Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Jan 9, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

996

使用基于HED的注意力地图和CNN的安全边缘引导自适应图像隐形图谱.

Rana Alrawashdeh1, Sultan Almuhammadi1,2, Mahmood Niazi1,2

  • 1Department of Information and Computer Science, College of Computing and Mathematics, King Fahd University of Petroleum and Minerals, 31261, Dhahran, Saudi Arabia.

Scientific reports
|December 2, 2025
PubMed
概括

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

In situ vaccination, low-dose targeted radionuclide therapy, and immune checkpoint inhibition eradicate poorly immunogenic metastatic tumors in murine cancer models.

Cancer immunology research·2026
Same author

Rhizospheric Microbes and Nanoparticles Synergize to Enhance Plant Immune Responses.

Plant-environment interactions (Hoboken, N.J.)·2026
Same author

Optimized steganographic embedding guided by snake algorithm and fusion-aware attention maps.

Scientific reports·2026
Same author

Influence of internal migration on antenatal care utilization in Bangladesh: Findings from a nationally representative cross-sectional survey.

PloS one·2026
Same author

Revolutionizing Transcriptomics: From Single-Cell Insights to RNA-based Interventions.

SLAS technology·2026
Same author

Transportation welfare under commercial conditions: A multifactorial assessment of stress physiology, meat quality, and microbial load in broiler chickens.

Poultry science·2026

本研究介绍了一种使用深度学习和边缘检测来安全嵌入数据的新型图像隐形图像系统. 该方法平衡了容量和扭曲,实现了高无感知度和安全性对抗steganalysis.

科学领域:

  • 计算机科学 计算机科学
  • 信息安全 信息安全
  • 数字图像处理 数字图像处理

背景情况:

  • 图像隐藏图像通过在封面图像中隐藏信息来实现隐藏数据传输.
  • 现有的方法往往难以平衡嵌入能力,图像扭曲和安全性.
  • 深度学习为更复杂和适应性的石角图技术提供了潜力.

研究的目的:

  • 在深度学习框架内提出一个先进的隐形图形系统,利用边缘意识的注意力机制.
  • 通过根据图像特征指导操作来增强自适应性数据嵌入.
  • 优化嵌入过程以提高容量,不可察觉性和安全性.

主要方法:

  • 采用整体嵌套边缘检测 (HED) 来提取边缘图并将其转换为注意力图.
  • 使用注意力图来指导在封面图像中适应性位嵌入,根据注意力强度调整每像素的位.
  • 实施一个由训练有素的编码解码器卷积神经网络 (CNN) 指导的自适应性最小显著位 (LSB) 策略.
  • 使用遗传算法 (GA) 优化嵌入规则,以微调注意力地图值.

主要成果:

  • 该系统实现了高峰信号噪声比 (PSNR) 值 (例如,0.1比特每像素60.72-61.20dB) 和结构相似度指数 (SSIM) 值 (0.9995-0.9996).
关键词:
吹鱼是什么意思 吹鱼是什么意思合并地图 (Fused Maps) 是一种融合地图.粒子集群优化 (PSO) 是一个史蒂冈图形 (Steganography) 是一种隐藏的图形.

更多相关视频

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

725

相关实验视频

Last Updated: Jan 9, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

996
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

725
  • 隐藏分析技术 (Xu-Net,Ye-Net,RS分析) 无法可靠地检测隐藏数据,这表明安全性强.
  • 该方法证明了对盐和胡噪声的稳定性,并保持了对其他常见图像攻击的合理性能.

    • 结论:

    • 提出的基于深度学习的图像隐形图像系统有效地平衡了嵌入能力,不可察觉性和安全性.
    • 边缘意识的注意力机制显著改善了适应性数据嵌入.
    • 该系统提供了低计算成本的解决方案,有望抵御各种攻击.