CN118018658A - 图像处理方法、装置、设备、存储介质和程序产品 - Google Patents
图像处理方法、装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN118018658A CN118018658A CN202410205730.9A CN202410205730A CN118018658A CN 118018658 A CN118018658 A CN 118018658A CN 202410205730 A CN202410205730 A CN 202410205730A CN 118018658 A CN118018658 A CN 118018658A
- Authority
- CN
- China
- Prior art keywords
- image
- information
- steganographic
- embedded
- carrier 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 230000004048 modification Effects 0.000 claims abstract description 82
- 238000012986 modification Methods 0.000 claims abstract description 82
- 238000012937 correction Methods 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000007704 transition Effects 0.000 claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 28
- 230000006835 compression Effects 0.000 claims description 22
- 238000007906 compression Methods 0.000 claims description 22
- 238000013139 quantization Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 230000015654 memory Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本公开提供了一种图像处理方法,可以应用于大数据和图像处理技术领域。该方法包括:获取载体图像和准备嵌入载体图像中的隐写信息;根据载体图像的非对称失真和修改距离,得到修改成本;根据载体图像确定目标嵌入域,其中,目标嵌入域包括m个频域信号依次增大的嵌入区域;针对第m嵌入区域,基于纠错能力参数,根据载体图像、隐写信息和修改成本,生成过渡隐写图像;在过渡隐写图像中隐写信息的信息正确率满足预设正确率阈值的情况下,将过渡隐写图像确定为目标隐写图像。本公开还提供了一种图像处理装置、设备、存储介质和程序产品。
Description
技术领域
本公开涉及大数据和图像处理技术领域,更具体地,涉及一种图像处理方法、装置、设备、存储介质和程序产品。
背景技术
随着互联网和移动支付的普及,支付交易的安全性问题也引起了关注。现有的隐写技术包括基于像素的隐写、基于频域的隐写等可以将额外信息隐写在支付码上,从而提高支付交易中的信息安全性。
在实现本公开构思的过程中,发明人发现相关技术中至少存在如下问题:在支付码压缩的过程中由于算法复杂度高、信息隐藏量有限等因素带来较大的安全隐患,导致隐写技术保护隐写信息的鲁棒性较低。
发明内容
鉴于上述问题,本公开提供了一种图像处理方法、装置、设备、存储介质和程序产品。
根据本公开的第一个方面,提供了一种图像处理方法,包括:获取载体图像和准备嵌入载体图像中的隐写信息;
根据载体图像的非对称失真和修改距离,得到修改成本,其中,修改成本表征对载体图像进行修改所造成的代价;
根据载体图像确定目标嵌入域,其中,目标嵌入域包括m个频域信号依次增大的嵌入区域;
针对第m嵌入区域,基于纠错能力参数,根据载体图像、隐写信息和修改成本,生成过渡隐写图像;
在过渡隐写图像中隐写信息的信息正确率满足预设正确率阈值的情况下,将过渡隐写图像确定为目标隐写图像。
根据本公开的实施例,图像处理方法还包括:
在信息正确率不满足预设正确率阈值的情况下,迭代地调整纠错能力参数,以基于调整后纠错能力参数生成新的过渡隐写图像。
根据本公开的实施例,图像处理方法还包括:
在信息正确率不满足预设正确率阈值的情况下,将第m+1嵌入区域确定为新的第m嵌入区域,以基于纠错能力参数生成新的过渡隐写图像。
根据本公开的实施例,根据载体图像的非对称失真和修改距离,得到修改成本,包括:
利用预设失真函数处理载体图像,得到对称失真;
根据对称失真、载体图像和修改距离,生成修改成本。
根据本公开的实施例,根据对称失真、载体图像和修改距离,生成修改成本,包括:
对载体图像进行矩阵转换处理,得到离散余弦变换系数矩阵;
根据离散余弦变换系数矩阵和对称失真,生成非对称失真;
利用抖动调制算法计算离散余弦变换系数矩阵中每个矩阵参数值进行修改所需要的修改距离;
根据非对称失真和修改距离,生成修改成本。
根据本公开的实施例,根据离散余弦变换系数矩阵和对称失真,生成非对称失真,包括:
利用预设压缩算法将载体图像中的每个像素进行频域转化,得到频域信息;
根据频域信息和离散余弦变换系数矩阵,生成压缩量化信息;
根据对称失真、压缩量化信息和频域信息,生成非对称失真。
根据本公开的实施例,信息正确率是通过如下方式生成的:
对过渡隐写图像进行模拟信道压缩处理,得到待处理图像;
利用预设提取算法从待处理图像中提取与隐写信息相对应的提取信息;
根据提取信息和隐写信息,生成信息正确率。
根据本公开的实施例,根据载体图像确定目标嵌入域,包括:
基于预设行列参数对载体图像进行分块处理,得到多个图像块;
基于预设区域划分规则对多个图像块进行分类,得到多个嵌入区域。
本公开的第二方面提供了一种图像处理装置,包括:
获取模块,用于获取载体图像和准备嵌入载体图像中的隐写信息;
第一生成模块,用于根据载体图像的非对称失真和修改距离,得到修改成本,其中,修改成本表征对载体图像进行修改所造成的代价;
第一确定模块,用于根据载体图像确定目标嵌入域,其中,目标嵌入域包括m个频域信号依次增大的嵌入区域;
第二生成模块,用于针对第m嵌入区域,基于纠错能力参数,根据载体图像、隐写信息和修改成本,生成过渡隐写图像;以及
第二确定模块,用于在过渡隐写图像中隐写信息的信息正确率满足预设正确率阈值的情况下,将过渡隐写图像确定为目标隐写图像。
本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器执行上述图像处理方法。
本公开的第四方面还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现上述图像处理方法的步骤。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述图像处理方法的步骤。
根据本公开提供的图像处理方法、装置、设备、存储介质和程序产品,通过针对第m嵌入区域,基于纠错能力参数,根据载体图像、隐写信息和修改成本生成过渡隐写图像,从而在过渡隐写图像中隐写信息的信息正确率满足预设正确率阈值的情况下,将过渡隐写图像确定为目标隐写图像。由于设置了m个频域信号依次增大的嵌入区域,进而可以自适应调整隐写信息的嵌入区域;其次,根据不同嵌入区域和纠错能力参数迭代调整隐写信息的信息正确率,在信息正确率满足预设正确率阈值的情况下确定目标隐写图像,实现了嵌入区域和纠错能力的自适应调整,保证了隐写信息较高的鲁棒性和信息安全性,解决了目标隐写图像抗压缩场景下鲁棒性和安全性低的问题。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的图像处理方法、装置、设备、介质和程序产品的应用场景图;
图2示意性示出了根据本公开实施例的图像处理方法的流程图;
图3示意性示出了根据本公开实施例的生成修改距离的示例示意图;
图4示意性示出了根据本公开实施例的嵌入区域的示例示意图;
图5示意性示出了根据本公开实施例的图像处理装置的结构框图;以及
图6示意性示出了根据本公开实施例的适于实现图像处理方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在实现本公开的过程中发现,随着互联网和移动支付的普及,支付交易的安全性问题也引起了关注。现有的隐写技术包括基于像素的隐写、基于频域的隐写等可以将额外信息隐写在支付码上,从而提高支付交易中的信息安全性。然而,在支付码压缩的过程中由于算法复杂度高、信息隐藏量有限等因素导致隐写技术保护隐写信息的鲁棒性较低。因此,需要一种图像处理方法。
有鉴于此,本公开的实施例提供了一种图像处理方法、装置、设备、存储介质和程序产品。该方法包括:根据载体图像的非对称失真和修改距离,得到修改成本,其中,修改成本表征对载体图像进行修改所造成的代价;根据载体图像确定目标嵌入域,其中,目标嵌入域包括m个频域信号依次增大的嵌入区域;针对第m嵌入区域,基于纠错能力参数,根据载体图像、隐写信息和修改成本,生成过渡隐写图像;在过渡隐写图像中隐写信息的信息正确率满足预设正确率阈值的情况下,将过渡隐写图像确定为目标隐写图像。
需要说明的是,本公开提供的图像处理方法和图像处理装置可用于金融领域,例如银行等金融机构,也可用于除金融领域之外的任意领域,因此,本公开提供的图像处理方法和图像处理装置的应用领域不做限定。
在本公开的技术方案中,所涉及的用户信息(包括但不限于用户个人信息、用户图像信息、用户设备信息,例如位置信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理,均遵守相关法律法规和标准,采取了必要保密措施,不违背公序良俗,并提供有相应的操作入口,供用户选择授权或者拒绝。
在利用个人信息进行自动化决策的场景下,本发明实施例提供的方法、设备和系统均为用户提供相应的操作入口,供用户选择同意或者拒绝自动化决策结果;若用户选择拒绝,则进入专家决策流程。此处的表述“自动化决策”是指通过计算机程序自动分析、评估个人的行为习惯、兴趣爱好或者经济、健康、信用状况等,并进行决策的活动。此处的表述“专家决策”是指专门从事某一领域的工作、具有专门的经验、知识和技能并达到一定的专业水平的人员进行决策的活动。
图1示意性示出了根据本公开实施例的图像处理方法、装置、设备、介质和程序产品的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括第一终端设备101、第二终端设备102、第三终端设备103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的图像处理方法一般可以由服务器105执行。相应地,本公开实施例所提供的图像处理装置一般可以设置于服务器105中。本公开实施例所提供的图像处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的图像处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2~图4对公开实施例的图像处理方法进行详细描述。
图2示意性示出了根据本公开实施例的图像处理方法的流程图。
如图2所示,该方法200包括操作S210~S260。
在操作S210,获取载体图像和准备嵌入载体图像中的隐写信息。
在操作S220,根据载体图像的非对称失真和修改距离,得到修改成本,其中,修改成本表征对载体图像进行修改所造成的代价。
在操作S230,根据载体图像确定目标嵌入域,其中,目标嵌入域包括m个频域信号依次增大的嵌入区域。
在操作S240,针对第m嵌入区域,基于纠错能力参数,根据载体图像、隐写信息和修改成本,生成过渡隐写图像。
在操作S250,在过渡隐写图像中隐写信息的信息正确率满足预设正确率阈值的情况下,将过渡隐写图像确定为目标隐写图像。
在本公开的实施例中,从发送方的终端设备中获取载体图像,载体图像可以是用户用于支付交易的数字原始图像。
在本公开的实施例中,隐写信息表征载体图像的额外信息,例如,可以为像素信息、频率信息等。将隐写信息嵌入载体图像中,可以隐藏载体图像中相应的信息,从而在载体图像的传播及使用中不易被泄露,例如账户名称等交易信息等。
在本公开的实施例中,非对称失真是指载体图像表现在不对称层面的失真性,非对称失真越小,嵌入隐写信息后的载体图像质量越高。
在本公开的实施例中,修改距离表征隐写信息的量化步长,修改距离越小,载体图像的非对称失真越小。根据载体图像的非对称失真和修改距离,得到载体图像的修改成本。
在本公开的实施例中,嵌入区域是指隐写信息可以嵌入载体图像的区域,将嵌入区域按照m个依次增大的频域信号进行划分。嵌入区域的频域信号越小表征在此区域嵌入隐写信息的安全性越高。因此,优先选择频域信号较低的目标嵌入域进行嵌入。
在本公开的实施例中,编码器对载体图像和隐写信息进行编码,纠错能力参数表征使用纠错编码对编码后的数据进行修复错误的能力。纠错能力参数是编码器内部设置的可以自适应调整的参数,编码器的纠错能力是有范围限制的。
在本公开的实施例中,在载体图像中嵌入隐写信息的初始状态时,选择较低频率信号的嵌入区域和较小的纠错能力参数。编码器参考修改成本,进而将隐写信息嵌入载体图像中,生成与嵌入区域和纠错能力参数对应的过渡隐写图像。
在本公开的实施例中,隐写信息的信息正确率是指提取过渡隐写图像中与隐写信息对应的信息占隐写信息的正确率,隐写信息的信息正确率越高,鲁棒性越高。
在本公开的实施例中,通过迭代调整嵌入区域和纠错能力参数,生成与嵌入区域和纠错能力参数对应的过渡隐写图像,直至过渡隐写图像中隐写信息的信息正确率满足预设正确率阈值时,停止调整,将过渡隐写图像确定为目标隐写图像。
在本公开的实施例中,目标隐写图像是指用户在交易操作中最终用于交易的支付图像,例如,支付码等。
在本公开的实施例中,可以为用户提供相应的操作入口,供用户选择同意或者拒绝自动化决策结果。即,在对用户的图像信息进行处理之前,可以获得用户通过相应的操作入口输入的同意或拒绝进行处理的指令。如果用户同意进行处理,则对用户的图像信息进行处理,即执行步骤S220。如果用户拒绝进行处理,则进入专家决策流程。
根据本公开的实施例,由于设置了m个频域信号依次增大的嵌入区域,进而可以自适应调整隐写信息的嵌入区域,消除冗余的编码长度;其次,根据不同嵌入区域和纠错能力参数迭代调整隐写信息的信息正确率,在信息正确率满足预设正确率阈值的情况下确定目标隐写图像,实现了嵌入区域和纠错能力的自适应调整,保证了隐写信息较高的鲁棒性和信息安全性,解决了目标隐写图像抗压缩场景下鲁棒性和安全性低的问题。
根据本公开的实施例,根据载体图像的非对称失真和修改距离,得到修改成本。
根据本公开的实施例,利用预设失真函数处理载体图像,得到对称失真;根据对称失真、载体图像和修改距离,生成修改成本。
根据本公开的实施例,可以将载体图像输入到预设失真函数中,计算载体图像的对称失真。对称失真是指载体图像在对称层面的失真性。
根据本公开的实施例,修改距离是指对载体图像中对应于不同的嵌入区域提取的图像像素进行修改的距离。
根据本公开的实施例,根据对称失真、载体图像和修改距离,生成修改成本,修改成本是指通过隐写信息对载体图像进行修改造成的代价。
根据本公开的实施例,根据对称失真、载体图像和修改距离,生成修改成本,包括:
对载体图像进行矩阵转换处理,得到离散余弦变换系数矩阵;
根据离散余弦变换系数矩阵和对称失真,生成非对称失真;
利用抖动调制算法计算离散余弦变换系数矩阵中每个矩阵参数值进行修改所需要的修改距离;
根据非对称失真和修改距离,生成修改成本。
根据本公开的实施例,载体图像的离散余弦变换系数矩阵(Discrete CosineTransform,DCT)克服了图像压缩时的边缘效应。
根据本公开的实施例,可以获取载体图像的二维数据矩阵,根据离散余弦变换函数,将二维数据矩阵转换得到离散余弦变换系数矩阵。离散余弦变换将载体图像中的高系数信息进行频域能量聚集,进而在对载体图像的压缩中不丢失重要信息。
根据本公开的实施例,对于载体图像选取标准量化表,离散余弦变换系数矩阵中每个矩阵参数值对应各自的量化步长。
根据本公开的实施例,根据抖动调制算法处理离散余弦变换系数矩阵的系数和每个矩阵参数值对各自的量化步长,得到每个矩阵参数值进行修改所需要的修改距离。
根据本公开的实施例,根据非对称失真和修改距离生成修改成本。
根据本公开的实施例,根据离散余弦变换系数矩阵和对称失真,生成非对称失真,包括:
利用预设压缩算法将载体图像中的每个像素进行频域转化,得到频域信息;根据频域信息和离散余弦变换系数矩阵,生成压缩量化信息;根据对称失真、压缩量化信息和频域信息,生成非对称失真。
根据本公开的实施例,利用预设压缩算法将载体图像中的每个像素进行频域转化,得到每个像素的频域信息。
根据本公开的实施例,通过离散余弦变换系数矩阵对每个像素的频域信息进行转换得到压缩量化信息,压缩量化信息表征去量化的信息。
根据本公开的实施例,预设压缩算法可以为JPEG等压缩算法。将载体图像进行JPEG压缩,再进行滤波处理,得到每个像素的频域信息。通过离散余弦变换系数矩阵对每个像素的频域信息进行转换得到压缩量化信息。
根据本公开的实施例,根据对称失真、压缩量化信息和频域信息,生成非对称失真。
图3示意性示出了根据本公开实施例的生成修改距离的示例示意图。
如图3所示,根据离散余弦变换系数矩阵中每个矩阵参数值对应各自的量化步长,将压缩量化信息的系数分为几个奇偶区间,矩阵参数值为“1”表征奇数区间,矩阵参数值为“0”表征偶数区间。量化系数的奇偶性用于嵌入信息。利用最小修正距离调整去量化系数。利用抖动调制算法计算出每个矩阵参数值向左和向右修改的修改距离。例如,针对矩阵参数值p1,向左的修改距离为d1,向右的修改距离为d2。
根据本公开的实施例,根据载体图像确定目标嵌入域,包括:
基于预设行列参数对载体图像进行分块处理,得到多个图像块;
基于预设区域划分规则对多个图像块进行分类,得到多个嵌入区域。
根据本公开的实施例,例如,预设行列参数可以为4*4,将载体图像按照4行4列进行分块处理,得到16个图像块。
根据本公开的实施例,预设区域划分规则可以为按照m个依次增大的频域信号进行行划分、进行列划分、进行对角线划分等规则,基于预设区域划分规则对多个图像块进行分类,得到多个嵌入区域。
图4示意性示出了根据本公开实施例的嵌入区域的示例示意图。
如图4所示,预设行列参数为8*8,将载体图像按照8行8列进行分块处理,得到64个图像块。符号E1、E2、E3、E4、E5、E6、E7、E8表征依次增大的频域信号,目标嵌入域为E1、E2、E3、E4、E5、E6、E7、E8覆盖的对角线区域,按照8个依次增大的频域信号对多个图像块进行对角线划分,可以得到6个频域信号依次增大的嵌入区域,即:E1-E8、E2-E8、E3-E8、E4-E8、E5-E8和E6-E8。例如,嵌入区域E6-E8表征为E6、E7、E8覆盖的对角线区域,嵌入区域E1-E8表征为E1、E2、E3、E4、E5、E6、E7、E8覆盖的对角线区域,嵌入区域E6-E8比嵌入区域E1-E8的频域信号更高。
根据本公开的实施例,信息正确率是通过如下方式生成的:
对过渡隐写图像进行模拟信道压缩处理,得到待处理图像;
利用预设提取算法从待处理图像中提取与隐写信息相对应的提取信息;
根据提取信息和隐写信息,生成信息正确率。
根据本公开的实施例,例如,编码器的纠错能力参数可以设置为1到12级。
根据本公开的实施例,在初始状态选择E1-E8的低频信号的嵌入区域嵌入隐写信息,选择纠错能力参数为1级,编码器中的隐写编码参考修改成本,将隐写信息嵌入载体图像中,生成与嵌入区域E1-E8和纠错能力参数为1级对应的过渡隐写图像。
根据本公开的实施例,对过渡隐写图像进行模拟信道JPEG压缩处理,得到待处理图像。
根据本公开的实施例,利用预设提取算法从待处理图像中提取与隐写信息相对应的提取信息,根据提取信息和隐写信息,生成信息正确率,若信息正确率满足预设正确率阈值,将过渡隐写图像确定为目标隐写图像。输出嵌入区域:“E1-E8”、纠错能力参数:“1级”和目标隐写图像。
根据本公开的实施例,图像处理方法还包括:
在信息正确率不满足预设正确率阈值的情况下,迭代地调整纠错能力参数,以基于调整后纠错能力参数生成新的过渡隐写图像。
根据本公开的实施例,预设正确率阈值可以设置为80%,若信息正确率小于80%的情况下,维持嵌入区域E1-E8,从小到大迭代调整纠错能力参数,生成对应的过渡隐写图像,直至信息正确率满足预设正确率阈值。例如,在嵌入区域E1-E8和纠错能力参数为4级时得到的信息正确率大于或等于80%,则输出嵌入区域:“E1-E8”、纠错能力参数:“4级”和目标隐写图像。
根据本公开的实施例,图像处理方法还包括:
在信息正确率不满足预设正确率阈值的情况下,将第m+1嵌入区域确定为新的第m嵌入区域,以基于纠错能力参数生成新的过渡隐写图像。
根据本公开的实施例,若在嵌入区域E1-E8和纠错能力参数为12级时得到的信息正确率仍然小于80%,则开始从小到大调整嵌入区域。
根据本公开的实施例,将嵌入区域E2-E8确定为新的嵌入区域,迭代调整纠错能力参数,直至信息正确率满足预设正确率阈值。例如,在嵌入区域E2-E8和纠错能力参数为8级时得到的信息正确率大于或等于80%,则输出嵌入区域:“E2-E8”、纠错能力参数:“8级”和目标隐写图像。
根据本公开的实施例,通过设置不同频域信号大小的嵌入区域和不同等级的纠错能力参数,进行两层循环迭代,即内层循环纠错能力参数,外层循环嵌入区域,直至信息正确率满足预设正确率阈值时确定对应的目标图像。自适应调整嵌入区域消除了冗余的编码长度,自适应调整纠错能力参数提高了提取隐写信息的信息正确率,预设正确率阈值的设置保证了隐写信息较高的鲁棒性和信息安全性。
基于上述图像处理方法,本公开还提供了一种图像处理装置。以下将结合图5对该装置进行详细描述。
图5示意性示出了根据本公开实施例的图像处理装置的结构框图。
如图5所示,该实施例的图像处理装置500包括获取模块510、第一生成模块520、第一确定模块530、第二生成模块540和第二确定模块550。
获取模块510,用于获取载体图像和准备嵌入载体图像中的隐写信息。在一实施例中,获取模块510可以用于执行前文描述的操作S210,在此不再赘述。
第一生成模块520,用于根据载体图像的非对称失真和修改距离,得到修改成本,其中,修改成本表征对载体图像进行修改所造成的代价。在一实施例中,第一生成模块520可以用于执行前文描述的操作S220,在此不再赘述。
第一确定模块530,用于根据载体图像确定目标嵌入域,其中,目标嵌入域包括m个频域信号依次增大的嵌入区域。在一实施例中,第一确定模块530可以用于执行前文描述的操作S230,在此不再赘述。
第二生成模块540,用于针对第m嵌入区域,基于纠错能力参数,根据载体图像、隐写信息和修改成本,生成过渡隐写图像。在一实施例中,第二生成模块540可以用于执行前文描述的操作S240,在此不再赘述。
第二确定模块550,用于在过渡隐写图像中隐写信息的信息正确率满足预设正确率阈值的情况下,将过渡隐写图像确定为目标隐写图像。在一实施例中,第一确定模块550可以用于执行前文描述的操作S250,在此不再赘述。
根据本公开的实施例,由于设置了m个频域信号依次增大的嵌入区域,进而可以自适应调整隐写信息的嵌入区域;其次,根据不同嵌入区域和纠错能力参数迭代调整隐写信息的信息正确率,在信息正确率满足预设正确率阈值的情况下确定目标隐写图像,实现了嵌入区域和纠错能力的自适应调整,保证了隐写信息较高的鲁棒性和信息安全性,解决了目标隐写图像抗压缩场景下鲁棒性和安全性低的问题。
根据本公开的实施例,图像处理装置500还包括第三生成模块。
第三生成模块,用于在信息正确率不满足预设正确率阈值的情况下,迭代地调整纠错能力参数,以基于调整后纠错能力参数生成新的过渡隐写图像。
根据本公开的实施例,图像处理装置500还包括第四生成模块。
第四生成模块,用于在信息正确率不满足预设正确率阈值的情况下,将第m+1嵌入区域确定为新的第m嵌入区域,以基于纠错能力参数生成新的过渡隐写图像。
根据本公开的实施例,第一生成模块520包括第一生成子模块和第二生成子模块。
第一生成子模块,用于利用预设失真函数处理载体图像,得到对称失真。
第二生成子模块,用于根据对称失真、载体图像和修改距离,生成修改成本。
根据本公开的实施例,第二生成子模块包括第一生成单元、第二生成单元、第三生成单元和第四生成单元。
第一生成单元,用于对载体图像进行矩阵转换处理,得到离散余弦变换系数矩阵。
第二生成单元,用于根据离散余弦变换系数矩阵和对称失真,生成非对称失真。
第三生成单元,用于利用抖动调制算法计算离散余弦变换系数矩阵中每个矩阵参数值进行修改所需要的修改距离。
第四生成单元,用于根据非对称失真和修改距离,生成修改成本。
根据本公开的实施例,第二生成单元包括第一生成子单元、第二生成子单元和第三生成子单元。
第一生成子单元,用于利用预设压缩算法将载体图像中的每个像素进行频域转化,得到频域信息。
第二生成子单元,用于根据频域信息和离散余弦变换系数矩阵,生成压缩量化信息。
第三生成子单元,用于根据对称失真、压缩量化信息和频域信息,生成非对称失真。
根据本公开的实施例,第一确定模块530包括第一确定子模块和第二确定子模块。
第一确定子模块,用于基于预设行列参数对载体图像进行分块处理,得到多个图像块。
第二确定子模块,用于基于预设区域划分规则对多个图像块进行分类,得到多个嵌入区域。
根据本公开的实施例,获取模块510、第一生成模块520、第一确定模块530、第二生成模块540和第二确定模块550中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块510、第一生成模块520、第一确定模块530、第二生成模块540和第二确定模块550中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块510、第一生成模块520、第一确定模块530、第二生成模块540和第二确定模块550中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图6示意性示出了根据本公开实施例的适于实现图像处理方法的电子设备的方框图。
如图6所示,根据本公开实施例的电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中,存储有电子设备600操作所需的各种程序和数据。处理器601、ROM602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,程序也可以存储在除ROM602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备600还可以包括输入/输出(I/O)接口605,输入/输出(I/O)接口605也连接至总线604。电子设备600还可以包括连接至I/O接口605的以下部件中的一项或多项:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的图像处理方法。
在该计算机程序被处理器601执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分609被下载和安装,和/或从可拆卸介质611被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (12)
1.一种图像处理方法,其特征在于,所述方法包括:
获取载体图像和准备嵌入所述载体图像中的隐写信息;
根据所述载体图像的非对称失真和修改距离,得到修改成本,其中,所述修改成本表征对所述载体图像进行修改所造成的代价;
根据所述载体图像确定目标嵌入域,其中,所述目标嵌入域包括m个频域信号依次增大的嵌入区域;
针对第m嵌入区域,基于纠错能力参数,根据所述载体图像、所述隐写信息和所述修改成本,生成过渡隐写图像;
在所述过渡隐写图像中隐写信息的信息正确率满足预设正确率阈值的情况下,将所述过渡隐写图像确定为目标隐写图像。
2.根据权利要求1所述的方法,其特征在于,还包括:
在所述信息正确率不满足所述预设正确率阈值的情况下,迭代地调整所述纠错能力参数,以基于调整后纠错能力参数生成新的过渡隐写图像。
3.根据权利要求1或2所述的方法,其特征在于,还包括:
在所述信息正确率不满足所述预设正确率阈值的情况下,将第m+1嵌入区域确定为新的第m嵌入区域,以基于所述纠错能力参数生成新的过渡隐写图像。
4.根据权利要求1所述的方法,其特征在于,根据所述载体图像的非对称失真和修改距离,得到修改成本,包括:
利用预设失真函数处理所述载体图像,得到对称失真;
根据所述对称失真、所述载体图像和所述修改距离,生成所述修改成本。
5.根据权利要求4所述的方法,其特征在于,根据所述对称失真、所述载体图像和所述修改距离,生成所述修改成本,包括:
对所述载体图像进行矩阵转换处理,得到离散余弦变换系数矩阵;
根据所述离散余弦变换系数矩阵和所述对称失真,生成非对称失真;
利用抖动调制算法计算所述离散余弦变换系数矩阵中每个矩阵参数值进行修改所需要的修改距离;
根据所述非对称失真和所述修改距离,生成所述修改成本。
6.根据权利要求5所述的方法,其特征在于,根据所述离散余弦变换系数矩阵和所述对称失真,生成非对称失真,包括:
利用预设压缩算法将所述载体图像中的每个像素进行频域转化,得到频域信息;
根据所述频域信息和所述离散余弦变换系数矩阵,生成压缩量化信息;
根据所述对称失真、所述压缩量化信息和所述频域信息,生成所述非对称失真。
7.根据权利要求1所述的方法,其特征在于,所述信息正确率是通过如下方式生成的:
对所述过渡隐写图像进行模拟信道压缩处理,得到待处理图像;
利用预设提取算法从所述待处理图像中提取与所述隐写信息相对应的提取信息;
根据所述提取信息和所述隐写信息,生成所述信息正确率。
8.根据权利要求1所述的方法,其特征在于,根据所述载体图像确定目标嵌入域,包括:
基于预设行列参数对所述载体图像进行分块处理,得到多个图像块;
基于预设区域划分规则对所述多个图像块进行分类,得到多个所述嵌入区域。
9.一种图像处理装置,其特征在于,所述装置包括:
获取模块,用于获取载体图像和准备嵌入所述载体图像中的隐写信息;
第一生成模块,用于根据所述载体图像的非对称失真和修改距离,得到修改成本,其中,所述修改成本表征对所述载体图像进行修改所造成的代价;
第一确定模块,用于根据所述载体图像确定目标嵌入域,其中,所述目标嵌入域包括m个频域信号依次增大的嵌入区域;
第二生成模块,用于针对第m嵌入区域,基于纠错能力参数,根据所述载体图像、所述隐写信息和所述修改成本,生成过渡隐写图像;以及
第二确定模块,在所述过渡隐写图像中隐写信息的信息正确率满足预设正确率阈值的情况下,将所述过渡隐写图像确定为目标隐写图像。
10.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个计算机程序,
其特征在于,所述一个或多个处理器执行所述一个或多个计算机程序以实现根据权利要求1~8中任一项所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现根据权利要求1~8中任一项所述方法的步骤。
12.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现根据权利要求1~8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410205730.9A CN118018658A (zh) | 2024-02-26 | 2024-02-26 | 图像处理方法、装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410205730.9A CN118018658A (zh) | 2024-02-26 | 2024-02-26 | 图像处理方法、装置、设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118018658A true CN118018658A (zh) | 2024-05-10 |
Family
ID=90955817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410205730.9A Pending CN118018658A (zh) | 2024-02-26 | 2024-02-26 | 图像处理方法、装置、设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118018658A (zh) |
-
2024
- 2024-02-26 CN CN202410205730.9A patent/CN118018658A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7225333B2 (ja) | ニューラルネットワークを使用するタイル型画像圧縮 | |
US20200195934A1 (en) | Method and apparatus for processing a video | |
US20200126209A1 (en) | System and method for detecting image forgery through convolutional neural network and method for providing non-manipulation detection service using the same | |
US11062210B2 (en) | Method and apparatus for training a neural network used for denoising | |
CN113507419B (zh) | 流量分发模型的训练方法、流量分发方法及装置 | |
US20220156873A1 (en) | Image synthesis device and method for embedding watermark | |
CN115358911B (zh) | 屏幕水印的生成方法、装置、设备和计算机可读存储介质 | |
CN114663952A (zh) | 对象分类方法、深度学习模型的训练方法、装置和设备 | |
Ahn et al. | End‐to‐end double JPEG detection with a 3D convolutional network in the DCT domain | |
CN109919220B (zh) | 用于生成视频的特征向量的方法和装置 | |
CN114710667A (zh) | 针对h.266/vvc屏幕内容帧内cu划分的快速预测方法及装置 | |
CN116760638A (zh) | 信息处理方法、系统、电子设备及存储介质 | |
CN116597033A (zh) | 图像重建方法、装置、设备和介质 | |
CN118018658A (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN116703944A (zh) | 图像分割方法、图像分割装置、电子设备及存储介质 | |
US20230186608A1 (en) | Method, device, and computer program product for video processing | |
CN115643348B (zh) | 基于可逆图像处理网络的可证安全自然隐写方法及装置 | |
CN113010666A (zh) | 摘要生成方法、装置、计算机系统及可读存储介质 | |
CN117412054A (zh) | 视频编码方法、装置、设备、介质及程序产品 | |
CN116760983B (zh) | 用于视频编码的环路滤波方法及装置 | |
CN115861888A (zh) | 摄像装置的合法性认证方法和合法性认证装置 | |
CN118171043A (zh) | 数据重构方法及装置、电子设备、存储介质和计算机程序产品 | |
CN116563408A (zh) | 图像重建方法、装置、设备和介质 | |
CN118283298A (zh) | 视频传输方法、处理方法、装置、设备、介质和程序产品 | |
CN117435926A (zh) | 一种数据处理方法、装置、电子设备和存储介质 |
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 |