-
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。
-
公开(公告)号：CN115021933A
公开(公告)日：2022-09-06
申请号：CN202210605831.6
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
Abstract: 本发明提出了一种基于循环学习的人脸匿名方法。本发明提出了一个基于循环学习的面部生物特征可逆匿名化方案来保护公共网络空间中传输的面部特征，它由去识别系统(De‑ID系统)和重新识别系统(Re‑ID系统)组成。De‑ID系统对敏感的面部特征进行去识别，使其以与现实世界完全不同的形式存在于公共网络空间中，从而有效地防止因真实的脸部特征的暴露而产生的威胁。基于循环学习的可逆性，Re‑ID系统几乎无损地恢复了去识别的面部特征，确保了人脸图像的认证效用。此外，该模型还提供了全局和局部匿名化策略，以应对不同用户的需求。实验结果显示，与其他现有技术比较，本发明提出的方案不仅能够在公开网络中有效匿名脸部特征，而且不影响脸部图像的实际使用。
-
Patent Agency Ranking
公开(公告)号：CN111741307A
公开(公告)日：2020-10-02
申请号：CN202010517753.5
申请日：2020-06-09
Applicant: 绍兴图信科技有限公司 , 杭州电子科技大学
IPC: H04N19/176 , H04N19/182 , H04N19/167 , H04N19/124
Abstract: 本发明公开了一种基于矢量量化压缩和线性回归预测的图像压缩方法。首先，将原始图像Cover切割成Block块；其次，用LBG算法对典型图像进行分群训练，得出与Block大小一致的Codeword的对应的Codebook；然后，针对特定的Codeword，以其余Codeword作为自变量进行线性回归训练，得到特定Codeword的预测等式；最后，在图像压缩过程中根据线性回归预测的结果计算OrigBlock和PredBlock的欧几里得距离，再根据门槛值判断采取动态的压缩策略进行Block压缩。本方法基于矢量量化压缩对压缩结果进行再压缩，在保证视觉阈值的前提下，大幅度的提升图像压缩率，能将Cover平均压缩到32倍，至多能压缩至50倍。
-
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。
-
公开(公告)号：CN115021933B
公开(公告)日：2023-10-27
申请号：CN202210605831.6
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
Abstract: 本发明提出了一种基于循环学习的人脸匿名方法。本发明提出了一个基于循环学习的面部生物特征可逆匿名化方案来保护公共网络空间中传输的面部特征，它由去识别系统(De‑ID系统)和重新识别系统(Re‑ID系统)组成。De‑ID系统对敏感的面部特征进行去识别，使其以与现实世界完全不同的形式存在于公共网络空间中，从而有效地防止因真实的脸部特征的暴露而产生的威胁。基于循环学习的可逆性，Re‑ID系统几乎无损地恢复了去识别的面部特征，确保了人脸图像的认证效用。此外，该模型还提供了全局和局部匿名化策略，以应对不同用户的需求。实验结果显示，与其他现有技术比较，本发明提出的方案不仅能够在公开网络中有效匿名脸部特征，而且不影响脸部图像的实际使用。
-
公开(公告)号：CN111741307B
公开(公告)日：2023-06-06
申请号：CN202010517753.5
申请日：2020-06-09
Applicant: 绍兴图信科技有限公司 , 杭州电子科技大学
IPC: H04N19/176 , H04N19/182 , H04N19/167 , H04N19/124
Abstract: 本发明公开了一种基于矢量量化压缩和线性回归预测的图像压缩方法。首先，将原始图像Cover切割成Block块；其次，用LBG算法对典型图像进行分群训练，得出与Block大小一致的Codeword的对应的Codebook；然后，针对特定的Codeword，以其余Codeword作为自变量进行线性回归训练，得到特定Codeword的预测等式；最后，在图像压缩过程中根据线性回归预测的结果计算OrigBlock和PredBlock的欧几里得距离，再根据门槛值判断采取动态的压缩策略进行Block压缩。本方法基于矢量量化压缩对压缩结果进行再压缩，在保证视觉阈值的前提下，大幅度的提升图像压缩率，能将Cover平均压缩到32倍，至多能压缩至50倍。
-
公开(公告)号：CN115170377A
公开(公告)日：2022-10-11
申请号：CN202210614777.1
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
Abstract: 本发明提出了一种基于超分辨率和加密域信息隐藏的渐进式图像分享方法。首先，对待秘密分享图像的最敏感区域做切割，并记录位置信息。其次，对伪装后的图高清像做2倍下采样，生成低分辨率的图像，并利用有限域GF(28)的秘密分享方式，对伪装图进行秘密分享并扩张成原始图像尺寸的加密图像。之后，将伪装图通过RCAN网络放大的高清图和原始高清伪装图的像素做差值计算，并将误差压缩后利用有限域GF(28)的秘密分享方式将压缩后的误差序列藏入到各加密分享图片中。最后，将切割下来的最敏感区域通过密钥加密并藏入各加密图像中。在图像接收端，可以根据不同情况实现原始图像的逐步恢复。本发明不仅具有很强的实用价值，而且在嵌入容量方面远远优于其他现有方法。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.023 seconds)
