weixin_44507410的博客

内容概要：本文介绍了一种名为DenseJIN的新颖图像隐写模型，该模型结合了可逆和不可逆机制，旨在提高密集深度图像隐写的性能。DenseJIN通过密集连接可逆块确保隐写图像的高度隐蔽性和安全性，同时引入改进的Unet架构进行深细粒度特征提取，从而实现高质量的秘密图像恢复。实验结果显示，DenseJIN在多个数据集上显著优于现有方法，平均提高了超过1.75 dB的PSNR值。此外，该模型在视觉效果和定量评估指标上均表现出色，特别是在处理复杂纹理时具有更强的鲁棒性。 适合人群：对信息安全、图像处理、隐写术感兴趣的科研人员和工程师，尤其是那些希望深入了解和应用可逆神经网络（INNs）和深度学习技术进行图像隐写的研究者。 使用场景及目标：①适用于需要高度隐蔽性和安全性的图像隐写任务；②能够有效抵抗隐写分析攻击；③适用于处理复杂纹理图像的隐写需求；④用于评估和比较不同隐写方法的安全性和有效性。 其他说明：DenseJIN不仅在单图像隐写方面表现出色，在多图像隐写任务中也展示了强大的能力。作者还进行了消融研究，验证了密集连接和不可逆模块的有效性。此外，模型的计算复杂度分析表明，尽管参数量较大，但训练和测试时间并未显著增加，显示出良好的时间复杂度性能。未来研究方向包括在噪声和JPEG干扰下进一步探索图像隐写技术。

内容概要：本文提出了一种基于双图像技术的高容量像素值排序可逆数据隐藏方法，旨在提高PVO（像素值排序）方法的嵌入容量（EC）和峰值信噪比（PSNR）。现有PVO方法由于仅对预测误差为±1的像素进行数据嵌入，导致许多像素被移位但未用于嵌入数据，从而限制了嵌入容量。新方法通过引入动态嵌入策略，在双图像框架下充分利用预测误差，使得原本仅被移位的像素也能携带秘密数据。实验结果表明，当有效嵌入容量为总容量的一半时，所提方法在八种标准测试图像上的平均最大嵌入容量至少是现有PVO方法的3.8倍，同时保持PSNR大于53.80 dB。 适合人群：从事信息安全、数字水印、隐写术研究的专业人员，尤其是对可逆数据隐藏感兴趣的学者和工程师。 使用场景及目标：① 提高PVO方法的嵌入容量和图像质量；② 在不影响图像恢复的前提下，最大化秘密数据的嵌入量；③ 适用于需要高保真度图像恢复的敏感领域，如版权保护、军事和医疗成像。 其他说明：该方法不仅提高了嵌入容量，还通过动态调整嵌入位数，减少了对像素的最大修改量，保证了更高的视觉质量。此外，与传统的PVO方法相比，新方法不需要额外的位置映射信息，简化了提取过程并提高了安全性。实验验证了该方法在不同类型的图像上均优于现有方法，特别是在纹理和光滑区域的图像中表现尤为突出。

内容概要：本文提出了一种基于Logistic混沌映射的深度神经网络（DNN）水印协议，以保护训练好的DNN模型的知识产权。该方法通过权威中心分发密钥，生成两个伪随机序列对图像进行块随机化和块内随机化处理，形成触发集并嵌入到原始训练集中进行训练。实验结果表明，ResNet模型在微调和从头训练时分别仅有0.05和0.03个百分点的准确率下降，而SENet模型则分别有1.35和0.94个百分点的变化。该方法在面对模型微调、压缩和水印覆盖攻击时表现出良好的鲁棒性。 适合人群：从事深度学习研究与应用的科研人员、工程师以及对深度学习模型版权保护感兴趣的学者。 使用场景及目标：①适用于需要保护已训练深度学习模型版权的企业和个人；②确保模型在嵌入水印后仍能保持较高的分类准确性；③防止第三方通过修改或重训练模型来删除或篡改水印。 其他说明：本研究利用了混沌系统的非线性和不可预测特性，提高了水印的安全性和隐蔽性。同时引入第三方权威中心参与验证过程，避免了传统方法中因公开触发集而导致的安全风险。此外，该方法在不同比例的数据覆盖攻击下依然具有较强的抗攻击能力。

内容概要：本文提出了一种基于极分解和图像几何校正的新颖鲁棒图像水印算法。首先，研究了极分解在图像水印中的特性，发现将水印信息嵌入到半正定矩阵的对角元素中可以提高水印的不可见性，但这些对角元素在受到常见图像处理攻击时具有较大的相对误差，影响了水印的鲁棒性。为解决这一问题，引入了Hadamard变换以集中能量，并使用提升小波变换（LWT）和基于特征点匹配的图像几何校正算法来进一步增强水印的鲁棒性。实验结果表明，该算法在常见的图像处理攻击、几何攻击和图像增强攻击下均表现出良好的鲁棒性和不可见性。 适合人群：从事信息安全、数字水印技术研究的科研人员及研究生。 使

内容概要：本文提出了一种基于改进的EMD（Exploiting Modification Direction）和插值技术的数据隐藏方法，旨在解决传统EMD方法中每个像素嵌入相同数量数据导致的相等失真问题以及插值图像质量下降的问题。该方法利用人类视觉系统对平滑区域和边缘区域像素变化的不同敏感度，优化了数据嵌入策略。实验结果显示，该方法在高容量数据隐藏的同时保持了良好的图像质量和低计算复杂度，并能有效抵抗RS和PVD直方图攻击。 适合人群：对信息安全、图像处理、隐写术感兴趣的科研人员和技术开发者。 使用场景及目标：①适用于需要在灰度图像中隐藏大量数据并保持高质量图像的应用场景；②旨在提高数据隐藏的容量和不可见性，同时减少图像失真；③增强对现有隐写分析工具的抵抗力。 其他说明：该方法不仅提高了嵌入效率，还解决了像素值溢出或下溢的问题。通过考虑人类视觉系统的特性，该方法能够在复杂区域和边缘区域嵌入更多数据，从而提供更好的不可感知性和更高的嵌入量。实验结果表明，该方法在嵌入容量和图像质量方面优于现有的EMD和其他自适应嵌入方法。

内容概要：本文提出了一种基于像素值差（PVD）和模函数的数据隐藏新方法，用于彩色图像。该方法充分利用了RGB三通道的相关性，通过计算G通道像素值与各块中位数的差异来确定R和B通道嵌入的秘密数据量。此外，文中引入了两次像素值调整过程，以确保除法一致性并解决溢出和下溢问题。实验结果表明，该方法可以在保持高视觉质量的同时，提供高达810757比特（在512×512图像中）的嵌入容量，并能完全准确地提取秘密数据。; 适合人群：从事信息安全、图像处理和数据隐藏领域的研究人员和技术人员。; 使用场景及目标：①适用于需要在彩色图像中嵌入大量秘密数据且要求保持较高视觉质量的场景；②可用于保护传输中的敏感信息，防止未经授权的访问；③适用于评估现有数据隐藏技术的性能并改进相关算法。; 其他说明：该方法不仅在嵌入容量和图像质量上表现出色，还通过数学理论证明了秘密数据可以完全准确地提取。实验对比显示，该方法在PSNR值和Q值方面均优于其他现有方法，具有较高的安全性和抗检测能力。此外，该方法对RS检测攻击和PVD直方图分析具有鲁棒性。