-
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。
-
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：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。
-
Patent Agency Ranking
公开(公告)号：CN111915473B
公开(公告)日：2023-07-28
申请号：CN202010653063.2
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: G06T1/00
Abstract: 本发明提出了一种基于AMBTC压缩技术和汉明距离的可逆信息隐藏方法。首先，利用AMBTC对标准灰度图像进行压缩，每个块就到了高量化值、低量化值和位图。其次，将每个块的位图转换为十进制数，计算十进制数出现的频率，得到十进制数的最大频率。最大频率的十进制数对应的位图称为峰值位图。如果AMBTC压缩块中位图不等于峰值位图，则该块为不可嵌入秘密信息块，相反则为可嵌入秘密信息块。本发明的方法具有较高的图像质量，同时信息隐藏能力可通过阈值进行调整。
-
公开(公告)号：CN116205780A
公开(公告)日：2023-06-02
申请号：CN202310227606.8
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: 本发明公开了一种使用像素洗牌技术在完全加密图像上的可逆水印方法。首先，图像所有者先将明文图像用流加密算法进行完全加密，生成原始加密图像并上传至云端；其次，水印嵌入者从云端下载加密图像并将其划分成连续的2×2大小的块；接着水印嵌入者根据块内像素的特性将每个块分成可用块和不可用块，再使用像素洗牌技术将加密的水印数据嵌入到可用块中生成含水印数据的加密图像并发给接收者。对于接收者，可根据不同的秘钥来提取水印数据或者恢复明文图像。本发明将一种像素洗牌技术和可逆水印相结合，实现了加密域的高效水印嵌入，不仅继承了基于完全加密图像的高安全性的特点，并且在保证恢复图像的视觉品质的同时，在嵌入量上远高出其他类似方法。
-
公开(公告)号：CN111787335B
公开(公告)日：2022-04-22
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：CN111915473A
公开(公告)日：2020-11-10
申请号：CN202010653063.2
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: G06T1/00
Abstract: 本发明提出了一种基于AMBTC压缩技术和汉明距离的可逆信息隐藏方法。首先，利用AMBTC对标准灰度图像进行压缩，每个块就到了高量化值、低量化值和位图。其次，将每个块的位图转换为十进制数，计算十进制数出现的频率，得到十进制数的最大频率。最大频率的十进制数对应的位图称为峰值位图。如果AMBTC压缩块中位图不等于峰值位图，则该块为不可嵌入秘密信息块，相反则为可嵌入秘密信息块。本发明的方法具有较高的图像质量，同时信息隐藏能力可通过阈值进行调整。
-
公开(公告)号：CN116630124A
公开(公告)日：2023-08-22
申请号：CN202310227605.3
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: G06T1/00 , G06T3/40 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于AI模型的高鲁棒性水印嵌入方法。首先图像拥有者先使用一个训练好的AI模型将水印信息嵌入进图像中，并将带有水印信息的图像发送至云端或社交媒体上。之后，接收者可以下载这些带有水印信息的图像，并使用预训练好的提取模型将水印从图像中取出，以此来证明图像的真实性和有效性。本发明将深度学习与水印算法相结合，并对AI模型设计了多种训练策略，实现了高创新性、高安全性以及高鲁棒性的水印嵌入算法。相比于其他现有的水印嵌入算法，本发明不仅继承了在传统方法中计算复杂度低、安全性高的优点，而且在深度学习的帮助下，所生成的含水印信息的图像和自然图像并没有区别，还可以抵御多种隐写分析以及恶意攻击。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.032 seconds)
