半色调图像及视频信息隐藏算法研究

来源 :北京邮电大学 | 被引量 : 2次 | 上传用户:caritasSD
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着计算机和网络技术的不断发展,人们在享受网上大量资源的同时,如何保证信息的安全已经成为一个亟需解决的问题。信息隐藏是信息安全领域的一项主要技术。图像和视频信息隐藏成为最常用的形式,一般指通过特定方式对图像和视频的数据进行修改,从而隐藏信息,在隐藏后,图像和视频的使用不受影响。半色调图像是一种特殊的图像载体,仅通过黑白两个颜色值来表示一幅图像。半色调图像中信息隐藏可分为两类:(1)网点水印:一幅半色调图像中,通过网点特征,直接隐藏水印信息;(2)半色调可视加密(halftone visual cryptography,简称HVC):在多幅半色调图像中,隐藏一幅秘密图案。在HVC中,(2,2) HVC最常用,即将一幅秘密图案隐藏在两幅半色调图像中,通过处理两幅半色调图像,可提取出秘密图案。目前已有的(2,2) HVC算法,在提取图案的正确率(CDR)和生成图像的质量上,都有待提高。另外,现有(k,n) HVC的算法,需要码书,并会造成像素扩展,即随着用户数目n的增加,生成半色调图像的分辨率需要扩展为原图像的很多倍。立体视频是一种特殊的视频载体,每帧立体视频包括左右两个通道的图像,这两个通道的图像相近,但不相同,立体视频水印成为一个新的视频水印研究方向。由于实际项目需要,希望实现一种能够抵抗多种攻击的图像水印算法,包括:编码攻击、裁剪攻击、直线攻击、缩放攻击,并且能保证一定的水印容量。针对以上的各种问题,本文针对半色调信息隐藏、立体视频水印和图像水印进行研究,主要取得以下成果:(1)基于新共轭的彩色(2,2)半色调可视加密算法。针对彩色半色调图像,提出新共轭的概念,并将这个概念应用到误差扩散半色调图像和点扩散半色调图像信息隐藏中,提出基于误差扩散的新共轭数据隐藏算法(Data hiding by new conjugate color error diffusion,简称NCCED)和基于点扩散的新共轭数据隐藏算法(Data hiding by new conjugate color dot diffusion,简称NCCDD )。两种算法将秘密图案隐藏在两幅彩色半色调图像中。通过执行这两种算法,在彩色半色调图像信息隐藏过程中,减少需要置换的分量数目,减少由于置换干扰太大而无法实施数据隐藏的情况,可以提高提取秘密图案的正确解码率(CDR),还可提高生成半色调图像的质量;提出平均每像素干扰值(Average distortion per pixel,简称 ADPP)的概念,通过 ADPP 的大小衡量信息隐藏算法对生成半色调图像质量的影响。(2)基于块共轭的高质量(2,2)半色调可视加密算法。选择多个半色调图像作为训练样本,生成最小均方滤波器(Least mean square filter,简称LMSF),用LMSF评价半色调图像的质量。为提高信息隐藏算法生成半色调图像的质量,提出块共轭的概念,将块共轭概念应用到半色调信息隐藏中,提出一种基于块共轭的高质量半色调信息隐藏算法(High quality data hiding in halftone images based on block conjugate,简称HQDHBC)。该算法将一幅秘密图案隐藏在两幅基于误差扩散的半色调图像中。在两幅图像对应的M×N分块中,如果前M×N-1个点都共轭或相同时,则最后一个点不影响块共轭关系,最后一点执行正常的半色调方法,而不执行信息隐藏算法。由于执行HQDHBC算法,可在不影响秘密图案提取正确率的前提下,减少实施信息隐藏算法的点数,从而提高生成半色调图像的质量。(3)基于Shamir分享的(k,n)半色调可视加密算法。将Shamir秘密分享应用到半色调可视加密中,提出一种基于Shamir秘密分享的(k,n)半色调可视加密算法(a (k,n) halftone visual cryptography based on Shamir’s secret sharing,简称 HVCSSS)。通过本算法,可实现(k,n)半色调可视加密,即将一幅二值秘密图像隐藏到n幅半色调图像中,任意选取k幅半色调图像,都可以提取原始的秘密图像。首先,利用Shamir分享,将原始二值秘密图像,分享为n幅无意义分享图像;然后,利用半色调图像的自隐藏技术,将分享图像隐藏在半色调图像中,构成n幅半色调分享图像;第三,从n幅半色调分享图像中,通过半色调图像自提取技术,提取出n幅隐藏的分享图像;最后,从n幅提取出的分享图像中,任意选择k幅分享图像,利用拉格朗日插值技术,提取隐藏的秘密图像。(4)变换域立体视频盲水印算法。在实现并分析基于DCT和基于DFT的视频水印算法性能基础上,提出一种变换域立体视频盲水印算法。通过立体视频左右路图像中分别嵌入具有相反嵌入规则的DCT水印和DFT水印,在视频受到攻击后,结合左右路图像相对关系提取水印,并采用择优使用的方式从DCT水印和DFT水印中选择提取鲁棒性更强的水印。(5)基于DFT的高效改进图像水印算法。在实现并分析基于DFT的图像水印算法基础上,提出一种基于DFT的高效图像水印算法。对原始水印信息进行混合纠错编码,保证嵌入水印后的图像,在承受攻击情况下,提取正确率达到100%;针对每个4×4频域数据块改变嵌入水印方式,分别采用右上-左下和左上-右下的能量关系表示水印值,并且用2×1的频域点来表示能量关系,可在PSNR基本相同的前提下,嵌入容量增加为原来的2倍;通过调整嵌入水印的范围,扩展水印容量。
其他文献
随着移动互联网高速发展,传统的网络管理技术在性能管理以及安全管理领域的发展相对滞后,成为了移动互联网发展的瓶颈。因此,针对移动互联网的网络管理技术的研究具有十分重要的理论意义和应用价值。本文针对性能管理中的用户感知质量(Quality of Experience,QoE)评价准确性的问题、安全管理中的有效构建病毒检测模型问题以及性能管理中的有效分析LOG日志问题等三个大方面展开了深入的研究。首先,
在人们的日常沟通交流中,作为一种无声的表现形式,人脸表情具有强大的表达能力。作为比人脸表情更为客观的表述方式,面部活动单元描述的是由于人脸肌肉拉扯而反映在面部的区域变化。Facial Action Coding System (FACS)系统将这一面部活动单元简称为Action Unit(AU)。在AU检测任务中,有两个非常重要的问题,一个是结构化的区域学习,另一个是多标签学习。在结构化区域学习研
各种移动互联网业务为移动用户提供更加极致的用户体验,如虚拟现实、超高清3D视频、移动云雾等,同时这些业务也对高速传输提出了迫切的需求。然而,可用的频谱资源是有限的,按照现有的通信理论和技术框架,很难达到未来无线通信超大连接数、超高速率、超高可靠性、超低时延的要求,因此迫切需要在高频谱效率方面有突破性进展。在此背景下,李道本教授创造性地提出了具有颠覆性创新的重叠X 域复用(Overlapped X
随着移动互联网的发展,社会媒体(social media)已经成为人们获取信息、交换信息的主要场所,分析理解这些多模态社会媒体数据具有广泛的应用需求和应用价值。社会媒体数据呈现出底层特征异构、高层语义关联的特性。一方面,单一模态描述力不足,不同模态数据提供了不同层次的语义信息,并且互为补充,需要有效组织多种模态的数据,以真正反映社会媒体内容。另一方面,多模态数据处于异构特征空间,不同模态间的数据关
随着计算机视觉领域研究的深入,对象类图像分割(也称对象分割)逐渐成为近年来图像分析、计算机视觉领域研究的重要问题之一,并不断推动和促进互联网搜索、智能家电、智能交通和自动驾驶汽车等相关领域的技术和产业的发展。本论文主要依据贝叶斯理论并结合随机场模型,研究基于有监督的非参数化的对象分割模型及其算法。本论文的主要内容和创新点主要有以下几个方面,1.提出了一种新的基于分层狄里克雷过程的非参数化判别模型来
虚拟计算环境建立于开放的网络基础设施之上,通过汇聚互联网络中的计算资源、存储资源、网络资源等实现泛在、智能的公用化计算平台。作为一种新的实现形式,虚拟计算旨在为用户提供方便、快捷和有效的应用环境,为应用提供和谐、高效、可信的一体化服务支撑。与传统计算环境不同,公用环境网络资源的无序增长、高度自治和异构等特性,以及海量应用呈现出复杂、难以预知、多样等趋势,这些因素直接影响了虚拟资源与应用任务之间的精
云计算在给人们生活带来福利的同时,其自身的资源丰富、泛在接入等特性也容易被攻击者滥用以扩展其攻击能力和攻击范围。与普通网络环境中的网络攻击相比,攻击者可以更容易获取云资源对云外空间发起DDoS、Spamming等多种攻击,而且可以轻易地规避追责,这给云计算的可控性带来了严峻的挑战。云计算的不可控一方面伤害了云服务提供商的信誉,另一方面,也极大地损害了傀儡云租户以及攻击受害者的利益,因此,研究有效的
随着互联网的不断发展和普及,越来越多的用户可以通过互联网享受到各种各样的服务。然而用户对于网络服务质量的要求越来越高,他们需求的服务种类也越来越丰富。传统的互联网面临着越来越严重的僵化问题,无法满足用户不断膨胀的服务需求。覆盖网络作为改善传统互联网的重要手段,具有在不改变原有网络的前提下提供新型网络功能的特性。因此,覆盖网络常常被部署在传统网络上,用来提供各种各样的服务,例如对等网络服务、组播服务
受限玻尔兹曼机是一种随机神经网络生成模型,广泛应用于特征降维、协同推荐等任务中。近年来,以受限玻尔兹曼机为核心结构单元的深层信念网络、深层玻尔兹曼机等深层神经网络模型已成为一类重要的深度学习模型,在手写体数字识别、图像识别等任务中均获得了重要的进展。但是,目前常用的受限玻尔兹曼机学习算法对比散度(Contrastive Divergence,CD)是一种近似算法,其收敛性、学习速度、学习性能等理论
在量子信息科学中量子关联处于核心的重要地位,量子关联在量子通信、量子计算、量子测量、量子密码学的基础理论中都是一个重点研究对象,对上述四者的实现都不可或缺。因此,在过去的几十年中,量子关联被广泛的研究。高斯态作为连续变量的量子态中最重要的一类量子态在过去的十几年中也被进行了大量的研究,在量子光学的实验中应用到的大部分量子态都是高斯态中的一种。因此研究高斯态有着十分重要的意义。所以,对于高斯态的量子