欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021114637481
申请人: 湖北工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于岭回归预测的可逆数据隐写方法,其特征在于,包括以下步骤:步骤1:对输入图像进行预处理;

首先读取图像作为原始像素矩阵I,遍历像素矩阵I中即将嵌入比特数据的像素点;对可能发生上下溢出的像素点的像素值进行修改,记修改过后的像素矩阵记为Hi,像素修改位置信息矩阵记为Hd;压缩位置信息矩阵Hd,压缩之后的Hd标记为d;

步骤2:基于特殊的岭回归预测求出I中的误差矩阵E;

遍历整个像素矩阵Hi,依次分别计算出每个像素点的岭回归预测值Ci,j;由Hi与岭回归预测值C之间的差值,构成预测误差矩阵E,即由Ei,j=Hii,j‑Ci,j得到E=Hi‑C;

步骤3:基于误差矩阵E的直方图移位法,嵌入被隐写数据D,得到嵌入数据后的像素矩阵Ni;

步骤4:从嵌入数据后的像素矩阵Ni中提取被隐写的数据D;

步骤5:还原像素矩阵I。

2.根据权利要求1所述的基于岭回归预测的可逆数据隐写方法,其特征在于:步骤1中,所述对可能发生上下溢出的像素点的像素值进行修改,以Ii,j表示像素矩阵I的第i行第j列像素,以Hii,j表示修改后像素矩阵Hi的第i行第j列像素,以Hdi,j表示像素修改位置信息矩阵Hd的第i行第j列,则:其中,k为信息隐藏时像素点的最大变化阈值。

3.根据权利要求1所述的基于岭回归预测的可逆数据隐写方法,其特征在于:步骤2中,遍历整个像素矩阵Hi,基于特殊选取支持集的岭回归预测,依次分别计算出每个像素点的岭回归预测值Ci,j;

具体实现包括以下子步骤:

步骤2.1:按从左上角开始,依次经过左下角,右下角,右上角最后回到左上角的顺序遍历图像矩阵Hi外层的两层像素点,按从左到右从上到下的顺序遍历图像矩阵Hi其余处在中部的像素点,依次将Hi分为不同的预测点Hii,j以及对应支持集 若Hi为m行n列的矩阵;

满足i∈[1,m‑1],j=1,即第一列,除最后一行像素以外,预测点Hii,j的支持集满足i=m,j∈[1,n‑1],即最下一行,除最后一列像素以外,满足i∈[2,m],j=n,

满足i=1,j∈[2,n],

满足i∈[2,m‑1],j∈[2,n‑1],步骤2.2:对不同的预测点Hii,j,获取训练集Y,Y对应的持集X;

满足i∈[1,m‑1],j=1,Hii,j的训练集相应训练点Y1,Y2,Y3的支持集

满足i=m,j∈[1,n‑1],Hii,j的训练集:相应训练点Y1,Y2,Y3的支持集

满足i∈[2,m],j=n,Hii,j的训练集相应训练点Y1,Y2,Y3的支持集:

满足i=1,j∈[2,n],Hii,j的训练集相应训练点Y1,Y2,Y3的支持集

满足i∈[2,m‑2],j=2,Hii,j的训练集:相应训练点Y1,Y2,Y3的支持集

满足i=m‑1,j∈[2,n‑2],Hii,j的训练集相应训练点Y1,Y2,Y3的支持集

满足条件i∈[3,m‑1],j=n‑1,Hii,j的训练集相应训练点Y1,Y2,Y3的支持集

满足条件i=2,j∈[3,n‑1],Hii,j的训练集相应训练点Y1,Y2,Y3的支持集

满足条件i∈[3,n‑2],j∈[3,n‑2],Hii,j的训练集其中

其中训练点Y1,…,Yn的支持集

步骤2.3:根据上述步骤取得的训练集Y和Y对应支持集X,计算预测系数矩阵:Wi,j=(X′‑1X+λI) X′Y;其中,λ表示岭回归系数;

步骤2.4:根据上述步骤计算出的Wi,j和Hii,j对应的支持集 计算出Hii,j预测值据此计算Ei,j=Hii,j‑Ci,j。

4.根据权利要求1所述的基于岭回归预测的可逆数据隐写方法,其特征在于:步骤3中,所述嵌入被隐写数据D,具体实现包括以下子步骤:步骤3.1:遍历步骤2中的误差矩阵E,对Ei,j=‑1或0的点,嵌入k+1进制数据Dα,其余误差值分别向正负两端增大或减小k,从而得到新的误差值,记为Ne,其中:其中,Nei,j表示矩阵Ne的第i行第j列,Dα为从D中依次读出的k+1进制数据,数据D包含对于压缩数据d的表达;

步骤3.2:根据上述步骤算出的嵌入后的误差值Ne,在步骤2岭回归预测值C,得到嵌入数据后的图像,或称像素矩阵,Ni=C+Ne。

5.根据权利要求4所述的基于岭回归预测的可逆数据隐写方法,其特征在于,步骤4的具体实现包括以下子步骤:步骤4.1:以与步骤2相反的顺序遍历整个像素矩阵Ni;

步骤4.2:计算出每个像素点Nii,j的预测值Nci,j,用Nii,j替换对应Hii,j即可完成预测对应操作;

步骤4.3:由Ni与步骤4.2预测值Nc之间的差值,构成预测误差矩阵Ne,即Ne=Ni‑Nc;

步骤4.4:遍历Ne,按步骤3.1的逆步骤,从嵌入比特的误差值中依次提取k+1进制数据Dα,对未嵌入数据的误差值向中间0点增大或减小k,还原E;其中:即:

最终,按嵌入顺序的逆序,由Dα组装得到D。

6.根据权利要求1‑5任意一项所述的基于岭回归预测的可逆数据隐写方法,其特征在于,步骤4的具体实现包括以下子步骤:步骤5.1:根据还原的误差矩阵E和步骤4中岭回归预测值Nc,还原像素矩阵Hi=Nc+E;

步骤5.2:从提后的数据D提取出的数据d,由d解压还原位置信息矩阵Hd;

步骤5.3:依据位置信息矩阵Hd,像素矩阵Hi,还原为I。

7.根据权利要求6所述的基于岭回归预测的可逆数据隐写方法,其特征在于:步骤5.3中,将Hd按从左到右从上到下的顺序排成与Hi大小相同的矩阵;根据Hd将Hi还原为I,若Hdi,j=1,则计算Ii,j的公式为:若Hdi,j=0,则Ii,j=Hii,j;

其中,k为信息隐藏时像素点的最大变化阈值。

8.一种基于岭回归预测的可逆数据隐写系统,其特征在于,包括以下模块:模块1,用于对输入图像进行预处理;

首先读取图像作为原始像素矩阵I,遍历像素矩阵I中即将嵌入比特数据的像素点;对可能发生上下溢出的像素点的像素值进行修改,记修改过后的像素矩阵记为Hi,像素修改位置信息矩阵记为Hd;压缩位置信息矩阵Hd,压缩之后的Hd标记为d;

模块2,用于基于特殊的岭回归预测求出I中的误差矩阵E;

遍历整个像素矩阵Hi,依次分别计算出每个像素点的岭回归预测值Ci,j;由Hi与岭回归预测值C之间的差值,构成预测误差矩阵E,即由Ei,j=Hii,j‑Ci,j得到E=Hi‑C;

模块3,用于基于误差矩阵E的直方图移位法,嵌入被隐写数据D,得到嵌入数据后的像素矩阵Ni;

模块4,用于从嵌入数据后的像素矩阵Ni中提取被隐写的数据D;

模块5,用于还原像素矩阵I。