基于风格迁移过程的彩色图像信息隐藏算法

针对基于神经风格迁移的信息隐藏算法没有解决彩色图像的嵌入这一问题,提出了一种基于风格迁移过程的彩色图像信息隐藏算法。首先,利用卷积神经网络(CNN)特征提取的优势,分别提取载体图像的语义信息、风格图像的风格信息以及彩色图像的特征信息;然后,将图像的语义内容和不同风格融合在一起;最后,在通过解码器对载体图像进行风格迁移的同时完成彩色图像的嵌入。实验结果表明,所提算法可以将秘密图像有效融入到生成的风格化图像中,使得秘密信息嵌入行为与风格变换的行为不可区分,在保持算法安全性的前提下,所提算法的隐藏容量提高到24 bpp,峰值信噪比(PSNR)和结构相似性(SSIM)的平均值分别达到了25.29 dB和0.85,有效解决了彩色图像的嵌入问题。

基于Peano曲线扫描的大容量密文域可逆信息隐藏方案

针对现有密文域可逆信息隐藏算法中存在嵌入率低、安全性不足等问题进行了研究,提出了一种利用图像像素间相关性的大容量密文域可逆信息隐藏方案。首先利用图像位平面间相关性减小冗余,再使用Peano曲线对位平面进行扫描,利用游程霍夫曼编码对每个位平面进行压缩,而后利用图像高位信息对低位空间进行填充,最后用填充消息作为隐藏密钥对秘密信息异或加密实现嵌入。实验结果表明,该方法可完全可逆地恢复原始图像,平均最大嵌入容量达2.53 bpp。