汉沽手机网站建设,iis下建多个网站,wordpress引导页怎么用,重庆市建设工程信息网官网福海玻璃期刊#xff1a;Signal Processing
作者#xff1a;Lingfeng Qu et al.
--
摘要#xff1a;
加密域可逆数据隐藏被广泛应用于云存储数字媒体的内容安全、隐私保护和便捷管理。然而#xff0c;RDH-ED技术在三维网格模型载体中的应用研究仍处于起步阶段。为解决现有针对三…期刊Signal Processing
作者Lingfeng Qu et al.
--
摘要
加密域可逆数据隐藏被广泛应用于云存储数字媒体的内容安全、隐私保护和便捷管理。然而RDH-ED技术在三维网格模型载体中的应用研究仍处于起步阶段。为解决现有针对三维网格模型的RDH-ED算法需要像第三方传输辅助信息嵌入容量不高等问题本文提出一种基于环的协同异或加密(RCXOR)的可逆数据隐藏方案。首先将原始3D网格模型划分为互不重叠的环不同的环不存在共享顶点。接着对同一个环中的顶点用相同的随机数按位异或加密以保留加密后环中相邻顶点的冗余。最后基于RCXOR加密提出一种基于环心顶点的多MSB预测方法环心顶点作为参考顶点预测环边顶点的多个MSB腾出房间用于数据隐藏采用范式霍夫曼编码压缩标签获得最优嵌入容量。实验结果表明提出算法与最先进算法相比具有较高的安全性和嵌入容量。
引言简介
这里对原文中引言以及相关工作部分做总结与简介与原文不一致。
3D网格模型是一种新型的载体被广泛应用于医疗器官制作、建筑结构展示、机械制图、动画制作等领域。如何将基于图像的RDH技术应用到3D网格模型载体中已成为领域的研究热点。现有针对3D网格模型的RDH技术可以被划分为三类空间域、变换域、压缩域。
基于空域的RDH技术通过修改魔性的顶点坐标来嵌入数据。Wu等人[]通过条件网格的面和质心的距离在模型中可逆的嵌入脆弱水印实现对3D网格模型的认证。In [], Wu等人将PEE技术应用到3D网格模型的顶点中实现在网格模型中可逆的潜入数据。Zhang等人[]采用环形模式来预测顶点位置提高了预测精度通过PEE和排序方法使得算法在增强容量和降低失真方面取得了更好的性能。Jiang等人[]基于最优三维预测误差直方图(PEH)修正和递归结构编码(RCC)方法进一步提升了3D网格RDH的嵌入容量和恢复质量。Girdhar等人基于DE思想在3D网格模型中使用混沌映射来隐藏秘密信息在嵌入容量和视觉质量方面取得了较好的效果。第二类是将秘密数据隐藏在3D模型的频域中Luo等人[]用随机选择的种子顶点创建一组8个相邻顶点的集群利用3D网格模型顶点间的强相关性将秘密数据隐藏在集群中的DCT域中。第三类是基于压缩域的RDH技术[]这类方法将网格模型无损压缩后腾出空间在模型中可逆的嵌入秘密数据。
上述方法都是直接在原始3D网格模型中隐藏秘密数据而不能保护模型的内容信息。随着云计算和大数据等技术的发展 3D网格模型等各种数字媒体可以保存在私有、公有和混合等开放或半开放云环境中[1]。对云存储数字图像的内容安全、隐私保护和便捷管理等需求推动着图像加密域可逆信息隐藏(RDH-ED: Revisable Data Hiding in Encrypted domain)技术的发展。现有RDH-ED技术可以被划分类两大类Vacating room after encryptionVRAE和Vacating room after encryption(VRBE)。VRBE框架的RDH-ED算法利用原始媒体内容的冗余预留空间后再对媒体进行加密能够获得较高的嵌入容量。Ma等人[25]提出了第一个VRBE算法该算法使用传统的RDH算法[4]将图像部分像素的LSB嵌入到更平滑的区域从而为信息隐藏预留空间该方法在嵌入容量方面取得了较好的效果。近年来研究者们已经将VRBE框架引用到3D网格模型中Xu等人[]利用3D网格模型相邻顶点间的相关性提出一种基于顶点MSB预测和整数映射的REH-ED方法该方法获得了较高的嵌入容量。为进一步提升嵌入容量Yin等人[]将[]种的MSB预测扩展为多MSB预测获得更高的嵌入容量不过算法顶点利用率不高。最近, Lv等人[]通过将顶点按索引划分为奇数顶点和偶数顶点。用偶数顶点预测奇数顶点的多MSB顶点利用率达到50%且一个可嵌入顶点能潜入多比特数据在数据集上的平均嵌入率达到25.65bpv。不过对于VRBE框架的RDH-ED算法一方面对原始载体的预处理会增加了内容拥有者的计算负担更重要的是为保证算法的可逆性预留空间的过程中往往会产生附加数据对附加数据的处理可能会带来一些安全隐患。 不同于VRBE框架基于VRAE框架下的RDH-ED算法直接在加密后的载体中嵌入秘密数据。 由于用户只需要对载体做加密处理而不需要预处理且不需要向第三方传输辅助数据能降低用户的计算负担。不过由于加密使得原始载体的冗余降低算法的嵌入容量或恢复质量受到限制。In 2017, Jiang等人[]首次提出基于3D网格模型流密码异或加密的RDH-ED算法。算法将异或加密后的顶点划分为嵌入集和参考集通过翻转嵌入集中顶点的LSB位实现1比特数据的嵌入该算法的嵌入容量较低且数据提取可能存在误差。Shah等人[]利用同态加密的特性在加密后的模型中嵌入数据提升了嵌入容量。在[]中一种新的基于Paillier加密的3D网格模型RDH方法被提出双层嵌入的策略使得该算法嵌入容量进一步提升通过控制坐标的加密位长避免了数据的扩展。但是同态加密会导致数据的扩展且同态加密算法时间复杂度较高。同态加密虽然具有较高的安全性不过算法的时间复杂度较高不适用于对大量数据加密的应用场景。Tsai[37]采用流密码加密对3D网格模型加密后提出了一种基于空间细分和空间编码的可分离可逆数据隐藏方法。该算法具有较高的保密性可实现可分离可逆数据隐藏计算复杂度低嵌入容量大失真可控等优点。为进一步提升VRAE框架下3D网格模型RDH-ED算法的嵌入容量本文设计一种3D网格模型的环协同异或加密的多MSB预测算法主要贡献如下
1提出一种新的环-协同异或加密方法。通过将3D网格模型划分为互不重叠的环 对同一个环采用相同的一组随机比特按位异或加密以保留同一个环中相邻顶点间的冗余。
2提出基于环心顶点的多MSB预测方法。由于RCXOR加密后的模型中不同的环不存在共享顶点将环心顶点作为参考顶点用环心顶点预测多个环边顶点的多MSB位实现在环边顶点的多MSB腾出空间。
3采用范式霍夫曼编码的方法有效压缩标签进一步提升算法的嵌入容量。实验结果表明提出算法的嵌入容量与现有VRAE和VRBE框架下的RDH-ED算法相比都存在优势。 算法核心 本文的算法框架如图1所示1内容拥有者基于加密秘钥直接对3D模型进行RCXOR加密。2信息隐藏者接收到加密的3D模型后基于本文提出的2D MSB编码在加密3D模型中腾出空间基于信息隐藏秘钥对秘密信息加密并嵌入加密后的3D模型中。3接受者基于加密秘钥和信息隐藏秘钥能恢复原始的3D模型。在3.1节中我们会详细介绍提出的RCXOR加密.3.2节中介绍2D MSB编码和信息嵌入。3.3节介绍信息提取以及模型的恢复。 本文以最常用三角形网格模型为研究对象该模型是由若干三角形组成的三维立体图像。三维网格图像有着不同的储存格式例如OFF,OBJ,MD2,etc,我们以OFF格式的3D图像为例介绍本文算法。三维网格图像的存储主要由两个重要参数集组成分别是顶点集 为顶点的个数和表面集 , 为面的个数。对于三角形模型而言三个顶点可以构成一个面。未压缩3D网格模型的顶点坐标表示为32位浮点数但有效位只有6位。Deering等人建议大多数3D模型的应用在一个可接受的精度水平上执行即可而不需要对每个浮点坐标进行操作。对顶点的归一化操作与之前的文献一样。
内容所有者对三维网格模型的顶点预处理后基于加密秘钥 对顶点坐标实现环形共异或加密。三维网格模型中相邻坐标顶点具有较高的相关性RCXOR加密能更好地保留相邻顶点坐标间的相关性从而获得更高的嵌入容量。我们将三维网格顶点划分为不重叠的环对于相同环内的顶点采用相同的随机数进行异或加密以保留相邻顶点坐标高位平面的冗余。RCXOR加密主要包含两个步骤1顶点划分2顶点CXOR加密。
加密方法
1顶点划分
由于三维网格图像中相邻顶点间包含了多个三角形即一个顶点会被多个三角形共享。我们需要对原始三维网格模型 中的顶点划分成 个不重叠的环。
对原始三维网格图像 , 这里 为 中第 个环 其中 为一个环中环边顶点的总个数。 为环 的环心顶点 为环边顶点。一个环由一个环心顶点 和 个环边顶点 构成。我们给出 中环的定义
定义1将 中的所有顶点按索引分为偶数索引和奇数两类奇数偶数索引顶点作为环心与其相连的偶数奇数索引顶点作为环边环心与环边共同构成一个环。不同的环中不存在共享顶点即对于任意两个环必定满足 。
我们以图2为例介绍环的划分过程。图2a为Mushroom的三维网格模型图2b为a中的红色区域。图2b中用不同颜色表示了每个顶点的索引其中红色点为奇数索引蓝色点为偶数索引。我们选取奇数索引顶点作为一个环的环心偶数索引顶点作为环边。图2b中共有两个环环心索引为3的环我们称作环1 。环心索引为13的环称为环2 。索引为4的顶点被两个环分享按照环的定义我们将顶点4分配给索引距离最近的奇数顶点 因此环2为 。
对任意的三维网格模型我们将无法与周围的顶点构成一个环的顶点称为孤立顶点。三维网格模型中除了环之外还存在少量的孤立顶点孤立顶点可以被分为以下三种类型
1Single vertex。环心索引为奇数周围所有的偶数顶点都与别的环心共享且周围所有偶数顶点都分配给别的环心。
2All old vetex。环心为奇数且与之相连的所有顶点均为奇数。
3All even vetex。环心为偶数且与之相连的所有顶点均为偶数。 图3为三种孤立顶点示例其中图3a为单顶点环心为奇数索引17周围四个偶数索引顶点均被分配给其余的环心。图3b为全奇数顶点环心为奇数索引11与之相连的顶点均为奇数索引。图3(c)为全偶数索引环心为偶数索引12与之相连的索引均为偶数。为保证算法的可逆性三种类型的孤立顶点均不能用于数据嵌入。 2环异或加密
内容拥有者基于加密秘钥 生成 组不同的二进制随机序列 ,其中 为环的总个数 为孤立顶点的个数。 , 为顶点坐标的二进制位长度 。
按照环心的索引顺序将每个环中的顶点转换为二进制比特。对任意环 为环中顶点的总个数以环边顶点为例 中每个顶点坐标的二进制形表示为 ,这里 , (4)
其中 为归一化后的顶点 为向下取整函数对于任意环 。将二进制随机序列 与环中所有顶点的二进制序列按位异或加密。 (5) 为加密后的二进制比特 为按位异或操作。归一化后顶点的高比特位经常为连续的0由于高位比特被随机数异或加密加密后的顶点值会被再次扩大为了便于显示最终的加密顶点需要缩小 倍这个过程不会丢失顶点的精度。三维网格模型中任意环中的加密顶点 可以通过式6计算的得到 (6)
同一个环中的顶点与相同的一组随机二进制比特按位异或加密不同的环之间异或加密所用的随机二进制比特不同。对于每个孤立顶点单独使用一组随机二进制比特对孤立顶点按位异或加密。RCXOR加密后的三维网格模型为 , 。RCXOR加密只改变顶点坐标的值而不改变顶点之间的拓扑结构以及顶点坐标的符号。
基于多MSB预测的信息隐藏
由于加密过程不改变三维模型顶点间的拓扑结构信息隐藏者通过扫描加密模型 E 的顶点即可区分加密模型中的环和孤立顶点从而可以将秘密信息隐藏到加密顶点中对孤立顶点不隐藏任何信息。本节首先对RCXOR加密的三维网格提出一种基于环的MSB预测方法接着在加密的三维网格图像中实现可逆信息嵌入。
1环的多MSB预测
本节提出一种基于环的多MSB预测方法在加密的3D模型中腾出空间用于信息隐藏。由RCXOR加密过程可知对一个3D模型所有环心顶点可能存在一些孤立顶点这些环心顶点由于周围没有任何顶点用于参考因此不能用于信息隐藏。 对于非孤立顶点的环心不同的环中不存在共享顶点且同一个环中的环心顶点与环边顶点存在较多的冗余这些特点使得在加密3D网格中腾出空间提供了可能。 加密效果图
第一行原始模型第二行为RCXOR加密模型第三行为含密-加密模型第四行为恢复模型。 结论
为解决现有3D网格模型加密需要传输辅助信息的问题本文提出一种基于环协同异或加密的3D网格模型加密域可逆信息隐藏。首先将原始3D网格模型划分为互不重叠的环不同的环不存在共享顶点对同一个环中的顶点用相同的随机数加密以保留环中相邻顶点间的冗余。接着提出一种基于环心顶点的多MSB预测方法在环边顶点的多个MSB中腾出空间用于数据隐藏采用范式霍夫曼编码方法对生成的标签压缩以最大化算法的嵌入容量。实验结果表明提出的算法与现有VRAE框架下的加密3D网格模型可逆数据隐藏相比嵌入容量有明显提升。对于VRBE框架下的加密3D网格模型可逆数据隐藏算法相比嵌入容量也存在一定的优势。
