1.算法运行效果图预览
(完整程序运行后无水印)
2.算法运行软件版本
matlab2022a
3.部分核心程序
（完整版代码包含详细中文注释和操作步骤视频）
```%step2:Categorize the points in P into n different bins bini
sets = bins(5,:);
[V,I]= sort(sets);
bins_set = bins(1:4,I(2:20));
p
for i = 1:size(bins_set,2)
%得到每个point
dat= bins_set(1:end,i);
p = polyfit([1:LEN2],dat',LEN2);
x1 = [1:0.1:LEN2];
y1 = polyval(p,x1);
XYbin{i} = [x1;y1];
Pbin{i} = [p];
end
%%
%step3:Form a set of candidate point lists which consists of all the combinations by selecting one point from each bin.
%step4:Reed-Solomon decoder to reconstruct the polynomial,这个步骤是获得多项式P
%选择坐标点进行RSdecoder构建参数P
for i = 1:length(XYbin)
codeNoi = [XYbin{i}];
err =[ ];
for j = 1:1
[ErrorPosPolyCalc, SigmaCalc] = RsDecodeIterate(round([codeNoi(1,j:1+j),codeNoi(2,j:1+j)]));
err(j) = mean(ErrorPosPolyCalc);
end
errx(i)=mean(err);
end
idx=find(errx==min(errx));%选择译码误差最小的进行构建
p_est = Pbin{idx(1)};
%%
%step5:Compute the CRC bits
t1=polyval(p_est,1);
t2=polyval(p_est,2);
t3=polyval(p_est,3);
t4=polyval(p_est,4);
datr=round([t1,t2,t3,t4]);
data2=[];
for i = 1:length(datr)
data = dec2bin(datr(i),3);
data2=[data2,str2num(data(1)),str2num(data(2)),str2num(data(3))];
end
s3 = data2;
[output_after_check,indicate] = crc_check(s3,3);
disp('原来的信息');
message
disp('提取的数据信息');
output_after_check(1:length(message))
```
4.算法理论概述
指纹图像作为一种独特的生物特征图像，具有高度的个体差异性和稳定性。在当今信息安全需求日益增长的背景下，利用指纹图像进行数据隐藏成为了一种重要的信息隐藏手段。数据隐藏是将秘密信息嵌入到载体（如指纹图像）中，使其在外观上难以察觉变化，并且能够在需要时准确地提取出隐藏信息。这一技术在数字版权保护、秘密通信、医疗数据安全等众多领域有着广泛的应用前景。
而指纹图像主要由脊线和谷线组成，其灰度值在脊线处相对较高，在谷线处相对较低。指纹图像具有局部方向性、纹理丰富性以及一定的噪声特性。这些特性既为数据隐藏提供了可能，也带来了挑战。例如，利用指纹纹理的复杂性可以将数据隐藏在纹理细节中，但指纹图像中的噪声可能会干扰数据隐藏与提取的准确性。
