{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,9,13]]，“日期-时间”：“2024-09-13T18:50:34Z”，“时间戳”：17262534401}，“参考-计数”：38，“出版商”：“Springer Science and Business Media LLC”，“问题”：“1”，“许可证”：[{“开始”：{-“日期-零件”：[2020,9,9]]，”日期-时间“：”2020-09-09T00:00:00Z“，“timestamp”：1599609600000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0”}，{“start”：{“date-parts”：[[2020,9,9]]，“date-time”：“2020-09-09T00:00:00Z”，“timetamp”：5996096000000}，”content-version:“vor”，“delay-in-days”：“0，”URL“https:\\/creativecommons.org\/licenses\/by\/4.0“}]，”content-domain“：｛“domain”：[“link.springer.com”]，“crossmark restriction”：false｝，“short container title”：[“J Image Video Proc.”]，“published print”：｛“date parts”：[[2020,12]}，“abstract”：“摘要<\/jats:title>自无覆盖信息隐藏的概念提出以来，由于其抵抗隐写工具的有效性，它得到了极大的发展。现有的大多数无覆盖图像隐写（CIS）方法在非几何攻击下具有良好的鲁棒性。然而，它们在一些几何攻击下表现不佳。为此，提出了一种基于DenseNet特征映射的CIS算法。引入深度学习提取高维CNN特征，并将其映射为散列序列。对于发送方，建立二叉树散列索引以加快搜索隐藏信息和DenseNet散列序列的索引速度，然后发送所有匹配的图像。对于接收者来说，可以通过计算封面图像的DenseNet散列序列成功地恢复秘密信息。在整个隐写过程中，封面图像保持不变。实验结果和分析表明，与现有方法相比，该方案在几何攻击下具有更好的鲁棒性<\/jats:p>“，”DOI“：”10.1186\/s13640-020-00521-7“，”type“：”journal-article“，”created“：{”date-parts“：[[2020,9,10]]，”date-time“：”2020-09-10T11:02:44Z“，”timestamp“：1599735764000}，”update-policy“：“http://\/dx.DOI.org\/10.1007\/springer_crossmark_policy”，“source”：“Crossref”，”is-referenced-by-count“：16，”标题“：[”基于DenseNet特征映射“]”、“前缀”：“10.1186”、“卷”：“2020”、“作者”：[{“给定”：“羌”，“家族”：“刘”、“序列”：“第一”、“从属关系”：[]}、{“已知”：“徐余”、“家族”:“向”、“顺序”：“附加”、“隶属关系”：[]}，{“指定”：“娇花”、“家庭”：“秦”、“排序”：“额外”、“附属关系”：【】}、}“：”云“，”family“：”Tan“，”sequence“：”additional“，”affiliation“：[]}，{“given”：“Yao”，“family”：“Qiu”，“sequence”：“additional”，“affiliation:[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[2020,9,9]]}、“reference”：[{“issue”：“1”，“key”：”521_CR1“，”doi-asserted-by“”：“publisher”，”“first page“：”67“，”doi“：“10.1109\/LSP.2004.838214”，“卷”：“12”，“作者”：“X.Zhang”，“年”：“2004年”，“非结构化”：“X.Zhang，S.Wang，使用多基符号系统和人类视觉敏感性的隐写术。IEEE信号处理。Lett.12（1），67\u201370（2004）。，“journal-title”：“IEEE信号处理。莱特。“}，{”issue“：”3“，”key“：”521_CR2“，”doi-asserted-by“：”publisher“，”first-page“：”488“，”doi“：”10.1109\/TIFS.2008.926097“，”volume“：“3”，”author“：”C.Yang“，”year“：”2008“，”unstructured“：”C.Yang，C.Weng，S.J.Wang，H.Sun，空间LSB域系统图像边缘区域的自适应数据隐藏。IEEE Trans.Inf.Forensics Secur.3（3），488\u2013497（2008）。“，”journal-title“：”IEEE Trans。Inf.法医安全。“}，{”issue“：”2“，”key“：”521_CR3“，”doi-asserted-by“：”publisher“，”first-pages“：”201“，”doi“：”10.1109\/TIFS.2010.2041812“，“volume”：“5”，“author”：“W.Luo”，“year”：“2010”，“unstructured”：“W.Luo，F.Huang，J.Huang，基于LSB匹配的边缘自适应图像隐写术再次访问。IEEE Trans.Inf.Forensics Secur.5（2），201\u2013214（2010）。”，“journal-zhual标题“：”IEEE传输。Inf.法医安全。}，{“key”：“521_CR4”，“doi-asserted-by”：“publisher”，“unstructured”：“T.Pevny\u0300，T.Filler，P.Bas，《信息隐藏国际研讨会》。使用高维图像模型执行高度不可检测的隐写术，（2010），第161\u2013177页。https:\/\/doi.org\/10.1007\/978-3-642-16435-4_13.“，”doi“：”10.1007\/9783-642-16435-4_13“}，{“key”：“521_CR5”，“doi-asserted-by”：“publisher”，“unstructured”：“V.Holub，J.Fridrich，2012 IEEE信息取证与安全国际研讨会（WIFS）。使用定向过滤器设计隐写失真，（2012），第234\u2013239页。https:\/\/doi.org\/10.109\/wifs.2012.641265.'，“doi”：“10.1109\/wifs.2012.6412655.”}，{“key”：“521_CR6”，“doi-asserted-by”：“publisher”，“first page”：”25026“，“doi:”10.1109\/ACCESC.2019.2896304“，“volume”：第7页，“author”：“Y.Tan”，“year”：“2019”，“unstructured”：“Y.Tan，J.Qin，X.X.Xian，W.Ma，W.Pan，编号。熊，一种基于信道编码的YCBCR颜色空间鲁棒水印方案。IEEE接入。7:，25026\u201325036（2019）。https:\/\/doi.org\/10.109\/ACCESS.2019.2896304.“，”journal-title“：”IEEE ACCESS“}，{“key”：“521_CR7”，“doi-asserted-by”：“publisher”，“unstructured”：“Y.Zhang，X.Luo，Y.Guo，C.Qin，F.Liu，有损信道中图像自适应隐写术的多个鲁棒性增强。IEEE Trans.Circ.Syst.Video Technol.（2019）.https:\/\/doi.org\/10.109\/tcsvt.2019.2923980.“，”doi“：”10.1109\/tcsvct.2019.2993980“}，{“key”：“521_CR8”，“doi-asserted-by”：“publisher”，“first page”：”109“，“doi”：”10.1016\/j.sigpro.2018.07.008“，”volume“：”153“，”author“：”C.Qin“，”year“：”2018“，”unstructured“：”C.Qin，W.Zhang，F.Cao，X.Zhan，电流-电流。Chang，通过块选择的自适应嵌入策略隐藏在加密图像中的可分离可逆数据。信号处理。153:，109\u2013122（2018）。“，”journal-title“：”信号处理。“}，{”issue“：“3”，”key“：“521_CR9”，”doi-asserted-by“：”publisher“，”first page“：”033009“，”doi“：”10.1117\/1.3206961“，”volume“：：”18“，”author“：”J.Qin“，”year“：”2009“，”unstructured“：”J.Qin，X.Xian，C.Niu，图像隐写分析的主要特征选择和融合方法。J.Electron.Imaging.18（3），033009（2009）https:\/\/doi.org\/10.117\/1.3206961.“，”journal-title“：”J.Electron。Imaging“}，{“key”：“521_CR10”，“doi-asserted-by”：“publisher”，“unstructured”：“T.Qiao，X.Luo，T.Wu，M.Xu，Z.Qian，基于jpeg图像量化DCT系数统计模型的自适应隐写分析。IEEE Trans.可靠安全计算521_CR11“，”doi-asserted-by“：”crossref“，”unstructured“：”Z.Zhou，H.Sun，R.Harit，X.Chen，X.Sun，在云计算与安全国际会议上。无嵌入的隐形图像隐写术，（2015），第123\u2013132页。“，”DOI“：”10.1007\/978-3-319-27051-7_11“}，{“问题”：“1”，“关键”：“521_CR12”，“DOI-asserted-by”：“出版商”，“首页”：“217”，“DOI”：“10.32604\/cmc.2020.6431”，“卷”：“62”，“作者”：“Z.Zhou”，“年份”：“2020”，“非结构化”：“Z Zhou，J.Qin，X.X.Xiang，Y.Tan，Q.Liu，N.N。熊，基于火花TF-IDF算法的新闻文本主题聚类优化方法。计算。马特。连续统。62（1），217\u2013231（2020）。https:\/\/doi.org\/10.32604\/cmc.2020.06431.“，”journal-title“：”计算。马特。Continua“}，{”issue“：”6“，”key“：”521_CR13“，”first page“：“1016”，“volume”：“19”，“author”：“J.Zhang”，“year”：“2017”，“unstructured”：“J·Zhang，H.Huang，L.Wang，H.Lin，D.Gao，使用频繁单词散列的无封面文本信息隐藏方法。Int.J.Netw.Secur.19（6），1016\u20131023（2017）。”，“日志标题”：“Int.J·Netw.Ssecur”}，”{“key“521_CR14”，“doi asserted by”：“publisher”，“nonstructured”：“S.Zheng，L.Wang，B.Ling，D.Hu，在国际智能计算大会上。基于稳健图像散列的隐蔽信息隐藏，（2017），第536\u2013547页。https:\/\/doi.org\/10.1007\/978-3-319-63315-2_47.“，”doi“：”10.1007\/9783-319-63315-2_47“}，{“问题”：“2”，“密钥”：“521_CR15”，“首页”：“435”，“卷”：“18”，“作者”：“C.Yuan”，“年份”：“2017”，“非结构化”：“C.Yuan，Z.Xia，X.Sun，基于sift和BOF.J.Int.Technol.18（2），435\ u2013442（2017）。”，“新闻标题”：“J.Int。Technol公司。“}，{”issue“：“12”，”key“：“521_CR16”，”doi-asserted-by“：”publisher“，”first page“：”3223“，”doi“：”10.1109\/TMM.2018.2838334“，”volume“：：”20“，”author“：”X.Zhang“，”year“：”2018“，”unstructured“：”X-Zhang，F.Peng，M.Long，基于DCT和LDA主题分类的鲁棒无盖图像隐写术。IEEE Trans.Multimedia.20（12），3223\u20133238（2018）。“，”journal-title“：”IEEE Trans。多媒体“}，{“key”：“521_CR17”，“doi-asserted-by”：“publisher”，“首页”：“105375”，“doi”：“10.1016\/j.knosys.2019.105375“，“volume”：”192“，“author”：“Q.Liu”，“year”：“2020”，“unstructured”：“Q.Liu，X.Xian，j.Qin，Y.Tan，j.Tan，Y。Luo，基于DenseNet特征和DWT序列映射的图像检索的无遮盖隐写术。基于知识的系统192:，105375\u2013105389（2020）。https:\/\/doi.org\/10.1016\/j.knosys.2019.105375.“，”journal-title“：”基于知识的系统。“}，{”key“：”521_CR18“，”doi-asserted-by“：”publisher“，”first page“：“171372”，”doi“：”10.1109\/ACCESS.2019.2955452“，”volume“：‘7’，”author“：”J.Qin“，”year“：”2019“，”unstructured“：”J.Qin，Y.Luo，X.Xian，Y.Tan，H.Huang，“无遮盖图像隐写术：一项调查。IEEE ACCESS.7:，171372\u2013171394（2019）.https:\/\/doi.org\/10.109\/ACCESS.2019.2955452.“，”journal-title“：”IEEE ACCESS“}，{”issue“：”13“，”key“：”521_CR19“，”doi-asserted-by“：”publisher“，”first page“：“4927”，“doi”：“10.1007\/s00500-018-3151-8”，“volume”：“23”，“author”：“Z.Zhou”，“year”：“2019”，“unstructured”：“Z Zhou，Y.Mu，Q.J。吴，使用部分重复图像检索的无遮盖图像隐写术。软计算23（13），4927\u20134938（2019）。“，”journal-title“：”软计算。“}，{”key“：”521_CR20“，”doi-asserted-by“：”publisher“，”unstructured“：”Y.Luo，J.Qin，X.Xiang，Y.Tan，Q.Liu，L.Xiang“，基于图像块匹配和密集卷积网络的无覆盖实时图像信息隐藏。J.real-time image Process.，1_201311（2019）。https:\/\/doi.org\/10007\/s1154-019-00917-3.“，”doi“：”10.1007\/s1154-019-00917-3“}，{“key”：“521_CR21”，“unstructured”：“A.Krizhevsky，I.Sutskever，G.E.Hinton，《Advances in Neural Information Processing Systems.Imagenet classification with deep convolutional Neural networks》（神经信息处理系统进展，2012年），第1097\u20131105页。Simonyan，A.Zisserman，《用于大规模图像识别的极深卷积网络》（2014）。arXiv预印本arXiv:1409.1556.“}，{“key”：“521_CR23”，“doi-asserted-by”：“publisher”，“unstructured”：“C.Szegedy，W.Liu，Y.Jia，P.Sermanet，S.Reed，D.Angelov，D.Erhan，V.Vanhoucke，A.Rabinovich，《IEEE计算机视觉和模式识别会议论文集》。卷积深入研究，（2015），第1\u20139页。https:\/\/doi.org\/10.109\/cvpr.2015.7298594.“，”doi“：”10.1109\/cvrp.2015.7299594“}，{“key”：“521_CR24”，“doi-asserted-by”：“publisher”，“unstructured”：“K.He，X.Zhang，S.Ren，J.Sun，《IEEE计算机视觉和模式识别会议论文集》。图像识别的深度剩余学习，（2016），第770\u2013778页。https:\/\/doi.org\/10.109\/cvpr.2016.90.“，“doi”：“10.1109\/cvrpr.2016.90”}，{“key”：“521_CR25”，“doi-asserted-by”：“publisher”，“unstructured”：“G.Huang，Z.Liu，L.Van Der Maaten，K.Q.Weinberger，《IEEE计算机视觉和模式识别会议论文集》。紧密连接卷积网络，（2017），第4700\u20134708页。https:\/\/doi.org\/10.109\/cvpr.2017.243.“，”doi“：”10.1109\/cvpr.2017.243“}，{“问题”：“2”，“密钥”：“521_CR26”，“doi-asserted-by”：“发布者”，“首页”：“1041”，“doi”：“10.3934\/mbe.2020055”，“卷”：“17”，“作者”：“L.Xiang”，“年份”：“2020”，“非结构化”：“L Xiang，G.Guo，J.Yu，V.S.Sheng、P。Yang，基于卷积神经网络的同义词替换隐写术语言隐写分析。数学。Biosci公司。工程17（2），1041\u20131058（2020）。“，”journal-title“：”数学。Biosci公司。Eng.“}，{”issue“：”3“，”key“：”521_CR27“，”doi-asserted-by“：”publisher“，”first page“：“665”，”doi“：”10.32604\/cmc.2019.05683“，“volume”：“58”，“author”：“W.Ma”，“year”：“2019”，“unstructured”：“W·Ma，J.Qin，X.X.Xian，Y.Tan，Y.Luo，N.N。熊，基于分治的自适应中值滤波算法及其在captcha识别中的应用。计算。马特。连续统。58（3），665\u2013677（2019）。https:\/\/doi.org/10.32604\/cmc.2019.05683.“，”期刊标题“：”计算机。马特。Continua“}，{”issue“：“5”，”key“：“521_CR28”，”doi-asserted-by“：”publisher“，”first page“：”5851“，”doi“：”10.3934\/mbe.2019292“，”volume“：16”，“author”：“J.Wang”，“year”：“2019”，“unstructured”：“J Wang，J.Qin，X.X.Xian，Y.Tan，N.Pan，基于深度卷积神经网络的Captcha识别。Math.Biosci.Eng.16（5），5851\u20135861（2019）https:\/\/doi.org\/10.3934\/mbe.2019292.“，”journal-title“：”数学。Biosci公司。Eng“}，{”issue“：“1”，”key“：“521_CR29”，”doi-asserted-by“：”publisher“，”first page“：”297“，”doi“：”10.32604\/cmc.2019.04097“，“volume”：“59”，“author”：“L.Pan”，“year”：“2019”，“unstructured”：“L.Pan，J.Qin，H.Chen，X.Xian，C.Li，R.Chen。基于图像增强的卷积神经网络食品识别。计算材料。Continua.59（1），297\u2013313（2019）。https:\/\/doi.org\/10.32604\/cmc.2019.04097.“，”journal-title“：”计算。马特。Continua“}，{”key“：”521_CR30“，”doi-asserted-by“：”publisher“，”first page“：“87534”，”doi“：”10.1109\/ACCESS.2019.2924973“，”volume“：‘7’，”author“：”W.Pan“，“year”：“2019”，”unstructured“：”W.Pan，J.Qin，X.Xian，Y.Wu，Y.Tan，L。湘，基于密集连接卷积网络的柑橘病害智能移动诊断系统。IEEE接入。7:，87534\u201387542（2019）。https:\/\/doi.org\/10.109\/ACCESS.2019.2924973.“，”journal-title“：”IEEE ACCESS“}，{”key“：”521_CR31“，”doi-asserted-by“：”publisher“，”first page“：“66963”，”doi“：”10.1109\/ACCESS.2018.2878147“，“volume”：“6”，“author”：“H.Li”，“year”：“2018”，“unstructured”：“H Li，J.Qin，X.X.Xian，L.Pan，W.Ma，N.N。熊，一种基于自适应阈值和RANSAC的高效图像匹配算法。IEEE接入。6:，66963\u201366971（2018）。https:\/\/doi.org\/10.109\/ACCESS.2018.2878147.“，”journal-title“：”IEEE ACCESS“}，{”key“：”521_CR32“，”doi-asserted-by“：”publisher“，”first page“：“24626”，“doi”：“10.1109\/ACCESS.2019.2894673”，“volume”：“7”，“author”：“J.Qin”，“year”：“2019”，“unstructured”：“J Qin，H.Li，X.X.Xian，Y.Tan，W.Pan，W.Ma，N.N。熊，云计算中基于哈里斯角点优化和LSH的加密图像检索方法。IEEE接入。7:，24626\u201324633（2019）。https:\/\/doi.org\/10.109\/ACCESS.2019.2894673.“，”journal-title“：”IEEE ACCESS“}，{”issue“：”3“，”key“：”521_CR33“，”doi-asserted-by“：”publisher“，”first page“：“1055”，”doi“：”10.1007\/s11063-018-9892-7“，“volume”：“49”，“author”：“L.Xian”，“year”：“2019”，“unstructured”：“L Xian，X.Shen，J.Qin，W。郝，用于大规模可视化搜索的离散多图散列。神经过程。第49（3）条，1055\u20131069（2019）。https:\/\/doi.org\/10.1007\/s11063-018-9892-7.“，”journal-title“：”神经过程。莱特。“}，{”issue“：”4“，”key“：”521_CR34“，”doi-asserted-by“：”publisher“，”first-page“：”3741“，”doi“：”10.1109\/LRA.2018.2856542“，”volume“：“3”，”author“：”D.Schlegel“，”year“：”2018“，”unstructured“：”D.Schlegel，G.Grisetti，HBST:一种用于基于特征的视觉位置识别的汉明距离嵌入二进制搜索树。IEEE Robot.Autom.Lett.3（4），3741\u20133748（2018）。，“journal-title”：“IEEE机器人。自动化。莱特。}，{“key”：“521_CR35”，“doi-asserted-by”：“publisher”，“unstructured”：“H.Jegou，M.Douze，C.Schmid，在欧洲计算机视觉会议上。汉明嵌入与大尺度图像搜索的弱几何一致性，（2008），第304\u2013317页。https://doi.org\/10.1007\/978-3-540-88682-2_24.“，“doi”：“10.1007\/9783-540-88682-2-24”}，{“key”：“521_CR36”，“unstructured”：“A.Krizhevsky，I.Sutskever，G.E.Hinton，《神经信息处理系统的进展》。深度卷积神经网络的图像分类，（2012），第1097\u20131105页。”}doi-asserted-by“：“publisher”，“unstructured”：“L.Fei-Fei，R.Fergus，P.Perona，2004年计算机视觉和模式识别研讨会。从少数训练示例中学习生成性视觉模型：一种增量贝叶斯方法，对101个对象类别进行了测试，（2004年），第178\u2013178页。https:\/\/doi.org\/10.109\/cvpr.2004.383.“，”doi“：”10.1109\/cvrp.2004.383“}，{“key”：“521_CR38”，“unstructured”：“G.Griffin，A.Holub，P.Perona，Caltech-256对象类别数据集，技术报告7694 Caltech，（2007）.“}]，”container-title“：[”EURASIP Journal on Image and Video Processing“]，”original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1186\/s13640-020-00521-7.pdf“，“内容类型”：“应用程序\/pdf”，“内容版本”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\//link.springer-com/article\/10.1186 \/s13640.020-00521-7\/fulltext.html”，“content-type”：“文本\/html”，“content-version”：“vor”，“intended-aapplication”“：”text-mining“}，{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1186\/s13640-020-00521-7.pdf”，“content-type”：“application\/pdf”、“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2021,9,8]]，“date-time”：”2021-09-08T23:19:13Z“，“timestamp”：1631143153000}，“score”：1，“资源“：{“primary”：{”URL“：”https:\/\/jivp-eurasipjournals.springeropen.com/articles\/10.1186\/s13640-020-00521-7“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2020,9，9]]}，“引用计数”：38，“日志发布”：{“问题”：“1”，“published-print”:{“日期部分”：[2020,12]}}、“alternative-id”：[“521”]，“URL”：“http://\/dx.doi.org\/10.1186\/s13640-020-00521-7”，“关系”：{}，“ISSN”：[“1687-5281”]，“ISSN-type”：[{“value”：“1687-52 81”，“type”:“electronic”}]，“subject”：【】，“published”：{“date-parts”：【2020,9，9】】}，“assertion”：【{“value”：“2020年2月25日”，“order”：1，“name”：“received”，“label”：“received”，”group“name”:“Article History”，“table”：“Articles History“}}”，{“value”：”2020年7月29日“，”订单“：2，”名称“：”接受“，”标签“：”已接受“，“group”：{“name”：“Article History”，“label”：“文章历史”}}，{“value”：“2020年9月9日”，“order”：3，“name”:“first_online”，“table”：“first online”，”group“：{”name“：“文章史”，“标签”：“论文历史”}，“value“：”作者声明他们没有竞争利益。“，”order“：1，”name“:”Ethics“，”group:{“名称”：“EthicsHeading”，“label”：“竞争利益”}}]，“商品编号”：“39”}}