可逆數(shù)據(jù)隱藏算法（RDH）在多媒體版權(quán)保護(hù)和內(nèi)容完整性認(rèn)證中得到了廣泛的應(yīng)用。直方圖平移（HS）作為一種典型的RDH方案由于其高質(zhì)量的圖像隱寫被廣泛應(yīng)用�，F(xiàn)有的基于HS的RDH方案大多通過預(yù)測(cè)和排序技術(shù)來利用載體圖像的平滑區(qū)域,建立陡峭的方圖進(jìn)行數(shù)據(jù)隱藏。近年來利用圖像不同紋理內(nèi)容之間的相關(guān)性,人們提出了幾種基于多直方圖的RDH算法（MH＿RDH）,例如基于單一特征的排序,然后對(duì)排序序列進(jìn)行均勻分割,構(gòu)建多直方圖。本文提出利用聚類算法模糊C均值（FCM）聚類,用于構(gòu)造多直方圖。FCM通過特殊設(shè)計(jì)的特征將構(gòu)造直方圖的值（如預(yù)測(cè)誤差）劃分為不同的簇,以此構(gòu)建多直方圖,實(shí)現(xiàn)高效的數(shù)據(jù)嵌入�？赡嫘畔㈦[藏技術(shù)在彩色圖像內(nèi)容完整性認(rèn)證方面的優(yōu)勢(shì)逐漸得到了大家的關(guān)注,其中簡單高效的直方圖平移可逆嵌入方案已成為研究重點(diǎn)。為了進(jìn)一步提高算法效率,當(dāng)前主流算法通常基于經(jīng)驗(yàn)給出各種固定的邊信息（峰值點(diǎn)和零點(diǎn)對(duì)）搜索方案用于直方圖平移過程,如基于兩對(duì)峰值點(diǎn)對(duì)的對(duì)稱搜索等。如此操作使得算法性能受到了較大的限制,如嵌入容量受限等�；诖�,本文給出一種面向全容量（從小容量到大容量）的自適應(yīng)嵌入方案,能夠根據(jù)給定的嵌... 

【文章來源】：景德鎮(zhèn)陶瓷大學(xué)江西省

【文章頁數(shù)】：57 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 引言
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于多直方圖的可逆信息隱藏（FCM）
        1.2.2 彩色圖像可逆信息隱藏
    1.3 論文的主要內(nèi)容
    1.4 論文的結(jié)構(gòu)安排
第二章 相關(guān)理論基礎(chǔ)
    2.1 可逆信息隱藏技術(shù)的概述
    2.2 可逆信息隱藏的技術(shù)特點(diǎn)
    2.3 可逆信息隱藏算法的評(píng)價(jià)指標(biāo)
    2.4 基于直方圖平移的可逆信息隱藏算法
第三章 基于FCM的多直方圖可逆信息隱藏
    3.1 基于FCM的多直方圖載體構(gòu)造
        3.1.1 多特征的構(gòu)造
        3.1.2 PCA過程
        3.1.3 FCM算法
        3.1.4 多載體構(gòu)造
    3.2 邊信息的選擇
    3.3 秘密信息的嵌入與提取
        3.3.1 秘密信息的嵌入
        3.3.2 秘密信息的提取與載體圖像的恢復(fù)
    3.4 實(shí)驗(yàn)結(jié)果分析
        3.4.1 不同數(shù)量的初始特征K的影響
        3.4.2 不同聚類數(shù)量c的影響
        3.4.3 PCA過程的影響
        3.4.4 不同直方圖構(gòu)造方法的比較
        3.4.5 綜合性能的比較
        3.4.6 算法復(fù)雜度的比較
    3.5 本章小結(jié)
第四章 基于多直方圖容量分配的彩色圖像可逆信息隱藏
    4.1 彩色圖像可逆信息隱藏的一般框架
        4.1.1 預(yù)測(cè)誤差直方圖的構(gòu)建
        4.1.2 容量分配過程
        4.1.3 邊信息的選擇及秘密信息的嵌入
    4.2 算法改進(jìn)
        4.2.1 多特特征排序算法
        4.2.2 最優(yōu)邊信息選擇
        4.2.3 嵌入與提取算法
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 多特征排序的測(cè)試
        4.3.2 邊信息優(yōu)化選擇方案的測(cè)試
        4.3.3 綜合性能對(duì)比
        4.3.4 計(jì)算復(fù)雜度對(duì)比
    4.4 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的論文



本文編號(hào)：3032303