基于SVD压缩的高保真可逆信息隐藏算法

针对嵌入秘密数据对原始图像造成失真明显的问题,提出一种利用奇异值分解（Singular Value Decomposition,SVD）进行像素预测的可逆信息隐藏算法。首先将原始载体分成灰和白两层,选取灰色层中的像素作为目标像素,其领域上的白色层像素作为参考像素;而后利用这些参考像素构成邻域矩阵,再对其SVD压缩处理,利用压缩结果预测目标像素;最后通过扩展预测误差嵌入秘密数据。实验数据显示,该算法有效降低了携密载体的嵌入失真。     

基于改进PVO自适应嵌入的加密域图像可逆信息隐藏方法

针对加密图像像素间相关性小,嵌入数据困难等问题,提出了一种基于改进PVO自适应嵌入的加密域图像可逆信息隐藏方法.首先将加密图像进行分块处理,所有图像块依据块复杂度自适应地分为多个等级,图像块所在等级越高,所能嵌入数据的容量越大;并对块内像素根据灰度值大小进行升序排列,然后根据排序结果和图像块所在等级确定中间若干位置像素值作为目标像素,目标像素预测分块内其他像素;最后,预测结果根据相关性强度自适应地嵌入秘密信息.实验结果证明此方法具有较好的嵌入质量和嵌入容量.     

基于LASSO的可逆图像水印算法

对于采用差值扩展-直方图平移的可逆水印算法,提高预测的准确度有利于减小预测误差,从而在同等嵌入失真时获得更大的嵌入容量。为了进一步提高图像像素预测的准确度,构造了一种基于LASSO （Least Absolute Shrinkage And Selection Operator）的局部预测算法。具体而言,根据图像存在边缘、纹理方向的特点,将图像像素预测问题表征为基于LASSO的优化问题;然后通过优化求解得到预测系数,进而得到预测误差;随后利用预测误差,结合差值扩展-直方图平移嵌入技术设计可逆图像水印算法。实验仿真结果表明,与当前预测性能较好的、基于最小二乘局部预测的可逆图像水印算法相比,所提算法在嵌入相同的数据时拥有更高的峰值信噪比（PSNR）。     

基于改进像素排序预测的大容量可逆数据隐藏

基于像素排序的误差扩展方法能实现高保真度的可逆数据隐藏,但嵌入容量较小。针对这一问题,Qu等提出了以像素为单位的像素排序方法,即使用排序后的上下文像素来预测目标像素。尽管在嵌入容量上实现了较大突破,但Qu算法单一的嵌入策略不能充分利用平滑区域的数据冗余。考虑到以像素为单位的像素排序方法避免了嵌入像素定位问题,本文提出进一步划分目标像素,并相应地提出了新的基于方向编码的嵌入策略和两轮嵌入式的数据嵌入方案。平滑区域的目标像素预测准确率高,通过双向修改该类像素实施数据嵌入能使得嵌入容量增幅达50%,这意味着后续嵌入操作仅需更少量的非平滑区域目标像素,因此算法可以采用更小的区域复杂度阈值以提高预测准确率。实验结果表明本文工作不仅进一步稳固了Qu算法在嵌入容量上的优势,并且有利于提高嵌入图像保真度。与现有基于像素排序的误差扩展方法相比,本文算法在多数情况下能取得更优的嵌入图像保真度。     

基于像素值排序与块再分的可逆数据隐藏算法

基于像素值排序的可逆数据隐藏算法通过修改图像块中的最大像素和最小像素嵌入数据,但并未充分利用图像块内的每一个像素,从而影响嵌入性能。结合块再分原理,提出基于像素值排序的可逆数据隐藏算法。将原始图像划分为3×3的图像块,计算每一个图像块的局部复杂度。设计12种分块模式将局部复杂度小于阈值的图像块细分为子块A和B。根据子块A和B的不同局部特征分别采用2种不同的扫描顺序读取像素。子块A的像素序列使用次小值预测最小值和次大值预测最大值的方法,获得2个预测误差值,子块B的像素序列利用中值像素连续预测其余4个像素的方法,得到4个预测误差值。在此基础上,利用图像块中预测误差值为0和1的像素嵌入隐藏数据。实验结果表明,该算法在一个图像块中最高可嵌入6 bit的数据,在较低计算复杂度的情况下能够有效提高像素的嵌入性能。     

基于深度学习和像素值排序的大容量图像可逆信息隐藏方法研究

像素值排序（Pixel Value Ordering）技术是可逆信息隐藏中最新颖的技术。该技术对像素块中的像素值进行排序，使用目标块中像素次大值与次小值的差值作为波动值并根据波动值对目标像素块进行预测嵌入。本文提出了一种新的波动值计算方法。首先，我们使用深度学习中的transformer来预测目标像素块的波动性。与传统的波动性计算方法相比，我们求得的波动值更能体现目标块与图像其他部分的相关性。同时，我们提出了一种自适应的分块策略，该策略针对不同的波动值，选择更为适应目标像素块的二次分块策略，更大程度上利用到了平滑块进行嵌入。实验结果表明，改进的算法不仅增大了不可感知性，同时也提升了嵌入容量。     

基于码分多址复用的双重加密可逆信息隐藏

针对多数密文域可逆信息隐藏算法嵌入容量小、加密算法单一的问题,提出一种双重加密的方法,并利用码分多址复用（CDMA）的思想嵌入秘密信息。加密时将图像分块,先对像素块进行多粒度置乱加密,再对块中每个像素的中间2位用流密码加密。信息嵌入采用码分多址的思想,选取k个长为4的相互正交的矩阵嵌入k层秘密信息,利用矩阵的正交性实现秘密信息多层嵌入,在提高嵌入容量的同时保证了对像素点的较小改变。对不满足嵌入条件的像素块嵌入伪比特,可避免使用位置图。拥有信息提取密钥的合法接收者可以提取秘密信息;拥有图像解密密钥可以近似恢复原始图像;拥有两种密钥既可提取秘密信息又可无损恢复原始图像。实验结果表明,512×512灰度图像Lena在峰值信噪比（PSNR）大于36 dB时最大嵌入容量133 313 bit。所提算法增强了加密图像安全性,在保证可逆性的同时大大提高密文域可逆信息隐藏嵌入容量。     

基于RGB相关性的彩色图像可逆信息隐藏方法

为了提高彩色图像可逆信息隐藏（RDH）的性能,提出了基于RGB相关性的彩色图像RDH方法。首先为了更加准确地预测像素值,设计了基于RGB相关性的像素预测算法。该算法包括粗糙纹理预测和精细纹理预测两个阶段。第一个阶段利用一个参考通道将像素分为平滑区域和纹理区域。在第二阶段,利用两个参考通道对平滑区域像素进行精细划分,将像素分为水平、垂直和平坦区域,从而更加准确地计算像素的预测值。其次,利用预测误差扩展技术嵌入秘密信息。实验结果表明提出的预测算法能够较准确地预测每一个通道的像素值,信息隐藏性能好于现有的彩色图像RDH方法。     

基于预测误差编码的加密域可逆数据隐藏算法

为提高加密图像可逆数据隐藏的嵌入容量与安全性,提出一种改进的加密域可逆数据隐藏算法。以分块加密方式保留图像块内相邻像素间的相关性,利用多元线性回归模型对图像块内特定像素进行预测,同时以位替换方式将预测误差码元和秘密信息同时嵌入目标像素中,通过差分对称编码提升编码效率并扩展嵌入空间,使得接收者在仅拥有加密密钥和嵌入密钥的情况下可无失真地恢复原始图像和提取秘密信息。实验结果表明,该算法在BOWS-2和UCID数据集上的平均嵌入率分别达到1.717和1.310 bit/pixel,在提高嵌入容量和安全性的同时实现了信息提取操作和图像恢复操作的完全分离。     

密文域高嵌入率图像全位面可逆数据隐藏

目的 针对现有的加密域可逆信息隐藏算法未能充分利用图像的全部位平面的问题,提出了一种密文域高嵌入率图像全位面可逆数据隐藏。方法 对载体图像进行加密,然后将隐蔽信息嵌入到加密图像中,进行隐蔽传输,发送给接收者。本文将灰度图像的8个位平面都用来进行数据嵌入,并把每个位平面划分成不重叠的块,分为非连续块（块内像素值0,1都存在）和连续块（块内为全0或全1像素值）,按块进行重排列且将排列前的块标签嵌入到重排列图像中,使用流密码对图像进行加密。在数据嵌入阶段,提出了带修正信息的像素预测方法用于非连续块的嵌入。连续块中,保持块内右下角像素值不变,用于连续块的恢复,其他位置嵌入数据;非连续块中,对预测正确的像素嵌入数据,预测错误的像素保持不变。结果 实验过程实现了多种密文域可逆数据隐藏算法,本文进行大量对比实验,并在BOSSbase和BOWS-2数据集上进行验证,与其他方法比较,本文方法在BOSSbase和BOWS-2数据集上的嵌入率分别提升了42.1%和43.3%。结论 提出的加密图像可逆数据隐藏方案,通过对不同性质的块采用不同方法进行数据嵌入,利用图像全位面信息,使得方案能够获得更高的嵌入率,表明了本文方法的有效性。     

双边非局部均值滤波图像去噪算法

为提高图像去噪的视觉效果,本文根据自然图像通常包含较多的重复性结构这一现象,以及双边滤波器的在图像去噪中所具有的优点,提出了一种新的基于双边滤波与非局部均值（ NLM）的图像去噪算法。利用NLM思想对当前的像素灰度值进行估计。过程中,不仅考虑到了当前像素的灰度值对预测结果的影响,而且考虑到了当前像素的位置与周围像素位置之间的关系,构建了非局部邻域内的位置系数来对预测结果进行约束,最后考虑到非局部邻域内同质像素的相似性,设计了双边NLM滤波器。实验结果表明：本文算法比双边滤波算法运行时间快了0.114 s、峰值信噪比（ PSNR）提高了0.9、图像相似度（ MSSIM）提高了0.181,图像保真度（ VIF）提高了0.2147。本文提出的方法能够更好地保留图片信息的完整性,提高了图像的亮度和图像纹理的清晰度。     

新的桶形畸变的点阵样板校正方法

为了校正广角镜头的桶形畸变,提出一种新的桶形畸变数字校正方法。它使用点阵样板校正的方法,根据畸变图和理想图中圆点的位置关系,得出畸变图像素在X轴和Y轴方向上的偏移量曲面,采用三次B插值函数对曲面插值;由曲面插值获取像素点的偏移量,对各像素进行坐标转换得到校正图像;然后对图像进行了双线性插值的灰度重建。仿真结果表明,该方法使图像的坐标位置和灰度都得到很好的校正。     

基于SLIC和区域生长的目标分割算法

传统区域生长算法的分割结果依赖于种子点的选取,且图像自身的噪声以及灰度值不均匀等问题易在分割目标过程中形成分割空洞,针对以上问题提出了基于超像素的改进区域生长算法。采用拉普拉斯锐化,增强待分割目标边界,之后根据像素灰度相似的特征采用SLIC（简单线性迭代聚类算法）超像素分割将原始图像分割成若干不规则区域,建立不规则区域间的无向加权图,选取种子区域,根据无向加权图以分割好的不规则区域为单位进行区域生长,最后在分割目标边缘处以像素为单位做区域生长,细化边界。对比于传统区域生长算法,改进后的算法在分割结果上受种子点选取影响较小,且能有效地解决分割空洞等问题。对比于聚类分割,Otsu（最大类间方差）阈值分割法等典型算法,该算法在分割精度上具有明显优势。     

HS-based reversible data hiding scheme using median prediction error

Recently, reversible-data-hiding (RDH) scheme has been developed rapidly. In this paper, based on the local distribution of pixels in a block, (30) a histogram shifting (HS) based RDH scheme using median prediction error is proposed to increase the embedding capacity (EC) and decrease the distortion of stego image. First, we scan an original image to form the non-overlapping blocks. Then each block is sorted for locating its median. So, the median is used as the center to embed data into the pixels distributing on both sides of the median pixel in the block. Finally, the receiver can seek the same median of the block for data extraction and the recovery of the original image. Besides, we use the decomposed location message to modify the original pixels with overflow/underflow. (12) As the median is close to the mean value of block, the generated prediction error histogram is sharper than other schemes, which can provide a high capacity and lower distortion. Thus, the EC of the proposed algorithm outperforms that of the other algorithms. Experiments show the proposed scheme can provide a higher embedding rate and lower distortion as it takes advantage of the local correlation in a block.

     

基于多特征结合与加权支持向量机的图像去噪方法

在基于支持向量机(SVM)的图像去噪方法的基础上,提出了一种基于多特征结合与加权SVM的图像去噪方法。首先,根据图像中相邻像素的相关性及椒盐噪声的特点,提取含噪图像中的多种特征;然后,利用针对不平衡数据集所改进的加权SVM分类器,识别出含噪图像中的噪声点,再利用支持向量回归机(SVR)对噪声点的原始灰度值进行回归预测;最后,重构图像以达到去噪的目的。实验结果表明,该方法能提高SVM分类器对噪声点的识别率,改善分类器的性能,并能在去噪的同时较好地保留图像的边缘信息,获得较高的峰值信噪比(PSNR)。     

Reversible data hiding based on PDE predictor

In this paper, we propose a prediction-error expansion based reversible data hiding by using a new predictor based on partial differential equation (PDE). For a given pixel, PDE predictor uses the mean of its four nearest neighboring pixels as initial prediction, and then iteratively updates the prediction until the value goes stable. Specifically, for each pixel, by calculating the gradients of four directions, the direction with small magnitude of gradient will be weighted larger in the iteration process, and finally a more accurate prediction can be obtained. Since PDE predictor can better exploit image redundancy, the proposed method introduces less distortion for embedding the same payload. Experimental results show that our method outperforms some state-of-the-art methods.     

一种新型的自适应模糊中值滤波算法

针对传统中值滤波算法不能很好地保护图像细节以及受严重噪声污染时性能急剧下降的情况,提出了一种新型的自适应模糊中值滤波算法。通过比较滤波窗口内像素点的灰度值与像素点灰度值的均值定义了模糊滤波系数,利用此模糊滤波系数对滤波方法进行加权,得到一种加权中值滤波器。通过对小窗口内的灰度值不等于最大灰度值和最小灰度值的像素点的检测自适应调整窗口大小,对超过设定的最大窗口的情况,噪声点的灰度值用四个相邻的已处理的像素点灰度值的均值进行替换。仿真结果表明,新算法具有较好的细节保护能力和较强的去除噪声能力。     

一种去除椒盐噪声的自适应极值中值滤波算法

针对椒盐噪声的特点,为了更好地滤除图像中的椒盐噪声同时又能较好地保护图像细节,提出一种自适应极值中值滤波算法。该算法通过对窗口内的非噪声点的检测自适应调整窗口大小,使用Max-Min算子作为噪声检测器,通过设置合理的阈值对灰度值等于极大值或者极小值的窗口中心的像素点进行噪声识别,减小将信号点误判为噪声点的概率,然后将检测出的噪声点用窗口内信号点的中值代替,而信号点保持不变直接输出。同时对超过设定的最大窗口的情况,窗口中心的像素点的灰度值用4个相邻的已处理的像素点灰度值的均值进行替换。实验仿真结果证明了该算法滤除椒盐噪声的有效性,在噪声较大时,去噪效果更明显。     

图象椒盐噪声的非线性自适应滤除

为了在滤除图象椒盐噪声的同时能很好地保持图象的细节,提出了一种新颖的图象椒盐噪声非线性自适应滤除算法。该方法首先在噪声图象的滤波窗口中去除具有最大和最小灰度值的象素,然后求取剩余象素的均值,计算出该均值与对应的象素灰度值的差值,再通过与阈值相比较,确定是否用求得的均值代替原噪声图象的灰度值。阈值由图象的灰度分布自适应地确定,该算法与已发表的同类算法相比,具有更好地滤波性能,尤其在噪声严重时,其效果明显优于传统的中值滤波算法。