基于空域图像LSB隐写算法研究

来源 :西华大学 | 被引量 : 0次 | 上传用户:nml5136
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
随着计算机网络技术的飞速发展,人们的交流变得更加便捷。然而,在网络中的交流可能会涉及一些重要内容,比如:个人的账户密码、企业的机密、国家的保密文件等。在传输的过程中,数据的安全性也受到人们的关注,隐写术也应运而生。隐写的载体可以是图像、文本、视频、音频等。日常沟通中图像占有较大的比重,因此本文采用的以图像为载体。针对隐写图像安全性、鲁棒性和最佳嵌入位置等方面的不足,研究与分析相关成果的基础上,提出了一些新的隐写算法。本文的主要工作与创新点如下:(1)提出了一种基于最低有效位(LSB)和相邻像素值的隐写算法。首先,该算法将每个平面的个体贡献考虑在内,先将红色(R)、绿色(G)和蓝色(B)三个平面分割成大小为1×2的不相交的块。然后,计算每个平面的容差能力嵌入秘密消息,根据计算结果嵌入秘密消息。第三,在嵌入秘密消息时采用奇偶对比嵌入的方法,使得嵌入前后图像像素值变化较小。最后,通过测量均方误差(MSE)、峰值信噪比(PSNR)来评估所提出算法的性能。实验结果表明,所提出的隐写算法与其他同类算法相比,具有更好的安全性和隐写图像质量。(2)提出了一种基于最低有效位(LSB)隐写技术的人工鱼群(AFS)增强算法。首先,该算法提出块分配列表,将人工鱼群算法应用在散列域内求最优值中,其结果用于寻找最佳嵌入位置。其次,该算法提升了隐蔽图像的质量,同时鲁棒性得以增强,在传输的过程中容忍失真。第三,该算法利用AFS算法选择的像素点位置,通过像素强度量化来嵌入秘密图像像素数据,在图像压缩和噪声条件下,也能提取出秘密数据。我们用标准图对所提出的技术的性能进行了评估,实验结果表明,该方法能够产生更好质量的隐写图像,即使隐写图像受到压缩或噪声攻击,也能有效地恢复隐藏图像。
其他文献
堆积体是地质灾害频发地区中潜在风险较大的河道障碍物,尤其以汶川地震后四川地区各流域范围内分布较为密集。当处于有利的地形条件时,堆积体在暴雨季节很可能发生失稳成为灾害点,并对流域内电站的安全运行产生威胁。在暴雨频发的汛期内,许多堆积体便处于淹没状态中,研究淹没堆积体附近的水流特性,能丰富堆积体附近水流结构的研究成果,为汛期受堆积体影响的河道治理优化方案提供支持,还可为后续堆积体起动试验打下基础。本文
红外弱小目标检测在军事预警方面具有重要的应用价值。弱小目标检测存在红外图像成像距离长、区域小,目标在成像平面上的像素点较少等问题,手工设计的目标特征难以在复杂背景图像中正确区分目标、背景和噪声,且现存的许多算法有较高的计算复杂度,不满足军事上的实时性要求,高精度的检测仍然是一项具有挑战性的任务,因此有必要进行更好的算法探索,本文的主要贡献如下:(1)为突出目标与抑制背景,首先提出了一种能够有效抑制
随着5G技术的逐步商业化,安装了各种新奇应用的用户设备对于我们已经不可或缺。类似VR/AR这样的高计算量应用通常是利用摄像头和本地传感器来执行基于实时感知操作。而这些应用有两个主要特性:第一,用户设备必须对传感器产生的数据流进行高速处理。第二,在数据流中提取有用信息的方式通常需要计算密集型服务支撑。由于上述两个特性,且用户设备计算资源有限,因此很难在用户设备上独立运行具有高计算量需求的应用。为此,
近年来,深度学习在不断地刷新着人们的生活,然而,深度神经网络迅猛发展的背后也存在着令人担忧的安全问题。近期,有学者发现深度学习中的神经网络模型很容易受到来自对抗样本的恶意攻击。对抗样本问题在图像数据、文本数据以及语音数据中都有出现,其最大的特点就是添加的恶意扰动足够小,以至于这些扰动对于观察者来说是不能够轻易察觉到的,此外,对抗样本还具有很强的迁移性,即对抗样本在使用相同数据集训练出来的不同的神经
近年来,国民经济迅速发展,人们生活水平不断提高,在关注生活品质的同时,自身健康问题也越来越受到重视。大众对于健身的观念也发生了转变,人们不再满足于通过医疗器械健身,或者是盲目的健身计划,而是寻求更加专业的、有计划的健身方式,从而可以避免盲目性的健身。例如肥胖是一个日益严重的公共健康问题,已经发展为流行病,肥胖是引发糖尿病、高血压、冠心病的重要危险因素,甚至还会让孩子面临心理和社交上的问题。除了控制
随着数据量的急剧增长,数据的存储和计算负担成为了许多用户的困扰,本地存储已经难以满足用户需求,云存储技术的出现很好地解决了这个难题。但是数据上传到云服务器之后,数据就不在用户的控制下了,许多安全问题就产生了。其中最重要的一个安全问题就是云端的数据的完整性,云服务器并不是完全可信的,服务器可能会因为各种原因导致数据的损坏,因此用户需要一个有效的方式来验证数据的完整性。一个好的数据完整性审计方案可以帮
大学生的体质健康问题越来越引起社会各界的广泛关注,大学生作为国家发展的新生力量,其体质健康关系着国家是否能有足够的力量迎接富强道路上的艰难险阻。但随着科技现代化的到来,人们的生活方式发生了很大的改变,大学生的体质健康状态也逐年下滑。机器学习方法正在以各种形式被应用于社会生活的方方面面,在很多领域为人们生活提供了方便。本文主要针对大学生体质健康问题,运用机器学习的方法,对不同类别体质的大学生进行运动
图像及视频分割作为多媒体数据内容挖掘与理解的关键步骤,成为近年热点研究的话题之一。视频协同分割作为视频处理的关键技术,相比诸多需要大量标注进行监督学习的方法,其通过挖掘视频间的相似性信息来弥补监督信息不足的缺点。同时,当下深度学习技术已广泛应用在许多领域,但多数深度学习技术依赖大量的数据标注。为解决获取成本高且时效性较低的数据标注的问题,迁移学习被研究者提出,以实现将已有的知识应用到目标任务中。无
入侵检测是网络安全技术的热点之一。通过分析从网络环境中提取到的数据,它可以检测是否有入侵行为的发生。随着计算机网络的不断发展,不断增长的网络流量给入侵检测带来了挑战。这使得入侵检测需要处理的数据量越来越大,而硬件的处理能力却并没有以相同的速度进步。为了提高入侵检测方法的检测性能,对数据进行降维是重要的研究内容。特征选择是数据降维的重要措施之一,它可以加快入侵检测的速度和提高入侵检测的性能。特征选择
网络中影响力节点的识别具有重要的社会意义和实际应用价值。传统影响力节点识别算法多以无符号网络为媒介,仅考虑个体间的正向链接关系。然而在真实的网络环境中,个体之间的联系不仅存在积极正向的关系,还存在消极负向的关系。一些基于符号网络的节点影响力识别算法也只是在传统识别算法的基础上进行简单改进,没有充分考虑节点间链接的正负属性。为准确识别出符号网络中的影响力节点,本文出了一种基于符号网络节点间依赖关系的