[发明专利]基于神经网络与图像隐写的可逆灰度方法、系统及装置

权利要求书

1.一种基于神经网络与图像隐写的可逆灰度方法，其特征在于，包括，

S1、将原始彩色图像进行可逆RGB2YUV转换得到灰度分量Y和颜色分量U和V；

S2、对颜色分量U和V进行神经网络编码和算术编码得到特征码流和超先验码流；

S3、根据图像隐写将特征码流和超先验码流隐写入到灰度分量Y中，生成可逆灰度图像G；

S4、读取可逆灰度图像G中的特征码流和超先验码流，将读取后的灰度图像G作为待重建色彩图像的灰度分量Y_R；

S5、将特征码流和超先验码流进行神经网络解码和算术解码转换为待重建彩色图像的颜色分量U_R和V_R；

S6、将待重建色彩图像的灰度分量和待重建色彩图像的颜色分量合并进行可逆YUV2RGB转换后，得到重建的彩色图像I_R。

2.根据权利要求1所述的方法，其特征在于，所述S1具体包括：

将原始彩色图像进行可逆RGB2YUV转换得到灰度分量Y和颜色分量U和V，其中可逆RGB2YUV转换公式如下：

其中，Y表示灰度分量值，U和V表示颜色分量值；R,G,B表示原始彩色图像的像素值；表示向下取整。

3.根据权利要求2所述的方法，其特征在于，所述S2具体包括：

颜色分量U,V通过神经网络进行分析和编码得到特征和超先验，并建立特征的先验概率模型和超先验的独立概率模型，然后结合算术编码将特征换热超先验分别转换为特征码流和超先验码流。

4.根据权利要求3所述的方法，其特征在于，所述S3具体包括：

灰度分量Y的像素按列扫描表示为P₁,P₂,P₃,…,P_m，特征码流和超先验码流合并成二进制码流且表示为b₁,b₂,b₃,…,b_n；

按顺序取每3个像素和每3位二进制码为一组，第i组的3个像素分别表示为P_{i_1},P_{i_2},P_{i_3}，3位二进制码分别表示为b_{i_1},b_{i_2},b_{i_3}；

在步骤c中，所述隐写过程实现每组的3个像素嵌入3位二进制码信息，具体实现如下：

首先，根据3个像素的值计算出3位预测码：

其中B_{i_1},B_{i_2},B_{i_3}表示第i组的3位预测码，表示第i组第n个像素p_{i_n}的二进制值最低第j位，⊕表示异或运算；

如果预测码B_{i_1},B_{i_2},B_{i_3}与二进制码b_{i_1},b_{i_2},b_{i_3}相等，则无需对像素做修改；否则通过修改像素P_{i_1},P_{i_2},P_{i_3}使预测码和二进制码相等，从而完成二进制码的隐写；

数量不满足3位的码流直接替换相应序列像素的最低二进制位实现隐写，完成将3个像素P_i+1,P_i+2,P_i+3隐藏3位二进制码b_i+1,b_i+2,b_i+3，生成可逆灰度图像G。

5.根据权利要求4所述的方法，其特征在于，所述S5具体包括：

根据独立概率模型将超先验码流算术解码为超先验，然后通过神经网络解码得到特征的概率模型参数，从而得出先验概率模型并将特征码流算术解码为特征，之后由神经网络对特征进行合成得到待重建彩色图像的颜色分量U_R，V_R。