A Novel Pair and Matching Algorithm for Embedding Secret Messages in Images
隐写术已被证明是保护数据安全的实用方法之一。它是一种新型的秘密通信方式，用于将秘密数据隐藏在其他无害的数字介质中。配对和匹配技术有多种算法。一种这样的方法使用两个比特的秘密消息与覆盖图像比特相匹配。算法仅使用了2对进行映射。从而将匹配限制为每像素6位。在我们提出的算法中，我们一次匹配3个比特。因此，在最好的情况下，我们可以匹配高达9位每像素。它也是在当今以数据为中心的世界中构建更安全通信的良好基础。
2022-02-01 cs.CR cs.MM
A New Approach to SMS Steganography using Mathematical Equations
在信息技术时代，网络犯罪一直是网络用户担心的问题。网络钓鱼、社交工程和第三方攻击使人们不愿意分享他们的个人信息，即使是与可信的实体。通过短消息服务（SMS）发送的消息很容易被复制，并通过使用特殊软件进行黑客攻击。为了加强通过移动电话发送消息的安全性，一种解决方案是SMS隐写术。短信隐写术是一种在短信中隐藏秘密信息的技术。我们提出了一种新的短信隐写方法，使用一个数学方程作为隐写媒体，以传输数据。通过这种方法，我们可以隐藏多达35个字符（25%）的秘密消息在一个单一的短信，最多140个字符。
2016-07-27 cs.CR cs.MM
Hiding Data Hiding
数据隐藏是将秘密数据隐藏在数字图像等隐蔽对象中进行隐蔽通信的技术。在本文中，我们向隐藏“数据隐藏”迈出了第一步，这是完全不同于许多传统的作品，直接嵌入秘密数据在一个给定的封面对象。详细地说，我们提出了一种新的方法来伪装数据隐藏工具，包括数据嵌入工具和数据提取工具，作为具有普通任务的深度神经网络（DNN）（即，风格转移）。在对DNN进行风格转移和数据隐藏训练后，DNN可以将图像的风格转移到目标图像，也可以将秘密数据隐藏到封面图像中或从隐写图像中提取秘密数据。换句话说，数据隐藏的工具是隐藏的，以避免引起怀疑。实验结果和分析表明了该方法的可行性、适用性和优越性。
2021-11-10 cs.CR cs.MM
Deep Residual Neural Networks for Image in Speech Steganography
Manipal Institute of Technology（马尼帕尔理工学院）
隐写术是将秘密信息隐藏在公开可见的载体信息中的艺术。理想情况下，它是在不修改载体的情况下完成的，并且秘密消息中的信息损失最小。最近，各种基于深度学习的隐写方法已被应用于不同的消息类型。我们提出了一种基于深度学习的技术，将源RGB图像消息隐藏在有限长度的语音段中，而不会造成感知损失。为了实现这一点，我们训练三个神经网络;一个编码网络，以隐藏在载体中的消息，解码网络，以重建来自载体的消息和一个额外的图像增强器网络，以进一步改善重建的消息。我们还讨论了未来的改进所提出的算法。
2020-03-30 cs.MM cs.SD eess.AS
Hide the Image in FC-DenseNets to another Image
以往的隐写术是将文本嵌入到一个载体中，发送方Alice和接收方Bob共享密钥，文本由Bob通过密钥提取。如果嵌入更多的信息，图像很容易失真。相反，如果有较少的嵌入信息，图像保持良好的视觉完整性，但不符合我们的要求隐写容量。在本文中，我们专注于解决这些挑战和限制，以提高隐写能力。提出了一种基于全卷积稠密网络（FC-DenseNet）的图像隐写方法。隐网络和提取网络同时训练。深度神经网络的数据集来自ImageNet的各种自然图像。实验结果表明，隐写后的隐写图像和从隐写图像中提取的秘密图像具有良好的视觉效果，隐写图像具有高容量和高峰值信噪比。实现了图像到图像的全尺寸隐藏。
2019-10-18 cs.CR cs.MM eess.IV
A Secure And High Capacity Image Steganography Technique
隐写术是一门研究隐形通信的科学。隐写术的目的是保持通信双方之间的秘密通信。秘密信息可以隐藏在诸如图像、音频或视频的内容中。提出了一种基于小波变换的彩色图像隐写技术。隐写图像和封面图像之间没有视觉差异。提取的秘密图像也与原始秘密图像相似。对于隐写和提取的秘密图像，都获得了非常好的峰值信噪比（PSNR）值。将该方法的结果与其他隐藏单幅图像的方法的结果进行了比较，发现该方法简单，且具有更好的PSNR值。
2013-04-11 cs.MM
Digital Cardan Grille: A Modern Approach for Information Hiding
本文提出了一种新的用于信息隐藏的Cardan网格构造框架。基于语义的图像修补技术，直接用秘密信息驱动隐写图像。引入了一种用于确定隐藏位置的掩码DCG来隐藏信息。将消息写入损坏图像中需要预先填充的损坏区域。然后将含有秘密信息的受损图像送入生成对抗网络（GAN）进行语义补全。对抗博弈不仅可以重建受损图像，还可以生成包含图像内容逻辑合理性的隐写图像。实验结果验证了该方法的可行性。
2018-05-11 cs.CR cs.MM
Images Within Images? A Multi-image Paradigm with Novel Key-Value Graph Oriented Steganography
针对多图像隐写中载荷容量与定位问题，提出 JSON 风格键值对拆分及元数据图定位方法，实现跨多幅载体图像隐藏多幅载荷图像。
2023-04-23 cs.CR cs.MM
Convolutional Video Steganography with Temporal Residual Modeling
隐写术代表了在一些封面数据中隐藏秘密信息的艺术。这项工作的关键范围是关于视觉隐写技术，隐藏在另一个全尺寸的彩色图像/视频。大多数现有的作品都致力于图像的情况下，秘密和封面数据都是图像。我们经验性地验证了图像隐写模型并不自然地扩展到视频情况（即，将视频隐藏到另一个视频中），这主要是因为它完全忽略了连续视频帧内的时间冗余。我们的工作提出了一个新的解决方案的问题，视频隐写。技术贡献是双重的：首先，两个连续帧之间的残差在大多数像素处趋于零。隐藏这种高度稀疏的数据比隐藏原始帧要容易得多。出于这一事实，我们建议明确考虑帧间残差，而不是盲目地应用图像隐写模型的每一个视频帧。具体来说，我们的模型包含两个分支，其中一个是专门设计用于隐藏帧间差异到一个封面视频帧，而另一个隐藏原始的秘密帧。一个简单的阈值方法确定哪个分支的秘密视频帧应选择。在对隐藏的秘密视频进行解密时，设计了两种解码器，分别进行差分解密和帧解密。其次，我们开发了基于深度卷积神经网络的模型，这是视频隐写术文献中的第一个。在实验中，对我们的模型与经典的最低有效位（LSB）方法和纯图像隐写模型进行了全面的评估比较。所有的结果都有力地表明，所提出的模型享有优于以前的方法。我们还仔细研究了深度视频隐写模型成功的关键因素。
2018-06-08 cs.MM
Genetic Algorithm to Make Persistent Security and Quality of Image in Steganography from RS Analysis
保密性是交际活动的重要特征之一。隐写术是通过将信息隐藏在任何形式的载体（如音频、视频、文本、图像等）中来实现发送者和接收者之间的秘密通信的流行方法之一。最低有效位编码是许多隐写程序用于将秘密信息隐藏在24位、8位彩色图像和灰度图像中的最简单的编码方法。隐写分析是一种利用隐写术检测隐藏在载体中的秘密信息的方法。RS隐写分析是最可靠的隐写分析之一，它对图像像素进行统计分析，成功地检测出图像中隐藏的信息。然而，现有的隐写方法保护信息不受灰度图像中的RS隐写分析的影响。提出了一种利用遗传算法对彩色图像进行RS攻击的隐写方法。隐写图像被划分为若干块。随后，利用遗传算法对隐写图像进行自然进化，使隐写图像的安全性和图像质量得到优化。
2012-04-12 cs.CR cs.MM
Image data hiding with multi-scale autoencoder network
图像隐写术是将可以是文本、图像或视频的信息隐藏在封面图像内的过程。与密码学相比，隐写术的优势在于预期的秘密消息不会引起注意，因此更适合在高度监视的环境中进行秘密通信，例如公民不服从运动。社交媒体和消息应用程序中的互联网模因已经成为世界范围内的流行文化，因此这种民俗是图像隐写的一个很好的应用场景。本文尝试在网络模因上探索并采用隐写技术。我们通过用多尺度自动编码器网络改变Conv-BN-ReLU块卷积层来实现和改进HiDDeN模型，以便神经网络学习在更高级别的特征空间中嵌入消息位。与在行像素域上卷积特征滤波器的方法相比，我们提出的MS隐藏网络学习在低级和高级图像特征中隐藏秘密。因此，所提出的模型显着降低了比特出错率经验为0%，所需的网络参数是远远小于HiDDeN模型。
2022-01-16 cs.CR cs.MM
A Video Steganography for H.265/HEVC Based on Multiple CU Size and Block Structure Distortion
Engineering Research Center of Digital Forensics, Ministry of Education, Nanjing University of Information Science and Technology（南京信息工程大学教育部数字取证工程研究中心）；Nanjing University of Information Science and Technology（南京信息工程大学）；School of Artificial Intelligence, Guangzhou University（广州大学人工智能学院）；Guangzhou University（广州大学）
本文提出一种基于多CU尺寸和块结构失真的视频隐写算法，通过引入CBSSM指标、新型映射规则和三级失真函数，提升抗隐写分析能力和嵌入容量。
2026-04-02 cs.MM
Game-theoretic Analysis to Content-adaptive Reversible Watermarking
虽然许多游戏都是针对隐写术和鲁棒水印设计的，但很少有人关注可逆水印。我们提出了一个两个编码器的游戏有关的率失真优化的内容自适应可逆水印。在游戏中，爱丽丝首先将有效载荷隐藏在封面中。然后，鲍勃将另一个有效载荷隐藏到修改后的封面中。Alice的嵌入策略影响Bob的嵌入容量。Bob的嵌入策略可能会对Alice产生数据提取错误。两者都希望嵌入尽可能多的纯秘密比特，受到上限失真的影响。我们研究了Alice和Bob之间的非合作博弈和合作博弈。当它们相互合作时，可以将它们视为一个整体，即，编码器使用覆盖物来进行两次数据嵌入。当它们彼此不合作时，游戏对应于可分离系统，即，两者都希望独立地将有效载荷隐藏在覆盖物内，但恢复覆盖物可能需要合作。我们找到了双方在约束条件下的均衡策略。
2019-05-05 cs.MM
$\ell_1$SABMIS: $\ell_1$-minimization and sparse approximation based blind multi-image steganography scheme
隐写术通过将秘密信息嵌入到载体中来实现秘密信息的安全性。在本文中，我们提出了一种新的$\ell_1$ -最小化和稀疏近似为基础的盲多图像隐写方案，称为$\ell_1$ SABMIS。通过使用$\ell_1$ SABMIS，多个秘密图像可以隐藏在一个单一的封面图像。在$\ell_1$ SABMIS中，我们将覆盖图像采样为四个子图像，逐块稀疏每个子图像，然后获得线性测量。然后，我们获得秘密图像的DCT（离散余弦变换）系数，然后将它们嵌入到覆盖图像\textquotesingle的线性测量中。我们在几个标准的灰度图像上进行实验，并评估嵌入容量，峰值信噪比（PSNR）值，平均SSIM（结构相似性）指数，NCC（归一化互相关）系数，NAE（归一化绝对误差），和熵。这些评估指标的值表明，$\ell_1$ SABMIS优于类似的现有隐写方案。也就是说，我们成功地隐藏两个以上的秘密图像在一个单一的封面图像，而不显着降低封面图像。此外，提取的秘密图像保持良好的视觉质量，和$\ell_1$ SABMIS是抵抗隐写攻击。
2020-07-09 cs.MM
Aparecium: Revealing Secrets from Physical Photographs
针对现有深度学习水印方法在物理场景下的诸多局限，该研究提出Aparecium深度水印框架，通过对称编解码、定位器及三阶段训练，实现了复杂物理失真下的高鲁棒性水印提取且视觉质量优异。
2023-08-23 cs.MM
Steganographic Generative Adversarial Networks
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）
隐写术是将秘密信息（“有效载荷”）隐藏在非秘密信息（“容器”）内的方法的集合。它的对应物，隐写分析，是确定消息是否包含隐藏的有效载荷，并在可能的情况下恢复它的做法。隐藏有效载荷的存在通常由二元分类器检测。在本研究中，我们提出了一种基于深度卷积生成对抗网络（DCGAN）生成图像状容器的新模型。这种方法允许使用标准的隐写算法生成更安全的消息嵌入。实验结果表明，该模型能够成功地欺骗隐写分析器，因此可以用于隐写应用中。
2019-10-07 cs.CR cs.CV cs.MM
An Efficient Bit Plane X-OR Algorithm for Irreversible Image Steganography
将秘密信息隐藏在另一个消息中的科学被称为隐写术;因此秘密信息的存在被隐藏。它是一种将认知内容隐藏在相同或另一种媒体中以避免入侵者识别的方法。本文介绍了一种新的方法，即利用不可逆隐写术将图像隐藏在同一介质中，从而掩盖秘密信息。秘密图像被称为有效载荷，载体被称为覆盖图像。在载体图像的中级位平面和数据图像的高级位平面之间使用X-OR运算来生成新的隐写图像的低级位平面。恢复过程包括隐写图像的低层位平面和中层位平面的异或运算。基于恢复的结果，生成后续的数据映像。RGB彩色图像被用作载体，并且数据图像是尺寸小于或等于载体图像的尺寸的灰度图像。该方法在不显著降低PSNR值的情况下，极大地提高了嵌入容量。
2014-10-12 cs.MM
Digital Image Data Hiding Techniques: A Comparative Study
随着近十年来数字图像处理领域的发展，数字图像信息隐藏技术如水印、隐写术等得到了广泛的应用。数字图像水印技术将少量数据隐藏在数字图像中，之后可以使用一些特定的检索算法检索该数字图像以证明该数字信息的版权，而隐写技术用于将大量数据秘密地隐藏在一些无害的数字介质中。在本文中，我们提供了一个最新的审查这些数据隐藏技术。
2014-08-15 cs.MM
Generative Steganography Network
Fudan University（复旦大学）
隐写术通常修改封面媒体以嵌入秘密数据。生成式隐写是近年来出现的一种新的隐写方法，它直接从秘密信息中生成隐写图像（包含秘密信息的图像）。然而，现有的GS计划经常因其糟糕的表现而受到批评。在本文中，我们提出了一个先进的生成式隐写网络（GSN），可以生成真实的隐写图像，而无需使用覆盖图像。首先介绍了GS中的互信息机制，该机制有助于获得高的秘密提取精度。我们的模型包含四个子网络，即，图像生成器（$G$）、隐写器（$D$）、隐写分析器（$S$）和数据提取器（$E$）。$D$和$S$作为两个对抗鉴别器，以确保生成的隐写图像的视觉质量和安全性。$E$是从生成的隐写图像中提取隐藏的秘密。生成器$G$构造灵活，可以合成不同输入的覆盖图像或隐写图像。它通过隐藏在一个正常的生成器生成隐写图像的功能，方便隐蔽通信。在图像生成过程中，设计了秘密块模块将秘密信息隐藏在特征映射中，实现了较高的隐藏容量和图像保真度。此外，一种新的分层梯度衰减（HGD）技术的发展，以抵抗隐写分析检测。实验表明，我们的工作优于现有的方法。
2022-08-14 cs.CV cs.MM
An Image Steganography Scheme using Randomized Algorithm and Context-Free Grammar
目前，密码学被广泛使用，因为它被利用在从数据机密性到数据完整性和消息认证的各个领域中。基本上，密码学会打乱数据，使未经授权的各方无法读取。然而，清晰可见的加密信息，无论多么牢不可破，都会引起怀疑。更好的方法是使用隐写术隐藏消息的存在。从根本上说，隐写术将秘密数据隐藏到称为载体的看似无辜的介质中，然后这些介质可以安全地从发送者传输到接收者，而不会被注意到。本文提出了一种新的隐写方案，利用随机算法和上下文无关文法将数字数据隐藏到未压缩的图像文件中。此外，该方案使用两种介质来传递秘密数据：载体图像，其中秘密数据被隐藏到随机像素中，以及结构良好的英文文本，对随机载体像素的位置进行编码。在运行时使用与英语单词词典耦合的上下文无关文法来生成英语文本。该方案具有隐蔽性好、不易被发现、检测和恢复等优点。实验结果表明，如何覆盖和所提出的计划的工作过程中发现。作为未来的工作，语义分析器是要开发，使英语文本媒体语义正确，从而更安全地传输，而不提请任何注意。
2012-12-10 cs.CR cs.MM
Hiding Image in Image by Five Modulus Method for Image Steganography
Irbid National University（伊尔比德国立大学）
本文提出了一种实用的隐写算法，将彩色图像隐藏在另一幅彩色图像中。该技术使用五模方法将隐藏图像和隐藏图像中的所有像素都转换为五的倍数。由于隐写图像内的每个像素都可以被5整除，因此整个隐写图像可以被5整除以得到新的像素范围0。51.基本上，每个不能被5整除的数字的余数被5整除时是1，2，3或4。随后，实现了4 × 4的窗口大小以适应所提出的技术。对于封面图像内的每个4 × 4窗口，可以从隐写图像中秘密嵌入1到4的数字。前面的讨论必须分别应用于每个R、G和B数组。此外，隐写密钥可以与所提出的算法相结合，使任何对手难以从封面图像中提取秘密图像。根据PSNR值，提取的隐写图像具有较高的PSNR值。因此，这种新的隐写算法是非常有效的隐藏彩色图像。
2013-04-04 cs.CV cs.MM
Improving embedding efficiency for digital steganography by exploiting similarities between secret and cover images
数字隐写术正在成为一种常用的工具，用于保护各种应用中的敏感通信，如犯罪（恐怖主义）预防，执法人员需要将犯罪现场捕获的面部图像与已知罪犯的面部数据库进行远程比较（嫌疑人）;在敌对环境中交换军事地图或监视录像（情况）;在存储或交换患者医疗图像（记录）时在医疗保健系统中保护隐私;以及防止未经授权的用户非法访问银行客户账户（记录）。现有的数字隐写方案中嵌入秘密图像的封面图像文件往往不利用各种冗余的秘密图像比特流来处理各种冲突的要求嵌入容量，隐写图像质量，和不可检测性。本文关注的是创新的图像程序和数据隐藏方案的开发，以及增加，秘密图像比特流和封面图像LSB平面之间的相似性。这将在两个新颖的步骤中实现，这两个步骤涉及在嵌入之前操纵秘密图像和覆盖图像两者，以在秘密图像比特流和覆盖图像LSB平面两者中实现更高的0：1比率。上述两步策略已被利用来使用位平面映射技术，而不是位平面替换，以使每个覆盖像素可用于秘密嵌入。本文将证明，这种策略产生的隐写图像具有最小的失真，高嵌入效率，相当好的隐写图像质量和鲁棒性对3个著名的有针对性的隐写分析工具。
2020-04-24 cs.MM
Smaller Is Bigger: Rethinking the Embedding Rate of Deep Hiding
深度隐藏是利用深度神经网络（DNN）隐藏秘密信息，可以显著提高嵌入率，提高秘密共享的效率。现有的工作主要致力于设计具有更高嵌入率或花哨功能的DNN。在本文中，我们想回答一些基本的问题：如何增加和什么决定了深度隐藏的嵌入率。为此，我们首先提出了一种新的局部深度隐藏（LDH）方案，通过将大型秘密图像隐藏到覆盖图像的小局部区域中来显着提高嵌入率。我们的方案由三个DNN组成：隐藏，定位和揭示。我们使用隐藏网络将秘密图像转换成一个小的不可感知的紧凑的秘密代码，该代码嵌入到覆盖图像的随机局部区域中。定位网络通过识别隐写图像中密码的位置来帮助揭示过程，而揭示网络从这些识别的局部区域恢复所有全尺寸的秘密图像。我们的LDH实现了极高的嵌入率，即，$16\times24$ bpp，对常见的图像失真具有出色的鲁棒性。我们还进行了全面的实验，以评估我们的计划在各种系统设置。进一步定量分析了不同图像复原算法在嵌入率和图像质量之间的权衡。
2023-02-23 cs.MM
Ensemble Reversible Data Hiding
传统的可逆数据隐藏（RDH）算法通常将主机作为一个整体来嵌入秘密载荷。为了达到满意的率失真性能，秘密比特被嵌入到主机的噪声类分量，如预测误差。从率失真优化的角度来看，它可能不是最佳的，因为数据嵌入单元使用相同的参数。这促使我们提出了一个分段的数据嵌入策略，在本文中，有效的RDH，其中的原始主机可以被划分为多个子主机，使每个可以自由地优化和使用的数据嵌入参数。此外，它使我们能够应用不同的RDH算法在不同的子主机，这被定义为集成。请注意，这里定义的集成与机器学习中的集成不同。因此，常规操作对应于所提出的工作的特殊情况。由于这是一个通用的策略，我们结合一些国家的最先进的算法，构建一个新的系统，使用所提出的嵌入策略来评估率失真性能。实验结果表明，在大多数情况下，集成RDH系统的性能优于原始版本，显示了其优越性和适用性。
2019-12-01 cs.MM
LSB Based Non Blind Predictive Edge Adaptive Image Steganography
图像隐写是将秘密信息隐藏在灰度或彩色图像中的技术。任何一种先进的图像隐写术都可以轻易地检测出隐写信息，从而攻破隐写系统。为了防止隐写系统的故障，将数据嵌入到图像的选定区域中，这降低了检测的概率。现有的自适应图像隐写技术大多嵌入容量较低。本文提出了一种高容量的预测边缘自适应图像隐写技术，其中使用改进的中值边缘检测器（MMED）预测器预测覆盖图像的选择区域以嵌入二进制有效载荷（数据）。用于嵌入有效载荷的封面图像是灰度图像。实验结果表明，该方案具有较好的嵌入容量和较低的失真水平，并具有较高的安全性。该方案与现有的图像隐写方案进行了比较。实验结果表明，该算法在保证嵌入率的同时，具有较低的失真度。
2022-01-03 cs.MM
Secret Image Sharing Using Grayscale Payload Decomposition and Irreversible Image Steganography
为了提供额外的安全级别，大多数现有的可逆以及不可逆的图像隐写方案强调在将秘密图像（有效载荷）嵌入到封面图像之前对其进行加密。在嵌入算法本身复杂的情况下，对于大的有效载荷的加密的复杂性可能对隐写系统产生不利影响。与任何标准加密技术相比，具有较低计算复杂性的加密方案可以提高隐写系统的性能。本文提出了一个安全的秘密图像共享方案，它具有最小的计算复杂性。该方案作为加密的替代方案，将有效载荷分散为不同的矩阵，并使用位X-OR运算将这些矩阵嵌入到载体图像（封面图像）中。有效载荷是被划分为频率矩阵、误差矩阵和符号矩阵的灰度图像。使用映射算法按比例缩小频率矩阵以产生按比例缩小的频率（DSF）矩阵。DSF矩阵、误差矩阵和符号矩阵然后使用矩阵的位平面与相应的覆盖图像之间的位X-OR操作被嵌入到不同的覆盖图像中。分析表明，该方案有效地减少了有效载荷与最小的计算时间。
2014-10-12 cs.MM
Style as Cover: Deep Image Steganography via Stylized Transmission
Qilu University of Technology (Shandong Academy of Sciences)（齐鲁工业大学（山东省科学院））；Shandong Computer Science Center（山东省计算中心）；Shandong Fundamental Research Center for Computer Science（山东省计算机科学基础研究中心）
本文提出StyleStegaNet，通过风格化传输替代封面匹配，实现行为级伪装的图像隐写，并采用四阶段解耦与渐进训练，在DIV2K和MS-COCO上验证有效性，检测准确率仅约51%。
2026-09-22 cs.CR cs.CV cs.MM
A Novel Local Binary Pattern Based Blind Feature Image Steganography
Indian Institute of Information Technology, Lucknow（印度信息技术学院勒克瑙分校）；GLA University（GLA大学）
一般的隐写方法倾向于在封面图像中嵌入越来越多的秘密比特。这些方法中的大多数被设计为以这样的方式嵌入秘密信息，使得所得到的隐写图像的视觉质量的变化是不可检测的。有一些方法可以在嵌入后保持覆盖的全局结构。本文提出了一种新的基于特征的图像盲隐写技术，该技术在保持图像覆盖的LBP（Local binary pattern）特征的同时，具有相当的嵌入率。局部二值模式是一种用于图像表示的图像描述符。该方案通过计算局部二进制模式来隐藏秘密图像中的比特，使得存在于封面中的局部关系保留在所得到的隐写图像中。已在几种不同类型的图像上测试了所提出的隐写方法的性能，以显示其鲁棒性。最后，将现有的基于LSB的图像隐写方法与本文提出的方法进行了比较，验证了基于特征的图像隐写方法的有效性
2021-01-16 cs.CV cs.MM
A New Image Steganography Based On First Component Alteration Technique
National Institute of Technology, Jalandhar（贾朗达尔国家技术学院）
本文提出了一种新的图像隐写方案，它是一种空域隐写技术。为了在覆盖图像中隐藏秘密信息，采用了第一分量变换技术。到目前为止所使用的技术仅关注图像中像素的两个或四个比特（在图像边缘处最多五个比特），这导致较小的峰信噪比和高的均方根误差。在该技术中，用秘密数据比特替换像素的8比特蓝色分量。该方案可以嵌入更多的数据比以前的计划，并显示更好的图像质量。为了证明该方案，进行了几个实验，并与相关的先前工作的实验结果进行了比较。
2010-01-12 cs.CV cs.MM
A novel magic LSB substitution method (M-LSB-SM) using multi-level encryption and achromatic component of an image
图像隐写术是信息安全领域的一个新兴研究领域，它通过在图像中嵌入秘密信息来隐藏其存在，同时获得尽可能小的统计可检测性。提出了一种新的RGB图像魔最低有效位替换方法（M-LSB-SM）。该方法基于色调-饱和度-强度（HSI）颜色模型的非彩色分量（I平面）和空间域的多级加密（MLE）。将输入图像转置并转换到HSI颜色空间。I平面被划分为四个相等大小的子图像，使用秘密密钥以不同角度旋转每个子图像。秘密信息被分成四个块，然后使用MLE算法（MLEA）对其进行加密。消息的每个子块基于使用魔术LSB替换的特定模式被嵌入到旋转子图像之一中。实验结果表明，与现有的几种主要方法相比，该方法不仅提高了隐写图像的视觉质量，而且具有良好的不可见性和多安全级别。
2015-06-06 cs.MM
Adaptive Embedding Pattern for Grayscale-Invariance Reversible Data Hiding
在传统的可逆数据隐藏方法中，研究者们关注的是如何增大嵌入容量和减小嵌入失真。最近，一种全新的RDH算法被开发出来，在不改变相应灰度的情况下将秘密数据嵌入到彩色图像中[1]，这极大地扩展了RDH的应用。在文献[1]中，对于彩色图像，利用通道R和通道B来携带秘密信息，调节通道G以平衡通道R和通道B的修改，从而保持灰度的不变性。然而，我们发现该方法的嵌入性能（EP）仍然不令人满意，可以进一步提高。为了提高EP算法的性能，引入了一种自适应的嵌入模式，根据上下文信息选择性地将不同比特的秘密数据嵌入到像素中。此外，一种新的两级预测器的设计，通过联合两个正常的预测器，以减少ED嵌入更多的比特。实验结果表明，与以往的方法相比，我们的方案可以显着提高图像的保真度，同时保持灰度不变。
2019-08-16 cs.MM
BASN -- Learning Steganography with Binary Attention Mechanism
近年来，随着图像在互联网和移动应用中的日益普及，以图像为载体的秘密信息共享成为研究热点。然而，随着卷积神经网络的蓬勃发展，图像隐写术正面临着来自神经网络自动化任务的更大挑战。为了提高图像隐写的安全性和最小化任务结果失真，模型必须保持由特定任务网络生成的特征图与嵌入在载体中的任何隐藏信息无关。本文将二值注意力机制引入图像隐写中，以缓解图像隐写的安全性问题，同时增加图像隐写的有效载荷容量。实验结果表明，我们的方法具有高的负载容量与小的特征图失真的优势，仍然抵抗检测的国家的最先进的图像隐写分析算法。
2019-07-09 cs.CV cs.MM
Picking watermarks from noise (PWFN): an improved robust watermarking model against intensive distortions
Huazhong University of Science and Technology（华中科技大学）；Nanchang University（南昌大学）
针对现有深度学习水印方法仅能抗弱噪声的问题，本文提出PWFN模型，通过在噪声层与解码器间加去噪模块、引入SE模块提升编解码效率，在不同噪声强度下性能优于现有最优模型。
2024-05-17 cs.CV cs.MM eess.IV
