SOM和小波对比度在密写中的应用

doi:10.3778/j.issn.1002-8331.2009.13.050

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (13): 173-174.DOI: 10.3778/j.issn.1002-8331.2009.13.050

• 图形、图像、模式识别 • 上一篇下一篇

SOM和小波对比度在密写中的应用

张佳佳,盘宏斌,黄辉先

湘潭大学信息工程学院，湖南湘潭 411105

收稿日期:2008-10-28 修回日期:2008-12-01 出版日期:2009-05-01 发布日期:2009-05-01
通讯作者: 张佳佳

Steganographic method based on SOM and wavelet contrast

ZHANG Jia-jia,PAN Hong-bin,HUANG Hui-xian

College of Information and Engineering，Xiangtan University，Xiangtan，Hunan 411105，China

Received:2008-10-28 Revised:2008-12-01 Online:2009-05-01 Published:2009-05-01
Contact: ZHANG Jia-jia

摘要/Abstract

摘要： 为了提供较大的秘密信息嵌入量和保持较好的载密图像质量，提出了一种基于自组织特征映射神经网络和小波对比度的图像密写。该方法先将载体图像分成固定大小的小块，对每一小块进行小波一级分解后计算小波对比度。然后，利用自组织特征映射神经网络将小块分为三类。最后，采用模算子技术嵌入秘密信息。实验结果表明，与WCL算法相比，该算法有更大的嵌入量并保持了良好的载密图像质量。

关键词: 密写, 自组织映射图, 小波

Abstract: To provide larger capacity of the hidden secret data and to maintain a better visual quality of stego-image，a novel steganographic method based on SOM and wavelet contrast is presented.First，an image is divided into blocks，and every block is decomposed into one-level wavelet to obtain the wavelet contrast.Then，classify blocks by SOM.Finally，embed secret information with steganography based on modulus.From the experimental results，compared with WCL，the proposed method hides much more information and maintains a better visual quality of stego-image.

Key words: steganographic method, Self-Organizing Maps（SOM）, wavelet

张佳佳,盘宏斌,黄辉先. SOM和小波对比度在密写中的应用[J]. 计算机工程与应用, 2009, 45(13): 173-174.

ZHANG Jia-jia,PAN Hong-bin,HUANG Hui-xian. Steganographic method based on SOM and wavelet contrast[J]. Computer Engineering and Applications, 2009, 45(13): 173-174.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[3]	杜小磊，陈志刚，许旭，张楠. 改进深层小波自编码器的轴承故障诊断方法[J]. 计算机工程与应用, 2020, 56(5): 263-269.
[4]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[5]	常戬，贺春泽，董育理，任营. 改进双边滤波和阈值函数的图像增强算法[J]. 计算机工程与应用, 2020, 56(3): 207-213.
[6]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[7]	曹晓航，汪立新，束学渊. 基于小波不变矩的雷达辐射源信号识别[J]. 计算机工程与应用, 2020, 56(19): 269-272.
[8]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[9]	杨刚，薛挺，高伟. 一种抗运动干扰的实时心率提取方法[J]. 计算机工程与应用, 2019, 55(5): 244-250.
[10]	王灿，李凤莲，胡风云，张雪英，贾文辉. 面向特征融合的脑卒中脑电信号分类方法[J]. 计算机工程与应用, 2019, 55(24): 154-158.
[11]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[12]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[13]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[14]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[15]	彭燕，刘宇红，张荣芬. 基于LSTM的股票价格预测建模与分析[J]. 计算机工程与应用, 2019, 55(11): 209-212.

SOM和小波对比度在密写中的应用

Steganographic method based on SOM and wavelet contrast

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics