45、图像隐写变换域技术与植物叶病检测分类研究

图像隐写变换域技术与植物叶病检测分类研究

1. 图像隐写变换域技术

1.1 一种建议方法介绍

有研究提出一种方法，该方法能产生更高的峰值信噪比（PSNR）结果并增强安全性，具有更高的透明度和计算效率。以Bhatu等人的方法为例，具体操作步骤如下：
1. 输入图像 ：将封面图像和隐藏图像作为输入。
2. 选择亮度分量 ：选取封面图像的亮度分量进行后续操作。
3. 二维离散余弦变换（2 - D DCT） ：使用适当的方程进行2 - D DCT，以消除冗余像素数据。
4. 提升小波变换（LWT） ：LWT是提升的离散小波变换（DWT），除了简单的DWT，它还包括分裂、预测和更新阶段，可避免信息丢失。
5. 奇异值分解（SVD） ：对LH频带进行SVD，生成三个矩阵S、V和U。利用之前生成的S矩阵和秘密图像，生成一个新的S分量，并将这些系数应用于封面图像的LH频带。
6. 生成隐写图像 ：通过应用逆SVD、逆LWT和逆DCT生成隐写图像。
7. 提取秘密 ：将隐写图像作为输入，使用DCT、LWT和SVD提取系数，再进行逆SVD操作后，秘密就会被暴露。

该方法的结果显示平均PSNR为62.4，平均均方误差（MSE）为0.042，平均结构相似性指数测量（SSIM）为0.99。与标准DWT方法相比，LWT的实施避免了信息丢失。该技术虽然具有良好的有效载荷能力并