可提高嵌入容量的密文医学图像可逆数据隐藏方法

提出一种密文图像中的可逆数据隐藏系统,可在加密的医学图像中嵌入附加信息,还可无损恢复原始图像.系统包括发送端、服务器端和接收端三部分,发送端使用流密码对原始医学图像进行加密并发送到服务器端;服务器端使用基于循环移位的方法在密文中隐藏附加信息,同时不改变密文图像的数据量;接收端下载含附加信息的密文图像,不仅可提取附加信息,还可无损恢复原始医学图像.与传统方法相比,该方法提高了密文中的数据嵌入容量.     

基于双域联合编码和秘密共享的密文域可逆信息隐藏

针对如何提高可逆信息隐藏算法的安全性和嵌入容量的问题,提出了一种基于双域联合编码和密码反馈秘密共享的密文域可逆信息隐藏算法。首先,对图像进行中值边缘检测器（median-edge detector, MED）预测,计算最优水平l,并将像素分成可预测像素和不可预测像素;其次,使用双域联合编码分别在像素域和比特域上压缩辅助信息,以便提供更多的可嵌入空间;再次,使用密码反馈秘密共享技术将原始图像加密生成多个加密图像,并将辅助信息和多方的秘密数据嵌入到多个加密图像中;最后,根据提取的辅助信息,100%恢复秘密数据以及原始图像。实验结果表明,该算法显著提高了嵌入容量和安全性。     

改进块旋转和马赛克拼图的生成式伪装方法

结合块旋转和马赛克拼图的生成式伪装方法通过在嵌密位置放置与待隐藏秘密信息相关的圆形图像对秘密信息进行表达,会导致生成的马赛克图像的视觉质量较差,而较差的视觉质量也容易导致隐藏的秘密信息发生泄漏.为避免该问题,提出一种改进块旋转和马赛克拼图的生成式伪装方法.在该方法中,首先将多个灰度图像转换为圆形图像并按像素均值增序排列作为编码图像,将掩体图像直接通过误差扩散预处理转化为多级半色调图像;其次,通过随机坐标序列来决定秘密信息的隐藏位置,通过生成随机加密映射矩阵对秘密信息进行加密映射处理;最后,遍历掩体图像选取像素值对应的编码图像,对于隐藏和非隐藏位置,分别将编码图像旋转与秘密信息相关角度和随机角度,进而生成马赛克图像.在提取时,根据密钥结合质心旋转匹配策略以及区间认证策略对秘密信息进行认证以提高秘密信息认证的精度.实验表明,所提方法直接用编码圆形图像的旋转角度来表达秘密信息,在放置过程中始终选取以掩体像素值相对应的编码圆形图像来表达秘密信息,因而不会产生任何偏差,也不会导致任何视觉质量下降,具有良好的视觉质量.该方法引入了区间认证策略,具有较高的认证精度,所提方法具有较强的抗攻击鲁棒性且提取过程完全依赖于密钥,具有较高的安全性.     

基于图像分类的鲁棒无载体信息隐藏

针对传统信息隐藏方法须通过修改载体以嵌入秘密信息所带来的安全性问题,提出一种基于图像分类与尺度不变特征转换(scale-invariant feature transform,SIFT)提取无载体信息隐藏的方法。首先通过快速区域卷积神经网络将原始图像库进行分类处理,生成不同种类的子图像库;然后利用图像SIFT特征点的方向信息设计一个感知鲁棒的哈希方案,并使用该方案计算出每个子图像库中图像的哈希值,将所有子图像库中的图像全部映射成相应的二进制哈希值;最后将秘密信息分割成若干个片段,通过对比秘密信息片段与所有的图像二进制哈希值,从子图像库中检索出与秘密信息片段相符的图像,将其作为含密图像传送给接收方,完成信息隐藏过程。接收方接收到全部含密图像后,根据约定的哈希方案提取秘密信息。实验结果和分析表明,该方法对JPEG压缩、高斯噪声、椒盐噪声、图像缩放等攻击具有较强的鲁棒性,且隐藏容量较高。     

基于多对非对称直方图修改的可逆信息隐藏

传统基于非对称直方图修改的图像可逆信息隐藏算法存在大量像素无效修改的问题.针对此问题,提出了一种基于多对非对称预测误差直方图修改的可逆信息隐藏方案.该方案结合了非对称直方图修改算法的优势和多直方图修改算法的特点,选择图像的平滑区域进行非对称直方图修改以嵌入信息.在达到发挥非对称直方图补偿还原效应的同时,能进一步减少像素...     

基于块分类的密文域多重嵌入可逆信息隐藏算法

针对现有密文域可逆信息隐藏方法中图像块利用不充分,使得嵌入秘密信息量不高的问题,提出了一种基于块分类的多重嵌入可逆信息隐藏算法。首先将原始图像用流密码加密,加密图像被分成若干个不重叠的块。然后,用最高有效位（most significant bit, MSB）自适应预测算法对块内的第1个像素和其他像素进行预测,将每一个块标记为可用块或非可用块。进一步对可用块进行重构嵌入,同时用中值边缘检测器（median-edge detector, MED）预测算法对非可用块进行二次嵌入,最终实现秘密信息的嵌入。当接收方接收到含密图像时,通过嵌入密钥实现秘密信息的正确提取,同时利用加密密钥恢复原始图像。实验证明,该文提出的方法在相同图像恢复质量的情况下能够显著提升秘密信息的嵌入量,在嵌入容量和图像恢复质量上均优于已有的方法。     

结合DNA编码和混沌的图像选择区域加密

提出一种可供用户自定义选择区域的图像加密方案.用户可通过鼠标选择或直接输入坐标数值的方法定义需加密区域,采用混沌系统产生密钥流,根据DNA编码思想依次对图像数据流进行随机置换加密.密文图像在传输之前使用可逆数字水印隐藏用户选择的图像区域信息,接收方收到密文图像后可直接提取该水印信息确定解密区域进行解密,而无需额外传输.测试和分析表明,该方案在满足安全性同时具有较好的灵活性和实用性.     

基于曲面插值的加密图像可逆信息隐藏算法

提出一种基于曲面插值的加密图像可逆信息隐藏算法.对原始图像进行加密,利用随机函数确定加密图像中的载体像素,根据载体像素取反位的不同采取不同的隐藏方法.对载密图像进行解密以确定载体像素,在载体像素5×5邻域中选取与载体像素距离最近的6个非载体像素,采用曲面插值的方法计算载体像素的预测值,应用该预测值提取秘密信息并恢复载体像素.实验结果表明,该算法提取秘密信息的错误率较低,恢复图像的视觉效果较好.     

改进的PVO-k可逆信息隐藏算法

近年来,一些学者结合像素值排序（pixel-value-ordering,PVO）提出了一系列可逆信息隐藏算法和改进算法。为此,针对其中PVO-k算法存在的缺陷进行改进,提出了改进的PVO-k可逆信息隐藏算法。改进后的嵌入规则使算法更适应平滑像素块的信息嵌入,改进的像素块选择策略也保证了载体图像的高保真度。实例分析和实验验证表明,该算法在隐藏容量和保真度方面都有提高,特别是对较平滑图像优越性较为明显。     

基于神经机器翻译的文本隐写方法

深度学习促进了自然语言处理技术的发展,基于文本生成的信息隐藏方法表现出了巨大的潜力.为此,提出了一种基于神经机器翻译的文本信息隐藏方法,在翻译文本生成过程中进行信息嵌入.神经机器翻译模型使用集束搜索（Beam Search）解码器,在翻译过程中通过Beam Search得到目标语言序列各位置上的候选单词集合,并将候选单词依据概率排序进行编码;然后在解码输出目标语言文本的过程中,根据秘密信息的二进制比特流选择对应编码的候选单词,实现以单词为单位的信息嵌入.实验结果表明,与已有的基于机器翻译的文本信息隐藏方法相比,该方法在隐藏容量方面明显提升,并且具有良好的抗隐写检测性和安全性.     

可分离加密域可逆数据隐藏方案

利用图像测试,提出了一种可分离加密域可逆数据隐藏算法,能获得质量较高的直接解密图像.加密方在图像流加密之前进行图像测试并生成位置图,嵌入方根据位置图将秘密信息嵌在选中像素的高位,接收方在相邻像素相关性基础上通过一种自适应差值算法实现可逆性.若全部嵌在选中像素的第8位,得到的直接解密图像质量较差;若全部嵌在选中像素的第7位,则无法实现无失真恢复.针对这两个缺点,该文在保证无失真恢复同时获得了质量较高的直接解密图像.实验表明所提出的算法有效,且性能优良.     

参数化二叉树编码实现加密图像可逆数据隐藏

为了提高数据嵌入容量，提出了一种基于参数化二叉树编码的加密图像可逆数据隐藏新方法。该方法的系统由图像所有者、数据嵌入者和授权接收者三方组成，其中，图像所有者采用特殊的图像块随机调制和置乱对原始图像加密并上传；由于加密操作很好地保留了图像块的像素相关性，数据嵌入者可在加密域充分利用图像块相关性，通过自适应选择参考像素来预测同一图像块的其余像素得到预测差值，再使用参数化二叉树编码进行无损压缩生成嵌入空间，实现大容量数据嵌入；授权接收者可正确提取嵌入数据或无失真恢复原图像。仿真实验结果表明：所提方法提高了嵌入容量，且可用于医学、云服务、军事等众多领域。     

按需发送的加密图像中的可逆信息隐藏

提出了一种新的加密图像中的可逆信息隐藏算法. 发送方对图像进行下采样并计算残差,得到子图像和残差两部分数据,再使用加密密钥对两部分数据分别进行加密后发送给服务器端. 服务器端对残差部分的加密数据进行算术编码,产生冗余空间并使用嵌入密钥隐藏额外数据. 接收端根据持有密钥的情况,从服务器端获取不同的数据版本. 与以往方法相比,所提出的按需传输数据的新机制可有效减少服务器传送的数据量,且在图像可无损恢复的前提下大大提高了数据嵌入率.     

基于块重构的加密域可逆信息隐藏

提出了一种基于块重构的加密域可逆信息隐藏方法。首先使用一种特定的加密方法对原始图像块进行加密,其中包括置乱和块重构,该方法能够有效地将冗余从最高有效位转移到最低有效位;其次将位平面划分为不重叠的均匀块和非均匀块,通过标签图对这两种类型的图像块进行区分及记录;最后在可嵌入信息的均匀块中嵌入相关辅助数据,并将秘密信息嵌入到剩余的可用块中。基于加密密钥和数据隐藏密钥的可用性,接收端能够可分离地实现准确提取所嵌入的数据以及无损地恢复原始图像。实验结果表明,该方法在一定程度上提高了信息嵌入量和直接解密图像的解密质量。     

基于纹理特征分类与合成的鲁棒无载体信息隐藏

针对图像无载体信息隐藏算法嵌入容量与鲁棒性无法很好兼顾的问题,提出了一种基于纹理特征分类与合成的鲁棒无载体信息隐藏算法,使用空间金字塔算法提取纹理图像特征,通过监督式分类训练得到分类模型,同一类别下的不同图像块,利用位置信息进行区分,根据图像块分类和位置信息的不同构建映射字典,传递秘密信息;发送方依据秘密信息选择图像块并根据公共密钥将所有图像块组合为一幅大尺寸图像,通过可逆形变生成复杂的纹理图像并发送给接收方;接收方根据密钥将纹理图像恢复为图像块,利用分类模型识别图像块所属分类并确定位置信息,对照映射字典提取秘密信息.实验和分析表明该算法对JPEG压缩、高斯噪声、椒盐噪声等攻击具有较好的鲁棒性,同时嵌入容量可随图像类别的增加得到提高.     

医用内窥镜图像校正的BP神经网络方法

用传统的畸变校正法对内窥镜图像进行校正存在畸变模型复杂、计算量大、易产生误差等问题. 该文利用标准模板,提取样本点在标准图像和内窥镜拍摄的畸变图像中的坐标,分别作为BP神经网络训练的输入和目标,通过神经网络的训练拟合成像镜头的畸变模型,从而确定标准图像和畸变图像上像素点的位置关系. 再通过图像插值的方法进行图像恢复,实现图像校正. 实验结果表明该方法简单有效,具有精确性.