JPEG图像的可逆信息隐藏关键技术研究

来源 :齐鲁工业大学 | 被引量 : 0次 | 上传用户:serene_he
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着计算机和多媒体技术的高速发展,网络信息化已然成为社会和经济发展的重要趋势。政府、军事、文教等诸多领域的海量信息都在网络空间中存储、传输和处理。开放的网络环境难以避免的吸引了来自世界各地的各类网络攻击(例如信息截取、信息窃听、数据篡改、数据伪造等)。为了保障网络数据传输的安全性,研究者提出了可逆信息隐藏(Reversible Data Hiding,RDH)算法,发送者通过该算法将秘密信息以肉眼不可察觉的方式嵌入到宿主信号中,在传输时逃避攻击者的追踪,以此来保障数据传输的安全性,接收方收到载密数据后,利用提取算法无损恢复出秘密信息和载体数据。本文以不同的应用环境,针对多媒体图像安全问题开展算法研究,主要取得以下成果:
  方案一:提出基于可逆信息隐藏的医疗图像保护算法。该方案利用变异系数(Coefficient of Variation,Cv)定位病灶区域,将该区域设置为关键区域;使用医疗图像部分信息生成二维码,作为可见水印掩盖在图像关键区域;设计图像分块方案,计算图像块均方误差分析纹理复杂度,选择纹理区域作为嵌入区域;通过直方图技术将关键区域作为秘密信息隐藏到选定的嵌入区域中。该方案将病灶区域信息有效隐藏在图像中,提高了医疗图像关键内容的安全性,增强了患者信息的隐蔽性。
  方案二:为提升性能,对上述方案进行改进,将加密与可逆信息隐藏相结合,提出基于可逆信息隐藏和二维码的部分加密算法。首先利用变异系数识别关键区域,即图像病变区域;针对医学图像背景与图像的比例,合理设置关键区域大小;然后对其他区域进行块处理,利用预测误差扩展将病变区域的内容嵌入到高纹理区域;接着利用Arnold变换来加密该纹理区域的病变信息;在此之后,使用图像基本信息密文和解密参数生成一个二维码来代替原来的病灶区域。该方案改进方案一中关键区域大小选取受限问题,结合加密算法,进一步提高了图像内容的安全性。
  方案三:在前期研究的基础上,针对JPEG图像的特征,提出基于JPEG图像嵌入容量的改进算法。分析离散余弦变换(Discrete Cosine Transform,DCT)系数,利用DCT系数块间相关性,构建DCT系数预测模型;同时采用DCT系数与预测误差双层排序方案,优化信息嵌入顺序;最后利用预测误差扩展(Prediction Error Expansion,PEE)技术将秘密信息嵌入到JPEG图像中。理论和实验分析表明,采用文中算法提升JPEG载密图像嵌入容量的同时,可以保持载体图像良好的视觉质量和较小的文件增量。
其他文献
卷积神经网络(Constitutional Neural Networks,CNN)具有良好的非线性拟合性,因此被广泛应用于图像分类,语音识别和目标检测等领域。随着CNN的发展,模型的大小和计算量剧增导致CNN模型只能在特定平台使用,无法实现专有化和小型化。现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)具有高性能、低功耗及可重构等特点,在进行CNN加速
现如今,物联网技术将世界变成一个万物互联的时代,嵌入式设备与物联网的结合成为了嵌入式技术发展的真正未来。天然气作为一种高效清洁的能源,在国内呈现需求日益旺盛的态势。而天然气的开发环境恶劣,天然气井控制器的应用就为天然气开采和管理提供了技术支持。目前的气井控制器的设计以进口CPU为主,国产龙芯CPU的发展为我国摆脱技术依赖提供了新的支持。基于此,本课题开发了一款基于国产龙芯CPU的气井控制器。通过对
水质检测是水保护的前提和基础,生化需氧量(Biochemical Oxygen Demand,BOD)、化学需氧量(Chemical Oxygen Demand,COD)、亚硝酸盐能够很好地反映水污染的程度。研究上述参数的快速检测,可为水资源保护提供有效的数据支持。研究基于高光谱技术的水质指标定量研究,可快速、无接触、大面积的实现水质的实时检测,对我国目前的水污染治理问题提供理论依据具有极为重要的
学位
在高校智慧校园建设过程中,学业预警作为智慧校园的主要组成部分,其主要利用数据挖掘技术保障学生顺利完成学业,同时为高校提供一定的决策支持。本文以某校相关部门的研究课题为背景,旨在搭建适用于该校的学业预警系统,保障学生顺利完成学业。主要研究内容分为“学业预警模型研究”和“学业预警系统设计与实现”两个部分,其详细内容如下:在学业预警模型研究的过程中,以某校本科生的历史成绩数据、一卡通消费数据和图书馆刷卡
学位
蛋白质二级结构预测在生物信息学领域具有重大意义,对充分了解蛋白质的功能和结构是十分必要的,科学家们从未停止对蛋白质结构的研究。本文主要使用了深度学习模型来进一步提高蛋白质二级结构的预测准确率,本文的主要工作包括以下几个方面:(1)基于优化的卷积神经网络的方法。首先本文对蛋白质数据进行处理,将CASP11数据集作为验证集,并建立初始的卷积神经网络模型,然后将卷积神经网络的层数、学习率、梯度冲量和正则
学位
多输入多输出(Mutiple-Input Mutiple-output,MIMO)通过其空间复用和分集能力可有效提升无线通信系统的吞吐量和可靠性,是新一代移动通信系统中的关键技术之一。预编码通过在发射端对发送信号进行预处理,可有效抑制数据流间干扰,从而提升系统容量和资源利用率,因而是MIMO系统性能得以实现的重要技术手段。传统预编码技术一般通过统计分析和高级信号处理技术设计固定的算法,对环境的动态
近年来,物联网、人工智能以及区块链等技术的快速发展使得人们生活质量更加优越,人们对物联网设备(智慧手环、智能音箱和手机等)需求量不断增加。然而,大多物联网设备被制造时都存在缺少防火墙软件和密钥口令较弱等安全问题。攻击者可以利用这些存在安全隐患的物联网设备对物联网中的其他物联网设备发动分布式拒绝服务攻击(Distributed Denial of Service,DDoS)消耗被攻击者系统资源或网络
蛋白质是生命活动的主要承担者,充分了解其结构和相互作用对于疾病的治疗及新型耐抗性药物的研发具有重要意义。然而已知蛋白质的数量增速极快,通过直接观测的方式确定其三维结构面临着成本过高,速度过慢的问题,因此如何成功预测蛋白质三级结构成为了热门研究方向。本研究创新性运用生成对抗网络(GAN)和双向长短时记忆循环网络(BiLSTM)技术对蛋白质二级结构进行预测,有效发挥了承上启下的关键任务,为解决直接利用
学位
制造业是我国的支柱产业,随着中国制造2025的提出,数字化、网络化、智能化是我国制造业未来发展的基本方针。但随着制造业的快速发展,其设备参数关系复杂、关系相互制约、不易管理人员分析等问题也随之出现,而设备参数的设定又是决定产品质量的重要因素之一,因此参数优化是整个制造过程优化中重要的一部分。而复杂的数据关系可以利用知识图谱来进行梳理,可以让管理人员更加容易的理清其中的关系,因此如何利用知识图谱对参
学位
随着大数据时代的到来,与其关系紧密的人工智能技术得到了跳跃式的发展,文本信息的数量不仅展现出跳跃式的增长趋势,还逐渐显现出多标签、多粒度,高复杂性的特点。为了对文本信息进行更为效率的分类管理,实现文本内容的有效保留和准确过滤,研究者们近年来开始关注于自然语言处理领域中最具有普适性的多标签分类技术。基于深度学习的多标签分类方法能够自动地为文本序列中具有显著意义的信息赋予标签,进而实现对文本数据的高效
学位