基于视觉感知与菱形编码的图像隐写算法

为提供较大的隐写容量和保持良好的载密图像质量,提出一种基于视觉感知和菱形编码的图像隐写算法。根据人类视觉系统,针对人眼对图像的高中低灰度区、纹理区及平滑区的敏感度的不同,在不同区域选择嵌入不同数量的秘密信息;同时为了尽可能减少对图像像素值的改变,采用改进的菱形编码来嵌入秘密信息。实验结果表明,与HVS-OPAP算法相比,该算法图像的嵌入容量提高了4.09%,获取的隐写图像具有更好的不可感知性,同时峰值信噪比平均提高了1.5dB,而且该算法具有抗RS隐写分析能力,安全性更高。

基于菱形编码和修改量化表的DCT域图像隐写

为了提高离散余弦变换(DCT)域隐写的嵌入容量,提出一种基于菱形编码和修改量化表的DCT域图像隐写.首先将载体图像进行8×8的DCT变换后,对变换得到的DCT系数采用修改的8×8量化表进行量化,从而提高了嵌入容量和载密图像的视觉质量.同时通过改进的菱形编码将8进制的秘密信息嵌入到载体图像量化DCT系数的中频部分,从而进一步提高了嵌入容量.实验结果表明:该隐写算法不但与JPEG压缩标准兼容,而且有效地提高了嵌入容量.

基于DCT域的菱形编码图像隐写改进算法

为提高嵌入秘密图像的信息量和嵌入后载体图像的质量,在行程编码、菱形编码和DCT域的基础上,提出了基于DCT域的菱形编码图像隐写改进算法。采用菱形编码有效地提高了嵌入率,对JPEG标准化量化表进行了改进,更有利于秘密信息的嵌入。对行程编码进行了改进,使秘密图像的压缩效率更大。经过与F5隐写算法对比实验表明,F5隐写算法只能嵌入一幅尺寸为64×64的灰度图像,而改进算法能够嵌入一幅尺寸为240×240的灰度图像,且PSNR>30 d B,大大提高了加密信息的嵌入量,并保持了嵌入后载体图像的质量。

基于菱形编码的视频信息隐藏算法

针对基于视频帧内预测模式调制的信息隐藏算法嵌入容量较小、比特率上升较明显等问题,提出一种基于菱形编码的帧内视频信息隐藏算法。该算法基于高效视频编码(HEVC),将相邻两个4×4块预测模式组成模式对,采用改进的菱形编码算法指导模式调制和信息嵌入过程;并采取二次编码方式在保留原始平台最优编码划分下进行第二次隐秘信息嵌入编码,在保证嵌入量的同时抑制帧内失真漂移。实验结果表明:所提算法峰值信噪比(PSNR)值下降在0.03 d B以内,码率增长低于0.53%,嵌入量有大幅提升,并能很好地保证视频主客观质量。

结合像素交换与菱形编码的图像隐写

基于像素交换和菱形编码,提出一种新的隐写方法:EDSteg.该方法吸取了Steghide和菱形编码的优点,在保持载体图像一阶统计特征不变的同时具有较高的嵌入效率.该方法采取±1嵌入法,即只允许相差不超过1的像素进行交换,这样可以大大减小图像失真.为了提高交换率,采取分组嵌入的方式.由于像素值最多只允许改动1,所以每组数据有可能需要进行两次交换.与基于图论的Steghide算法类似,可以将嵌入过程表述为寻找超图的最大匹配问题.实验表明,EDSteg的嵌入效率、视觉效果及抗攻击性能都优于Steghide、菱形编码等方法.

基于视觉模型与菱形编码的图像隐写算法

为提高图像空域隐写算法的视觉不可感知性,通过结合视觉注意力机制和人眼对图像的灰度及边缘等敏感特性,提出一种基于视觉模型的感兴趣区域菱形编码隐写算法.在底层人眼感知判定的基础之上,根据视觉注意模型划分嵌入等级,并动态调整秘密信息的嵌入量.实验结果表明,与基于边缘自适应的像素对匹配算法相比,本文提出的算法不仅有较高的视觉不可感知性,而且能抵抗常用的空域隐写分析.

一种基于像素差和菱形编码的图像隐写方法

针对当前大多数图像隐写算法嵌入量低且图像质量差,不能满足大数据时代对大容量的要求,提出一种新的基于像素差和菱形编码的图像隐写算法。利用平滑部分占图像的大多数区域,对传统基于像素差的图像隐写方法进行改进,增加嵌入量,并结合菱形编码方法保持图像质量。对改进算法进行了仿真,与传统的像素差算法相比,提出的算法增加了嵌入容量,保持了很好的图像质量,并提高了安全性。

基于运动矢量的H.264信息隐藏算法

提出了一种基于H.264的视频信息隐藏算法.该算法引入菱形编码,通过轻微调制运动矢量实现信息的嵌入过程.菱形编码不仅可以有效减少运动矢量修改率,同时可以提高嵌入容量.在嵌入过程为减少信息嵌入对码率和视频图像质量的影响,选择纹理复杂区域和较大运动矢量为嵌入点.实验结果表明,该算法在确保良好视频质量的条件下,可以满足大容量信息嵌入的要求,对压缩码率的影响较小.

基于NSCT_SVD_DE的自适应大容量水印算法

目的针对NSCT_SVD水印算法水印容量较小的问题,提出一种基于视觉区域特性和菱形编码的自适应大容量水印算法。方法对图像进行NSCT变换,对NSCT域低频系数矩阵进行8×8分块,选取每一块中最大的奇异值。根据人眼对图像亮度、纹理及平滑的敏感程度不同,选择在不同的分块嵌入不同大小的水印信息。结果实验表明,在6幅标准512×512像素的灰度图像中嵌入水印后的PSNR保持在39左右,具有较好的不可感知性,水印容量比DWT_SVD水印算法提升了约41.41倍,比NSCT_SVD水印算法提升了约20.95倍。对常见的中值滤波、高斯滤波、椒盐噪声、旋转和JEPG压缩等攻击具有较好的鲁棒性。结论该水印算法在满足不可见性和鲁棒性的前提下,增加了水印容量,具有一定的实用价值。