基于水印的图像认证与恢复

基于水印的多媒体传感器网络中的认证与图像恢复

摘要

本文提出了一种基于水印技术的多媒体传感器网络(MSNs)安全图像获取方案,该方案支持图像认证与恢复。在所提出的方案中,传感器节点对图像帧进行分组,两个连续的图像帧构成非重叠的认证与恢复组。水印比特由第一幅图像生成,是下采样图像的版本,并可逆嵌入到第二幅图像中。汇聚节点通过可逆水印进行验证和恢复。与以往的工作相比,我们的方法不仅能够实现认证,还能提高图像质量。实验结果表明,该方案在认证和丢包容忍度方面具有优势,能够提升图像质量。

关键词 :多媒体传感器网络;安全图像恢复;认证;水印技术

1 引言

低成本多媒体技术的进步促使了新型功能被集成到传感器网络中(Reddy 等,2009)。具备多媒体功能的传感器节点能够广泛地从环境中采集并传输视频、音频和图像数据,从而推动了多媒体传感器网络(MSNs)的发展。多媒体传感器网络(MSNs)可以改变或增强现有的传感器应用,例如跟踪和环境监测,同时还能实现新的应用。代表性示例包括
1 服务与用户的定位与识别(Xia 等,2012)
2 工业制造过程控制(Xu 和 Jiang,2013)
3 大规模农业监测无线传感器网络(Jardak 等,2010)。

然而,图像传感器会产生大数据负载,考虑到传感器中的资源限制,这给图像处理和传输带来了困难;此外,多媒体传感器网络在战场或安全设施等关键区域监控中的应用,需要在多媒体传感器网络中建立安全的多媒体传输机制。

多媒体传感器网络容易受到各种网络攻击,例如非法访问或中间人攻击(卡米尔,2011),这些攻击可能修改传输的数据或破坏数据的完整性。此外,它们还受到恶劣的网络信道的影响(洪刚等,2008),这些信道会向信号中引入噪声,从而导致数据损坏。解决这些问题对于实现安全可信的多媒体传感器网络至关重要。

在多媒体传感器网络的所有安全数据问题中,感知图像数据的认证完整性是核心需求之一。然而,由于计算能力、存储空间和能量有限,基于密码学的传统完整性解决方案通常不适用于多媒体传感器网络(卡洛夫等,2004;朱等,2006)。

基于传统哈希和数字签名的多媒体传感器网络认证要求原始数据的完整性。原始数据中任意一位的篡改都可能导致认证失败。众所周知,感知图像数据需要进行网间有损压缩以提高传输效率并降低能量消耗。此外,由于信道不稳定,感知图像数据可能受到损坏(班邦等,2012)。因此,所附加的消息认证码(MAC)无法通过认证(孙等,2008)。因此,有必要研究新的认证机制以满足多媒体传感器网络的安全需求。

研究人员已探讨了水印技术以解决上述安全数据问题。采用水印技术的主要原因是,水印算法比加密算法轻量得多。水印算法不会带来额外负载,并且由于嵌入的水印成为宿主媒体相对不可分割的一部分,因此能够始终提供安全性,而密码学在内容被解密后则不再提供任何安全保障(卡米尔和古马,2010)。一些先前的研究工作(卡米尔,2011;张等,2008;祖尼加和克里斯南玛查里,2007)提出了基于数字水印的无线传感器网络(WSNs)认证方案。然而,这些方案的共同问题是会对原始数据造成某些不可逆修改,这可能会影响多媒体传感器网络中图像的视觉表现。

高质量的服务(QoS)是多媒体传感器网络的另一项需求。然而,由于信道不稳定和资源有限导致拥塞和丢包,基于错误控制和重传的传统可靠图像传输解决方案也不适用于多媒体传感器网络。

为了克服传统基于哈希和数字签名的认证方法的不足,并提高多媒体传感器网络中图像传输的服务质量,本文提出了一种基于帧组和可逆水印技术的新型多媒体传感器网络安全图像恢复方案。所提出的方案可通过嵌入水印图像对感知图像进行验证,并能恢复原始图像的受损部分,从而提升图像质量。该方案满足了多媒体传感器网络在认证与恢复两方面对安全图像获取的需求。

本文的其余部分组织如下。第2节和第3节介绍了水印技术的背景以及相关工作的概述。第4节提出了基于预测误差扩展的可逆图像水印方案。第5节和第6节详细描述了我们提出的算法。第7节给出了仿真得到的实验结果。最后,第8节对本文进行了总结。

2 水印技术的背景

数字水印是嵌入信息的过程,允许个人将隐藏消息或其他验证消息添加到数字音频、视频或图像中(范和曹,2007;苏什玛和马内什,2014)。这些隐藏消息是由比特组构成的,描述与信号或信号作者相关的信息。该信号可以是音频、图片或视频。如果信号被复制,信息也会保留在副本中。水印技术旨在将唯一数据嵌入到载体介质中。不同的水印技术的具体要求可能因应用而异,目前尚无通用的水印技术能够完全满足所有应用场景的所有需求。

水印技术通常包括三个阶段:水印生成、水印嵌入和水印检测。水印生成过程是第一个关键步骤,该步骤在水印生成器中进行,以生成水印信号。所生成的水印信号是一种可以嵌入到载体介质中的信号或模式,例如图像标志、扩频序列、伪随机序列和二进制矩阵。水印嵌入是第二个步骤,由嵌入器完成。嵌入器可以使用离散余弦变换、离散傅里叶变换或离散小波变换来创建加水印的载体介质,其在感知上与原始载体介质相同。然后,发送方可以通过不安全通信信道(如无线和无线电频道)传输该介质。水印检测是最后一个步骤,由检测器完成。检测器从加水印的载体介质中提取水印信号,并将其与来自原始载体介质的原始水印信号进行比较。

3 相关工作

多媒体传感器网络的传统基于密码学的认证技术将消息认证码(MAC)添加到数据包的末尾(Saru 等,2015;Shaila 等,2013),这通常占用额外功耗和带宽(Sathyadevan 等,2015),并且无法抵抗图像损坏或数据丢失。

TinySec(Karlof 等,2004)是首个为无线传感器网络完全实现的链路层安全协议,可提供数据机密性和完整性认证。TinySec 计算一个四字节的消息认证码(MAC),并将其附加到数据包中。TinySec 经过精心设计,以在资源受限和安全性之间取得平衡,但仍会引入额外的通信开销。LEAP(Zhu 等,2006)旨在支持网络内处理,并限制被攻破节点邻近节点的安全影响。

然而,LEAP 的实现具有较高的处理和通信开销。上述为无线传感器网络引入的安全方案基于加密算法,这些算法采用昂贵的操作,不适合无线传感器网络。

由于水印技术具有抗数据丢失鲁棒性、无额外负载嵌入以及较低的计算能耗等优点,因此被用于MSNs中的认证。Kamel和Guma(2010)减少了哈希函数的使用,提出了LWS(轻量级链式水印)方案,该方案采用脆弱链式水印方案来验证并定位对数据的任何篡改。

Kamel(2011)提出了一种名为FWS‐D的轻量级前向链式水印方案,该方案将数据组织成固定大小的组。哈希函数仅用于通过一组数据生成水印,并将水印嵌入到前一组中以形成前向链式结构。Zhang等人(2008)提出了一种端到端的水印统计方法用于数据认证,该方法为网络间处理提供了固有的支持。在该方案中,认证信息以水印形式在传感器节点处以加性模式调制并嵌入到感知数据中,能够在一定程度上抵抗数据丢失。

Nassar等人(2015)提出了一种基于内容的图像验证方案,该方案使用离散余弦变换(DCT)将标记嵌入图像块中,并在无线加性高斯白噪声(AWGN)信道上进行传输而不使用纠错码。Arpan等人(2016)提出了一种基于水印的低开销解决方案(LoWaNa),用于节点认证。其他基于水印的WSNs安全方案也已被提出(Wang,2010,2013;Djallel 等,2015)。在这些方案中,图像、音频或心电信号被用作载体媒体,图像标志、音频、二进制流被用作水印。采用加性模式或乘性模式将水印嵌入空域或变换域中,并使用归一化互相关(NC)或峰值信噪比(PSNR)来提取和检测嵌入的水印。然而,所有这些基于水印的认证方案都存在一个共同问题,即使用了不可逆水印,即使水印已被检测和提取,也无法完全恢复原始数据。

MSNs传输过程中的丢包会导致图像中出现大量损坏的块,从而导致图像质量降低。一些适用于MSNs的适当传输错误控制和多路径路由方案已被提出,以提高图像或视频传输的服务质量(QoS)。吴和阿布泽德 (2006)同时使用多路径路由和里德‐所罗门纠错来提高图像质量。源节点通过多路径传输多个相同副本的图像,簇头节点比较接收到的图像,并通过多路径将纠错后的副本传输到下一个节点。陈等人(2007)提出了一种结合前向纠错码与基于方向图路由的多路径路由的方案,相比单路径路由提供了更可靠的传输。据报道,该方法在延迟和图像质量方面取得了良好效果。皮纳尔等人(2011)提出了一种基于水印的误差隐藏方案,该方案使用下采样图像作为水印并将其嵌入图像自身的离散小波变换(DWT)系数中。所提出的方案据报道在功耗、延迟和图像质量之间实现了良好的平衡。上述方案中使用的多路径路由可以提高传输可靠性。然而,它也增加了网络传输负载,并且无法容忍丢包。

4 基于预测误差扩展的可逆图像水印

可逆数据嵌入可在提取嵌入数据后完全恢复载体图像。

曾和谢(2009)提出了一种基于预测误差扩展的可逆水印算法用于图像,这促使我们将该思想应用于多媒体传感器网络中的数据认证。

考虑灰度图像I中一个像素值为p的像素。令ˆp为预测值,该预测值由预测器利用相邻像素之间的相关性预测得到。

预测误差ˆd p p 被计算出来。然后,将水印位 w 插入到dc的最低有效位中,其中 2 c u 。d d w

水印技术的像素值是 ˆ 。p pdc c

在解码器中,提取任务通过计算预测误差完成,扩展的预测误差计算为 ˆ。d p pc c

嵌入的比特 w 从值 dc 的最低有效位中提取,并在计算 / 2 c c « » ¬ ¼ 后恢复原始像素值。p p d w

图像的像素按光栅扫描顺序进行处理,且原始图像和水印比特可以无损地还原。由于包含图像内容的水印比特可用于恢复受损的原始图像,我们将其主要思想应用于多媒体传感器网络中的数据认证和图像恢复。

5 所提出的方案

5.1 系统模型

我们考虑简化的多媒体传感器网络(见图1),其由两种类型的节点组成:视觉传感器节点和汇聚节点。视觉传感器节点定期将采集的图像报告给汇聚节点。每次采样得到的图像作为图像流中的一个元素。水印比特由原始图像生成,并嵌入到传感器节点中。汇聚节点对接收的图像进行验证和恢复。换句话说,传感器节点是编码器,用于数据的缓冲和处理;汇聚节点则是解码器和验证器。

示意图0

传感器节点将两个相邻图像设为一组,该组由不重叠的认证与恢复组构成。水印比特从第一幅图像计算得出,并在存储前嵌入到第二幅图像中。在另一端,汇聚节点查询图像组,通过计算和提取验证水印比特,然后恢复原始数据。

5.2 分组

如图2所示,sa、sb、sc是三幅连续图像。两个相邻图像组成一个认证组,例如{sa, sb, sc}或{sb, sc}。水印由第一幅图像生成并嵌入到第二幅图像中,因此这两幅图像分别称为生成图像和载体图像。

示意图1

5.3 水印生成与嵌入

水印生成和嵌入是基于分组的。关于依赖于图像恢复的方面

嵌入的水印应包含尽可能多的图像信息。设M × N 图像 Sa为生成图像(图2),我们对尺寸为M/2 × N/2 的下采样版本u进行量化,以获得二值图像b,该二值图像b是包含生成图像像素信息的水印图像候选。水印生成算法的伪代码如算法1所示。

算法1 水印生成

1 1/2 × 1/2 生成图像 S 的下采样图像 u
2 [n,m]=尺寸(u);
3 对于 i = 1:n
4   对于 j = 1:m
5     if u(i, j)>= h//h 为量化阈值
6       b(i, j) = 1 
7     else 
8       b(i, j) = 0 
9     end if
10  end 
11 end

载体图像 Sb (图2)和二值水印图像 b 分别被划分为包含64个系数的8 × 8子块和包含16个系数的 4 × 4子块。

在每个载体图像的子块中,嵌入一个二值水印图像的子块。设 fj为载体图像的第j th 个子块,cj为二值水印图像的第j th 个子块。因此,应将 cj 的16位数据作为16位水印嵌入到 fj 中随机选择的16个系数中。

我们采用预测误差扩展技术进行水印嵌入,该方法与第3节中描述的图像水印算法类似。

水印生成和嵌入均仅需要当前图像和先前结果,而不需要整个组,因此传感器节点只需缓冲当前图像,记为 BufferImage(Sb)。当前图像处理完成后,传感器节点清除图像缓冲区,记为 BufferImageClear(Sb)。

水印嵌入算法的伪代码如算法2所示。

算法2 Embedding

1 [c1, c2,..., cj,...cn]=分块水印图像(b);
   将二值水印图像分割为 4 × 4 个子块块 
2 缓冲图像(Sb);
3 [f 1, f 2,..., fj,...f n]=分块载体图像(Sb);
   将载体图像划分为 8 × 8子块
4 对于每个子块 cj of b
5   对于 m = 1:4
6     对于 n = 1:4
7       w= cj(m, n); 
8       p = RandomSelect(fj, K);
        //根据密钥K从fj中选择嵌入像素
9       ˆ(); p预测 p
10      ˆ;d p p
11      2 c u ;d d w
12      ˆ ;p p d
          c c 
13    end 
14  end
15  结束 
16  清除缓冲图像(Sb);

5.4 解码

可以合理地假设汇聚节点的资源和能量不受严格限制。当汇聚节点从传感器节点查询带水印的图像数据时,由汇聚节点响应连续图像。当水印图像到达时,汇聚节点以相同的方式对图像进行分组,并在处理前至少缓存一组图像,记为BufferGroup(S)。汇聚节点从该组的两幅图像中分别提取水印图像bc和abc ,同时分别恢复原始的两幅图像asc和bsc 。该提取过程与第2节中描述的图像水印算法类似。然后,汇聚节点根据恢复的生成图像asc计算水印图像abcc,并将计算得到的abcc与提取出的abc进行验证。

如果水印验证成功,则生成图像将被标记为已认证。如果水印验证失败,则生成图像将被标记为未认证。认证完成后,生成图像将被清空,而载体图像应保留在缓冲区中。当下一幅图像到达时,将由缓冲区中的载体图像和新到达的图像组成一个新的认证组。

解码算法的伪代码在算法3和算法4中给出。

算法 3 解码

1 [,] a bS Sc c= BufferGroup(S);
2 [,] a s bc c=提取( );aSc//参见算法4
3 [,] b a s bc c=提取( );S bc//参见算法4
4 bacc=水印生成( ); sac //参见算法1
5 ((,)(,))/((,)(,)) a a a a i j i j R b i j b i j b i j b i j c cc c c u u ¦¦ ¦¦
//水印相关性

算法 4 提取

1 [f 1, f 2,..., fj,...f n]=分块载体图像(S);
   将图像 S分割为 8 × 8子块
2 对于每个子块 fj
3   对于 m = 1:16 
4     p = RandomSelect(fj, K); //选择嵌入位置 根据密钥K从fj中的像素
5     ˆ(); p predictp
6     ˆd p p c c 
7     ();w最低有 效位 d c
8     / 2 s p d w c c   « » ¬ ¼ 
9   end 
10 end 
11 return(s, w);

5.5 图像恢复

水印验证成功后,我们可以利用提取的水印图像 abc 来恢复可能由块丢失引起的图像丢失部分 asc 。

我们使用带有3 × 3模板的逆向量化误差扩散方法来估计恢复图像的像素。图像恢复的过程如下:
1 使用高斯低通滤波器对abc2进行滤波,对于像素 C(x0 , y 0), abc C(xk, y k)为邻域像素,在3 × 3模板3中计算像素距离dk= |xk – x0 | + |y k – y 0 |;
4 计算相关性 Uk= 1 – dk/r,其中r为最大距离;
5 计算估计像素8 0 0ˆ(,)(,), k D ¦ k k C x y C x y,其中8/ k D U U ¦ k k 1 1 k k;
6 重复步骤2 至5,对提取的水印图像’a b中的每个像素进行估计,得到恢复的图像ˆC;
7 2 × 2将ˆC进行上采样至与.asc相同的尺寸。

然后,我们通过将图像丢失部分 asc 替换为图像 ˆC 的对应部分来提高图像质量。

6 算法分析

在本节中,我们分析所提出算法的两个性能指标:时间复杂度和通信开销。

6.1 时间复杂度

所提出的基于水印的认证和图像恢复算法在传感器节点中包含两个步骤:水印生成和水印嵌入。

首先,在水印生成过程中采用了下采样和量化的方法,这些方法仅需对图像的每个像素扫描一次,水印生成算法语句的执行频率为M × N,其中M和N分别为图像的宽度和高度,因此时间复杂度为O(n),其中n为像素的数量。

其次,基于预测误差扩展的水印嵌入算法包含两个步骤:第一步是图像分块,需要对图像的每个像素扫描一次,因此时间复杂度为O(n);第二步是嵌入过程,其中误差预测的时间复杂度为O(n),因此时间复杂度为 O(n)。

总之,所提出的方案的时间复杂度为O(n),适用于资源受限的MSN。

6.2 通信开销

为了与基于FEC的丢包容忍算法进行比较,引入了一阶无线电模型对所提出的方案的通信开销进行定性分析。

发射器发送一位数据的能量消耗为ETX= He+ Had 2 , ,接收器接收一位数据的能量消耗为ETX= He,其中He表示接收一位数据的能量消耗,He= 50 nJ,Ha表示每米发送一位数据的能量消耗,Ha= 100 pJ/bit/m2 , d为传输距离。

该方案仅在图像传输过程中产生通信开销,而水印生成不产生通信开销,因为水印不会增加额外的通信开销。

假设节点 s 1 , s2 ,…, s[ 被驱动进行图像采集,节点 si通过多跳路径 1 2 , , i …, , i i kis s s将水印图像传输至汇聚节点,其中 ki为路径 1 2 , , i …,i i kis s s的跳数,d为节点间距离,则传输 [幅图像的总通信开销为 2 ( 2 [ H H ¦ )。com e a E ki di

7 仿真

本节介绍了实验设置,并给出了所使用的性能指标和参数值。

在仿真中,假设丢包概率相互独立且分布相同,从而导致相邻数据包之间的错误相互独立。仿真系统基于 MATLAB和OMNet开发。整个仿真过程如下:在 MATLAB中对500幅连续图像进行分组、水印生成、水印嵌入、水印认证和图像恢复测试。在OMNet中模拟水印图像传输过程中的丢包情况。多媒体传感器网络的参数值如下:三个节点被触发拍摄尺寸为480 × 640的图像,节点按标准网格部署,节点之间的距离为12米,数据包长度为29字节。测试拓扑如图3所示。

示意图2

图4显示了测试帧的三幅连续的原始图像。图5显示了在丢包率为5%的情况下,汇聚节点接收到的三幅连续的水印图像。图4(a)的水印图像被嵌入到图4(b)中,图4(b)的水印图像被嵌入到图4(c)中。图6展示了恢复图像。图6中三幅恢复图像的峰值信噪比分别为40.87、42.54和45.35。结果表明,所提出的水印系统能够在传输过程中抵抗一定程度的丢包,并能高质量地有效恢复图像丢失部分。基于预测误差扩展的水印技术也实现了良好的不可见性性能。

将恢复图像图6与图4中的原始图像进行比较,视觉差异不明显。结果表明,所提出的可逆水印方案能够在保持良好不可见性性能的同时无损地恢复原始图像。

归一化相关系数(NC)(许和吴,1998)用于衡量原始水印与提取的水印之间的相似性,其定义如下:

@ 1 1 2 1 1 (,)(,) (,) w w i j w w i j w i j w i j NC w i j c ¦ ¦ ¦ ¦

其中,( , )wij c 表示提取的水印,w(i, j)表示参考水印。表1显示了所提出的方案在不同丢包率下的表现。

在图7中,我们比较了所提出的方案与传统的基于前向纠错的算法在每个像素上的平均通信开销。结果表明,所提出的方案比基于前向纠错的算法具有更低的通信开销。原因是所提出的方案将水印嵌入到另一幅连续图像中,无需增加额外的传输开销。

在图8中,我们比较了所提出的方案与传统的基于前向纠错的算法在不同丢包率下汇聚节点恢复图像的峰值信噪比。结果表明,所提出的方案比基于前向纠错的算法具有更好的丢包容忍能力。原因是基于前向纠错的算法只能纠正无损数据的错误数据包,而所提出的方案将水印嵌入到另一幅连续图像中,并且嵌入的水印可用于恢复图像丢失部分。

示意图3

示意图4

示意图5

表1 所提出的方案中针对不同的丢包率

图像 15% 10%
图5(a) 峰值信噪比 = 32.36 归一化互相关(NC) = 0.6211 峰值信噪比 = 36.03 归一化互相关(NC) = 0.6769
图5(b) 峰值信噪比 = 36.23 归一化互相关(NC) = 0.5673 峰值信噪比 = 37.36 归一化互相关(NC) = 0.5931
图5(c) 峰值信噪比 = 34.98 归一化互相关( NC) = 0.6912 峰值信噪比 = 35.16 归一化互相关( NC) = 0.7211
图像 5% 3%
图5(a) 峰值信噪比 = 40.87 归一化互相关(NC) = 0.7330 峰值信噪比 = 40.96 归一化互相关(NC) = 0.7965
图5(b) 峰值信噪比 = 42.54 归一化互相关(NC) = 0.6475 峰值信噪比 = 43.95 归一化互相关(NC) = 0.6822
图5(c) 峰值信噪比 = 45.35 归一化互相关 (NC) = 0.8033 峰值信噪比 = 47.39 归一化互相关 (NC) = 0.8525

8 结论

本文提出了一种新颖的基于可逆水印的认证和多媒体传感器网络中的图像恢复方案。与以往的方案不同,该方案通过预测误差扩展来验证完整性和恢复原始数据。此外,水印不会增加额外的通信开销,并且可以用于恢复图像丢失部分,从而有效提高图像质量并具备良好的丢包容忍度。

相关推荐

33、一种用于彩色文档图像认证与篡改恢复的新型双水印方法

本文提出了一种用于彩色文档图像认证与篡改恢复的新型双水印方法。该方法结合RGB颜色空间和2×2像素块,利用两个独立水印实现高安全性的图像完整性验证与数据恢复。水印信息通过随机排列和异或加密嵌入像素的中低有效位,并依赖一个外部秘密密钥文件进行恢复,确保仅持有水印图像和对应密钥才能完成认证与修复。实验表明,该方法在10%和40%篡改情况下仍能有效检测并恢复图像内容,支持BMP、PNG、TIFF、JPEG 2000等多种格式,适用于金融、法律和政务等高保密场景。尽管不支持标准JPEG压缩,但其高安全性、良好恢复效

water的专栏 38

避坑指南:Python图片标注中BoundingBox坐标转换的常见错误

本文详细解析了Python图片标注中BoundingBox坐标转换的五大常见错误,包括坐标系差异、归一化转换陷阱、格式转换问题等。通过实际代码示例和解决方案,帮助开发者避免在计算机视觉项目中因坐标处理不当导致的标注错误,提升模型训练效果。特别针对Python开发者在图片绘制过程中的常见痛点提供了实用指南。

a1b2c的博客 202

基于MATLAB的数字水印内容认证与恢复技术

接下来,我们对载体图像的每个小波系数块进行处理,提取特征并计算局部嵌入强度。然后,我们将水印信息嵌入到选定的小波系数块中,并调整嵌入强度以保持图像的视觉质量。分层自嵌入数字水印算法是一种常用的数字水印技术,它将水印信息嵌入到数字媒体的不同频率分量中,从而提高水印的鲁棒性和可见性。步骤5: 将水印信息嵌入到选定的小波系数块中,调整嵌入强度以保持图像的视觉质量。步骤6: 对嵌入水印后的载体图像进行逆小波变换,得到水印认证和恢复后的图像。函数对嵌入水印后的小波系数进行逆变换,得到水印认证和恢复后的图像。

COWizard的博客 106

【图像隐写】基于matlab分层自嵌入数字水印内容认证与恢复【含Matlab源码 1641期】

分层自嵌入数字水印内容认证与恢复 完整代码,直接运行,适合小白!可提供运行操作视频!

订阅付费专栏Matlab(奶茶价版),可赠送奶茶价版付费专栏指定代码1份; 2086

11、高效的基于块的脆弱水印系统用于篡改定位和恢复

本文提出了一种高效的基于块的脆弱水印系统,用于数字图像的篡改定位和内容恢复。该系统通过2×2像素的块进行图像认证和恢复,结合CRC校验和查找表技术,能够有效抵抗矢量量化(VQ)攻击并检测高阶位的变化。系统包含水印嵌入、篡改检测与定位以及篡改块恢复三个核心模块,支持灰度和彩色图像的处理。实验结果表明,该方法在恢复率和篡改检测精度方面优于现有技术,适用于多媒体内容安全认证领域。

c2d3e4f的博客 70

32、医疗数据分析与彩色图像水印技术解析

本文深入探讨了医疗数据分析面临的挑战与未来发展方向,涵盖成本、数据质量、隐私保护等关键问题,并介绍了常用的大数据平台及性能评估方法。同时,文章提出一种基于2×2块和秘密文件的彩色图像双水印认证与篡改恢复技术,具备高安全性与低模糊度优势,适用于金融、医疗和版权保护等领域。通过实际应用分析与综合决策流程,为相关技术的落地提供系统性参考。

water的专栏 40

JPEG图像数字水印技术文献整理

JPEG水印

q15516221118的博客 873

17、基于多特征的JPEG图像可逆认证水印及分组密码隐写方案

本文介绍了一种基于多特征的JPEG图像可逆认证水印方案和一种分组密码隐写方案。可逆认证水印方案结合空域和DCT域的特征提取,以可逆方式嵌入水印,实现对图像篡改的检测与定位。分组密码隐写方案利用分组密码特性最小化掩护对象的修改,有效避开常见隐写分析方法。两种方案在图像认证和信息安全领域具有较高的应用价值和研究意义。

l1k9j8h7g6的博客 97

基于SVD与Arnold变换的医学图像脆弱水印认证与自恢复方案

数字水印技术是信息安全领域保障数字内容真实性与完整性的关键技术,通过在多媒体数据中嵌入不可见信息来实现版权保护与内容认证。脆弱水印作为其重要分支,对数据的任何篡改都极为敏感,一旦检测到改动,水印即遭破坏,从而精准定位篡改区域。其核心原理在于利用图像像素或变换域系数的冗余性,嵌入与内容强相关的认证信息。这项技术的核心价值在于为医疗影像、司法证据、数字档案等对数据真实性要求极高的领域,提供了主动的、内容级的防护手段,而不仅仅是传输加密。在医学图像应用场景中,确保CT、MRI等诊断影像在存储和传输过程中不被恶意篡

weixin_33935636的博客 379

14、双通道3D卷积神经网络与图像水印技术在考试监控与图像完整性验证中的应用

本文提出了一种双通道3D卷积神经网络(D3DCNN)用于考试监控视频的场景分类,并结合图像水印技术实现监考图像的完整性验证。D3DCNN通过融合原始图像和光流图双通道特征,在EMV-1数据集上达到92.27%的分类准确率,优于传统方法和单通道模型。同时,设计了一种新型盲脆弱水印机制,能够在检测篡改位置的基础上实现高质量的图像恢复。实验结果表明,该方法在考试监控与图像真实性保护方面具有良好的应用前景。未来工作将聚焦于端到端模型优化和更高鲁棒性的水印算法研究。

rock5的博客 67

基于MDS码的自嵌入水印

本文提出一种基于MDS码的自嵌入水印方案,通过系统性(3K,2K)-MDS码实现参考信息共享,解决篡改重合与参考浪费问题。该方案在篡改率不超过1/3时可完美恢复图像内容,具有确定性恢复优势,且最大篡改率优于现有方法。

pandas7gardener的博客 863

基于深度学习的图像安全与隐私保护研究方向调研(下)

(上):真实性鉴别与深度伪造检测(中):隐私保护、去标识化与可逆安全(下):篡改定位、主动取证与图像免疫整体趋势可概括为:从事后鉴别走向事前设计从单一检测走向系统化防护从“发现问题”走向“预防与恢复并重”在 AIGC 快速发展的背景下,如何在保证图像可用性的同时,构建可信、可验证、可恢复的安全机制,将成为图像安全与隐私保护领域持续关注的核心问题。

q15516221118的博客 1511

Android 默认授予所有应用权限以及特殊权限处理

PackageManagerService作为android的主要系统服务之一,包含处理应用权限相关的职责。源码地址如下:在PMS成功启动时并收到回掉systemReady回进行应用权限授予。DefaultPermissionGrantPolicy为权限处理策略管理类。这里并没有赋予所有系统应用权限,所以当进行应用时还是会显示权限检查的弹框。可通过此方法进行所有应用权限赋予:如果不想所有应用都授予权限,可考虑在system/etc下的权限相关xml文件添加应用包名和所需权限。

Jimmy的专栏 1513

空间域数字水印:基于线性插值的高精度篡改定位与图像恢复方案

数字水印技术通过在多媒体数据中嵌入不可见的认证信息,为数字内容的版权保护和完整性验证提供了关键技术支撑。其核心原理是将水印信号以符合人类视觉系统特性的方式嵌入载体,在保证感知透明性的前提下,实现对内容篡改的鲁棒检测。从技术价值看,传统频域水印虽鲁棒性强,但计算复杂且几何攻击同步困难。相比之下,空间域水印直接在像素层面操作,通过自适应嵌入策略和线性插值优化,在计算效率和篡改定位精度上展现出显著优势。在应用场景上,该技术尤其适用于需要实时处理、资源受限的移动端应用、监控系统以及高精度内容认证领域。本文探讨的空间

weixin_33671935的博客 567

BUCK 电路详解

参考内容: 手撕Buck!Buck公式推导过程 电力电子的基础应用 《精通开关电源设计(第二版)》 Buck电源芯片输出有问题?检查这几样 原来PWM这么简单! BUCK 电路构建 根据高中所学习的物理知识可以很容易的想到,使用一个滑动变阻器即可实现降压和稳压的效果。当负载波动时,通过改变滑动变阻器的阻值,可以调节负载所获得的电压。但是使用滑动变阻器的劣势也很明显,大量的耗能会导致器件温度快速升高。 上面所提到的电路主要缺点在于导通器件(变阻器或三极管)本身存在耗能,那么有没有不会耗能的导通器件呢?

Guanngxu的博客 3998

OpenVox 8FXO板卡驱动安装记录

OpenVox A800P和A1200P的板卡驱动安装及问题解决方法

clliu的专栏 2464

广西科技师范学院计算机专科,广西科技师范学院计算机应用技术专业毕业论文.doc...

目 录目 录I摘 要IIIAbstractIII第1章 绪 论11.1 选题背景及意义11.1.1 信息安全技术11.1.2 信息隐藏技术11.1.3 数字水印技术11.2 图像认证技术研究概况21.2.1 空间域方法21.3 本文所做的的工作2第2章 数字水印的图像认证技术22.1 认证水印的一般模型32.2 认证水印的算法分类42.3 认证水印的设计要求及评价指标42.3.1 认证水印的...

weixin_28730037的博客 220

Ubuntu 20.04 LTS下5分钟搞定ONLYOFFICE协作空间社区版(Docker版保姆级教程)

本文提供了一份在Ubuntu 20.04 LTS系统上,通过Docker快速部署ONLYOFFICE协作空间社区版的保姆级教程。内容涵盖从系统准备、Docker环境搭建,到执行自动化安装脚本、完成Web初始化的全流程,并详细说明了部署后的安全配置、数据备份及基本运维要点,帮助用户高效构建私有、安全、可控的团队文档协作平台。

weixin_28826961的博客 262

基于纠错编码的数字水印matlab,基于可逆数字水印的图像认证新方法

随着互联网的普及与信息媒体技术的发展,以二进制数为编码形式的逻辑媒体的复制和传播十分便捷,但存在的突出问题是如何确保在此过程中的安全性,所以寻找一种理想的安全防护方法十分关键.随着研究的深入,倍受学者亲睐的数字水印技术发展日趋成熟和完善[1].目前,在应用数字水印技术进行图像认证方面,国内外提出了各种各样的手段和方法[2].其中,文献[3]提出了一种图像自嵌入与自恢复的水印算法,不仅能检测和定位恶...

weixin_35702787的博客 352

Python模拟发送SOME/IP消息(Scapy模块)

SOMEIP提供服务、订阅、响应、通知等Python代码示例

liluo0815481的博客 3071

计算机组成原理(第三版)唐朔飞-第十章控制单元的设计-课后习题

计算机组成原理(第三版)唐朔飞-第十章控制单元的设计-课后习题

weixin_45735391的博客 3万+

数字水印:基于旋转角度的隐蔽信息编码

本文介绍了如何在星图GPU平台上自动化部署图片旋转判断镜像,实现基于旋转角度的数字水印技术。该技术通过微调图像块的旋转角度来编码隐蔽信息,可应用于图片版权保护和内容认证等场景,对JPEG压缩和裁剪操作具有出色的抵抗能力。

weixin_36123300的博客 244

Vue3 - 实现内网使用天地图离线地图,详解项目加载天地图的离线地图服务器部署与使用教程示例源码,vue3如何实现天地图的离线加载部署在内网访问(天地图资源下载/瓦片等流程教学,实现天地图各种功能)

Vue3中加载天地图的离线地图,天地图——内网使用离线地图,vue3+leaflet实现天地图离线访问,vue3项目中利用leaflet使用天地图,vue3项目中使用天地图离线地图,天地图离线瓦片的打包与发布(GeoServer)天地图离线瓦片数据下载及本地化部署,在内网中无法直接使用外网天地图资源怎么办,在vue3中openLayers加载地图 -使用天地图的瓦片数据。VUE3天地图离线怎么使用,内网部署天地图,天地图离线瓦片,部分瓦片数据,天地图如何离线,无需网络调用天地图API,vue天地图离线地图,

🏆 前端领域优质创作者 1万+
上一篇: 48、以太坊代币标准与开发模式全解析
下一篇: 26、Zabbix API高级应用:用户管理、数据导出与可视化
java5
博客等级 码龄22年 85粉丝 2103原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值