[发明专利]一种基于注意力引导的图像可逆信息隐藏方法及系统有效

专利信息
申请号: 202110603213.3 申请日: 2021-05-31
公开(公告)号: CN113382126B 公开(公告)日: 2022-10-11
发明(设计)人: 王春兴;王德艳;万文博 申请(专利权)人: 山东师范大学
主分类号: H04N1/32 分类号: H04N1/32;G06N3/04;G06N3/08
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 董雪
地址: 250014 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 注意力 引导 图像 可逆 信息 隐藏 方法 系统
【权利要求书】:

1.一种基于注意力引导的图像可逆信息隐藏方法,其特征在于,包括:

获取原始图像;

将原始图像分为叉集图像和点集图像;

通过叉集图像获取预测的点集图像;

将点集图像和预测的点集图像进行隐藏数据反转,生成点集数据隐藏图像;

通过点集数据隐藏图像获取预测的叉集图像;

将叉集图像和预测的叉集图像进行隐藏数据反转,生成叉集数据隐藏图像;

将叉集图像输入点集图像预测模型中获取预测的点集图像;

将点集数据隐藏图像输入叉集图像预测模型中获取预测的叉集图像;

点集图像预测模型和叉集图像预测模型均采用CNNPA网络,CNNPA网络包括四个并行的卷积块,输入图像分别输入四个并行的卷积块中,将其中三个卷积块的输出进行卷积融合,将卷积融合后特征与四个并行的卷积块的输出进行卷积融合后输入图像预测模块中进行图像预测;

将点集数据隐藏图像和叉集数据隐藏图像进行融合,获取数据隐藏图像。

2.如权利要求1所述的一种基于注意力引导的图像可逆信息隐藏方法,其特征在于,在三个卷积块中的每一个卷积块后均添加通道注意力机制。

3.如权利要求1所述的一种基于注意力引导的图像可逆信息隐藏方法,其特征在于,四个并行的卷积块的卷积核大小均不相同。

4.如权利要求1所述的一种基于注意力引导的图像可逆信息隐藏方法,其特征在于,将三个卷积块的输出输入第二层卷积块中进行卷积融合,在第二层卷积块之后添加通道注意力机制和位置注意力机制。

5.如权利要求1所述的一种基于注意力引导的图像可逆信息隐藏方法,其特征在于,对数据隐藏图像进行复原的过程为:

将数据隐藏图像划分为叉集数据隐藏图像和点集数据隐藏图像;

通过点集数据隐藏图像获取预测的叉集数据隐藏图像;

将叉集数据隐藏图像和预测的叉集数据隐藏图像进行隐藏数据反转,获取叉集图像,并提取隐藏信息;

根据恢复的叉集图像获取预测的点集数据隐藏图像;

将点集数据隐藏图像和预测的点集数据隐藏图像进行隐藏数据反转,获取点集图像,并提取隐藏信息;

将叉集图像和点集图像进行融合获得原始图像。

6.一种基于注意力引导的图像可逆信息隐藏系统,其特征在于,包括:

图像获取模块,用于获取原始图像;

图像划分模块,用于将原始图像分为叉集图像和点集图像;

点集图像预测模块,用于通过将叉集图像输入点集图像预测模型中获取预测的点集图像;

点集数据隐藏图像获取模块,用于将点集图像和预测的点集图像进行隐藏数据反转,生成点集数据隐藏图像;

叉集图像预测模块,用于通过将点集数据隐藏图像输入叉集图像预测模型中获取预测的叉集图像;

点集图像预测模型和叉集图像预测模型均采用CNNPA网络,CNNPA网络包括四个并行的卷积块,输入图像分别输入四个并行的卷积块中,将其中三个卷积块的输出进行卷积融合,将卷积融合后特征与四个并行的卷积块的输出进行卷积融合后输入图像预测模块中进行图像预测;

叉集数据隐藏图像获取模块,用于将叉集图像和预测的叉集图像进行隐藏数据反转,生成叉集数据隐藏图像;

数据隐藏图像获取模块,用于将点集数据隐藏图像和叉集数据隐藏图像进行融合,获取数据隐藏图像,数据隐藏图像用于原始图像复原。

7.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-5任一项所述的一种基于注意力引导的图像可逆信息隐藏方法的步骤。

8.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-5任一项所述的一种基于注意力引导的图像可逆信息隐藏方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东师范大学,未经山东师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110603213.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top