[发明专利]一种卷积神经网络驱动的图像可逆信息隐藏方法

说明书

本发明公开了一种卷积神经网络驱动的图像可逆信息隐藏方法。该图像可逆信息隐藏方法通过结合基于卷积神经网络的图像像素预测器和传统图像像素预测器，构造满足最优预测性能保护条件的图像像素预测器。该图像可逆信息隐藏方法弥补了使用单一图像像素预测器的不足，更好地利用了图像像素的空间相关性，提升了图像可逆信息隐藏方法的像素预测精度和载密图像质量。

技术领域

本发明涉及信息隐藏技术领域，尤其涉及一种卷积神经网络驱动的图像可逆信息隐藏方法。

背景技术

图像可逆信息隐藏作为一种能够将数据可逆地嵌入到载体图像中的技术，在档案管理、司法取证和医学图像处理等领域发挥了重要的作用。

可逆性意味着在提取嵌入的数据之后可以无损恢复原始载体图像。图像可逆信息隐藏的核心问题在于通过图像像素预测器构造陡峭的预测误差直方图。

但是，现有的大多数图像可逆信息隐藏方法仅使用单一图像像素预测器，不能充分地利用图像像素的空间相关性，像素预测精度受限。

发明内容

本发明的目的是提供一种卷积神经网络驱动的图像可逆信息隐藏方法，提升了图像可逆信息隐藏方法的像素预测精度和载密图像质量。

本发明的目的是通过以下技术方案实现的：

一种卷积神经网络驱动的图像可逆信息隐藏方法，包括：

将载体图像分割为不重叠的第一原始像素集合与第二原始像素集合；

利用所述第二原始像素集合构造满足设定的最优预测性能保护条件的第一图像像素预测器，对所述第一原始像素集合进行最优预测，并在所述第一原始像素集合中可逆地嵌入数据，生成第一载密像素集合；使用所述第一载密像素集合造满足设定的最优预测性能保护条件的第二图像像素预测器，对所述第二原始像素集合进行最优预测，并在所述第二原始像素集合中可逆地嵌入数据，生成第二载密像素集合；

将所述第一载密像素集合与第二载密像素集合合成为载密图像。

由上述本发明提供的技术方案可以看出，通过结合基于卷积神经网络的图像像素预测器和传统图像像素预测器，构造满足最优预测性能保护条件的图像像素预测器。该图像可逆信息隐藏方法弥补了使用单一图像像素预测器的不足，更好地利用了图像像素的空间相关性，提升了图像可逆信息隐藏方法的像素预测精度和载密图像质量。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种卷积神经网络驱动的图像可逆信息隐藏方法的流程图；

图2为本发明实施例提供的一种卷积神经网络驱动的图像可逆信息隐藏方法的原理图；

图3为本发明实施例提供的基于卷积神经网络的图像像素预测器的结构图；

图4为本发明实施例提供的对比实验中使用的载体图像示意图；

图5为本发明实施例提供的使用不同图像可逆信息隐藏方法对图像Lena进行像素预测得到的预测误差直方图；

图6为本发明实施例提供的载密图像PSNR值与嵌入率的关系曲线图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。