基于分形与小波的IWT-SVD/DWT-SVD图像隐写算法:安全与效率分析
163 浏览量
更新于2024-06-17
收藏 1.78MB PDF 举报
本文研究了在分形覆盖下应用IWT-SVD (小波变换奇异值分解) 和 DWT-SVD (离散小波变换奇异值分解) 的彩色图像隐写算法,针对的是如何确保互联网上传输的秘密数据的安全性和保护隐私。在当前数据泄露风险日益增大的背景下,作者提出了一种创新的方法,利用分形图像作为掩护,将彩色秘密图像巧妙地嵌入其中,创造出一个看似原始封面图像的隐藏图像。这种设计的关键在于,通过分形压缩技术,能够以较小的文件尺寸提供足够的保护,抵御图像处理攻击,同时保持较高的图像质量。
IWT-SVD 和 DWT-SVD 混合变换策略增强了算法的鲁棒性和不可察觉性,使得隐藏的信息能够在不失真的情况下进行传输,这对于存储和带宽节约具有显著优势。作者还依据人眼视觉系统(HVS)模型,将秘密图像嵌入分形覆盖的U和V分量,进一步提高了隐藏的效率和真实性。
为了评估算法的性能,文中对比了使用IWT-SVD和DWT-SVD的不同分形覆盖方式,通过一系列指标进行分析,如峰值信噪比(PSNR)、均方误差(MSE)、结构相似性指数(SSIM)、盲/无参考图像空间质量评估(BRISQUE)评分以及每像素位数(BPP)。实验结果显示,在秘密图像文件大小是分形覆盖图像文件大小的两倍以上时,图像质量损失极小(低于0.6%),显示了算法的有效性和实用性。
这项工作为数字信息安全领域提供了一个新的解决方案,特别是在对抗图像处理攻击的同时,兼顾了数据的隐藏容量和传输效率。值得注意的是,该研究是在沙特国王大学学报上以开放获取的形式发布的,遵循CCBY-NC-ND许可证,允许在特定条件下共享和使用。
2019-07-22 上传
2009-05-02 上传
2009-05-02 上传
2009-10-24 上传
2009-07-04 上传
cpongm
- 粉丝: 5
- 资源: 2万+
最新资源
- Java毕业设计项目:校园二手交易网站开发指南
- Blaseball Plus插件开发与构建教程
- Deno Express:模仿Node.js Express的Deno Web服务器解决方案
- coc-snippets: 强化coc.nvim代码片段体验
- Java面向对象编程语言特性解析与学生信息管理系统开发
- 掌握Java实现硬盘链接技术:LinkDisks深度解析
- 基于Springboot和Vue的Java网盘系统开发
- jMonkeyEngine3 SDK:Netbeans集成的3D应用开发利器
- Python家庭作业指南与实践技巧
- Java企业级Web项目实践指南
- Eureka注册中心与Go客户端使用指南
- TsinghuaNet客户端:跨平台校园网联网解决方案
- 掌握lazycsv:C++中高效解析CSV文件的单头库
- FSDAF遥感影像时空融合python实现教程
- Envato Markets分析工具扩展:监控销售与评论
- Kotlin实现NumPy绑定:提升数组数据处理性能