買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京信息工程大學申請的專利基于HSI空間分割算法的圖像隱寫方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119364013B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411929600.6，技術領域涉及：H04N19/467；該發明授權基于HSI空間分割算法的圖像隱寫方法是由惠梓航;高光勇設計研發完成，并于2024-12-26向國家知識產權局提交的專利申請。

本基于HSI空間分割算法的圖像隱寫方法在說明書摘要公布了：本發明涉及一種基于HSI空間分割算法的圖像隱寫方法，通過獲取輸入的彩色載體圖像和待嵌入秘密信息，將彩色載體圖像作為原始載體圖像且將其分解為HSI色彩空間，對HSI色彩空間內H、S和I分量分別分割得到分割處理后載體圖像，對分割處理后載體圖像做邊緣增強得到邊緣增強處理后載體圖像，將邊緣增強處理后載體圖像和待嵌入秘密信息輸入到信息隱藏網絡做嵌入得到載密圖像，利用信息提取網絡提取載密圖像內的秘密信息。如此，實現了在HSI色彩空間上對原始載體圖像內各分量獨立做分割和邊緣增強處理，載體圖像具有更好的邊緣增強效果，完成了在符合人眼視覺特性情況下的秘密信息嵌入，不會引起人眼對載密后圖像的特別關注，更加有利于圖像隱寫的安全性。

本發明授權基于HSI空間分割算法的圖像隱寫方法在權利要求書中公布了：1.基于HSI空間分割算法的圖像隱寫方法，其特征在于，包括以下步驟：步驟S1，獲取輸入的彩色載體圖像和待嵌入的秘密信息；步驟S2，將獲取的彩色載體圖像作為原始載體圖像，并將該原始載體圖像分解為包括H分量、S分量和I分量的HSI色彩空間；步驟S3，分別對原始載體圖像分解后所得HSI色彩空間內的H分量、S分量和I分量進行分割處理，得到分割處理后載體圖像；步驟S4，對分割處理后載體圖像做邊緣增強處理，得到邊緣增強處理后載體圖像；步驟S5，將邊緣增強處理后載體圖像和待嵌入的秘密信息輸入到信息隱藏網絡進行嵌入操作，以把秘密信息嵌入到該邊緣增強處理后載體圖像，得到載密圖像；步驟S6，利用信息提取網絡對載密圖像做秘密信息提取處理，得到被嵌入的秘密信息；其中：在步驟S3中，對原始載體圖像分解后所得HSI色彩空間內的H分量、S分量和I分量進行分割處理的過程包括如下步驟：步驟S31，利用S分量區分所述HSI色彩空間中的高飽和區和低飽和區；步驟S32，利用H分量對高飽和區進行分割；步驟S33，利用I分量對低飽和區進行分割；并且，步驟S32和步驟S33均采用K-均值聚類方法執行各自對應的分割操作；其中，采用K-均值聚類方法執行對應分割操作的約束條件如下： ； ；其中，EP表示高飽和區P內所有特征點與各自對應聚類均值之間距離平方和的和值，xP=x1,x2為高飽和區P內一個特征點的坐標，gPxP代表特征點坐標xP位置處的特征值，表示針對高飽和區P在第i次迭代后賦給類j的特征點集合，i≥1；表示高飽和區P內第i+1次迭代后所對應類j的均值；KP表示高飽和區P內聚類的總數量；EQ表示低飽和區Q內所有特征點與各自對應聚類均值之間距離平方和的和值，xQ=x1,x2為低飽和區Q內一個特征點的坐標，gQxQ代表特征點坐標xQ位置處的特征值，表示針對低飽和區Q在第i次迭代后賦給類j的特征點集合，i≥1；表示低飽和區Q內第i+1次迭代后所對應類j的均值；KQ表示低飽和區Q內聚類的總數量；其中，采用K-均值聚類方法執行對應區域分割操作的過程如下：步驟a1，基于肘部法及誤差平方和變化趨勢確定選出待執行分割操作區域中的K個初始類的像素值均值；其中： ；其中，SSE表示誤差平方和，Ck表示聚類集群中的第k個聚類，K為當誤差平方和SSE變化趨勢出現拐點時所對應的數值，該K即為需要的聚類數量；mk表示聚類Ck中心像素點的數值，c是聚類Ck中的樣本數據；待執行分割操作區域標記為G，G為高飽和區P或者低飽和區Q；步驟a2，在執行第i次迭代時，根據聚類準則將每個特征點賦給K個初始類中的對應聚類；其中，對于待執行分割操作區域G內的任一個特征點，如果，，，，則將該特征點x賦給位于K個初始類中且均值距離該特征點x最近的聚類；步驟a3，對于K個初始類中所有的聚類，更新每一個聚類中所有數值點的均值；其中，待執行分割操作區域G在執行第i+1次迭代后所對應聚類j的均值標記為： ；其中，Nj是待執行分割操作區域G所對應所有聚類中不同數值點的數量；步驟a4，對于待執行分割操作區域中的所有聚類，根據所得所有的更新后均值做出判斷處理：當任一聚類中所有像素點的像素值均值滿足時，表明已經完成對當前待執行分割操作區域的聚類分割操作，不再執行迭代操作；否則，轉入步驟a2，繼續下一次迭代操作；在步驟S4中，對分割處理后載體圖像做邊緣增強處理的過程如下：步驟b1，對所述分割處理后載體圖像中各分割區域的邊界做中值濾波器平滑處理，分別得到對應的平滑處理后分割區域；步驟b2，采用3×3的濾波器分別對各平滑處理后分割區域的邊界進行處理，分別得到對應的邊界處理后分割區域；步驟b3，將各邊界處理后分割區域重新疊加到所述原始載體圖像上，得到邊緣增強處理后載體圖像；并且，在步驟S31中，利用S分量采用類內最小模糊散度閾值區分高飽和區和低飽和區；其中，最小模糊散度標記為DP:Q： ； ； ； ；； ，，； ；； ，，，； ；；其中，P為S分量區域上的高飽和區，Q為S分量區域上的低飽和區，CardS是S分量區域的基數，s為S分量區域上的圖像像素值，DP,Q;s表示高飽和區P相對于低飽和區Q的對稱交叉熵，DQ,P;s表示低飽和區Q相對于高飽和區P的對稱交叉熵，為高飽和區P的隸屬度函數，為低飽和區Q的隸屬度函數；為高飽和區P的非隸屬度函數，為低飽和區Q的非隸屬度函數；MP為高飽和區P的平均像素值，MQ為低飽和區Q的平均像素值，為高飽和區P中像素值都是s的像素數量總和，LP表示高飽和區P中像素值s的最大數值，為低飽和區Q中像素值都是s的像素數量總和，LQ表示低飽和區Q中像素值s的最大數值。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京信息工程大學，其通訊地址為：210044 江蘇省南京市浦口區寧六路219號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。