基于图像纹理与位平面压缩的可逆信息隐藏算法研究
发布时间：2021-07-06 16:54
随着数字多媒体与计算机网络的不断发展,数字多媒体的复制、存储与传播得到了广泛的应用,例如:文本、音频、图像和视频等。这给人们的日常生活、工作和学习带来了极大的便利。但科技是一把双刃剑,带来便利的同时也带来一系列问题,如隐私泄漏、信息篡改以及版权侵犯等。为了解决上述问题,研究者们提出了可逆信息隐藏（Reversible Data Hiding,RDH）算法。该算法中的发送方将秘密信息嵌入到载体信号时,不会造成载体信号产生严重的失真。对于接收方,不仅能准确的提取秘密信息又能无损的恢复载体信号。根据不同的应用场景,本论文分别提出并设计了明文与密文两种以数字图像为载体的RDH算法。主要的创新点如下:1.基于图像纹理特征的空域明文RDH载体信号选择策略针对现有明文RDH算法存在载密图像质量较低的问题,论文提出了一种基于图像纹理特征的空域明文RDH载体信号选择策略。该方法首先将载体图像分为大小相等的块,然后分别计算每个块的熵、能量、对比度、同质性和均方差五个参数,并分别为上述五个参数设置对应的权重。最后根据嵌入容量的大小,设置合适的阈值T并选择出相对平滑的块进行信息嵌入。实验结果显示,所提方法能够...
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
标准测试图像:(a)Le
安徽大学硕士学位论文23方在提取信息时，首先解压二维矩阵R，然后根据R得到已嵌入秘密信息的块并进行秘密信息的提龋2)秘密信息的提取过程:首先接收方需要将载密图像I’分为大小为s1×s2的块。然后据二维矩阵R得到已嵌入秘密信息的块并分别从左上角以光栅扫描顺序扫描块内和块间的像素。最后根据文献[29-32]中提取算法进行秘密信息提取与图像恢复。秘密信息的具体提取过程包含四个步骤：步骤一：分别利用文献[29-32]中的方法计算载密图像I’的预测值xp’;步骤二：用载密图像的像素值x’减去对应的预测值xp’，得到预测误差e’;步骤三：根据二维矩阵R得嵌入秘密信息的块；步骤四：分别利用文献[29-32]中提取算法进行秘密信息提取与图像恢复。3.4实验结果与分析在这一部分中，3.4.1首先展示了使用Matlab软件复现了Tsai等人[29]、Chen等人[30]、Lu等人[31]和Jung[32]所提方法的实验结果。同时分别展示了所提策略与Tsai等人[29]、Chen等人[30]、Lu等人[31]和Jung[32]算法结合时载密图像的PSNR。为了验证在相同的嵌入容量下，图像的分块大小对载密图像质量的影响，3.4.2节讨论了在相同的嵌入容量和不同分块大小情况下的载密图像PSNR。最后，3.4.3节讨论了阈值T对载密图像PSNR的影响。论文分别使用PSNR评价载密图像的质量，ER衡量可逆信息隐藏的嵌入容量。如图3.2所示,论文以四张标准的512×512的灰度测试图像：Lena,Boat,Plane和Tiffany为例验证所提方法的优越性。(a)Lena(b)Boat(c)Plane(d)Tiffany图3.2标准测试图像:(a)Lena(b)Boat(c)Plane(d)TiffanyFig3.2Standardtestimages:(a)Lena(b)Boat(c)Plane(d)Tiffany
安徽大学硕士学位论文39介绍实验结果与分析。图4.10测试图像:(a)Airplane(b)Lena(c)Man(d)Jetplane(e)Baboon(f)TiffanyFig4.10Testimage:(a)Airplane;(b)Lena(c)Man(d)Jetplane(e)Baboon(f)Tiffany4.4.1算法的性能分析1）所提方法的可逆性：为了证明所提方法可以无损地重建原始图像，如图4.11所示，我们以Lena图像为例论证所提方法的可逆性。图4.11(a)是原始图像I，图4.11(b)是原始图像I经过加密密钥Ken处理后得到加密图像Ie。图4.11(c)是嵌入率为3.0750bpp的标记加密图像Ies。由于所提方法可以分开执行附加信息提取和重建原始图像的操作，即数据加密密钥Kd只加密附加信息，与图像的加密过程无关，所以仅使用图像加密密钥Ken就可以重建原始图像。图4.11(d)是重建后的图像，它的PSNR值接近+∞，SSIM的值等于1。为了进一步证明所提方法的可逆性，表4.1展示了所提方法在三个数据库[57-59]上的可逆性实验结果。表中数据显示重建后的图像PSNR接近+∞,SSIM的值等于1。因此验证了所提方法可以无损地重建原始图像。(a)(b)(c)(d)图4.11所提方法生成Lena四个阶段的图像：(a)原始图像(b)加密图像(c)载密图像(d)重建图像Fig4.11ImagesofLena’sfourphasesgeneratedbytheproposedmethod:(a)originalimage(b)encryptedimage(c)markedencryptedimage(d)reconstructedimage2）所提方法的净嵌入容量：本节分别在六张灰度测试图像和三个数据库[57-59]中展示了所提方法净ER。表4.2展示了六张测试图像的8个位平面压缩前后的比特流长度。从表中可以看出，六张测试图像的第8个位平面均没有进行压缩，其他7个位平面的压缩程度由低位到高位逐渐增加。一方面这是由于第8个位平面记录的是预测误差的正负
本文编号：3268615
【文章来源】：安徽大学安徽省 211工程院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
标准测试图像:(a)Le
安徽大学硕士学位论文23方在提取信息时，首先解压二维矩阵R，然后根据R得到已嵌入秘密信息的块并进行秘密信息的提龋2)秘密信息的提取过程:首先接收方需要将载密图像I’分为大小为s1×s2的块。然后据二维矩阵R得到已嵌入秘密信息的块并分别从左上角以光栅扫描顺序扫描块内和块间的像素。最后根据文献[29-32]中提取算法进行秘密信息提取与图像恢复。秘密信息的具体提取过程包含四个步骤：步骤一：分别利用文献[29-32]中的方法计算载密图像I’的预测值xp’;步骤二：用载密图像的像素值x’减去对应的预测值xp’，得到预测误差e’;步骤三：根据二维矩阵R得嵌入秘密信息的块；步骤四：分别利用文献[29-32]中提取算法进行秘密信息提取与图像恢复。3.4实验结果与分析在这一部分中，3.4.1首先展示了使用Matlab软件复现了Tsai等人[29]、Chen等人[30]、Lu等人[31]和Jung[32]所提方法的实验结果。同时分别展示了所提策略与Tsai等人[29]、Chen等人[30]、Lu等人[31]和Jung[32]算法结合时载密图像的PSNR。为了验证在相同的嵌入容量下，图像的分块大小对载密图像质量的影响，3.4.2节讨论了在相同的嵌入容量和不同分块大小情况下的载密图像PSNR。最后，3.4.3节讨论了阈值T对载密图像PSNR的影响。论文分别使用PSNR评价载密图像的质量，ER衡量可逆信息隐藏的嵌入容量。如图3.2所示,论文以四张标准的512×512的灰度测试图像：Lena,Boat,Plane和Tiffany为例验证所提方法的优越性。(a)Lena(b)Boat(c)Plane(d)Tiffany图3.2标准测试图像:(a)Lena(b)Boat(c)Plane(d)TiffanyFig3.2Standardtestimages:(a)Lena(b)Boat(c)Plane(d)Tiffany
安徽大学硕士学位论文39介绍实验结果与分析。图4.10测试图像:(a)Airplane(b)Lena(c)Man(d)Jetplane(e)Baboon(f)TiffanyFig4.10Testimage:(a)Airplane;(b)Lena(c)Man(d)Jetplane(e)Baboon(f)Tiffany4.4.1算法的性能分析1）所提方法的可逆性：为了证明所提方法可以无损地重建原始图像，如图4.11所示，我们以Lena图像为例论证所提方法的可逆性。图4.11(a)是原始图像I，图4.11(b)是原始图像I经过加密密钥Ken处理后得到加密图像Ie。图4.11(c)是嵌入率为3.0750bpp的标记加密图像Ies。由于所提方法可以分开执行附加信息提取和重建原始图像的操作，即数据加密密钥Kd只加密附加信息，与图像的加密过程无关，所以仅使用图像加密密钥Ken就可以重建原始图像。图4.11(d)是重建后的图像，它的PSNR值接近+∞，SSIM的值等于1。为了进一步证明所提方法的可逆性，表4.1展示了所提方法在三个数据库[57-59]上的可逆性实验结果。表中数据显示重建后的图像PSNR接近+∞,SSIM的值等于1。因此验证了所提方法可以无损地重建原始图像。(a)(b)(c)(d)图4.11所提方法生成Lena四个阶段的图像：(a)原始图像(b)加密图像(c)载密图像(d)重建图像Fig4.11ImagesofLena’sfourphasesgeneratedbytheproposedmethod:(a)originalimage(b)encryptedimage(c)markedencryptedimage(d)reconstructedimage2）所提方法的净嵌入容量：本节分别在六张灰度测试图像和三个数据库[57-59]中展示了所提方法净ER。表4.2展示了六张测试图像的8个位平面压缩前后的比特流长度。从表中可以看出，六张测试图像的第8个位平面均没有进行压缩，其他7个位平面的压缩程度由低位到高位逐渐增加。一方面这是由于第8个位平面记录的是预测误差的正负
本文编号：3268615
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3268615.html
