基于汉明码与从属像素补偿的半色调图像信息隐藏

提出了一种以半色调图像为载体的基于汉明码与从属像素补偿的信息隐藏方法. 将载体半色调图像像素分为主像素和从属像素, 主像素用来承载秘密信息, 从属像素作为主像素的补偿位, 通过从属像素的修改来避免隐写图像视觉效果下降. 与此同时, 主、从像素一一对应的配对方式简化了从属像素的选择, 提高了图像像素的利用率.在信息嵌入的过程中引入汉明码, 既提高了嵌入率, 又降低了原始像素的修改比例. 通过实验对比分析可以看出, 本方法在嵌入率和隐写图像的视觉效果上均超过了已有的半色调图像隐写方法.     

利用改进的超像素分割和噪声估计的图像拼接篡改定位方法

通过检测图像局部噪声水平的不一致性,提出一种图像拼接篡改区域的定位方法.首先,用改进的简单线性迭代聚类(SLIC)超像素分割算法将待检测图像分割成具有相似特征的像素块;然后,采用基于主成分分析的噪声水平估计方法计算每个图像块的局部噪声水平;最后,利用3种聚类算法对估算的噪声水平进行聚类,根据聚类结果定位出被篡改的区域.实验结果表明:文中方法不仅能有效定位被篡改的区域,而且能保留检测区域更多的边缘信息.     

基于DCT系数修改的自适应稳健可逆信息隐藏

通过修改JPEG图像块中的DCT系数, 提出一种新的稳健可逆信息隐藏方法. 遍历块中特定位置连续6个DCT系数的均值, 找出最接近0的均值进行嵌入. 由于连续DCT系数的均值接近0, 经过压缩操作不会有太大的变化, 因此所嵌入的秘密信息有一定的稳健性. 为了对抗攻击, 在嵌入秘密信息时, 通过比较并改变系数的大小, 将改变量分为两个等级进行自适应嵌入. 若含密图像未被压缩, 则不仅可以正确提取秘密信息, 而且可以恢复原始图像; 若含密图像已被压缩, 则只能正确提取秘密信息, 不能恢复原始图像. 实验结果表明, 在经过质量因子为85以上的压缩攻击后, 含密图像的视觉效果很好, 并且仍能正确提取秘密信息.     

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。     

结合重排序和直方图平移的调色板图像可逆信息隐藏

提出了一种新的调色板图像可逆信息隐藏方法. 首先, 将调色板的颜色重新排序, 使得相邻索引值对应的颜色尽可能相近. 然后, 对排序后的索引值直方图平移以嵌入秘密信息. 在嵌入过程中, 将对应的索引值改为与之相近的颜色索引值, 以有效缓解含密图像视觉质量的下降; 多次利用最大最小点, 大大提高了嵌入率. 实验结果证明, 本方法在保证可逆的同时显著提升了嵌入量, 并维持了较高质量的视觉效果; 同时, 对于索引值直方图无零点的情况同样适用, 克服了已有方法的局限性.     

基于奇偶交叉卷积的轻量级图像语义分割网络

传统轻量级图像语义分割网络中的跨步下采样卷积导致感受野呈现刺状分布，使得像素点利用率出现系统偏差，影响分割精度的提升。为此，针对传统的轻量级图像语义分割网络设计一种奇偶交叉卷积的下采样模块，在跨步奇数卷积模块前增加单步偶数卷积模块，在一定程度上缓解了刺状分布带来的不良影响，消除了分割网络中不同空间位置上像素利用率的偏差，最终提高了模型对像素点的分割精度。通过7种不同轻量级图像语义分割网络的对比可以看出，所提模型可以明显消除刺状分布，使分割网络的精度进一步提高，同时也证明了该模型适用于不同的轻量级网络，具有普适性。     

基于奇偶交叉卷积的轻量级图像语义分割网络

传统轻量级图像语义分割网络中的跨步下采样卷积导致感受野呈现刺状分布，使得像素点利用率出现系统偏差，影响分割精度的提升。为此，针对传统的轻量级图像语义分割网络设计一种奇偶交叉卷积的下采样模块，在跨步奇数卷积模块前增加单步偶数卷积模块，在一定程度上缓解了刺状分布带来的不良影响，消除了分割网络中不同空间位置上像素利用率的偏差，最终提高了模型对像素点的分割精度。通过7种不同轻量级图像语义分割网络的对比可以看出，所提模型可以明显消除刺状分布，使分割网络的精度进一步提高，同时也证明了该模型适用于不同的轻量级网络，具有普适性。     

保持直方图特性的隐写嵌入

为了提高隐写的安全性, 必须保持隐写前后图像的特征一致. 提出了一种保持直方图特性的隐写算法. 首先, 对像素直方图进行分组, 通过计算定量失真时的最大嵌入数据量, 得到每个像素的修改概率, 并利用STC(syndrome trellis codes)确定需要修改的像素位置; 然后,根据直方图分组情况对需要修改的像素值进行组内和组间自适应调整, 实现秘密信息的嵌入,同时保持隐写前后图像的直方图变化最小. 实验结果表明, 在相同嵌入量的前提下, 该方法对直方图的改动远少于已有的隐写算法, 隐写图像视觉质量更好.