H2＝I2-I1
H3＝I2-I3
其中H1、H2、H3为一个通道图像的边缘部分。
步骤S303：具体为:
H＝(1-0.5×sgn(H1))H1+0.5H2+0.25H3+I
其中sgn()是符号函数，H1>0时，函数结果为1，H1<0时，函数结果为-1，否则为0。
步骤S4，具体为：将彩色载体图像I划分为每块2×2的正方形格式。
步骤S7，具体为：
S701.用STC编码方式将秘密信息M依次嵌入到分块后的三个通道图像的左上角区块；
S702.对分块后的三个通道图像的右上角、右下角以及左下角三个区块的像素点分别使用失真更新函数来计算各自的失真代价；
S703.用STC编码方式将秘密信息M依次嵌入到分块后的三个通道图像的右上角区块、左下角区块以及右下角区块中去。
所述的STC编码包括了编码矩阵、原始矩阵、秘密信息以及转化后矩阵：
x＝[1 0 1 1 0 0 0 1]T
y＝[0 0 1 1 1 0 0 1]T
M＝[0 1 1 1]T
其中H2×2矩阵为原始矩阵、H4×8为由原始矩阵基拓展而成的编码矩阵、x和y为转换后的载体矩阵。
用STC编码方式将秘密信息M嵌入到分块后的三个通道图像的左上角区块，方法为：
步骤S702，具体步骤为：
St201.将三个通道的相同位置像素点嵌入概率进行求和平均,得到三个通道的失真代价值：
在一个具体实施例中，得到三个通道的失真代价值，具体为：
其中，PR、PG和PB分别代表嵌入到R、G、B通道像素点的概率，λ为隐写算法参数，ρR、ρG和ρB分别表示嵌入到R、G、B通道像素点的失真代价值。
St202.对得到的三个通道图像的失真代价值进行失真值到判断和处理。
本实施例中，具体为：
F＝f(PR)+f(PG)+f(pB)
f(x)是判断函数：
ρ′x为失真更新后的代价值。根据所说的代价值进行失真值到判断和处理。
实施例3
如图1所示一种基于边缘增强和通道相关性算法的彩色图像隐写方法，包括以下步骤：
S1.输入彩色载体图像I和秘密信息M；本实施例中，首先拍取大量的风景、人物等彩色图像，然后挑选出纹理较为复杂的适合隐藏信息的彩色图像。本实施例中所述的秘密信息M为一串字符，在嵌入前，先将所述的秘密信息M转换为0和1的高低电平信号方便嵌入。
S2.将彩色载体图像I分解为红色R、绿色G以及蓝色B三通道图像；
S3.对三个通道图像分别进行边缘增强；
S4.分别将边缘增强后的三个通道图像进行分块；
S5.分别计算分块后的每个通道图像中的每个分块的初始失真代价；
S6.对分块后的三个通道图像的每个分块的初始失真代价进行平滑操作；
S7.根据各个通道的通道相关性，将秘密信息M分别嵌入到平滑操作后的三个通道图像的每个分块中去；
S8.将嵌入有秘密信息M的三个通道图像合并得到秘密图像S。
在一个具体实施例中，彩色载体图像I的每个像素点由16个比特位组成，从高到低，依次为占据5比特位的红色R、占据6比特位的绿色G以及占据5比特位的蓝色B，可以分解为：
B＝(0:4)
G＝(5:10)
B＝(11:15)。
步骤S3，具体步骤为：
S301.对于彩色载体图像I的三个通道像素变化剧烈的区域，即边缘区域，分别采用组合滤波器分别与载体图像进行卷积操作，得到每个通道的图像的平滑部分：
S302.将每个通道的图像的平滑部分与该通道对应的原图像相减，得到每个通道的边缘部分；
S303.增强每个通道大尺寸的边缘区域，再重新加入彩色载体图像I，得到边缘增强后的彩色载体图像H。
步骤S301，采用组合滤波器分别与载体图像进行卷积操作，具体为：采用3个尺寸各异的高斯滤波器，将其分别与载体图像进行卷积操作，得到卷积结果I1、I2、I3：
其中，G1是3×3大小的高斯滤波器，G2是7×7大小的高斯滤波器，G3是15×15大小的高斯滤波器，
为卷积操作符，I为一个通道图像中的像素点。
步骤S302，具体为：
H1＝I-I1
H2＝I2-I1
H3＝I2-I3
其中H1、H2、H3为一个通道图像的边缘部分。
步骤S303：具体为:
H＝(1-0.5×sgn(H1))H1+0.5H2+0.25H3+I
其中sgn()是符号函数，H1>0时，函数结果为1，H1<0时，函数结果为-1，否则为0。
如图4所示，步骤S4，具体为：将彩色载体图像I划分为每块2×2的正方形格式。
本实施例中，步骤S5，具体为：将R、G、B通道各个2×2方块的左上角像素点按照现有隐写算法进行嵌入，其代价值计算主要利用到一个高通滤波器Hkb和两个低通滤波器L1、L2:
其中，ρ代表了左上角像素点的初始失真代价值，高通滤波器作用是加强对图像纹理的刻画，L1、L2分别是3×3、15×15的均值低通滤波器，作用是平滑得到的失真值。
如图5所示，步骤S7，具体为：
S701.用STC编码方式将秘密信息M依次嵌入到分块后的三个通道图像的左上角区块；
S702.对分块后的三个通道图像的右上角、右下角以及左下角三个区块的像素点分别使用失真更新函数来计算各自的失真代价；
S703.用STC编码方式将秘密信息M依次嵌入到分块后的三个通道图像的右上角区块、左下角区块以及右下角区块中去。
所述的STC编码包括了编码矩阵、原始矩阵、秘密信息以及转化后矩阵：
x＝[1 0 1 1 0 0 0 1]T
y＝[0 0 1 1 1 0 0 1]T
M＝[0 1 1 1]T
其中H2×2矩阵为原始矩阵、H4×8为由原始矩阵基拓展而成的编码矩阵、x和y为转换后的载体矩阵。
用STC编码方式将秘密信息M嵌入到分块后的三个通道图像的左上角区块，方法为：
步骤S702，具体步骤为：
St201.将三个通道的相同位置像素点嵌入概率进行求和平均,得到三个通道的失真代价值：
在一个具体实施例中，求和平均，得到三个通道的失真代价值，具体为：
其中，PR、PG和PB分别代表嵌入到R、G、B通道像素点的概率，λ为隐写算法参数，ρR、ρG和ρB分别表示嵌入到R、G、B通道像素点的失真代价值。
St202.对得到的三个通道图像的失真代价值进行失真值到判断和处理。
本实施例中，具体为：
F＝f(PR)+f(PG)+f(PB)
f(x)是判断函数：
ρ′x为失真更新后的代价值。根据所说的代价值进行失真值到判断和处理。
如图2和图6所示，本实施例中，载密图像和载体图像通过肉眼观察发现几乎完全没区别，利用Matlab软件分析计算二者的PSNR值，得到为41.5280。PSNR表示峰值信噪比，是一种评价图像差异的客观标准，值越大，表明图像越相似，超过30则代表两张图像之间已经极为相近，肉眼几乎不可能观察出差异。
如图7、8、9所示。RGB三个通道分别进行了秘密信息的嵌入，其中黑点代表了像素点-1的变化，白点代表了像素点+1的变化。从结果示意图来看，尽管在大部分区域，RGB三个通道的秘密信息嵌入位置以及像素点的变化方向是一致的，但是得益于本文算法的改进，考虑了彩色图像通道相关性的影响，仍旧在某些区域进行了精细调整，比如示意图中方框所圈位置，RGB三通道在此嵌入的秘密信息仍旧有所差异，安全地将秘密信息隐藏在彩色图像中，解决了现有技术成本高，计算量大，适用场景较少的问题。
实施例4
一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述的处理器执行所述的计算机程序时，实现的方法步骤如下：
S1.输入彩色载体图像I和秘密信息M；
S2.将彩色载体图像I分解为红色R、绿色G以及蓝色B三通道图像；
S3.对三个通道图像分别进行边缘增强；
S4.分别将边缘增强后的三个通道图像进行分块；
S5.分别计算分块后的每个通道图像中的每个分块的初始失真代价；
S6.对每个通道图像中的分块的初始失真代价进行平滑操作；
S7.根据各个通道的通道相关性，将秘密信息M分别嵌入到平滑操作后的三个通道图像的每个分块中去；
S8.将嵌入有秘密信息M的三个通道图像合并得到秘密图像S。
本发明的各实施方式可以任意进行组合，以实现不同的技术效果。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidStateDisk)等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种基于边缘增强和通道相关性算法的彩色图像隐写方法，其特征在于：包括以下步骤：
S1.输入彩色载体图像I和秘密信息M；
S2.将彩色载体图像I分解为红色R、绿色G以及蓝色B三通道图像；
S3.对三个通道图像分别进行边缘增强；
S4.分别将边缘增强后的三个通道图像进行分块；
S5.分别计算分块后的每个通道图像中的每个分块的初始失真代价；
S6.对每个通道图像中的分块的初始失真代价进行平滑操作；
S7.根据各个通道的通道相关性，将秘密信息M分别嵌入到平滑操作后的三个通道图像的每个分块中去；
S8.将嵌入有秘密信息M的三个通道图像合并得到秘密图像S。
2.根据权利要求1所述的基于边缘增强和通道相关性算法的彩色图像隐写方法，其特征在于：步骤S3，具体步骤为：
S301.采用组合滤波器分别与彩色载体图像I的三个通道进行卷积操作，得到每个通道图像平滑部分；
S302.将每个通道图像平滑部分与该通道对应的原图像相减，得到每个通道图像边缘部分；
S303.增强每个通道图像边缘区域，再重新加入彩色载体图像I，得到边缘增强后的彩色载体图像H。
3.根据权利要求2所述的基于边缘增强和通道相关性算法的彩色图像隐写方法，其特征在于：步骤S301，采用组合滤波器分别与载体图像的三个通道进行卷积操作，具体为：采用3个尺寸各异的高斯滤波器，将其分别与彩色载体图像的三个通道进行卷积操作，得到卷积结果I1、I2、I3：
其中，G1是3×3大小的高斯滤波器，G2是7×7大小的高斯滤波器，G3是15×15大小的高斯滤波器，
为卷积操作符，i为一个通道图像中的像素点。
4.根据权利要求3所述的基于边缘增强和通道相关性算法的彩色图像隐写方法，其特征在于：步骤S302，具体为：
H1＝i-I1
H2＝I2-I1
H3＝I2-I3
其中H1、H2、H3为一个通道图像的边缘部分。
5.根据权利要求4所述的基于边缘增强和通道相关性算法的彩色图像隐写方法，其特征在于：步骤S303：具体为:
H＝(1-0.5×sgn(H1))H1+0.5H2+0.25H3+I
其中sgn()是符号函数，H1>0时，函数结果为1，H1<0时，函数结果为-1，否则为0。
6.根据权利要求5所述的基于边缘增强和通道相关性算法的彩色图像隐写方法，其特征在于：步骤S4，具体为：将彩色载体图像H划分为每块2×2的正方形格式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111434379.3A CN114245116B (zh) | 2021-11-29 | 2021-11-29 | 一种基于边缘增强和通道相关性算法的彩色图像隐写方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111434379.3A CN114245116B (zh) | 2021-11-29 | 2021-11-29 | 一种基于边缘增强和通道相关性算法的彩色图像隐写方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114245116A CN114245116A (zh) | 2022-03-25 |
| CN114245116B true CN114245116B (zh) | 2023-07-04 |
Family
ID=80751857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111434379.3A Active CN114245116B (zh) | 2021-11-29 | 2021-11-29 | 一种基于边缘增强和通道相关性算法的彩色图像隐写方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114245116B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114913049B (zh) * | 2022-05-26 | 2024-07-30 | 中国人民解放军国防科技大学 | 基于彩色图像的影子图像可理解秘密图像分享方法和系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109523452A (zh) * | 2018-10-30 | 2019-03-26 | 中国人民解放军战略支援部队信息工程大学 | 一种基于通道差分残差的彩色图像隐写检测方法 |
| CN109547664A (zh) * | 2018-10-29 | 2019-03-29 | 天津大学 | 一种利用rgb颜色空间“有争议”像素的图像隐写算法 |
| CN112100632A (zh) * | 2020-09-03 | 2020-12-18 | 北卡科技有限公司 | 基于细菌觅食优化边缘检测和xor编码的图像隐写方法 |
| CN113132550A (zh) * | 2021-03-22 | 2021-07-16 | 中山大学 | 一种基于fpga的彩色图像隐秘通信系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
-
2021
- 2021-11-29 CN CN202111434379.3A patent/CN114245116B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109547664A (zh) * | 2018-10-29 | 2019-03-29 | 天津大学 | 一种利用rgb颜色空间“有争议”像素的图像隐写算法 |
| CN109523452A (zh) * | 2018-10-30 | 2019-03-26 | 中国人民解放军战略支援部队信息工程大学 | 一种基于通道差分残差的彩色图像隐写检测方法 |
| CN112100632A (zh) * | 2020-09-03 | 2020-12-18 | 北卡科技有限公司 | 基于细菌觅食优化边缘检测和xor编码的图像隐写方法 |
| CN113132550A (zh) * | 2021-03-22 | 2021-07-16 | 中山大学 | 一种基于fpga的彩色图像隐秘通信系统 |
Non-Patent Citations (3)
| Title |
|---|
| L. Li等.A Color Images Steganography Method by Multiple Embedding Strategy Based on Sobel Operator.《2009 International Conference on Multimedia Information Networking and Security》.2009,118-121. * |
| Parah Shabir A等.Information hiding in edges: A high capacity information hiding technique using hybrid edge detection.《Multimedia Tools and Applications》.2018,第77卷(第1期),185-207. * |
| W. -l. Lee.Reversible Steganography Scheme Based on Position-Recording in DCT Coefficients.《2019 15th International Conference on Computational Intelligence and Security (CIS)》.2020,424-428. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114245116A (zh) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Weng et al. | Dynamic improved pixel value ordering reversible data hiding | |
| Hong et al. | Reversible data hiding using Delaunay triangulation and selective embedment | |
| CN110232650B (zh) | 一种彩色图像水印嵌入方法、检测方法及系统 | |
| Zhang et al. | A data hiding scheme based on multidirectional line encoding and integer wavelet transform | |
| Wang et al. | Non-additive cost functions for color image steganography based on inter-channel correlations and differences | |
| Lu et al. | Secure halftone image steganography based on pixel density transition | |
| KR20030046435A (ko) | 전자무늬의 매립방법 및 추출방법, 및 그 장치 | |
| CN107888925A (zh) | 一种视频数字隐藏信息的嵌入方法和检测方法 | |
| CN113434829B (zh) | 数字盲水印嵌入方法、检测方法、存储介质、计算机设备 | |
| CN104766269A (zh) | 基于jnd亮度模型的扩展变换抖动调制水印方法 | |
| CN114245116B (zh) | 一种基于边缘增强和通道相关性算法的彩色图像隐写方法 | |
| CN109886856A (zh) | 对屏幕拍摄过程鲁棒的数字水印方法 | |
| Benhfid et al. | Reversible steganographic method based on interpolation by bivariate linear box-spline on the three directional mesh | |
| Zhang et al. | JND‐aware robust image watermarking with tri‐directional inter‐block correlation | |
| Liang et al. | Invertible color-to-grayscale conversion using lossy compression and high-capacity data hiding | |
| Rabie et al. | Secure high payload steganography: A model-based approach | |
| Xing et al. | A multi-embedding domain video steganography algorithm based on TU partitioning and intra prediction mode | |
| US20230376614A1 (en) | Method for decoding and encoding network steganography utilizing enhanced attention mechanism and loss function | |
| Maiorana et al. | Multi‐bit watermarking of high dynamic range images based on perceptual models | |
| Umbarkar et al. | COMPARATIVE STUDY OF EDGE BASED LSB MATCHING STEGANOGRAPHY FOR COLOR IMAGES. | |
| CN108876691B (zh) | 自适应可逆水印方法及系统 | |
| Hameed et al. | A High Quality Secure Medical Image Steganography Method | |
| WO2022098255A1 (ru) | Способ стеганографирования и дешифровки цифрового изображения | |
| Narula et al. | Implementation of hybrid technique from spatial and frequency domain steganography: Along with cryptography to withstand statistical attacks | |
| CN117978927B (zh) | 一种分布式音视频管理系统及方法 |
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 |