CN102236892B - 评价信息隐藏容量对遥感图像量测精度所造成影响的方法 - Google Patents

Abstract

本发明提供了一种评价信息隐藏容量对遥感影像量测精度影响的方法，利用基于傅斯特纳特征点的遥感影像信息隐藏方法对原始载体遥感影像数据进行不同容量的信息隐藏，并对信息隐藏后遥感影像的质量进行客观定量评价，利用最小二乘匹配方法评价信息隐藏容量对遥感影像量测精度的影响，为设计更优的信息隐藏算法提供客观准确的参考标准，具有良好的实用价值。

Description

评价信息隐藏容量对遥感图像量测精度所造成影响的方法

技术领域

本发明属于数字信号和数字图像处理领域，尤其涉及一种评价信息隐藏容量对遥感图像量测精度所造成影响的方法；

背景技术

随着遥感平台和遥感器成像技术的发展，遥感图像的获取越来越便捷，已经逐渐成为21世纪地理空间信息数据获取的重要信息来源之一；一般图像仅仅是对客观物体的一种相似性模仿或描述，是一种不完全、不精确但在某种意义上适当的表示，是对所表示客观物体信息的高度浓缩和概括；普通图像作为“Picture”(照片、图片)，只需满足视觉需求，而遥感图像除了本身作为“Picture”(照片、图片)之外，还包含“Data”(数据、信息)，它是空间物体的波谱特性在空间范围内的测量结果，是遥感探测目标的信息载体，是遥感解译人员获取地球表层资源、环境等地学专题信息的载体，与一般图像相比，遥感图像具有以下特性：

1.作为地理空间信息的重要组成部分，具有定位、定性、关系特征和时间特征；

2.作为空间物体的波谱特性在空间范围内的测量结果，具有视觉特征，但从观测角度讲，必须结合同时得到的同一目标区域的多个图像才可以认为是在设定时间条件下对环境的完整描述；

3.具有多波段特性，并且不同探测仪器在不同波段所反映的地物信息也不同；

4.具有持续动态性和多尺度性，是一种多尺度的、变时间粒度的复杂时态数据；

5.纹理结构丰富，特征结构复杂；

6.不具备明显的主题特征信息，信息内容复杂，并且由于传感器的空间分辨率和光谱分辨率的局限性，导致遥感图像存在设定程度的模糊性和多义性；

7.数据量巨大，单个遥感图像的数据量就可高达GB级；

目前，遥感技术已经渗透到国防和国民经济建设的各个领域，在军事侦察、目标监测，打击效果评估、农作物长势监测、粮食估产、土地利用调查、地表资源普查、灾情监测、地质勘察、石油勘探、地形测绘等方面都具有极其重要的应用价值；由于遥感应用是以实际观测图像为基础的，因此，对于遥感图像的数据安全技术研究具有重要意义；

信息隐藏(Information Hiding，IH)是一种防止重要数据遭受攻击(可以使受到攻击的数据得到检测与识别)或将重要的数据或信息嵌入或隐藏在其他数据媒体(如数字图像、图形，数字音频，数字视频以及数字文本等)中的技术；信息隐藏技术的应用范围涵盖军事部门、情报部门、犯罪集团之间的通信、司法领域的取证以及网络购物交易、电子付款、电子选举等许多方面；如可以在数字产品中嵌入有代表性的图形图像资料以实现版权宣告与标识；可以通过隐藏的数据判断该数字产品是否遭受攻击(如修改、伪造等)；可以将保密信息隐藏在其它数据中以实现安全传递，即使载密数据被截获其保密信息也不容易被解读；也可以用来判断一些数字声音或数字录像资料是否能被用于法庭作证等；

纵观国内外有关信息隐藏的研究状况，虽然取得了许多结果，但迄今为止针对数字化地理空间数据保持量测与定位精度的信息隐藏研究尚无人研究，有关信息隐藏在摄影测量与遥感领域的应用研究尚无深入的报道；由于遥感图像表现形式的复杂性、应用要求的特殊性，要求信息影藏容量对其质量的影响必须符合精度要求，即“近无损”要求，指隐藏信息对遥感图像应用效果的影响是可量测的，即只要含隐藏信息遥感图像的每个像点与原始遥感图像上相应像点的最大距离(或像素值的最大差值)均在最大误差阈值之内，则认为数据精度是可以接受的，如果这个阈值足够小，则认为处理后遥感图像的应用结果和原始遥感图像的应用结果是极端接近的；因此，如何评价信息隐藏后遥感图像数据量测与定位的质量，如何设计保持量测与定位精度的信息隐藏算法，如何评价信息隐藏容量与遥感图像量测和定位精度的关系，从而为遥感图像的版权保护、安全分发、攻击检测、授权访问、责任追究等提供有效的技术支持，更好的促进地理空间信息基础设施的建设，具有重要研究价值。

发明内容

本发明的目的是提供一种评价信息隐藏容量对遥感图像量测精度所造成影响的方法，以对信息隐藏后的遥感图像的质量进行评估。

一种评价信息隐藏容量对遥感图像量测精度所造成影响的方法，其中：包括如下步骤：

1)、获取实验数据，实验数据包括原始载体遥感图像，待隐藏信息，并将获取的数据放入指定的系统数据存储区域；之后，进入步骤2)；

2)、读取系统数据存储区域中的原始载体遥感图像数据及待隐藏信息，并选择不同容量的待隐藏信息嵌入原始载体遥感图像，得到相应的含隐藏信息的遥感图像数据，并将含隐藏信息的遥感图像数据放入指定的系统数据存储区域中；之后，进入步骤3)；

3)、读取系统数据存储区域中的原始载体遥感图像数据及含有不同容量隐藏信息的遥感图像数据；

分别对原始载体遥感图像数据及含有不同容量隐藏信息的遥感图像数据进行客观质量评估，客观质量评估包括：计算信噪比、峰值信噪比、中误差、最大误差、最小二乘匹配数据；

之后，设定限差并计算匹配结果；然后进入步骤4)；

4)将第3)步中的质量评估数据与遥感图像的精度标准进行比较，判断是否有95％及以上的遥感图像像素的平面坐标误差≤1pixel，若是，则判定为符合精度要求，将符合精度指标的含有隐藏信息的遥感图像存入系统指定的图像存储区域；

其中，所述的质量评估数据包括信噪比、峰值信噪比、中误差、通过最小二乘匹配法得到的误差值以及最大误差值、像素移位值。

所述的评价信息隐藏容量对遥感图像量测精度所造成影响的方法，其中：步骤2)中所述的“选择不同容量的待隐藏信息嵌入原始载体遥感图像”是采用基于傅斯特纳特征点的遥感图像信息隐藏方法，具体步骤如下：

①、提取初选点；计算像素I(i，j)在上下左右4个方向的灰度差分绝对值dg₁，dg₂，dg₃，dg₄，并计算其中值M；

dg₁＝|g_i，j-g_i+1，j|

dg₂＝|g_i，j-g_i，j+1|

dg₃＝|g_i，j-g_i-1，j|(1)

dg₄＝|g_i，j-g_i，j-1|

M＝mid(dg₁，dg₂，dg₃，dg₄)

其中，g_i，j表示像素I(i，j)的像素值，像素I(i，j)中的i、j分别表示该像素I(i，j)的横向、纵向坐标位置；

设定阈值T_d，选取M＞T_d的像素I(i，j)为初选点；

②、利用傅斯特纳算子计算初选点的协方差矩阵N及兴趣值q_i，j，计算窗口大小为m×m，其中，m为该窗口的边长；

(2)

$q_{i,j}=\frac{4\mathrm{DetN}}{{\left(\mathrm{trN}\right)}^2}$

其中g_u、g_v分别表示水平、垂直方向的Robert梯度，DetN为矩阵N的行列式，trN为迹；

$\left\{\begin{array}{c}\mathrm{\Σ}{g}_u^2=\underset{k=i-m/2}{\overset{i+m/2-1}{\mathrm{\Σ}}}\underset{l=j-m/2}{\overset{j+m/2-1}{\mathrm{\Σ}}}{(g_{k+1,l+1}-g_{k,l})}^2\\ \mathrm{\Σ}{g}_v^2=\underset{k=i-m/2}{\overset{i+m/2-1}{\mathrm{\Σ}}}\underset{l=j-m/2}{\overset{j+m/2-1}{\mathrm{\Σ}}}{\left(g_{k,l+1}{g}_{k+1,l}\right)}^2\\ \mathrm{\Σ}{g}_u{g}_v=\underset{k=i-m/2}{\overset{i+m/2-1}{\mathrm{\Σ}}}\underset{l=j-m/2}{\overset{j+m/2-1}{\mathrm{\Σ}}}(g_{k+1,l+1}-g_{k,l})(g_{k,l+1}-g_{k+1,l})\end{array}\right.---\left(3\right)$

其中，k、l分别表示所选取的像素的取值范围；

③、提取特征点；设定阈值T_q，根据经验值，若限制误差椭圆长短半轴之比不大于3.2～2.4，则有T_q＝0.32～0.5；若q_i，j＞T_q，则计算权值ω_i，j：

${\mathrm{\ω}}_{i,j}=\left\{\begin{array}{cc}0& q_{i,j}\≤T_q\\ \frac{\mathrm{DetN}}{\mathrm{trN}}& q_{i,j}>T_q\end{array}\right.---\left(4\right)$

以权值ω_i，j为依据，选取图像设定区域内权值最大者为特征点；

④、以特征点为中心选取D×D子图进行DCT变换，然后选取D×D子图的DCT域中大于设定幅值的n个系数作为重要分量，在D×D子图中嵌入相应容量的隐藏信息，嵌入公式为：

I_w(x，y)＝I(x，y)(1+α·w_k)(5)

其中，“D×D子图”指的是以特征点为中心，选取边长为D的一个正方形区域作为待嵌入隐藏信息的子块图像；参数n为大于设定幅值的系数的个数；子图中像素I(x，y)中的x，y分别表示该像素的横向、纵向坐标位置；α为嵌入强度，ω_k为所嵌入隐藏信息的值；I_ω(x，y)为嵌入隐藏信息后的像素；

之后，进行DCT反变换，得到含隐藏信息的子图像；

对所有与特征点对应的子图进行上述步骤①～④的处理，得到含隐藏信息的遥感图像。

所述的评价信息隐藏容量对遥感图像量测精度所造成影响的方法，其中：步骤3)中所述的客观质量评估中的信噪比、峰值信噪比、中误差、最大误差、最小二乘匹配数据的计算方法具体如下；

①基于图像像点灰度值的评估方法，信噪比(Signal to Noise Ratio，SNR)、峰值信噪比(Peak Signal to Noise Ratio，PSNR)和中误差(PMSE)的定义分别为：

信噪比： $\mathrm{SNR}=10\lg \frac{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{\left[I(x,y)\right]}^2}{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-I_w(x,y)]}^2}---\left(6\right)$

峰值信噪比： $\mathrm{PSNR}=10\lg \frac{A^2\×P\×Q}{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-I_w(x,y)]}^2}---\left(7\right)$

中误差： $\mathrm{RMSE}=\sqrt{\frac{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-I_w(x,y)]}^2}{P\×Q}}---\left(8\right)$

中误差与峰值信噪比的关系：

$\mathrm{RMSE}=\sqrt{\frac{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-I_w(x,y)]}^2}{P\×Q}}=\sqrt{\frac{A^2}{{10}^{\mathrm{PSNR}/10}}}---\left(9\right)$

$\mathrm{PSNR}=20\lg \frac{A}{\mathrm{RMSE}}---\left(10\right)$

其中，P、Q分别为嵌入隐藏信息后的遥感图像的横向、纵向坐标长度，A为遥感图像的最大灰度值；

②根据数字摄影测量原理，利用最小二乘匹配法对嵌入隐藏信息后的遥感图像进行评价，将未嵌入任何信息的原始载体遥感图像作为立体像对中的左像，嵌入相应容量隐藏信息的遥感图像作为右像，利用最小二乘匹配法对上述立体像对进行匹配，然后统计匹配结果所形成的左右视差与上下视差；

如果在右像内没有嵌入任何信息，那么左右遥感图像完全一样，无论用任何匹配方法进行匹配，所有匹配点上的视差均应为零；

当有设定容量的隐藏信息嵌入后，右遥感图像上的像素就会因灰度改变而造成位置偏移，因而再进行高精度的遥感图像匹配就会形成视差；

具体的实现步骤为：

首先建立最小二乘匹配的基本误差方程：

v＝c₁dh₀+c₂dh₁+c₃da₀+c₄da₁+c₅da₂+c₆db₀+c₇db₁+c₈db₂-Δg    (11)

其中，计算得到的参数v为误差的值，所述客观质量评估中的的最大误差值指的是误差v的最大值，c₁、c₂、c₃、c₄、c₅、c₆、c₇、c₈为误差方程式的系数，dh₀、dh₁、da₀、da₁、da₂、db₀、db₁、db₂是待定参数的改正值；

然后进行最小二乘匹配运算，获取信息隐藏后所选像素的最终位置(x_d，y_d)；定义像素移位：

其中，x₀、y₀是原始载体遥感图像中所选像素的横向、纵向坐标位置，x_d、y_d是信息隐藏后的遥感图像中所选像素的横向、纵向坐标位置；Δx、Δy分别为信息隐藏后的所选像素的横向、纵向坐标位置相对原始载体遥感图像中该像素的横向、纵向坐标位置的相对位移量。

本发明采用上述技术方法将达到如下的技术效果：

本发明的评价信息隐藏容量对遥感图像量测精度所造成影响的方法，首先利用保持量测精度的信息隐藏方法实现遥感图像数据的信息隐藏，然后定量评估信息隐藏容量对遥感图像质量的影响数据，并利用最小二乘匹配运算的定量评估结果对信息隐藏容量进行调节，最终达到既实现信息隐藏又不影响目标定位精度与量测的目的；

附图说明

图1为本发明的一种评价信息隐藏容量对遥感图像量测精度所造成影响的方法流程图；

图2为原始载体遥感图像；

图3为分别嵌入长度为1000、5000、10000、30000、50000、60000比特的隐藏信息后的遥感图像；

图4为原始遥感图像与嵌入1000比特隐藏信息后的遥感图像的误差分布统计直方图；

图5为嵌入不同容量隐藏信息后遥感图像的峰值信噪比数据表；

图6为嵌入不同容量隐藏信息的误差分布结果数据表。

具体实施方式

本发明提供了一种评价信息隐藏容量对遥感图像量测精度所造成影响的方法，如图1所示，具体步骤如下：

1)、获取实验数据，实验数据包括原始载体遥感图像、待隐藏信息，并将获取的数据放入指定的系统数据存储区域；之后，进入步骤2)；

其中，原始载体遥感图像是从卫星应用地面站获得的地面遥感图像，本实施例中选用数据为*.bmp格式的数字图像，大小256×256像素，如图2所示；(除了*.bmp格式的数字图像外，还可采用*.GIF、*.jpg等其它格式的数字图像，不限于*.bmp这一种格式)；

待隐藏信息是长度为1000、5000、10000、30000、50000、60000bit(比特)的[0，1]随机序列(由0、1组成的随机序列)；待隐藏信息的长度即该待隐藏信息的容量；

2)、读取系统数据存储区域中的原始载体遥感图像数据及待隐藏信息，并将不同容量(容量指的是待隐藏信息的数据量(或称长度，一般用bit(比特)表示)的待隐藏信息嵌入原始载体遥感图像，得到相应的含隐藏信息的遥感图像数据(图3为分别嵌入长度为1000、5000、10000、30000、50000、60000bit(比特)待隐藏信息的遥感图像)，并将原始载体遥感图像数据及含不同容量隐藏信息的遥感图像数据放入指定的系统数据存储区域中；其中，采取的嵌入隐藏信息的方法为基于傅斯特纳

特征点的遥感图像信息隐藏方法，具体步骤如下：

①、提取初选点，计算像素I(i，j)在上下左右4个方向的灰度差分绝对值dg₁，dg₂，dg₃，dg₄，并计算其中值M：

dg₁＝|g_i，j-g_i+1，j|

dg₂＝|g_i，j-g_i，j+1|

dg₃＝|g_i，j-g_i-1，j |(1)

dg₄＝|g_i，j-g_i，j-1|

M＝mid(dg₁，dg₂，dg₃，dg₄)

其中，g_i，j表示像素I(i，j)的像素值，像素I(i，j)中的i、j分别表示该像素I(i，j)的横向、纵向坐标位置；

设定阈值T_d，选取M＞T_d的像素I(i，j)为初选点；

②、利用傅斯特纳

算子计算初选点的协方差矩阵N及兴趣值q_i，j，计算窗口大小为m×m(m为窗口的边长)：

(2)

$q_{i,j}=\frac{4\mathrm{DetN}}{{\left(\mathrm{trN}\right)}^2}$

其中g_u，g_v分别表示水平、垂直方向的Robert梯度，DetN为矩阵N的行列式，trN为迹；

$\left\{\begin{array}{c}\mathrm{\Σ}{g}_u^2=\underset{k=i-m/2}{\overset{i+m/2-1}{\mathrm{\Σ}}}\underset{l=j-m/2}{\overset{j+m/2-1}{\mathrm{\Σ}}}{(g_{k+1,l+1}-g_{k,l})}^2\\ \mathrm{\Σ}{g}_v^2=\underset{k=i-m/2}{\overset{i+m/2-1}{\mathrm{\Σ}}}\underset{l=j-m/2}{\overset{j+m/2-1}{\mathrm{\Σ}}}{\left(g_{k,l+1}{g}_{k+1,l}\right)}^2\\ \mathrm{\Σ}{g}_u{g}_v=\underset{k=i-m/2}{\overset{i+m/2-1}{\mathrm{\Σ}}}\underset{l=j-m/2}{\overset{j+m/2-1}{\mathrm{\Σ}}}(g_{k+1,l+1}-g_{k,l})(g_{k,l+1}-g_{k+1,l})\end{array}\right.---\left(3\right)$

其中，k、l分别表示所选取的像素的取值范围；

③、提取特征点：给定阈值T_q，根据经验值，若限制误差椭圆长短半轴之比不大于3.2～2.4，则有T_q＝0.32～0.5若q_i，j＞T_q，则计算权值ω_i，j：

${\mathrm{\ω}}_{i,j}=\left\{\begin{array}{cc}0& q_{i,j}\≤T_q\\ \frac{\mathrm{DetN}}{\mathrm{trN}}& q_{i,j}>T_q\end{array}\right.---\left(4\right)$

以权值ω_i，j为依据，选取图像设定区域内权值最大者为特征点；

④、以特征点为中心选取D×D子图进行DCT变换(“DCT变换”即离散余弦变换，“D×D子图”指的是以特征点为中心，选取边长为D的一个正方形区域，作为待嵌入隐藏信息的子块图像)，选取D×D子图的DCT域中大于设定幅值的n个系数(大于设定幅值的系数的个数设为n，n的取值范围可以根据需要进行调节，是一个自定义值)作为重要分量，在D×D子图中嵌入相应容量的隐藏信息，嵌入公式为：

I_w(x，y)＝I(x，y)(1+α·w_k)(5)

其中，子图中像素I(x，y)中的x，y分别表示该像素的横向、纵向坐标位置；α为嵌入强度，ω_k为所嵌入隐藏信息的值；I_ω(x，y)为嵌入隐藏信息后的像素；

之后，进行DCT反变换，得到含隐藏信息的子图像；

对所有与特征点对应的子图进行上述步骤①～④的处理，得到含隐藏信息的遥感图像；

之后，进入步骤3)；

3)、读取系统数据存储区域中的原始载体遥感图像数据及含有不同容量隐藏信息的遥感图像数据；

可以先对原始载体遥感图像及含有不同容量隐藏信息的遥感图像进行主观质量评估：从人眼视觉的角度对嵌入隐藏信息后的遥感图像进行主观评价，得到遥感图像的主观质量评价值；

对原始载体遥感图像数据及含有不同容量隐藏信息的遥感图像数据进行客观质量评估，客观质量评估包括：计算信噪比、峰值信噪比、中误差、最大误差、最小二乘匹配数据；

①基于图像像点灰度值的评估方法，信噪比(Signal to Noise Ratio，SNR)、峰值信噪比(Peak Signal to Noise Ratio，PSNR)和中误差(PMSE)的定义分别为：

信噪比： $\mathrm{SNR}=10\lg \frac{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{\left[I(x,y)\right]}^2}{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-I_w(x,y)]}^2}---\left(6\right)$

峰值信噪比： $\mathrm{PSNR}=10\lg \frac{A^2\×P\×Q}{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-I_w(x,y)]}^2}---\left(7\right)$

中误差： $\mathrm{RMSE}=\sqrt{\frac{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-I_w(x,y)]}^2}{P\×Q}}---\left(8\right)$

中误差与峰值信噪比的关系：

$\mathrm{RMSE}=\sqrt{\frac{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-I_w(x,y)]}^2}{P\×Q}}=\sqrt{\frac{A^2}{{10}^{\mathrm{PSNR}/10}}}---\left(9\right)$

$\mathrm{PSNR}=20\lg \frac{A}{\mathrm{RMSE}}---\left(10\right)$

其中，P、Q分别为嵌入隐藏信息后的遥感图像的横向、纵向坐标长度，A为遥感图像的最大灰度值；

嵌入不同容量隐藏信息的不同峰值信噪比PSNR结果见图5；

②根据数字摄影测量原理，利用最小二乘匹配法对嵌入隐藏信息后的遥感图像进行评价，将未嵌入任何信息的原始载体遥感图像作为立体像对中的左像，嵌入相应容量隐藏信息的遥感图像作为右像，利用最小二乘匹配法对上述立体像对进行匹配，然后统计匹配结果所形成的左右视差与上下视差，用视差小于设定限差(限差指的是像素的最大偏移量，限差用像素偏移值来表示，一般可以由0.05-0.1像素(pixel)、0.1-0.15像素(pixel)、0.15-0.20像素(pixel)......顺序并等距地选择限差的范围)的像素所占的百分比从总体上度量信息隐藏容量对定位精度的影响(对量测精度的主要影响是由像素位移的量来衡量的)；

如果在右像内没有嵌入任何信息，那么左、右遥感图像完全一样，无论用任何匹配方法进行匹配，所有匹配点上的视差均应为零；

当有设定容量的隐藏信息嵌入后，右遥感图像上的像素就会因灰度改变(这种灰度改变是由于嵌入的隐藏信息造成的)而造成位置偏移，因而再进行高精度的遥感图像匹配就会形成视差；其具体的实现步骤为：

首先建立最小二乘遥感图像匹配的基本误差方程：

v＝c₁dh₀+c₂dh₁+c₃da₀+c₄da₁+c₅da₂+c₆db₀+c₇db₁+c₈db₂-Δg    (11)

其中，计算得到的v为误差的值，所述客观质量评估中的的最大误差指的是误差v的最大值，c₁、c₂、c₃、c₄、c₅、c₆、c₇、c₈为误差方程式的系数，dh₀、dh₁、da₀、da₁、da₂、db₀、db₁、db₂是待定参数的改正值；

然后进行最小二乘匹配运算，获取信息隐藏后所选像素的最终位置(x_d，y_d)；定义像素移位：

其中，x₀、y₀是原始载体遥感图像中所选像素的横向、纵向坐标位置，x_d、y_d是信息隐藏后的遥感图像中所选像素的横向、纵向坐标位置；Δx、Δy分别为信息隐藏后的所选像素的横向、纵向坐标位置相对原始载体遥感图像中该像素的横向、纵向坐标位置的相对位移量；

之后，设定限差并计算匹配结果；

图4是对图2所示原始载体遥感图像嵌入1000bit(比特)容量的隐藏信息后视差误差分布统计直方图，另外，嵌入不同容量信息的相应误差分布结果见图6所示；

4)将第3)步中的质量评估数据(质量评估数据包括信噪比SNR、峰值信噪比PSNR、中误差RMSE、通过最小二乘匹配法得到的误差值v以及最大误差、像素移位值Δx、Δy)与遥感图像的精度标准进行比较，判断是否有95％及以上的遥感图像像素的平面坐标误差≤1pixel，若是，则判定为符合精度要求，将符合精度指标的含有隐藏信息的遥感图像存入系统指定的图像存储区域，并把最终评估结果数据也存入系统指定的另一数据存储区域；

若否，则调节隐藏信息容量，返回步骤2)。

由上述统计结果得到结论，当嵌入隐藏信息的容量不超过原始遥感图像数据量的5％时，95％遥感图像像素的平面坐标误差≤1pixel(像素)，则符合精度要求。

本发明利用基于傅斯特纳特征点的遥感图像信息隐藏方法对原始载体遥感图像数据进行不同容量的信息隐藏，并对信息隐藏后遥感图像的质量进行评估，利用最小二乘匹配方法评价信息隐藏容量对遥感图像量测精度的影响，为设计更优的信息隐藏算法提供客观准确的参考标准，具有良好的实用价值。

Claims (2)

1.一种评价信息隐藏容量对遥感图像量测精度所造成影响的方法，其特征在于：包括如下步骤：

1）、获取实验数据，实验数据包括原始载体遥感图像，待隐藏信息，并将获取的数据放入指定的系统数据存储区域；之后，进入步骤2）；

2）、读取系统数据存储区域中的原始载体遥感图像数据及待隐藏信息，并选择不同容量的待隐藏信息嵌入原始载体遥感图像，得到相应的含隐藏信息的遥感图像数据，并将含隐藏信息的遥感图像数据放入指定的系统数据存储区域中；之后，进入步骤3）；

3）、读取系统数据存储区域中的原始载体遥感图像数据及含有不同容量隐藏信息的遥感图像数据；

分别对原始载体遥感图像数据及含有不同容量隐藏信息的遥感图像数据进行客观质量评估，客观质量评估包括：计算信噪比、峰值信噪比、中误差、最大误差、最小二乘匹配数据；

之后，设定限差并计算匹配结果；然后进入步骤4）；

4）将第3）步中的质量评估数据与遥感图像的精度标准进行比较，判断是否有95%及以上的遥感图像像素的平面坐标误差≤1pixel，若是，则判定为符合精度要求，将符合精度指标的含有隐藏信息的遥感图像存入系统指定的图像存储区域；

其中，所述的质量评估数据包括信噪比、峰值信噪比、中误差、通过最小二乘匹配法得到的误差值以及最大误差值、像素移位值；

其中步骤3）中所述的客观质量评估中的信噪比、峰值信噪比、中误差、最大误差、最小二乘匹配数据的计算方法具体如下；

①基于图像像点灰度值的评估方法，信噪比SNR、峰值信噪比PSNR和中误差PMSE的定义分别为：

信噪比： $\mathrm{SNR}=10\lg \frac{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{\left[I(x,y)\right]}^2}{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-I_w(x,y)]}^2}---\left(1\right)$

峰值信噪比： $\mathrm{PSNR}=10\lg \frac{A^2\×P\×Q}{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-I_w(x,y)]}^2}---\left(2\right)$

中误差： $\mathrm{RMSE}=\sqrt{\frac{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-I_w(x,y)]}^2}{P\×Q}}---\left(3\right)$

中误差与峰值信噪比的关系：

$\mathrm{RMSE}=\sqrt{\frac{\underset{x}{\mathrm{\Σ}}\underset{y}{\mathrm{\Σ}}{[I(x,y)-I_w(x,y)]}^2}{P\×Q}}=\sqrt{\frac{A^2}{{10}^{\mathrm{PSNR}/10}}}---\left(4\right)$

$\mathrm{PSNR}=20\lg \frac{A}{\mathrm{RMSE}}---\left(5\right)$

其中，P、Q分别为嵌入隐藏信息后的遥感图像的横向、纵向坐标长度，A为遥感图像的最大灰度值；子图中像素I（x，y）中的x，y分别表示该像素的横向、纵向坐标位置；I_ω（x，y）为嵌入隐藏信息后的像素；

②根据数字摄影测量原理，利用最小二乘匹配法对嵌入隐藏信息后的遥感图像进行评价，将未嵌入任何信息的原始载体遥感图像作为立体像对中的左像，嵌入相应容量隐藏信息的遥感图像作为右像，利用最小二乘匹配法对上述立体像对进行匹配，然后统计匹配结果所形成的左右视差与上下视差；

如果在右像内没有嵌入任何信息，那么左右遥感图像完全一样，无论用任何匹配方法进行匹配，所有匹配点上的视差均应为零；

当有设定容量的隐藏信息嵌入后，右遥感图像上的像素就会因灰度改变而造成位置偏移，因而再进行高精度的遥感图像匹配就会形成视差；

具体的实现步骤为：

首先建立最小二乘匹配的基本误差方程：

v=c₁dh₀+c₂dh₁+c₃da₀+c₄da₁+c₅da₂+c₆db₀+c₇db₁+c₈db₂-Δg     (6)

其中，计算得到的参数ν为误差的值，所述客观质量评估中的的最大误差值指的是误差ν的最大值，c₁、c₂、c₃、c₄、c₅、c₆、c₇、c₈为误差方程式的系数，dh₀、dh₁、da₀、da₁、da₂、db₀、db₁、db₂是待定参数的改正值；

然后进行最小二乘匹配运算，获取信息隐藏后所选像素的最终位置(x_d,y_d)；

定义像素移位： $\left\{\begin{array}{c}\mathrm{\Δx}=x_d-x_0\\ \mathrm{\Δy}=y_d-y_0\end{array}\right.,$ 其中，x₀、y₀是原始载体遥感图像中所选像素的横向、纵向坐标位置，x_d、y_d是信息隐藏后的遥感图像中所选像素的横向、纵向坐标位置；Δx、Δy分别为信息隐藏后的所选像素的横向、纵向坐标位置相对原始载体遥感图像中该像素的横向、纵向坐标位置的相对位移量。

2.如权利要求1所述的评价信息隐藏容量对遥感图像量测精度所造成影响的方法，其特征在于：步骤2）中所述的“选择不同容量的待隐藏信息嵌入原始载体遥感图像”是采用基于傅斯特纳特征点的遥感图像信息隐藏方法，具体步骤如下：

①、提取初选点；计算像素I(i,j)在上下左右4个方向的灰度差分绝对值dg₁,dg₂,dg₃,dg₄，并计算其中值M；

dg₁=|g_i,j-g_i+1,j|

dg₂=|g_i,j-g_i,j+1|

dg₃=|g_i,j-g_i-1,j|     (7)

dg₄=|g_i,j-g_i,j-1|

M=mid(dg₁,dg₂,dg₃,dg₄)

其中，g_i，j表示像素I(i,j)的像素值，像素I(i,j)中的i、j分别表示该像素I(i,j)的横向、纵向坐标位置；

设定阈值T_d，选取M>T_d的像素I(i,j)为初选点；

②、利用傅斯特纳算子计算初选点的协方差矩阵N及兴趣值q_i,j，计算窗口大小为m×m，其中，m为该窗口的边长；

$N=\left|\begin{array}{cc}{\mathrm{\Σg}}_u^2& \mathrm{\Σ}{g}_u{g}_v\\ \mathrm{\Σ}{g}_u{g}_v& {\mathrm{\Σg}}_v^2\end{array}\right|$ (8)

$q_{i,j}=\frac{4\mathrm{DetN}}{{\left(\mathrm{trN}\right)}^2}$

其中g_u、g_v分别表示水平、垂直方向的Robert梯度，DetN为矩阵N的行列式，trN为迹；

$\left\{\begin{array}{c}\mathrm{\Σ}{g}_u^2=\underset{k=i-m/2}{\overset{i+m/2-1}{\mathrm{\Σ}}}\underset{l=j-m/2}{\overset{j+m/2-1}{\mathrm{\Σ}}}{(g_{k+1,l+1}-g_{k,l})}^2\\ \mathrm{\Σ}{g}_v^2=\underset{k=i-m/2}{\overset{i+m/2-1}{\mathrm{\Σ}}}\underset{l=j-m/2}{\overset{j+m/2-1}{\mathrm{\Σ}}}{(g_{k,l+1}-g_{k+1,l})}^2\\ \mathrm{\Σ}{g}_u{g}_v=\underset{k=i-m/2}{\overset{i+m/2-1}{\mathrm{\Σ}}}\underset{l=j-m/2}{\overset{j+m/2-1}{\mathrm{\Σ}}}(g_{k+1,l+1}-g_{k,l})(g_{k,l+1}-g_{k+1,l})\end{array}\right.---\left(9\right)$

其中，k、l分别表示所选取的像素的取值范围；

③、提取特征点；设定阈值T_q，根据经验值，若限制误差椭圆长短半轴之比不大于3.2～2.4，则有T_q=0.32～0.5；若q_i,j>T_q，则计算权值ω_i,j：

${\mathrm{\ω}}_{i,j}=\left\{\begin{array}{cc}0& q_{i,j}\≤T_q\\ \frac{\mathrm{DetN}}{\mathrm{trN}}& q_{i,j}>T_q\end{array}\right.---\left(10\right)$

以权值ω_i,j为依据，选取图像设定区域内权值最大者为特征点；

④、以特征点为中心选取D×D子图进行DCT变换，然后选取D×D子图的DCT域中大于设定幅值的n个系数作为重要分量，在D×D子图中嵌入相应容量的隐藏信息，嵌入公式为：

I_w(x,y)=I(x,y)(1+α·w_k)     (11)

其中，“D×D子图”指的是以特征点为中心，选取边长为D的一个正方形区域作为待嵌入隐藏信息的子块图像；参数n为大于设定幅值的系数的个数；子图中像素I（x，y）中的x，y分别表示该像素的横向、纵向坐标位置；α为嵌入强度，ω_k为所嵌入隐藏信息的值；I_ω（x，y）为嵌入隐藏信息后的像素；

之后，进行DCT反变换，得到含隐藏信息的子图像；

对所有与特征点对应的子图进行上述步骤①～④的处理，得到含隐藏信息的遥感图像。

Images