基于直方图对无损数据隐藏的立体图像编码

将基于直方图对的无损数据隐藏用于立体图像编码,把数据隐藏和3D电视两个前沿研究结合起来.立体图像对中的一幅压缩后,无损嵌入另一幅中,使得3D电视的传输和存储容量减少一半,同时提供3D与2D电视兼容的可能.利用左右图的相关性进行4个参数的最优搜索,取得新的压缩极限.采用多循环方法的直方图对无损数据隐藏,得到较大容量以及较好的图像质量的无损嵌入.     

基于二值图像的信息隐藏研究综述

二值图像存储简单、结构紧嫡的独特优势使得二值图像在数据传真、字条码识别和数字签名中得到了广泛的应用，也正是由于这个特点使得彩色、灰度图像的信息隐藏技术不能直接应用于二值图像信息隐藏中。总结概述了近年来二值图像的一些研究成果，并对这些研究成果的鲁棒性和隐藏容量等向题做了一个简要比较与讨论。     

基于二值图像的信息隐藏研究综述

二值图像存储简单、结构紧嫡的独特优势使得二值图像在数据传真、文字条码识别和数字签名中得到了广泛的应用,也正是由于这个特点使得彩色、灰度图像的信息隐藏技术不能直接应用于二值图像信息隐藏中.总结概述了近年来二值图像的一些研究成果,并对这些研究成果的鲁棒性和隐藏容量等问题做了一个简要比较与讨论.     

基于整数小波的无损数据隐藏

介绍两种基于整数小波的无损数据隐藏方法，分别称为扩谱方法及压缩扩展方法。这两种方法均把数据嵌入到图像整数小波变换后的高频子带系数中；为防止小波反变换时图像灰度溢出问题，直方图调整技术被使用。实验结果表明，两种方法均达到甚至超过当前无损数据隐藏领域最好水平。     

一种适用于二值图像的数字水印算法

提出了一种根据像素的空间邻域特性在二值图像中嵌入数字水印的算法．由邻域内的平滑度和连通性计算像素的可非度，从而确定各种邻域组合的可嵌入优先级．为了均衡可嵌入水印像素的空间分布，对原始图像进行随机排列和分块后，在每一块中嵌入相同数量的水印．并根据随机排列的统计特性，自适应地确定可嵌入水印像素，以尽量减少对图像质量的损害．实验结果表明，嵌入的水印不易被察觉，而且是脆弱的，可以作为检测图像是否被改动过的一种有效手段．     

二值图像信息隐藏分析

在各种形式的数字图像分析中,二值图像信息隐藏及其对抗研究相对滞后,文中提出了一种全新的隐藏分析算法,可以成功地检测基于分块嵌入的二值图像信息隐藏．该算法借鉴了数学形态学非线性滤波理论,利用携带隐藏信息的载体图像来预测原始载体图像,通过计算载体图像与预测图像的差异,不但可以准确判定载体图像是否含有隐藏信息,而且还能精确估计出嵌入容量．实验结果表明,检测精度可达1％．     

一种基于分块的二值图像信息隐藏算法

提出了一种新颖的基于分块的二值图像信息隐藏算法，算法首先计算出原始图像中每个像素的可修改度，并通过置乱来均衡可修改像素在图像中的分布；将置乱后的二值图像分块，提取每块图像的特征值，组成二值的特征矩阵，对特征矩阵再进行分块，根据特征矩阵块进行信息嵌入，若要嵌入的信息与特征矩阵块中的某一特征值不相匹配时，则通过翻转与该特征值对应的图像块中最适合修改的一个像素来实现对此特征值的间接修改，实验结果表明，该隐藏算法信息嵌入量适中，隐藏信息的图像具有良好的视觉透明性，系统的安全性也较高。     

基于整数小波的无损数据隐藏

介绍两种基于整数小波的无损数据隐藏方法,分别称为扩谱方法及压缩扩展方法.这两种方法均把数据嵌入到图像整数小波变换后的高频子带系数中;为防止小波反变换时图像灰度溢出问题,直方图调整技术被使用.实验结果表明,两种方法均达到甚至超过当前无损数据隐藏领域最好水平.     

无损图像数据隐藏技术研究

本文提出了一种无损数据隐藏的方法。该方法均选择灰度图像作为数据隐藏的载体及要隐藏的数据,采用整数小波的提升变换及直方图峰值点移动方法完成数据的嵌入,用直方图调整技术来防止边界数据的溢出。实验结果表明本方法失真小,嵌入量大,易重构。在信息认证、篡改提示、国家安全等方面得到广泛的研究及应用。     

结合重排序和直方图平移的调色板图像可逆信息隐藏

提出了一种新的调色板图像可逆信息隐藏方法. 首先, 将调色板的颜色重新排序, 使得相邻索引值对应的颜色尽可能相近. 然后, 对排序后的索引值直方图平移以嵌入秘密信息. 在嵌入过程中, 将对应的索引值改为与之相近的颜色索引值, 以有效缓解含密图像视觉质量的下降; 多次利用最大最小点, 大大提高了嵌入率. 实验结果证明, 本方法在保证可逆的同时显著提升了嵌入量, 并维持了较高质量的视觉效果; 同时, 对于索引值直方图无零点的情况同样适用, 克服了已有方法的局限性.     

基于直方图平移和定向嵌入的可逆数据隐藏

提出了一种基于差值直方图平移和定向嵌入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和整数Haar小波系数之间的关系减小差值,以增加差值直方图的峰值.采用多重直方图平移嵌入方法提高嵌入容量,按指定的像素值扩展方向嵌入数据,多重嵌入过程中交替使用像素值增加和减小方向,使得部分像素值扩展量相互抵消,从而减小图像质量的下降幅度.实验结果表明:该算法在保证图像质量的同时大幅提高了嵌入容量,与其它同类算法相比,算法的整体性能更高.     

基于直方图修正的H.264视频加密域可逆信息隐藏

为实现视频加密域的可逆信息隐藏,首先使用随机二进制序列对运动矢量的符号位进行加密,然后通过运动矢量直方图修正进行信息的嵌入。信息嵌入算法是对称的,这样可以保证嵌入过程与提取过程均可分离,这样第三方管理者可以在不进行解密的情况下对存储的视频嵌入各种控制信息,保证了用户信息的隐私性。而视频的所有者在下载了视频后,无论是否进行解密,均可进行信息的提取。实验证明在拥有较大嵌入容量的前提下,实现了信息嵌入提取与视频加解密之间的可分离性,且算法完全可逆。     

基于直方图平移的安全可逆信息隐藏算法

可逆信息隐藏技术可以在提取隐藏的秘密信息之后完全恢复原始的载体信息,具有重要的理论意义和广阔的应用前景。基于直方图平移的可逆信息隐藏技术需要额外传送一部分信息,会带来较大的通信负担和安全隐患。通过对载体图像进行分块,并引入密钥,提出了一种基于直方图平移的安全可逆信息隐藏算法,不需要单独传送任何额外信息就能实现秘密信息提取和原始载体的无损恢复。能够有效弥补传统算法的缺陷,降低通信负担,同时具有较高的安全性。理论分析和实验仿真表明该算法具有较好的实用性能。     

图像可逆数据隐藏技术研究综述

可逆数据隐藏技术不仅能从嵌入数据后的载体中完整地提取嵌入的秘密数据,而且能无损地恢复原始载体,这在诸如医学图像、遥感图像等特殊的应用领域非常实用,已成为多媒体安全领域的研究热点。以数字图像为载体,首先对信息隐藏技术的分类、应用和特性与可逆数据隐藏技术的基本框架和性能评估进行简要描述。其次,对基于差值扩展、直方图平移、预测误差扩展、像素值排序和插值技术等五种典型的可逆数据隐藏技术分别进行了介绍和讨论,给出了每种典型技术的嵌入和提取过程。最后,对可逆数据隐藏技术未来的研究趋势进行了展望。     

基于图像插值技术的可逆数据隐藏算法

针对现有基于插值技术可逆数据隐藏算法具有较高的隐藏容量,但隐秘图像质量不是很高问题的问题,提出一种新的大容量图像可逆数据隐藏算法。首先对输入图像进行插值处理生成载体图像,然后对载体图像进行重叠分块并计算分块中每一个非基准像素能隐藏的数据量,最后采用自适应的方法隐藏秘密数据。在Kodak图像集上的实验结果表明,本文算法能完整地提取隐藏的秘密数据和不会出现像素溢出现象;与相似的算法相比,该算法的秘密数据隐藏容量平均提升了约98%,隐秘图像质量平均提升了约6%。     

基于自适应直方图修改的网格可逆信息隐藏

可逆信息隐藏是一种特殊的信息隐藏技术, 在医学、军事和法律等领域具有重要的应用价值.本文提出一种基于自适应直方图修改的网格可逆信息隐藏算法. 首先, 利用模型形状的局部相似性, 预测顶点位置以获得预测误差序列, 构造陡峭的预测误差直方图. 然后, 根据直方图的分布特点, 直接使用嵌入区域内两组指定的预测误差来嵌入秘密信息,减少了辅助信息的传输. 最后, 为减少模型失真, 根据载荷大小自适应地选取合适的嵌入区域, 有效避免对预测误差过多移动. 实验结果表明, 本文提出的算法在小容量嵌入时能保持较高的视觉质量, 适用于高保真的网格可逆信息隐藏.     

基于秘密共享的同态加密图像可逆信息隐藏算法

为了利用秘密共享在隐私保护中的独特优势,通过Shamir门限秘密共享的方法研究了加密域可逆信息隐藏。首先用Shamir秘密共享体制对图像加密,然后利用Shamir秘密共享体制的加法同态特性嵌入信息。仿真实验结果表明:本文算法比使用Paillier密码体制的同类算法有较低的时间复杂度;当持有足够的份额,就可以完成原始图像的可逆恢复,实现了在加密域可逆信息隐藏中的秘密共享;所提算法平均最大嵌入率为0.498 bpp (bit per pixel)。     

基于最近邻像素预测的加密域可逆信息隐藏

针对现有的可逆信息隐藏算法在图像加密域应用场景下嵌入容量不高的问题,提出了一种基于最近邻像素预测的加密域可逆信息隐藏算法。充分利用自然图像的空间相关性,设计最近邻像素预测方法,计算预测误差,并进一步探究预测误差块分类规律,设计块内移位以及块重排方式,保留了块内相邻像素相关性。然后,通过动态标记块内误差区间以最大限度地空出冗余空间,达到提高嵌入容量的目的。选用5幅标准灰度图像及数据集BOSSbase、BOWS-2和UCID中的万余张灰度图像进行对比实验。结果表明：本文算法在安全性、可逆性和可分离性都满足的前提下,嵌入容量相比同类算法平均提升0.35～0.9 bpp(比特数)。