基于像素预测技术的密文图像可逆信息隐藏算法

来源 :广西师范大学 | 被引量 : 0次 | 上传用户:kimleetj007
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
当前,人们利用互联网进行信息传递日益频繁,图像、视频等多媒体数据被广泛于各种互联网应用,因此如何确保信息在传输过程中的安全已成为一个亟待解决的重要问题。初期阶段,研究人员使用加密技术将原始信息内容打乱成无实际意义的乱码,有效解决了信息的安全问题。随着云存储与大数据技术的兴起,越来越多的用户希望将数据传送到云端保存。由于对服务商的不信任,因此许多用户会对信息进行加密,然后再上传到云端,这导致云端出现了大量的加密数据。针对云端应用,越来越多的研究人员研究面向密文图像的可逆信息隐藏技术,希望将信息嵌入在密文图像中进行传输,在保证嵌入信息的安全的同时也较好地保护载体图像。本文以密文图像作为载体,利用自适应预测误差编码、最高有效位预测、定长编码和无损压缩等技术来设计密文图像可逆信息隐藏算法,主要研究成果概括如下:
  (1)提出基于自适应预测误差编码的密文图像可逆信息隐藏算法
  该项研究的主要工作是提出了一种自适应预测误差编码方案,并利用这个方案设计了基于自适应预测误差编码的密文图像可逆信息隐藏算法。该算法先通过基于块的加密方案在加密域中保留原始图像的空间相关性,并利用自适应预测误差编码技术为信息嵌入腾出空间。接着,根据块内容自适应地对预测误差进行编码,有效地从密文图像块中腾出空间,从而实现秘密信息嵌入。在提取信息与恢复图像时,以图像块为单位提取秘密信息,再利用辅助信息完成图像的恢复。实验结果表明,该算法在嵌入容量和运行时间方面的性能优于多种同类型的可逆信息隐藏算法。
  (2)提出基于预测误差和定长编码技术的密文图像可逆信息隐藏算法
  该项研究的主要工作是设计了一种用相邻像素加权求和来计算当前像素的预测误差方案,并利用该方案设计了基于预测误差和定长编码技术的密文图像可逆信息隐藏算法。该算法先利用预测误差方案来保留图像的空间相关性,在图像加密前腾出嵌入空间,然后对原始图像进行加密并分块,接着利用定长编码技术对图像块进行标记,最后根据图像块的标记将秘密信息嵌入密文图像。在提取信息与恢复图像时,以图像块为单位提取秘密信息,然后通过辅助信息来恢复图像。实验结果表明,该算法的嵌入率大于多种文献算法的嵌入率,在嵌入容量方面有较好的性能。
  (3)提出基于最高有效位预测的密文图像可逆信息隐藏算法
  该项研究的主要工作是设计了一种预测像素最高有效位的方案,并利用这个方案设计了基于最高有效位预测的密文图像可逆信息隐藏算法。该算法先利用该预测方案对每个像素的多个最高有效位进行预测,接着对图像进行分块,将所有像素均预测正确的图像块腾出空间用来嵌入信息并记录位置。然后对图像进行加密,利用行程编码技术将位置图无损压缩并嵌入图像。隐藏信息时,根据位置图将秘密信息嵌入密文图像。在提取信息与恢复图像时,先提取位置图信息,接着根据位置图提取秘密信息,最后利用辅助信息恢复图像。实验结果表明,该算法在嵌入容量方面优于四种同类型的文献算法。
其他文献
阴影在自然界中无所不在,它由于在光传播途径中存在遮挡物而产生。阴影的出现有利有弊,弊端在于它会干扰许多现有的图像、视频的处理与分析任务,而有利点在于阴影其实隐含了光源和场景中的物体信息,有利于场景中的目标理解。因此研究阴影的检测与去除方法兼具理论与现实意义,但它历来也被认为是机器视觉中一个极富挑战性的任务。阴影的检测算法按其特征的设计思路分为传统的基于人为构建特征的检测与利用深度学习网络进行检测这
学位
学位
学位
视频哈希作为数字媒体内容安全领域的一个重要研究课题,近年来受到研究人员的广泛关注,现已成功应用于视频拷贝检测、视频认证、视频检索和视频篡改检测等方面。视频哈希算法可以从一个输入视频中提取出一串基于内容的、简短的数字或比特序列,该序列称为输入视频的视频哈希。在实际应用中,可以用视频哈希来代表视频本身,有效地降低视频的存储代价和视频相似计算的复杂度。通常,视频哈希算法应该满足两个基本属性,即鲁棒性和唯
学位
图像描述主要解决的问题是如何使用自然语言自动描述图像的内容,该研究主要涉及了计算机视觉和自然语言处理两个研究领域,是人工智能中一项重要的研究工作。随着数字图像的广泛使用和传播,其信息价值飞速增长,图像描述作为图像与自然语言的桥梁,具有广阔的应用前景。图像描述可广泛应用于图像检索、语义视觉搜索、多模态检索、对话机器人的视觉智能、视障辅助、军情侦察、智能监控等。  本论文研究细粒度图像描述方法,使计算
互联网不断地发展带来了海量的高维数据,其特点是维度众多,而其中许多维度价值密度相对较低。如何在众多维度中找到价值高的维度,是许多研究者研究的问题;而且由于数据的快速增长以及赋予数据类别标签的成本高昂,越来越多的数据没有标签。因此,特征选择、半监督学习成为研究的热点。此外,由于图模型可以模拟数据的流形结构,有很好的数据表达能力,因而结合特征选择、半监督以及图学习理论的基于图的半监督特征选择进入大家的
图结构数据,像交通运输网、地铁网络和社交网络等在现实世界中大量存在。因此,学习并理解图是机器学习中的关键。目前关于图的研究主要分为:图分类和节点分类。节点分类通过给定一个在某些节点上带有标签的网络,它将预测该网络上其他节点的标签,是网络挖掘中非常重要的任务。节点分类实际上是一个机器学习问题,它将机器学习中的分类模型应用到了网络中。节点分类本质是对已有的分类模型进行改进,使其获得更好的分类效果。图表
学位
针对传统的物联网集中式访问控制模型,这些模型一般建立在可信第三方之上。物联网存在单点故障和数据篡改等问题,容易造成隐私泄露。此外,物联网设备还受到电力、内存,计算能力等限制,这种建立在可信第三方之上的访问控制模型面临巨大的管理和维护成本。随着物联网设备的急剧增加,这种模型无法满足物联网节点随时加入或离开的动态性特点,使得越来越多的物联网设备存在管理效率低等问题。因此,物联网的安全和隐私问题一直是物
学位
区块链技术(Blockchain)因其特有的去中心化、去信任、无法篡改、可追溯等特点,可以实现无信任基础的多方建立可信的数据共享和点对点的价值传输,从而得到了学术界和工业界的广泛关注。在区块链中,所有完成的交易都需要进行数字签名后存储用来验证交易。因此,如何增强区块链的数字签名可扩展性成为了一个具有挑战性的问题。其中,区块链交易的数字签名的大小和验证签名的计算成本是限制签名可伸缩性的主要因素。多重
学位
电子商务的发展使得在线交易日益频繁,在线交易规模也日益扩大。消费者与商家的交互越来越多,不可避免地要进行在线谈判。传统的在线谈判方式是低效的人工谈判,人工谈判已经不能满足广大消费者日益增长的潜在需求。随着人工智能技术的发展,智能主体技术已日益成熟,使得电子商务领域的自动谈判成为了可能。智能主体能够随时与人类进行高效的谈判,节约了大量人工成本。因此,人机谈判吸引越来越多的学者的兴趣。目前有很多关于自
学位