-
公开(公告)号：CN113095990A
公开(公告)日：2021-07-09
申请号：CN202110378281.4
申请日：2021-04-08
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
IPC: G06T1/00
Abstract: 本发明提出了一种基于PVO和3D映射修改的图像可逆信息隐藏方法。本发明通过同时考虑像素值顺序和像素位置，最小值可用于预测最大三个像素，得到预测误差三元组然后按照三维状态转换图来进行秘密数据的嵌入或位移。接着，最大值用于预测最小的三个像素得到预测误差三元组然后按照三维状态转换图来进行秘密数据的嵌入或位移。通过巧妙地设计用于预测误差三元组的三维状态转换图，本发明所提出的方案可以通过仅修改三元组的单个条目来嵌入秘密数据或进行扩展而无需嵌入。实验结果表明，本发明显着提高了基于PVO的方案的嵌入能力，并进一步降低了嵌入带来的失真。
-
公开(公告)号：CN113095990B
公开(公告)日：2023-05-26
申请号：CN202110378281.4
申请日：2021-04-08
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
IPC: G06T1/00
Abstract: 本发明提出了一种基于PVO和3D映射修改的图像可逆信息隐藏方法。本发明通过同时考虑像素值顺序和像素位置，最小值可用于预测最大三个像素，得到预测误差三元组然后按照三维状态转换图来进行秘密数据的嵌入或位移。接着，最大值用于预测最小的三个像素得到预测误差三元组然后按照三维状态转换图来进行秘密数据的嵌入或位移。通过巧妙地设计用于预测误差三元组的三维状态转换图，本发明所提出的方案可以通过仅修改三元组的单个条目来嵌入秘密数据或进行扩展而无需嵌入。实验结果表明，本发明显着提高了基于PVO的方案的嵌入能力，并进一步降低了嵌入带来的失真。
-
公开(公告)号：CN116188324A
公开(公告)日：2023-05-30
申请号：CN202310249168.5
申请日：2023-03-15
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于深度神经网络的棋盘格状图像恢复方法。首先，对数据集中的原始图像进行棋盘格状像素划分预处理，形成训练样本。之后，将其在所提出的一种深层神经网络中进行训练，来补齐棋盘格状图像生成恢复图像。训练结束后，只需将棋盘格状图像输入预训练好的模型，即可自动恢复高清图像。本发明剔除的深层神经网络主要采取卷积块串联策略，并结合了残差连接和密集连接两种方式获取高维图像特征，用来丰富补齐图像所需要的纹理信息。采用本发明，不仅可以实现棋盘格状图像的预测恢复，也可将其运用在可逆信息隐藏技术领域以提高嵌入效率。
-
公开(公告)号：CN114998084A
公开(公告)日：2022-09-02
申请号：CN202210605832.0
申请日：2022-05-30
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06T1/00
Abstract: 本发明提出了一种基于全排列变换技术的加密图像数据隐藏方法，可以将重要信息藏匿于加密图像中。本发明在每个大小为p×q的加密图像块中，将加密图像块划分为n个子块进行全排列生成该加密图像块的全排列列表，并通过替换图像块的排列来嵌入多位秘密数据。在接收方恢复加密块时，可以使用经过训练的矢量量化(VQ)码本从加密块的全排列列表中预测原始排列，从而恢复图像并提取信息。对于每个像素块，本发明所提出的方案把全排列技术和VQ码本相结合，可以显着提高秘密信息嵌入能力并有效减轻了接收方的硬件负担。
-
公开(公告)号：CN114998083B
公开(公告)日：2024-10-22
申请号：CN202210605830.1
申请日：2022-05-30
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06T1/00 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种使用AI生成图像的无载体机密分享方法。首先，机密拥有者先使用两个训练好的AI模型，分别用于生成两张伪装图像以及两张在伪装图像中嵌入认证码的机密份额图像。之后机密拥有者将含有认证码的机密份额图像分别发给两位参与者保管；最后，要提取机密信息时，参与者将各自的机密份额图像发给第三方，第三方利用认证模型对两张机密份额图像做一个图像认证，如果认证通过，两个参与者才能一起利用提取器模型提取各自份额中的嵌入序列并恢复机密信息。相比于其他现有的方法，本发明不仅继承了视觉密码计算复杂度低，安全性高的优点，而且在深度学习的帮助下，生成的机密份额图像和自然图像并没有区别，并且可以抵抗多种隐写分析。
-
Patent Agency Ranking
公开(公告)号：CN116318948A
公开(公告)日：2023-06-23
申请号：CN202310227607.2
申请日：2023-03-10
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司
Abstract: 本发明公开了一种基于循环生成对抗网络的加密空间隐写方法。本发明将循环生成对抗网络(CycleGAN)用于加密和解密数字图像和秘密数据，而无需用户对它们做任何的处理。这有利于云服务持续的扩大受众群体，在市场竞争中提供持续竞争力。此外，本发明设计了一种基于差异扩展(DE)技术的噪声图像，该图像的特点是具有良好的数据有效载荷用于DE嵌入，同时保留了恢复能力。实验结果表明，本发明的嵌入率超过0.47bpp，秘密数据的获取精度超过91％。安全性分析表明，本发明能够有效地保护用户数据，防止恶意攻击。与现有技术中的先进方案相比，本发明依然具有明显的优势。
-
公开(公告)号：CN116260978A
公开(公告)日：2023-06-13
申请号：CN202310227610.4
申请日：2023-03-10
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: H04N19/467 , H04N19/182 , H04N19/80
Abstract: 本发明公开了一种基于投票策略预测像素的图像数据隐藏方法。本发明将封面图像按照国际棋盘的样式划分为灰色区和白色区，并使用白色区的像素来预测灰色区的像素，这里使用投票策略来进行预测，然后本发明通过一个映射表直接使用预测的灰色数值来嵌入多位秘密数据。在接收方恢复秘密数据时，可以根据接收到的灰色区域像素值与预测的灰色区域数值之间的差值来对照映射表查询在灰色像素所嵌入的秘密数据，从而提取信息。本发明所提出的方案把投票策略与像素预测相结合，可以显着提高秘密信息嵌入能力，并且在嵌入信息较多的时候使得载密图像具有较好的视觉效果。
-
公开(公告)号：CN116049861A
公开(公告)日：2023-05-02
申请号：CN202310249187.8
申请日：2023-03-15
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于整数小波变换和加密域隐写术的医疗影像保护的方法。为了在保护医疗影像隐私的同时保留一定可读性，本发明提出了一个基于整数小波变换和加密域隐写术的医疗影像保护的方法。本发明的方法不仅能够有效保护加密医疗影像的安全，且提供一个退化版的视觉输入以辅助云管理者对图像进行归档和管理。与传统的图像加密相比，本发明提出的方案便于云管理者对云上图像的管理和归档，且具有较为优越的性能。
-
公开(公告)号：CN111787335A
公开(公告)日：2020-10-16
申请号：CN202010653109.0
申请日：2020-07-08
Applicant: 绍兴聚量数据技术有限公司 , 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: H04N19/91 , H04N19/467 , H04N19/184
Abstract: 本发明提出了一种基于AMBTC压缩技术和霍夫曼编码的可逆信息隐藏方法。首先，利用AMBTC对原始灰度图像进行压缩，每个块就到了两个量化级和一个位图。接下来，将每个块的位图转换为十进制数,用来计算十进制数的出现频数。用户定义的阈值用于将块划分为两种情况，分别为可嵌入块和不可嵌入块。如果十进制数的频数大于或等于阈值，则相对应的位图是可嵌入的，然后使用霍夫曼编码技术进行压缩。如果十进制数的频数小于阈值，则相对应的位图是不可嵌入的。该发明利用霍夫曼码来代替原始位图，腾出每个块位图的剩余空间，用来嵌入秘密信息。与其他方法相比，该方法具有更好的信息隐藏量和可以接受的图像视觉质量。
-
公开(公告)号：CN114998084B
公开(公告)日：2024-10-18
申请号：CN202210605832.0
申请日：2022-05-30
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06T1/00
Abstract: 本发明提出了一种基于全排列变换技术的加密图像数据隐藏方法，可以将重要信息藏匿于加密图像中。本发明在每个大小为p×q的加密图像块中，将加密图像块划分为n个子块进行全排列生成该加密图像块的全排列列表，并通过替换图像块的排列来嵌入多位秘密数据。在接收方恢复加密块时，可以使用经过训练的矢量量化(VQ)码本从加密块的全排列列表中预测原始排列，从而恢复图像并提取信息。对于每个像素块，本发明所提出的方案把全排列技术和VQ码本相结合，可以显着提高秘密信息嵌入能力并有效减轻了接收方的硬件负担。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.023 seconds)
