Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.13367v1

帮助 | 高级搜索

计算机科学 > 密码学与安全

arXiv:2507.13367v1 (cs)
[提交于 2025年7月8日 ]

标题: 一种结合伪随机像素选择的新型APVD隐写技术,用于增强图像安全

标题: A Novel APVD Steganography Technique Incorporating Pseudorandom Pixel Selection for Robust Image Security

Authors:Mehrab Hosain, Rajiv Kapoor
摘要: 隐写术是将秘密信息隐蔽地嵌入载体中的过程,确保机密数据的安全交换。 自适应像素值差分(APVD)隐写方法虽然有效,但会遇到诸如“未使用块”等问题。 这个问题可能导致安全性的降低,损害嵌入容量,并导致视觉质量下降。 本研究提出了一种新的隐写策略,将APVD与伪随机像素选择相结合,以有效缓解这些问题。 结果表明,新方法在安全性、数据隐藏容量和图像质量的保持方面优于现有技术。 实证结果表明,APVD与伪随机像素选择的结合显著提高了关键图像质量指标,如峰值信噪比(PSNR)、通用图像质量指数(UIQ)和结构相似性指数(SSIM),在性能上超越了其他现代方法。 所提出的新型方法具有通用性,能够处理彩色和灰度的各种载体图像和秘密图像,从而确保数据传输的安全性,而不会影响图像的美学质量。
摘要: Steganography is the process of embedding secret information discreetly within a carrier, ensuring secure exchange of confidential data. The Adaptive Pixel Value Differencing (APVD) steganography method, while effective, encounters certain challenges like the "unused blocks" issue. This problem can cause a decrease in security, compromise the embedding capacity, and lead to lower visual quality. This research presents a novel steganographic strategy that integrates APVD with pseudorandom pixel selection to effectively mitigate these issues. The results indicate that the new method outperforms existing techniques in aspects of security, data hiding capacity, and the preservation of image quality. Empirical results reveal that the combination of APVD with pseudorandom pixel selection significantly enhances key image quality metrics such as Peak Signal-to-Noise Ratio (PSNR), Universal Image Quality Index (UIQ), and Structural Similarity Index (SSIM), surpassing other contemporary methods in performance. The newly proposed method is versatile, able to handle a variety of cover and secret images in both color and grayscale, thereby ensuring secure data transmission without compromising the aesthetic quality of the image.
评论: 已接受参加COMITCON 2023。《电气工程讲义》,第1191卷。Springer
主题: 密码学与安全 (cs.CR) ; 计算机视觉与模式识别 (cs.CV); 多媒体 (cs.MM); 图像与视频处理 (eess.IV)
MSC 类: 68Q80
ACM 类: I.4.2
引用方式: arXiv:2507.13367 [cs.CR]
  (或者 arXiv:2507.13367v1 [cs.CR] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.13367
通过 DataCite 发表的 arXiv DOI
期刊参考: (2024) COMITCON 2023, LNEE, Vol. 1191, Springer
相关 DOI: https://doi.org/10.1007/978-981-97-2508-3_49
链接到相关资源的 DOI

提交历史

来自: Mehrab Hosain [查看电子邮件]
[v1] 星期二, 2025 年 7 月 8 日 04:54:06 UTC (777 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.CV
cs.MM
eess
eess.IV

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号