[发明专利]基于纹理合成的影像敏感目标隐藏方法

摘要

本发明公开了一种基于纹理合成的影像敏感目标隐藏方法，包括如下过程：(1)在影像中标注敏感目标；(2)利用动态规划隐藏顺序确定需要优先处理的样本纹理块；(3)通过八邻域快速搜索和模板块自适应策略在影像中快速查找相似样本纹理块；(4)基于颜色纹理特征匹配准则确定最佳匹配样本纹理块，并替换原样本纹理块；(5)重复以上隐藏过程，直到敏感目标隐藏完成。本发明的方法具有隐藏效果好、隐藏效率高等特点，可为影像数据的安全、共享提供技术支持。

主权项

1.基于纹理合成的影像敏感目标隐藏方法，其特征在于，包括如下过程：(1)在影像中标注敏感目标；(2)利用动态规划隐藏顺序确定需要优先处理的样本纹理块；(3)通过八邻域快速搜索和模板块自适应策略在影像中快速查找相似样本纹理块；(4)基于颜色纹理特征匹配准则确定最佳匹配样本纹理块，并替换原样本纹理块；(5)重复以上隐藏过程，直到敏感目标隐藏完成；所述方法的具体实现步骤为：(一)标注敏感目标步骤11：对影像I进行敏感区域标注处理；(二)动态规划隐藏顺序步骤21：计算置信项C(p)，公式如下：其中，p是目标像素点，|ψp|是模板内像素点的总个数；C(q)是像素点q的置信度，必须满足初始化条件：其中，Φ是非敏感区域，I‑Φ则是敏感区域；步骤22：引入置信度平滑函数S(p)，公式如下：S(p)＝(1‑α)×C(p)+α                      (3)其中，α是正则化因子，取α＝0.5，则S(p)的取值范围限定在[0.5,1]；步骤23：计算数据项D(p)，公式如下：其中，β是一个规范化因子，一般取255，n_p是在点p处正交于边界δΩ的单位正交向量，⊥指出正交操作，表示与p点梯度方向垂直的方向，也是p点的光照度线方向；步骤24：动态规划的隐藏优先权函数，公式如下：SP(p)＝ω1×S(p)+ω2×D(p)                 (5)其中，ω1,ω2是权重系数，0＜ω1,ω2＜1，且ω1+ω2＝1，根据影像隐藏进行动态规划；步骤25：引入阈值g，表示剩余敏感区域占原敏感区域面积的百分比，当70％≤g≤1时，设置ω1＝0.3，ω2＝0.7，确保优先处理结构信息；当40％≤g＜70％时，设置ω1＝ω2＝0.5，使得结构和纹理信息同时处理；当0≤g＜40％时，设置ω1＝0.6，ω2＝0.4，优先处理纹理信息；(三)八邻域快速搜索策略步骤31：计算敏感目标的最小外接矩形，敏感目标的最大和最小边界点所在的行和列位置，分别记为：x1、x2、y1、y2，则敏感目标最小外接矩形的宽高分别为：x2‑x1，y2‑y1；步骤32：生成八邻域搜索区域，以敏感目标为中心位置，最小外接矩形为邻域模板，构建八邻域搜索区域，其边界所在的行和列位置，记为：2x1‑x2、2x2‑x1、2y1‑y2、2y2‑y1，则八邻域搜索区域的宽高需要减去目标最小外接矩形的宽高，记为：2(x2‑2x1)、2(y2‑2y1)；八邻域边界范围限制条件，若2x1‑x2＜0，令2x1‑x2＝0；若2x2‑x1＞m，令2x2‑x1＝m；若2y1‑y2＜0，令2y1‑y2＝0；若2y2‑y1＞n，令2y2‑y1＝n；步骤33：样本快速搜索，引入搜索步长a且1≤a≤4s，其中s表示八邻域范围所占影像整体范围的百分比；当s＜50％时，令a＝1，即设置搜索步长为1；当s≥50％时，令a＝4s，即搜索步长a∈[2,4]；(四)模版尺寸自适应步骤41：计算影像的梯度、信息熵和局部方差；步骤42：影像特征分量的归一化处理，其特征向量F_i＝[f_i1,f_i2,…,f_iN]，假设特征分量[f_1j,f_2j,…,f_Nj]满足高斯分布，计算其均值m_j和标准差σ_j，可将f_ij归一化为具有N(0,1)分布的步骤43：模板块尺寸自适应函数，公式如下：其中，Size(p)表示模板块的大小，表示梯度项，VAR(p)表示方差项，Q(p)表示信息熵项；当0.2≤H(p)≤1.0时，将Size(p)的尺寸大小限制在3～21内的奇数，即3*3、5*5、7*7、9*9、11*11、13*13、15*15、17*17、19*19、21*21；(五)基于颜色纹理特征的匹配准则步骤51：采用RGB颜色空间的欧几里德距离来计算目标纹理块和样本纹理块之间的颜色相似度，公式如下：其中，p和q分别表示待隐藏样本块和原样本块对应像素点的RGB颜色分量；步骤52：采用灰色共生矩阵来计算目标块和样本块之间的纹理相似度，构造四个方向的共生矩阵；设f(x,y)是一幅N×N的影像，d＝(dx,dy)是一个位移矢量，其中dx是行方向上的位移，dy是列方向上的位移，L为影像的最大灰度级数，灰度共生矩阵的第i行第j列元素表示影像上两个相距为δ、方向为θ，分别具有灰度级i和j的像素点对出现的次数；其中，(x,y)是影像中像素坐标，x,y的取值范围为[0,N‑1]，i,j的取值范围为[0,L‑1]，通常θ取0°,45°,90°,135°，矩阵元素定义如下：步骤53：计算四个共生矩阵的熵、惯性矩、能量、相关等参数，并对参数进行内部归一化处理后将其作为纹理特征向量中的各个分量，这样就获得影像的纹理特征；设目标块和样本块为p、q，其纹理特征的差异定义为：其中，r＝1,...,4表示纹理特征的4个共生矩阵，t＝1,...,4表示每个共生矩阵的4个参量，frt表示每个经过归一化处理后的参量值，ωrt是各个参量的权值；步骤54：基于颜色纹理特征的匹配准则，根据颜色和纹理对影像视觉特征的重要性进行权重分配，公式为：D＝WCDC+WTDT                       (12)其中，WC、WT分别为颜色特征和纹理特征的权值；(六)经过以上处理步骤后，就完成了一轮隐藏过程，如此重复，直到敏感目标隐藏完成。