[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

说明书

本公开公开的一种基于注意力引导的图像可逆信息隐藏方法及系统，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。实现了对图像的准确可逆信息隐藏。

技术领域

本发明涉及可逆信息隐藏技术领域，尤其涉及一种基于注意力引导的图像可逆信息隐藏方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

伴随着通信技术的飞速发展，可逆信息隐藏[RDH]技术已经成为人们生活中不可分割的一部分，但是嵌入容量和图像的视觉质量一直是可逆信息信息隐藏中一个充满活力的问题。可逆信息隐藏(RDH)技术以不丢失原始图像和信息而闻名。信息隐藏是一种将信息嵌入到多种媒体中，并对覆盖媒体稍加修改即可无错误地提取数据的技术。为了对覆盖介质进行保护，提出了一种可以无损地对覆盖介质结构进行探测的RDH算法。在过去的几十年里，RDH得到了越来越多的关注，被应用于许多领域，如军事通信、司法取证、超分辨率处理领域等。

如何保证数据嵌入后原始图像的低失真是当前RDH研究的一个主要问题，为了获得更好的视觉质量，在进行RDH时，着重于寻找新的嵌入方法来处理预测误差以减少嵌入失真，这些方法分为三类：差分扩展直方图移和预测误差扩展，为了获得更好的性能，人们提出了许多基于差分扩展的方法，通过扩展两个像素之间的差异嵌入数据；第二类是直方图移动的RDH方法，该方法的核心思想是利用图像直方图的峰值点和最小值点，通过修改灰度值来嵌入额外的数据；其他类型的方法集中在如何设计先进的预测来提高预测精度,预测(DP)包括差异值边缘方向预测(MEDP),梯度自适应预测(GAP),双线性插值预测(BIP),卷积神经网络预测(CNNP)和其他人通过使用多级预测器和自适应策略。

但发明人认为，进行可逆信息隐藏时，现有的方法均不能对图像进行准确预测，进而不能准确的进行可逆信息隐藏。

发明内容

本公开为了解决上述问题，提出了一种基于注意力引导的图像可逆信息隐藏方法及系统，实现了对图像进行准确的可逆信息隐藏。

为实现上述目的，本公开采用如下技术方案：

第一方面，提出了一种基于注意力引导的图像可逆信息隐藏方法，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。

第二方面，提出了一种基于注意力引导的图像可逆信息隐藏系统，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，用于通过叉集图像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，用于通过点集数据隐藏图像获取预测的叉集图像；