当前位置: 首页 > news >正文

加密图像的脆弱水印及应用

原文题目:《A self-embedding secure fragile watermarking scheme with high quality recovery》
学习笔记:

应用场景

为了确保图像在传输过程中不被损坏,在将原始图像发送到云端之前,将用于篡改检测和恢复的水印嵌入到原始图像中,并对带有水印的图像执行加密的操作。在这种情况下,云接收到的只是一幅类似噪声的水印图像,无法获得原始图像的任何信息。只有经过授权的人才能解密水印图像并提取水印以获得原始图像。如果水印图像不幸受到攻击,还可以根据预先嵌入的篡改检测水印和恢复水印定位和恢复篡改区域。
![在这里插入图片描述](https://img-blog.csdnimg.cn/f88375f12d4d4a478e826df92a5e0e9b.png

图2的描述:用户对原始图像嵌入水印后加密上传云端,云端首先对上传的图像进行检测(一级检测),如果图像在传输的过程中被篡改,那么像用户返回被篡改的区域,并将被篡改图像返还给用户,以便用户恢复或重新上传。如果图像没有被篡改,将图像存储到云端。用户下载图像,拿到带有水印的加密图像后可以进行二级篡改监测,如果下载的加密图像被篡改或被破坏可以定位篡改的位置 并恢复原始图像。

算法简介(进介绍水印嵌入过程)

1将大小为m × n的原始图像Io分成2 × 2不重叠的块Bi,j,
2 计算每个块Bi,j的平均值,取高5位作为恢复水印Ri,j。
3 基于key1对Io置乱,得到I2,将I2划分为成2 × 2不重叠的块B2i,j,
4. 计算每个块B2 i,j的平均值,并转换为二进制Mi,j。一级篡改检测水印WD1 = (p(i,j),q(i,j), v(i,j)),
在这里插入图片描述
5使用键k2和LLS打乱Ri,j得到打乱的恢复水印R ’ i,j 。将R ’ i,j与一级篡改检测水印WD1 i,j拼接到I2的9,10位,最后得到嵌入一级水印的10位图像I3。
6对10位的I3进行两次POB操作,得到7位的I4。在这个过程中, 在10位图像和8位图像中每个像素中的1的数量分别记为键k3和k4。
7 将I4分为2×2不重叠块B3i,j ,然后将每个块B3 i,j中的4个像素转换为7位二进制,并组合成28位序列hi,j,基于k5对hi,j置乱得到Hij, Hij,作为SHA512的输入得到32比特16进制序列
在这里插入图片描述
8 将S(I,j,1)和S(I,j,2)转换位二进制并XOR,将XOR的结果转换为十进制得到Qi,j。然后进行模4运算,得到2位二进制水印a1 i,j和a2 i,j。取S(i,j,31)和S(i,j,32)执行相同的操作,得到a3 i,j和a4 i,j,最后将4位水印进行组合,生成二级检测水印WD2 i,j。
在这里插入图片描述
9. 将WD2 i,j拼接到自己的块中,得到8位图像I5,如图5所示。
在这里插入图片描述

附图

像素POB压缩示例:
在这里插入图片描述
水印嵌入位置示例图:
在这里插入图片描述

总结

密文域脆弱水印是脆弱水印中的前沿领域,可以保护密文图像在传输或者存储过程中被篡改或破坏。
该文的一个缺陷是POB压缩过程中秘钥太大,如何传输秘钥是一个问题。

http://www.lryc.cn/news/31417.html

相关文章:

  • python线上商城网站项目前台和后台源码
  • PowerShell 实现企业微信机器人推送消息
  • IDEA集成Git就是这么简单
  • springBoot 事务基本原理
  • HBuilderX无线连接真机
  • idea初学笔记
  • C++核心编程<类和对象>(4)
  • 编写http workshop脚本从网页缓存里解析音乐
  • 当数字孪生遇上轨道交通,会有什么新发展?
  • 原理底层计划--分布式事务
  • Hive总结
  • docker环境下安装jenkins
  • Shifu基础功能:设备接入
  • 基于Java+SpringBoot+Vue+Redis+RabbitMq的鲜花商城
  • 蓝桥杯真题(解码)小白入!
  • 并发包中的ConcurrentLinkedQueue和LinkedBlockingQueue有什么区别?
  • 分享四个前端Web3D动画库在Threejs中使用的动画库以及优缺点附地址
  • 谷歌浏览器和火狐浏览器永久禁用缓存【一劳永逸的解决方式】
  • kibana查看日志
  • JS 异步接口调用介绍
  • 5.深入理解HttpSecurity的设计
  • opencv-python numpy常见的api接口汇总(持续更新)
  • 概率论小课堂:伯努利实验(正确理解随机性,理解现实概率和理想概率的偏差)
  • 加密功能实现
  • 大数据项目实战之数据仓库:用户行为采集平台——第1章 数据仓库概念
  • NTP对时服务器(NTP电子时钟)在生物制药业应用
  • JPA 之 QueryDSL-JPA 使用指南
  • 如何找回回收站删除的视频?这三种方法可以试试
  • FPGA_边沿监测理解
  • 41 42Ping-Pong操作