申请/专利权人：广东海洋大学

申请日：2022-12-16

公开（公告）日：2024-04-09

公开（公告）号：CN116033086B

主分类号：H04N1/32

分类号：H04N1/32;H04L9/00;H04L9/24;G06N3/0455;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2023.05.16#实质审查的生效;2023.04.28#公开

摘要：本发明涉及图像加密领域，公开了一种基于可逆神经网络的图像隐藏方法，包括：对大小为M×N目标图像I进行编码压缩，得到压缩图像A。计算所述目标图像的哈希值H，并基于所述哈希值H，生成三维超混沌映射的伪随机序列。利用所述伪随机序列对所述压缩图像A进行置乱，并对置乱后的图像进行异或扩散，得到密文图像V。利用可逆神经网络将所述密文图像V嵌入至载体图像C中，得到含密载体图像Q。本发明通过利用三维超混沌映射和可逆神经网络对图像进行双层隐藏，并通过计算目标图像对应的哈希值，并利用这个哈希值生成作为三维超混沌映射的伪随机序列，得后续生成的密钥与目标图像相关联，提高了图像隐藏方法的安全性。

主权项：1.一种基于可逆神经网络的图像隐藏方法，其特征在于，包括：对大小为的目标图像I进行编码压缩，得到压缩图像A；计算所述目标图像的哈希值H，并基于所述哈希值H，生成三维超混沌映射的伪随机序列，包括：利用SHA-256哈希算法计算所述目标图像256位哈希值H；基于所述哈希值H，生成三维超混沌映射的初始值；将所述初始值代入三维超混沌映射中进行迭代，迭代次后，生成长度为的混沌序列XX和YY；基于所述混沌序列XX和YY，生成第一伪随机序列R和第二伪随机序列S，其表达式如下所示： 其中，表示向上取整，表示取模运算；所述基于所述哈希值H，生成三维超混沌映射的初始值的具体步骤包括：将所述哈希值H均分为16个子哈希值H1-H16；以8个子哈希值为一组分别构建三组密钥、和，其表达式如下所示： ， 其中，E、F和G为计算的16进制的中间变量，Edec、Fdec和Gdec分别为E、F和G的十进制值，表示进行比特位异或操作运算，为随机数且，、和为随机的大整数；利用所述三组密钥、和，分别生成三维超混沌映射的初始值、和，其表达式如下所示： 所述将初始值代入三维超混沌映射中进行迭代，其表达式如下所示： 其中，分别为三组经过j次迭代的超混沌映射值，分别为不同的控制参数且，，为一个趋于0的数；利用所述伪随机序列对所述压缩图像A进行置乱，并对置乱后的图像进行异或扩散，得到密文图像V，包括：将第一伪随机序列R中重复的随机数抛出；将整数集合中未出现在第一伪随机序列R中的数值，按由小到大的顺序添加到的末尾，得到中间伪随机序列R512×k-i+1；将压缩图像A的图像矩阵展开成一维行向量，并利用中间伪随机序列R512×k-i+1对所述一维行向量进行位置置换，得到置乱序列O；将第二伪随机序列S中的元素与置乱序列O中的元素一一对应进行异或扩散，得到密文图像V；进行异或扩散的表达式如下所示： 其中，表示密文图像中的第i个元素，表示第二伪随机序列中的第i个元素，表示置乱序列中的第i个元素；利用可逆神经网络将所述密文图像V嵌入至载体图像C中，得到含密载体图像Q，包括：提取密文图像V的图像矩阵中的个位元素，利用所述个位元素构造矩阵K，其表达式如下所示： ；提取密文图像V的图像矩阵中剩余的高位元素，利用所述高位元素构造矩阵L，其表达式如下所示： ；将所述矩阵K和矩阵L进行拼接处理，得到矩阵D；对矩阵D进行置乱处理，并将载体图像C和经过置乱处理后的矩阵D分别输入训练好的可逆神经网络进行嵌入处理，得到含密载体图像Q。

全文数据：

权利要求：

百度查询： 广东海洋大学 一种基于可逆神经网络的图像隐藏方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD