摘要：可逆数字水印技术在遥感、医学、军事等敏感图像应用领域前景广阔,针对大多数情况下可逆水印算法需要大量附加信息的情况,提出一种附加信息最多不超过一字节的可逆水印算法.该算法主要是利用像素点灰度值之间的差值关系,先将相邻像素点灰度差值进行分类和扩展,使得一些特殊灰度差值出现空缺,扩差可能导致极少数灰度值产生溢出,可通过直方图平移得以解决;水印的嵌入以差值的大小作为判断依据,在空缺差值所留出的空间内嵌入水印,既能保证对载体图像同一像素点的修改不超过一个灰度值,又能完整提取水印,无损还原载体,同时还给出了直接分组和循环分组两种嵌入方法.理论和实验表明,算法设计简单、运行效率高、隐蔽性好、实用性强.

摘要：针对传统可逆图像水印算法中存在高失真度和低嵌入率的问题,提出了一种基于无损压缩和差值扩展的可逆图像水印算法。在算法设计中首先对原始图像进行多尺度分解,将原始图像划分为同质块和非同质块。然后对同质块中每个像素进行误差预测,将每个像素点的像素值和对应的预测误差值组成像素对通过差值扩展算法来实现水印嵌入。最后,标注图像溢出像素点并压缩溢出图;将压缩溢出图和剩余未嵌入完的水印信息构成辅助信息一起嵌入到非同质块中。实验结果表明,该算法不仅降低了图像失真程度,而且提高了信息嵌入能力。此外,在同等水印嵌入量下,该算法的PNSR和SSIM高于其他一些常见的算法。

摘要：针对深度神经网络模型易遭受完整性破坏问题,提出一种基于可逆水印和模型压缩剪枝理论的快速神经网络模型完整性验证算法Fast-MIV(model integrity verification)。基于模型压缩剪枝理论探究模型的冗余性,筛选对模型原始任务影响较小、且可被替代的权重参数进行预处理构建待嵌入参数序列;采用差值扩展可逆水印算法,在神经网络卷积层上嵌入对模型篡改敏感的神经网络水印,达到完整性验证的目的。基于ImageNet数据集,对VGG19、DenseNet-121、ResNet-50和Inception-v3等模型的实验验证结果表明,Fast-MIV在不影响模型原始分类任务精度的前提下,能够快速验证模型的完整性并报告模型的受损程度,可以应对数据中毒攻击和结构性破坏。

摘要：对于采用差值扩展-直方图平移的可逆水印算法,提高预测的准确度有利于减小预测误差,从而在同等嵌入失真时获得更大的嵌入容量。为了进一步提高图像像素预测的准确度,构造了一种基于LASSO(Least Absolute Shrinkage And Selection Operator)的局部预测算法。具体而言,根据图像存在边缘、纹理方向的特点,将图像像素预测问题表征为基于LASSO的优化问题;然后通过优化求解得到预测系数,进而得到预测误差;随后利用预测误差,结合差值扩展-直方图平移嵌入技术设计可逆图像水印算法。实验仿真结果表明,与当前预测性能较好的、基于最小二乘局部预测的可逆图像水印算法相比,所提算法在嵌入相同的数据时拥有更高的峰值信噪比(PSNR)。

摘要：量子图像安全处理是一个新兴的研究领域,而量子图像数据隐藏是量子图像安全处理技术的一种,在不损害载体的情况下可用于保护量子图像的版权和认证量子图像是否完整。目前尚缺乏对量子图像可逆数据隐藏的详细技术研究。结合差值扩展技术,本文提出了一种量子图像可逆数据隐藏算法:1)选用NEQR量子图像表示法来表示图像;2)借鉴经典的差值扩展算法,在NEQR量子图像上对量子比特进行处理,可逆嵌入数据; 3)设计了信息嵌入、信息提取和载体无损恢复的量子线路图,并进行了仿真。基于经典图像的实验结果表明,本文算法是可逆的,可用于将来对量子图像的认证和保护。