利用自适应像素对匹配的图像纹理区隐写

图像纹理区结构随机性较强,因此在纹理丰富区域嵌入隐蔽信息比在平坦区域嵌入的安全性更高。提出一种基于自适应像素对匹配法（adaptive pixel pairmatching,APPM）的纹理区隐写算法,优先在复杂纹理区嵌入密信。定义了图像纹理区域判别准则,由此根据待嵌入秘密信息的长度调整阈值,实现自适应隐写。在嵌入过程中可能出现嵌密块纹理复杂度小于阈值的异常情况,为解决这一问题,算法包含了基于最小失真的像素值局部调整策略。实验结果表明,该算法的嵌入效率高于原始APPM算法,而且KL距离较小,抵抗几种常用隐写分析算法的能力也比其他几种代表性算法LSB和APPM更强。     

基于新的失真代价函数的自适应JPEG隐写

为了提高隐写的安全性,提出了基于一种新失真代价函数的自适应JPEG 隐写算
法. 考虑到纹理区域更有利于信息嵌入,本算法通过非零量化DCT 系数的绝对值加权和来
度量DCT 子块的纹理程度,并引入均匀嵌入思想,设计出了一种新的失真代价度量函数;同
时利用STC（syndrome trellis codes）编码将嵌入修改均匀地分散在任意数量级的非零量化
DCT 系数上,实现了秘密信息自适应地嵌入到载体的纹理区域中. 实验结果表明,在同等低
嵌入率下,该方法的安全性优于同类隐写算法.     

k均值聚类的混合异构图像隐写分析

提出了一种基于k均值聚类的混合异构图像隐写分析算法. 在训练阶段,根据图像纹理复杂度对图像库
进行聚类,并针对每一类图像训练相应的分类器. 在测试阶段,根据测试图像的纹理复杂度对其进行类别判断,然
后送至相应类别的分类器中进行隐写检测,从而减弱了失配状态对现有隐写分析算法造成的影响. 实验结果表明,
该算法较好地提高了现有隐写分析算法的检测精度.     

非对称失真的空域自适应隐写

提出一种用于空域自适应隐写的区分加减—–失真代价的通用方法,首先利用像素灰度值本身的失真代价值优化原始失真代价函数.然后通过迭代,多次根据修改情况进一步调整失真代价.经过调整的失真代价能最大程度地聚集修改方向,使含密图像具有更好的抗检测性.实验表明,优化后的失真代价函数能显著提高空域自适应隐写方法的安全性.     

应用空域局部高斯混合模型的LSB匹配隐写分析

考虑到图像是一个局部平稳信源,提出一种局部内容自适应的LSB(least significant bit)匹配隐写分析方法. 该方法将LSB匹配隐写建模为加性高斯噪声,将图像空域细节分量建模为高斯混合模型. 在局部区域内用期望最大化算法估计模型参数,取最小方差值为局部隐写噪声方差的估计. 然后提取局部方差直方图的加权和特征,以反映图像不同复杂度区域隐写前后的变化. 将原始特征和校准特征相结合,作为分类特征. 对未压缩图像库的实验表明,该方法较现有方法具有更好的检测性能,在嵌入率低至25%时仍有较可靠的检测性能.     

针对自适应隐写的通用隐写分析研究

数字图像是隐写领域使用最多的载体之一。在实际应用中,待检测图像经何种隐写算法被嵌入秘密信息往往是未知的,因此可检测未知隐写算法的通用分析方法非常重要。为此,针对数字图像自适应隐写术提出一种新的通用隐写分析方法,在综合考虑不同自适应隐写术对载体图像统计特性影响的基础上提取特征,通过学习得到可对未知隐写术进行准确检测的隐写分析工具。实验表明,利用该方法对未知隐写算法进行检测可达到相当高的准确率。     

基于数字全息及失真校正的抗打印扫描数字图像水印

提出一种基于数字全息及失真校正的抗打印扫描数字图像水印方法,将水印以数字全息图的方式隐藏在载体图像离散傅里叶变换(discrete Fourier transform, DFT) 幅度谱中,由载体图像纹理控制的峰值信噪比设定阈值,自适应调节水印嵌入强度. 该方法利用了数字全息图的特点,采用基于DFT和边缘检测算法校正打印扫描图像的旋转失真,因而可从打印扫描图像中准确提取水印信号. 相比以往同类水印算法,所提方法具有优良的不可见性和鲁棒性,以及较大的水印嵌入量.     

一种图像块旋转的马赛克拼图伪装隐写

为了提高无载体隐写效率以及隐写鲁棒性,提出了一种图像块旋转的马赛克拼图伪装隐写方法。首先在发送端将共享图像库中利用密钥随机选择的图像缩小并调整色调,再依据秘密信息和密钥对每个图像块添加随机旋转角度形成编码图像,最后将编码图像按规则排列产生含密马赛克图像;接收端依据密钥去除随机旋转,读取编码图像旋转角度获得秘密信息。实验结果表明,所提方法在嵌入容量方面优于其他无载体隐写方法,在鲁棒性方面也有良好的性能。     

基于归一化图像的小波域水印算法

提出了一种基于小波变换的抗几何攻击数字图像盲水印算法.首先本算法以基于矩的图像归一化技术和不变质心理论为基础,获得嵌入水印的兴趣区域.其次,将得到的兴趣区域分成4块,分别对其进行小波变换后将其中3个低频子带嵌入水印,而将另一个低频子带计算量化步长.然后,将水印利用量化调制方式自适应地嵌入到小波域的低频系数.实验结果表明,该算法不仅具有较好的不可感知性,而且对几何攻击和常规信号处理都具有较好的稳健性.     

抗打印扫描攻击的大容量文本水印

DOI: 摘要： 在分析现有文本水印算法的基础上,提出一种大容量且抗打印扫描攻击的文本水印算法. 该算法首先对文本图像进行字符切分,以字符复杂度为标准选择嵌入字符和调整字符,然后以打印扫描不变量为基础,通过建立量化函数翻转单个字符像素以嵌入多位水印信息. 该方法能降低整体的字符翻转量,减小文本图像的失真程度. 实验表明,文中方法可有效提升水印嵌入容量,并能抵抗打印扫描攻击,达到在纸质文本中嵌入水印的目的.     

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.     

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。     

嵌套网络模型下的相似图像检索方法

对深度学习领域的稠密卷积网络（dense convolutional network,DenseNet）进行改进,提出了一种嵌套网络模型下的相似图像检索方法。该方法主要通过嵌入压缩和激励网络（squeeze-and-excitation network,SENet）,调整原DenseNet网络结构,优化特征提取模块,从而提高图像检索的准确率。在整个深度学习的过程中,给图像特征通道设置合理的权值,抑制图像中的无效特征,能够进一步提高图像的检索速度。实验结果表明,所提算法能够加强图像有效特征的传递,无论从精度和速度方面均可得到较好的图像检索结果。     

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,能进一步减少像素的无效修改量,提高率失真性能。     

基于DCT域纹理特征的多聚焦图像融合

现有的基于离散余弦变换(discrete cosine transform, DCT)的多聚焦图像融合算法容易使融合图像出现块效应和伪影,为此提出一种基于DCT域纹理特征的图像融合算法.该算法以8×8 DCT块中反映能量方向性的纹理区域作为图像融合单位,根据纹理区域的频谱相似度,选择能量较大的区域或以区域加权叠加的方式获得融合区域.实验结果表明,与现有基于DCT域的多聚焦图像融合算法相比,该算法获得的融合图像主观质量较好,能有效避免明显的块效应与伪影.     

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。