无定位图的预测误差差值扩展可逆数据隐藏*

将Tian差值扩展技术应用于彩色图像中,提出一种利用预测误差差值进行扩展嵌入的彩色图像可逆数据隐藏算法。针对传统差值扩展技术存在过分修改像素灰度值、须嵌入定位图等缺点,首先利用色彩分量间的相关性减小差值,并将差值扩展量分散到两个色彩分量中;其次,对直方图平移技术进行改进,使得同等嵌入率下图像质量达到最佳;最后由两个色彩分量中像素的预测值之和决定可用于扩展嵌入的像素,无须保存溢出定位图,提取端在提取信息时可无损地恢复原始图像。实验结果表明,与其他算法相比,该算法在同等嵌入率下可取得更好的图像质量,算法复杂度     

基于分段差值扩展的彩色图像可逆数据隐藏

针对Tian差值扩展技术存在过分修改像素值、定位图较大等缺点,提出一种基于分段差值扩展的彩色图像可逆数据隐藏算法。利用色彩分量之间的相关性减小差值,并将较小的差值扩展量分散到两个色彩分量中,采用分段差值扩展和位平面替换的方法嵌入数据,从而减少不可扩展差值的数量,提高定位图的压缩率,根据差值次低位平面的可改变性定位不可变差值,从而提高嵌入容量。提取端在提取信息后可根据需要无损地恢复原始图像。实验结果表明,该算法在保证图像质量的同时,嵌入容量有较大的提高。     

基于差值扩展的音频无损信息隐藏算法

在Tian算法的基础上,提出了一种基于音频的无损信息隐藏算法。该算法首先对载体音频进行溢出预处理和采样点分类,然后利用差值扩展方法,将隐秘信息嵌入到扩展差值的LSB位。在提取时,利用无损解码技术得到位置映射表,再提取出隐秘信息后,载体音频可以实现无损恢复。仿真结果证明,算法能获得较高的隐藏容量,并能有效地保证含秘音频的感知质量。     

基于双分量差值扩展的彩色图像可擦除水印*

针对Tian算法中过度利用差值造成含印图像质量下降严重的问题,提出了基于双分量差值扩展的彩色图像可擦除水印算法。该算法将差值扩展量分散到四个灰度值中,含印图像质量明显提高。实验表明,该方法嵌入的水印不可见性好,擦除水印的图像与原始图像完全相同,适合于图像的精确认证和窜改定位。     

基于混沌理论和整数变换的可逆信息隐藏

针对传统可逆信息隐藏算法存在宿主图像质量下降明显、安全性低、信息恢复需要较多额外负载等问题，提出一种混沌理论和整数变换相结合的可逆信息隐藏算法。将载体图像分为大小为2×2的子块并对其像素区分为标记像素和隐藏像素；将子块像素偶数化并将其扩展再获取与基像素的差异值；若扩展像素和差异值满足给定门限条件时，将混沌加密隐藏信息经整数变换再嵌入载体子块隐藏位置像素的最低有效位；否则，将标记位置像素奇数化并记录该原始像素的最低有效位。仿真测试表明，所提出的隐藏方法能够实现载体图像与原始图像无损恢复，不仅有效地减少了传输负载，且具有较高的安全性。     

基于预测误差差值扩展和最低有效位替换的可逆数据隐藏

将差值扩展技术应用于彩色图像,提出一种基于预测误差差值扩展和最低有效位（LSB）替换的彩色图像可逆数据隐藏算法。针对传统差值扩展技术存在过分修改像素灰度值、定位图偏大等缺点,首先利用色彩分量间的相关性减小差值,并将差值扩展量分散到两个色彩分量中;其次,改变差值扩展公式以减少不可扩展差值的数量,提高定位图的压缩率,从而增加嵌入容量;最后,运用LSB替换法嵌入数据,将差值扩展与数据嵌入过程分离,嵌入端和提取端均只需进行一次差值扩展,嵌入和提取效率得以提高。提取端在提取信息时可根据需要无损地恢复原始图像。实验结果表明,该算法在提高嵌入容量和图像质量的同时降低了算法复杂度。     

基于预测误差差值扩展的彩色图像无损数据隐藏

将Tian差值扩展技术应用于彩色图像中,提出一种利用预测误差差值进行扩展嵌入的彩色图像无损数据隐藏算法。传统的差值扩展和预测误差扩展嵌入技术最大的缺点是过分利用差值造成载体图像质量严重下降。针对这一问题,该方法利用色彩分量间的相关性减小差值,并将差值扩展量分散到两个色彩分量中,同时,对差值直方图平移技术进行改进,使得同等嵌入率下图像质量达到最佳。实验结果表明,与其他算法相比,本算法在嵌入率和图像质量方面都有明显提高。     

基于全方向预测与误差扩展的可逆数据隐藏

提出一种具有高容量低失真特点的可逆图像数据隐藏算法.通过扩展像素的预测误差值将数据嵌入图像宿主中,可在提取嵌入的数据后准确还原原始图像.与大部分基于预测误差扩展的算法不同的是,提出一种具有全方向上下文的预测器以提高预测精度.提出一种基于差值扩展的嵌入算法将数据嵌入预测误差中,并提出一种仅需少量附加数据的边界表策略以避免像素溢出问题.实验数据表明,提出的全方向预测器能有效提高预测精度,并且结合提出的扩展算法与边界表,其嵌入容量与宿主图像质量较已有的可逆数据隐藏算法都有所提高.     

基于三分量预测误差差值扩展的可逆数据隐藏

针对传统差值扩展存在过分修改像素值、须嵌入定位图等缺陷,提出了一种新的彩色图像可逆数据隐藏算法。首先利用色彩分量之间的相关性减小差值,并根据扩展方向和差值的符号,用较小的差值扩展量修改部分色彩分量的像素值,扩展方向由可能产生上溢和下溢的像素数量决定;其次采用单向像素值调整的方法避免像素值溢出,并用少量的调整信息代替定位图,嵌入容量大幅提高;最后改进差值直方图平移技术控制嵌入容量和图像失真。提取端根据临界像素值的顺序定位调整的像素位置,用调整信息恢复调整的像素值,在提取信息的同时可无损地恢复原始图像。实验结果表明,所提出的算法在大幅提高嵌入容量的同时,仍能保持较高的图像质量。     

一种改进的彩色图像可逆隐藏算法

在图像可逆数据隐藏领域,基于灰度图像的Tian差值扩展是比较经典的算法,后续的大多数算法都是在它的基础上进行改进。本文提出一种二次双向嵌入的彩色图像可逆数据隐藏算法,采用实用性较强的彩色图像进行实验,与现有的多数算法相比,对载体图像的质量损失不变的情况下,嵌入数据的量有较大提高。     

边缘和纹理优先的可逆数据隐藏算法

为了提高加水印图像的感知质量,对基于图像像素预测误差的嵌入算法进行了研究。优先选择了图像的边缘和纹理进行差值扩展嵌入,并结合压缩性非常高的溢出位置图,实现了高视觉质量、大嵌入容量的可逆数据隐藏算法。     

基于可逆整数变换的无损水印新算法

无损(也叫可逆)水印主要用于数据(如图象)的完整性认证,其特点之一是当加水印图象没有被修改时,所嵌入的水印可以完整地从加水印图象中去除,从而可以在接收端无损地恢复出原始图象。本文提出一种新的基于可逆整数变换的无损水印算法,利用整数变换后图象象素对均值和差值之间所存在的冗余,嵌入认证信息。文献中已有的方法只利用了差值冗余,而我们的算法则进一步考虑了均值和差值的相关性。利用算术编码压缩由二者所得的相关位流,可以获得较大的存储空间和较高的加水印图象质量。     

一种用于JPEG图像的高容量可逆水印算法

提出一种用于JPEG图像的高容量可逆水印算法 。该算法利用JPEG图像DCT系数的零系数间隔确定修改的位置,利用间隔中零系数的个数确 定水印嵌入量,进而嵌入水印信息。这样做不会带来如位置图等任何额外信息 。该算法利用零系数间隔准确地提取水印,并能在水印提取后无损地恢复原始JPEG图像。实 验结果表明,该算法在嵌入大量水印信息的情况下仍能取得满意的PSNR值,且图像文件大小 的增加较小。     

基于残差学习的新型不可感知水印攻击方法

传统的水印攻击方法虽然能够干扰水印信息的正确提取, 但同时会对含水印图像的视觉质量造成较大损失, 为此提出了一种基于残差学习的新型不可感知水印攻击方法. 首先, 通过构建基于卷积神经网络的水印攻击模型, 在含水印图像和无水印图像之间进行端到端非线性学习, 完成含水印图像映射到无水印图像的任务, 达到水印攻击的目的; 其次, 根据水印信息的嵌入区域选择合适数目的特征提取块以提取含水印信息的特征图. 鉴于含水印图像和无水印图像之间的差异过小, 水印攻击模型在训练过程中的可学习性受到限制, 导致模型很难收敛. 引入残差学习机制来提升水印攻击模型的收敛速度和学习能力, 通过减少残差图像(含水印图像和提取的特征图像做差)与无水印图像之间的差异来提升被攻击图像的不可感知性. 此外, 还根据DIV2K2017超分辨率数据集以及所攻击的基于四元数指数矩的鲁棒彩色图像水印算法构建了训练水印攻击模型的数据集. 实验结果表明该水印攻击模型能够在不破坏含水印图像视觉质量的前提下以高误码率实现对鲁棒水印算法的攻击.     

基于Fisher判别分析的彩色图像水印算法

提出了一种在彩色图像的红绿蓝三基色分量中隐入数字水印的改进思路，该算法的水印嵌入模块简单，而且在水印复原阶段用Fisher判别法能准确地抽取水印信号，实现水印盲复原．实验结果也表明，用该方法实现的水印具有较强的隐健性．     

一种灵敏的文本图像认证混沌脆弱水印技术

提出了一种适合二值文本图像产品认证、完整性证明和内容篡改证明的脆弱数字水印算法．文中定义了区域的最不重要像素块LSPB（Least Significant Pixel Block）概念，将一个区域中非嵌入水印点的像素值映射成混沌初值，经过混沌迭代生成水印信息，然后将水印比特嵌入到LSPB的中心像素．实验表明，嵌入水印后的二值图像视觉质量好。算法能够准确地检测并定位对含水印图像的篡改．是一种灵敏的完全盲水印方案．     

基于模式特征的H.264/AVC可逆视频水印

目的 针对当前可逆视频水印隐蔽性和篡改定位能力不足问题,提出一种新颖的基于帧内预测模式的可逆视频水印算法。方法 首先,深入分析I帧亮度分量的预测模式对不同类型篡改的敏感性,提取每个帧内编码宏块的预测模式,通过预测模式生成特征码。然后,结合H.264/AVC编码特性和误差补偿算法,在每个亮度4×4残差块中筛选出误差最小系数。最后,运用差值扩展的方法将特征信息作为水印可逆的嵌入到所选系数。结果 在含水印视频未受到篡改时,解码端提取水印后可对原始视频进行无损恢复。当视频受到篡改时,算法能精确定位篡改区域并且篡改定位精度达到4×4子块级。由于水印嵌入在误差最小的系数中,能够有效地降低水印嵌入对于视频质量的影响,嵌入水印后图像的PSNR值比现有的基于H.264/AVC可逆水印方案平均提高10%,测试序列的码率增量平均降低了22%左右。结论 本文算法较现有算法具有更好的嵌入率、隐蔽性、篡改检测精度, 适用于医学、军事、卫星等领域。     

基于多尺度知识学习的深度鲁棒水印算法

针对现有基于深度学习框架的水印算法无法有效保护高维医学图像版权问题,提出一种基于多尺度知识学习的医学图像水印算法用于弥散加权图像的版权保护。首先,提出一个基于多尺度知识学习的水印嵌入网络来嵌入水印,并通过微调的预训练网络提取弥散加权图像的语义、纹理、边缘以及频域信息作为多尺度的知识特征;然后,结合多尺度的知识特征来重构弥散加权图像,并在该过程中冗余地嵌入水印,从而获得视觉上与原始图像高度相似的含水印的弥散加权图像;最后,提出一个基于金字塔特征学习的水印提取网络,并通过在含有水印的弥散加权图像的不同尺度的上下文中学习水印信号的分布相关性来提高算法的鲁棒性。实验结果表明,所提算法重构出的含水印图的平均峰值信噪比（PSNR）达到57.82 dB。由于弥散加权图像在转换为弥散张量图像时需满足一定的弥散性特征,所提算法仅8个像素点的主轴方向偏转角大于5°,且这8个像素点均不在图像的感兴趣区域。此外,该算法所得图像的各项异性（FA）以及平均弥散率（MD）都接近为0,完全满足临床诊断的要求;且面对裁剪强度小于0.7,旋转角度小于15°等常见的噪声攻击,该算法的水印正确率达到95%以上,能有效保护弥散加权图像的版权信息。     

Reversible watermarking method based on asymmetric-histogram shifting of prediction errors

This paper tries to provide a new perspective for the research of reversible watermarking based on histogram shifting of prediction errors. Instead of obtaining one prediction error for the current pixel, we calculate multiple prediction errors by designing a multi-prediction scheme. An asymmetric error histogram is then constructed by selecting the suitable one from these errors. Compared with traditional symmetric histogram, the asymmetric error histogram reduces the amount of shifted pixels, thus improving the watermarked image quality. Moreover, a complementary embedding strategy is proposed by combining the maximum and minimum error histograms. As the two error histograms shift in the opposite directions during the embedding, some watermarked pixels will be restored to their original values, thus the image quality is further improved. Experimental findings also show that the proposed method re-creates watermarked images of higher quality that carry larger embedding capacity compared to conventional symmetric histogram methods, such as Tsai et al.’s and Luo et al.’s works.