计算机科学››2022,第49卷››问题(9): 340-346.数字对象标识:10.11896/jsjkx.220300238

•信息安全• 以前的文章   下一篇文章

压缩差分后的双谱图平移可逆数据隐藏方法

郝杰、平平、傅德音、赵洪泽  

  1. 河海大学计算机与信息学院,南京211100
  • 收到:2022-03-25 修订过的:2022-06-03 在线:2022-09-15 出版:2022-09-09
  • 关于作者:郝杰,1998年生,研究生,中国计算机联合会会员。她的主要研究兴趣包括可逆数据隐藏等。
    平平,1982年生,博士,副教授。她的主要研究方向包括网络和信息安全。
  • 支持单位:
    国家自然科学基金(61902110)。

摘要:基于直方图平移的可逆数据隐藏(RDH)是当前信息隐藏中最常用的技术,特别是差分扩展和直方图偏移相结合的方法,可以实现高嵌入容量和低图像失真。本文提出了一种压缩差分后双星图移位的可逆信息隐藏方法。该算法综合了压缩、差分和优化直方图偏移三种方法,改善了现有基于直方图平移的方法嵌入容量不足的缺点。同时,给出了移位过程中图像像素值溢出的处理方法。在接收端,不仅可以完全提取数据,还可以执行无损图像恢复。实验后,与目前流行的四种方案进行了比较。我们的方法在嵌入能力方面优于现有的基于直方图移位的算法。与其他方法相比,其嵌入式容量提高了23%、11%、57%和93%。实验结果表明,该方法大大提高了嵌入容量,能够有效地实现大容量的可逆信息隐藏。

关键词: 压缩, 差异, 直方图偏移, 双峰, 可逆数据隐藏

CLC编号:

  • TP391型
[1] 卢伟,贺力,杨毅,等。基于融合失真测量的二值图像安全隐写[J]。IEEE视频技术电路和系统交易,2018,29(6):1608-1618。
[2] 王泽,钱泽,张欣,等.改进jpeg隐写术失真函数的研究[J]。IEEE Access,2018(6):74917-74930。
[3] 秦C,季平,张欣,等.基于重叠嵌入策略的像素级恢复脆弱图像水印[J]。信号处理,2017(138):280-293。
[4] 袁世诚,李明.基于鲁棒自适应特征提取的局部多水印方法[J]。信号处理,2018(149):103-117。
[5] 钱子X,周华,张文美,等。基于纹理合成的鲁棒隐写技术[M]//智能信息隐藏和多媒体信号处理的进展。查姆:斯普林格勒,20177:25-33。
[6] 史义清,李晓东,张晓平,等。可逆数据隐藏:近二十年的进展[J]。IEEE访问,2016,4:3210-3237。
[7] 李小林,张文明,GUI X L,等.基于多直方图修改的高效可逆数据隐藏[J]。IEEE信息取证与安全交易,2015年,10(9):2016-2017年。
[8] 曾世通,李忠,平立德.利用参考像素和多层嵌入的可逆数据隐藏方案[J]。AEU国际电子与通信杂志,2012,66(7):532-539。
[9] 张天池,侯天顺,王世伟,等。基于多直方图修改的对比度增强自适应可逆数据隐藏[J/OL]。IEEE视频技术电路和系统汇刊,2022年。https://ieeexplore.ieee.org/document/9691384。
[10] BARTON J M.在数字数据中嵌入认证信息的方法和装置:美国专利,564997[P].1997-07-08。
[11] WEINBERGER M J,RISSANEN J J,ARPS R B.通用上下文建模在灰度图像无损压缩中的应用[J]。IEEE图像处理汇刊,1996,5(4):575-586。
[12] 张文明,胡雪华,李雪林,等.递归直方图修正:建立可逆数据隐藏与无损数据压缩的等价性[J]。IEEE图像处理汇刊,2013,22(7):2775-2785。
[13] TIAN J.使用差分展开的可逆数据嵌入[J]。IEEE视频技术电路和系统汇刊,2003年,13(8):890-896。
[14] OU B,LI X L,WANG J W.基于像素值排序和成对预测误差扩展的高精度可逆数据隐藏[J]。视觉传达与图像表现杂志,2016(39):12-23。
[15] 王建新,倪建清,张欣,等.基于多直方图平移的可逆数据隐藏的速率和失真优化[J]。IEEE控制论汇刊,2017,47(2):315-326。
[16] 唐继瑞,ISA N A M.使用改进直方图箱进行双谱图均衡化[J]。应用软件计算,2017(55):31-43。
[17] 王建新,陈新,倪建清,等.基于多直方图的可逆数据隐藏:框架与实现[J]。IEEE视频技术电路和系统汇刊,2020,30(8):2313-2328。
[18] 田J.差分扩展可逆水印[J/OL]。多媒体与安全研讨会论文集,2002年。https://www.researchgate.net/publication/228809844_Reversible_watermarking_by_difference_expansion。
[19] HSU F H,WU M H,WANG S J.在隐写图像上使用副匹配预测进行可逆数据隐藏[J]。多媒体工具和应用,2013,67(3):571-591。
[20] CHEN Y H,HUANG H C,LIN C C。基于块的多轮估计差分变换可逆数据隐藏[J/OL]。多媒体工具和应用,2015:1-26。https://link.springer.com/article/10.1007/s11042-015-2825-9。
[21]TSAI Y Y,TSAI D S,LIU C L.基于相邻像素差异的可逆数据隐藏方案[J]。数字信号处理,2013,23(3):919-927。
[22]胡毅,LEE H,LI J.DE-基于改进溢出位置图的可逆数据隐藏[J]。IEEE视频技术电路和系统汇刊,2009,19(2):250-260。
[23]THODI D M,RODRIGUEZ J J.可逆水印的扩展嵌入技术[J]。IEEE图像处理汇刊,2007,16(3):721-730。
[24]NGUYEN T S,CHANG C C,HUYNH N T.一种基于差分序列修改和最优EMD算法的新型可逆数据隐藏方案[J]。视觉传达与图像表征杂志,2015(33):389-397。
[25]XUE B,LI X,WANG J,等.基于二维差分图修改的改进可逆数据隐藏[J]。多媒体工具和应用,2016,76(11):1-19。
[26]ARHAM A,HUGROHO H A,ADJI T B.基于四元差分扩展的多层数据隐藏方案☆[J]。信号处理,2017(137):52-62。
[27]NI Z C,SHI Y Q,ANASRI N,等.可逆数据隐藏[J]。IEEE视频技术电路和系统汇刊,2006,16(3):354-362。
[28]FALLAHPOUR M,SEDAAGHI M H.基于直方图修改的高容量无损数据隐藏[J]。IEICE Electron Express,2007,4(7):205-210。
[29]TSAI P,HU Y C,YEH H L.使用预测编码和直方图偏移的可逆图像隐藏方案[J]。信号程序,2009,89(6):1129-1143。
[30]BISWAS T,HASAN M M,DEBNATH T。基于压缩灰度直方图平移的可逆数据隐藏新方法[C]//2016第三届电气工程与信息通信技术国际会议。IEEE,2016年1月6日。
[31]JUNG K H.一种基于数字图像排序和预测的高容量可逆数据隐藏方案[J]。多媒体工具和应用,2017,76(11):13127-13137。
[32]贾毅J,尹志X,张晓平,等.基于减少直方图偏移中像素无效偏移的可逆数据隐藏[J]。信号处理,2019(163):238-246。
[33]PAN Z B,GAO X Y,GAO E,等.基于像素值排序的可逆数据隐藏的自适应复杂性[J]。IEEE信号处理快报,2020(27):912-919。
[1] 周连兵、周向珍、崔雪龙。基于双二维混沌映射的压缩图像加密方案[J] ●●●●。计算机科学,2022,49(8):344-349。
[2] CHU Yu-chun,龚航,王学芳,刘佩顺。基于YOLOv4的目标检测算法知识提取研究[J] ●●●●。计算机科学,2022,49(6A):337-344。
[3] 郑向明,邓春华。基于无标记知识提取的人脸识别模型压缩算法[J] ●●●●。计算机科学,2022,49(6):245-253。
[4] 陈庄、邹海涛、郑尚、于华龙、高尚。基于用户覆盖率和评分差异的分集推荐算法[J] ●●●●。计算机科学,2022,49(5):159-164。
[5] 马斌、侯锦成、王春鹏、李健、史云清。基于码分多址的音频文件大容量可逆数据隐藏算法[J] ●●●●。计算机科学,2021,48(9):298-305。
[6] 王胜,张阳森,陈若宇,向嘎。基于细粒度差异特征的文本匹配方法[J] ●●●●。计算机科学,2021,48(8):60-65。
[7] 陈志伟、王坤、周光云、王旭、张晓丹、朱胡明。基于加权删减胶囊网络的SAR图像变化检测方法[J] ●●●●。计算机科学,2021,48(7):190-198。
[8] 钱新元、吴文元。基于R-SIS/R-LWE的身份加密方案[J] ●●●●。计算机科学,2021,48(6):315-323。
[9] 王英英、常军、吴昊、周翔、彭宇。基于WiFi-CSI的入侵检测方法[J] ●●●●。计算机科学,2021,48(6):343-348。
[10] 刘东、王业飞、林建平、马海川、杨润佑。端到端优化图像压缩技术的进展[J] ●●●●。计算机科学,2021,48(3):1-8。
[11] 姜冲、张宗章、陈子轩、朱家成、姜俊鹏。数据高效的第三人称模拟学习方法[J] ●●●●。计算机科学,2021,48(2):238-244。
[12] 詹瑞、雷银杰、陈训敏、叶淑翰。基于多差分特征网络的街道场景变化检测[J] ●●●●。计算机科学,2021,48(2):142-147。
[13] 丹周阳、刘芬林、龚道富。基于微分直方图中尾信息的平滑滤波检测算法[J] ●●●●。计算机科学,2021,48(11):234-241。
[14] 孙艳丽、叶炯耀。基于剪枝和量化的卷积神经网络压缩[J] ●●●●。计算机科学,2020,47(8):261-266。
[15] 姜文彬、傅智、彭静、朱健。分布式深度学习系统中基于比特的梯度压缩方法[J] ●●●●。计算机科学,2020,47(7):220-226。
已查看
全文


摘要

引用

  共享   
  讨论   
找不到建议阅读的文章!