一种基于非对称卷积神经网络预测器的密文域可逆数据隐藏方法
申请号:CN202411087253
申请日期:2024-08-08
公开号:CN119004408A
公开日期:2024-11-22
类型:发明专利
摘要
本发明公开了一种基于非对称卷积神经网络预测器的密文域可逆数据隐藏方法,该方法利用图像像素之间的相关性,使用非对称卷积神经网络预测器和自适应均值预测器,对原始图像进行处理并生成预测图像。然后通过两阶段嵌入模型,实现了高效的数据嵌入。在嵌入过程中,本方法分段处理并嵌入秘密数据,确保了数据嵌入的灵活性和可逆性。不仅在提取秘密信息后能够完整恢复原始图像,而且还提高了嵌入容量。因此,本发明提供了一种适用于数据完整性验证、隐私保护和版权保护的有效解决方案。
技术关键词
非对称卷积神经网络
可逆数据隐藏方法
嵌入辅助信息
标签
建立平面直角坐标系
数据嵌入
图像像素
数据完整性验证
两阶段
编码规则
生成预测图像
加密算法
解密
分支