CN103093464B - 基于图像的轮廓波信息隐藏方法 - Google Patents

Abstract

本发明公开了一种基于图像的轮廓波信息隐藏方法，能够抵抗图像旋转、尺度变换、剪切、组合攻击、扭曲等几何攻击的信息的同时，当只有部分图像时，仍然可以通过这些提取或构造的特征点来确定信息的具体隐藏位置，从而检测出在图像中隐藏的信息；可以应用到多媒体载体版权中以及保密通信、电子对抗等其他领域中；不仅可以实现信息隐藏方法良好的视觉不可感知性，察觉不出其中隐藏了信息的痕迹，还同时实现了信息隐藏不可感知性和鲁棒性之间的平衡；通过在对局部不变特征图像块运用轮廓波变换前，采用循环平移操作，较好地抑制了在图像隐藏信息过程中产生的伪吉布斯现象。

Description

基于图像的轮廓波信息隐藏方法

技术领域

本发明涉及信息隐藏领域，特别是一种基于图像的轮廓波信息隐藏方法。

背景技术

信息隐藏是多媒体信息安全、保密通信、电子对抗、版权保护等领域中一项非常重要的信息处理技术，其作用是在目前的计算环境下实施对多媒体载体版权的有效保护、对载体进行内容认证以及确保载体版权安全等方面。其中信息隐藏方法的好坏直接关系到多媒体载体认证、版权所有者确认、电子对抗等方面的成功与否。

在目前的现有技术中，为了实现信息隐藏有以下两种方式：

第一种基于图像空域特性的信息隐藏方法，该方法主要是对图像的像素直接进行信息隐藏，或者对图像的空域统计特性进行分析，通过改变图像的空域特性进行信息隐藏，该方法是有最低有效位(LeastSignificantBit，LSB)，该方法以人类视觉模型为理论基础，以视觉模型不易被感知为准则，在图像载体空间中的最不重要区域隐藏信息，该方法的优点是是可嵌入的信息容量较大，不足的地方是隐藏的信息很容易被移除，因此，最低有效位方法在实际应用中没有得到较好的推广。该方法中的另一个具体方式是Patchwork方法，该方法是对图像的空域统计分布特性进行分析，通过改变图像的统计特性来隐藏信息。一般来说，基于图像空域特性的信息隐藏方法在实现方面较为简单，但该方法缺点是隐藏的信息很容易被移除，对有损压缩、叠加噪声、高斯滤波、旋转、扭曲等攻击的鲁棒性较差。

第二种基于图像变换域特性的信息隐藏方法，主要是对整幅图像或图像的局部区域进行某种数学变换(包括离散傅里叶变换、小波变换、离散余弦变换、Zernike变换、分数阶傅里叶变换、多尺度几何分析如轮廓波变换、扩散小波变换等)，修改整幅图像或图像局部区域的变换系数来隐藏信息。该方法基于图像变换特性的信息隐藏方法优点是具有明确的物理意义，并可以结合人类视觉感知模型和图像自身的统计特性寻求信息的最优隐藏空间，且不可感知性和鲁棒性能得到较好地折中；同时与图像的压缩标准兼容，该方法的缺点是对图像旋转、尺度变换、剪切、组合攻击、扭曲等几何攻击的鲁棒性较差。

因此，如何设计出一种隐藏方法能够抵抗图像旋转、尺度变换、剪切、组合攻击、扭曲等几何攻击的信息的同时，当只有部分图像时，仍然可以通过这些提取或构造的特征点来确定信息的具体隐藏位置，从而检测出在图像中隐藏的信息，便成为了亟待解决的技术问题。

发明内容

本发明提供一种基于图像的轮廓波信息隐藏方法，以解决如何能够抵抗图像旋转、尺度变换、剪切、组合攻击、扭曲等几何攻击的信息的同时，当只有部分图像时，仍然可以通过这些提取或构造的特征点来确定信息的具体隐藏位置，从而检测出在图像中隐藏的信息的问题。

为解决上述技术问题，本发明提供了一种基于图像的轮廓波信息隐藏方法，包括如下步骤：：

步骤101，采用尺度不变特征变换提取原始图像的特征点，构造所述原始图像的稳定特征点，以所述稳定特征点为圆心构造圆形区域；

步骤102，采用最小生成树方法构造原始图像的圆形特征区域，并去除不重叠的所述圆形特征区域，同时进行归一化处理；

步骤103，对归一化处理后的所述圆形特征区域四周边界进行补零处理，得到一系列外接方形特征区域块，并获取构造的多个局部不变特征图像块；

步骤104，对每个所述局部不变特征图像块实施轮廓波变换，所述轮廓波变换步骤为(1)对每个局部不变特征图像块作拉普拉斯塔式多尺度分解，(2)在每个分解尺度上方向滤波器将拉普拉斯塔式分解后得到的带通图像信号进行方向子带划分，(3)对每个方向子带上的局部不变特征图像块实施轮廓波变换；并计算每个轮廓波系数的能量，按该能量大小进行降序排序，选择其中所述能量较大的轮廓波系数形成轮廓波系数向量，对该向量进行修改；同时，选取一幅图像作为隐藏的信息并对其进行二值化处理，获得二进制信息，然后隐藏选取的图像的二进制信息，所述选取的图像隐藏后即为隐藏图像，得到含有隐藏图像的每个局部不变特征图像块；

步骤105，将含有所述隐藏图像的每个局部不变特征图像块进行轮廓波逆变换，得出含有所述隐藏图像的图像块，并与没有所述隐藏图像的图像块进行整合，得出与所述原始图像对应的含有隐藏图像的图。

进一步地，其中，所述轮廓波系数向量为x＝(x₁,x₂,···,x_n)，其中n表示向量元素个数。

进一步地，其中，所述计算每个轮廓波系数的能量，进一步为通过得出每个轮廓波系数的能量，其中B_c(i,j)表示轮廓波系数。

进一步地，其中，所述将含有所述隐藏图像的每个局部不变特征图像块进行轮廓波逆变换，得出含有所述隐藏图像的图像块，进一步包括：

将每个轮廓波系数中的方向子带系数通过方向滤波器进行多尺度重构；

在每个尺度上，采用拉普拉斯塔式重构得到含有所述隐藏图像后的局部不变特征图像子块；

对每个含有所述隐藏图像后的局部不变特征图像块进行逆循环平移操作。

进一步地，其中，所述对每个含有所述隐藏图像后的局部不变特征图像块进行逆循环平移操作为：

$\widehat{B_k^w}(u,v)=\left\{\begin{array}{c}{B}_k^w(u-k+M,v-k+N),1\&le;u\&le;k,1\&le;v\&le;k\\ B_k^w(u-k,v-k),k<u\&le;M,k<v\&le;N\end{array}\right.$

其中k表示平移整数。

与现有技术相比，本发明所述的一种基于图像的轮廓波信息隐藏方法，达到了如下效果：

1)本发明所述基于图像的轮廓波信息隐藏方法，能够抵抗图像旋转、尺度变换、剪切、组合攻击、扭曲等几何攻击的信息的同时，当只有部分图像时，仍然可以通过这些提取或构造的特征点来确定信息的具体隐藏位置，从而检测出在图像中隐藏的信息；

2)本发明所述基于图像的轮廓波信息隐藏方法，可以应用到多媒体载体版权中以及保密通信、电子对抗等其他领域中；

3)本发明所述基于图像的轮廓波信息隐藏方法，不仅可以实现信息隐藏方法良好的视觉不可感知性，察觉不出其中隐藏了信息的痕迹，还同时实现了信息隐藏不可感知性和鲁棒性之间的平衡；

4)本发明所述基于图像的轮廓波信息隐藏方法，通过在对局部不变特征图像块运用轮廓波变换前，采用循环平移操作，较好地抑制了在图像隐藏信息过程中产生的伪吉布斯现象。

附图说明

图1是本发明实施例所述基于图像的轮廓波信息隐藏方法的结构框图。

具体实施方式

如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接受的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。此外，“耦接”一词在此包含任何直接及间接的电性耦接手段。因此，若文中描述一第一装置耦接于一第二装置，则代表所述第一装置可直接电性耦接于所述第二装置，或通过其他装置或耦接手段间接地电性耦接至所述第二装置。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明本发明的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。

以下结合附图对本发明作进一步详细说明，但不作为对本发明的限定。

如图1所示，为本发明所述基于图像的轮廓波信息隐藏方法，包括：

步骤101，采用尺度不变特征变换提取原始图像的特征点，构造所述原始图像的稳定特征点，以所述稳定特征点为圆心构造圆形区域；

步骤102，采用最小生成树方法构造原始图像的圆形特征区域，并去除不重叠的所述圆形特征区域，同时进行归一化处理；

步骤103，对归一化处理后的所述圆形特征区域四周边界进行补零处理，得到一系列外接方形特征区域块，并获取构造的多个局部不变特征图像块；

步骤104，对每个所述局部不变特征图像块实施轮廓波变换，并计算每个轮廓波系数的能量，按该能量大小进行降序排序，选择其中所述能量较大的轮廓波系数形成轮廓波系数向量，对该向量进行修改；同时，选取一图像作为隐藏的信息进行二值化处理，以隐藏选取的图像的二进制信息；

步骤105，将含有所述隐藏图像的每个局部不变特征图像块进行轮廓波逆变换，得出含有所述隐藏图像的图像块，并与没有所述隐藏图像的图像块进行整合，得出与所述原始图像对应的含有隐藏图像的图。

其中，步骤104中所述轮廓波系数向量为x＝(x₁,x₂,···,x_n)，其中n表示向量元素个数。

其中，步骤104中所述选取一图像作为隐藏的信息进行二值化处理，以隐藏选取的图像的二进制信息；进一步包括：所述选取一图像作为隐藏的信息进行二值化处理形成隐藏图像(这里可以采用标识logo图像“数字水印”)二进制信息向量为w＝(w₁,w₂,···,w_n)。当隐藏图像二进制信息向量为“1”时，按照如下规则进行乘性隐藏：

y_i＝α×x_i,i＝1,2,···,n

当隐藏图像二进制信息向量为“0”时，按照如下规则进行乘性隐藏：

$y_i=\frac{1}{\mathrm{\&alpha;}}\&times;x_i,i=1,2,...n$

其中α为乘性因子，y＝(y₁,y₂,···,y_n)为隐藏图像二进制信息后的轮廓波系数向量。在本发明中α的取值范围为(1.02，1.06)，当然这里并不作为具体限定。

此外，参照图1所示，现根据上述技术方案为例，以一具体实施方式加以说明：

步骤101，采用尺度不变特征变换提取原始图像的特征点(本实施例中采用高斯差分计算)，构造所述原始图像的稳定特征点，以所述稳定特征点为圆心构造圆形区域；

设原始图像载体为I(x,y)，对图像实施高斯滤波操作，即：

L(x,y,σ)＝G(x,y,σ)*I(x,y)

其中x,y分别表示图像的水平和垂直方向轴，σ表示标准方差。G(x,y,σ)表示可变尺度高斯函数，L(x,y,σ)表示尺度空间函数。其中G(x,y,σ)可表示为：

$G(x,y,\mathrm{\&sigma;})=\frac{1}{2{\mathrm{\&pi;\&sigma;}}^2}\exp \left(\frac{-(x^2+y^2)}{2{\mathrm{\&sigma;}}^2}\right)$

其中高斯差分函数的实现过程是通过两个尺度不同的高斯核函数进行差分运算，高斯差分函数对图像滤波的过程可以进一步表示为：

D(x,y,σ)＝(G(x,y,kσ)-G(x,y,kσ))*I(x,y)＝L(x,y,kσ)-L(x,y,σ)

其中D(x,y,σ)表示图像经滤波后的函数。

在上述步骤101中具体还包括：对相邻被滤波的图像之间进行相减，可以得到高斯差分函数的尺度空间表示。具体过程为：在当前尺度上，对原始图像的每个像素与周围邻域的八个像素和相邻尺度对应位置上的周围邻域的九个像素进行比较，确保在高斯函数尺度空间和原始图像空间检测到像素的局部极值，并以此初步确定特征点的位置和所在的尺度，然后对原始图像进行方向重排以实现尺度不变特征变换算子的旋转不变性。

步骤102，采用最小生成树方法构造原始图像的圆形特征区域，并去除不重叠的所述圆形特征区域，同时进行归一化处理；

步骤103，对归一化处理后的所述圆形特征区域四周边界进行补零处理，得到一系列外接方形特征区域块，并获取构造的多个局部不变特征图像块；

步骤104，对每个所述局部不变特征图像块实施轮廓波变换，并计算每个轮廓波系数的能量，按该能量大小进行降序排序，选择其中所述能量较大的轮廓波系数形成轮廓波系数向量，对该向量进行修改；同时，选取一图像作为隐藏的信息进行二值化处理，以隐藏选取的图像的二进制信息；

其中，所述轮廓波变换是一种可有效刻画图像线状奇异性的新型多尺度几何分析工具，它具有较好的稀疏表示和几何分析特性。设每个构造的局部不变特征图像块为B(u,v)，其大小为M×N，且M＝N。为了抑制在对局部不变特征图像块实施轮廓波变换过程中出现的伪吉布斯现象，在对局部不变特征图像块进行轮廓波变换前，对每个局部不变特征图像块进行循环平移操作。即：

$B_k\left(u,v\right)=\left\{\begin{array}{c}B\left(u+k,v+k\right),1\&le;u\&le;M-k,1\&le;v\&le;N-k\\ B\left(u+k-M,v+k-N\right),M-k\&le;u\&le;M,N-k\&le;v\&le;N\end{array}\right.$

其中k表示平移整数。然后对经循环平移的每个局部不变特征图像块进行轮廓波变换，其步骤为：

(1)对每个局部不变特征图像块B_k(u,v)作拉普拉斯塔式多尺度分解。

(2)在每个分解的尺度上，方向滤波器将拉普拉斯塔式分解后得到的带通图像信号划分为2的任意次幂的方向子带。方向子带的数目可预先设定，在本发明设定为4个方向子带。

(3)对每个方向子带上的局部不变特征图像块实施轮廓波变换，并计算每个局部不变特征图像块轮廓波系数的能量，按该能量大小进行降序排序，选择其中所述能量较大的轮廓波系数形成轮廓波系数向量，对该向量进行修改，以隐藏信息。设形成的轮廓波系数向量为x＝(x₁,x₂,···,x_n)，其中n表示向量元素个数。其中每个局部不变特征图像块轮廓波系数的能量计算过程表示为：

$En=\left|\right|B_c(i,j)|{|}^2,\&ForAll;i,j\&Element;\{0,1,...,M-1\}$

其中B_c(i,j)表示轮廓波系数，下标为轮廓波coutourlet的首字母缩写。

步骤105，将含有所述隐藏图像的每个局部不变特征图像块进行轮廓波逆变换，得出含有所述隐藏图像的图像块，并与没有所述隐藏图像的图像块进行整合，得出与所述原始图像对应的含有隐藏图像的图。

其中，步骤105中将含有所述隐藏图像的每个局部不变特征图像块进行轮廓波逆变换，得出含有所述隐藏图像的图像块，具体包括：

(1)首先将每个轮廓波系数中的方向子带系数通过方向滤波器进行多尺度重构。

(2)在每个尺度上，采用拉普拉斯塔式重构得到含有所述隐藏图像后的局部不变特征图像子块。

(3)对每个含有所述隐藏图像后的局部不变特征图像块进行逆循环平移操作。即：

$\widehat{B_k^w}(u,v)=\left\{\begin{array}{c}{B}_k^w(u-k+M,v-k+N),1\&le;u\&le;k,1\&le;v\&le;k\\ B_k^w(u-k,v-k),k<u\&le;M,k<v\&le;N\end{array}\right.$

其中k表示平移整数。

与现有技术相比，本发明所述的一种基于图像的轮廓波信息隐藏方法，达到了如下效果：

1)本发明所述基于图像的轮廓波信息隐藏方法，能够抵抗图像旋转、尺度变换、剪切、组合攻击、扭曲等几何攻击的信息的同时，当只有部分图像时，仍然可以通过这些提取或构造的特征点来确定信息的具体隐藏位置，从而检测出在图像中隐藏的信息；

2)本发明所述基于图像的轮廓波信息隐藏方法，可以应用到多媒体载体版权中以及保密通信、电子对抗等其他领域中；

3)本发明所述基于图像的轮廓波信息隐藏方法，不仅可以实现信息隐藏方法良好的视觉不可感知性，察觉不出其中隐藏了信息的痕迹，还同时实现了信息隐藏不可感知性和鲁棒性之间的平衡；

4)本发明所述基于图像的轮廓波信息隐藏方法，通过在对局部不变特征图像块运用轮廓波变换前，采用循环平移操作，较好地抑制了在图像隐藏信息过程中产生的伪吉布斯现象。

上述说明示出并描述了本实用新型的若干优选实施例，但如前所述，应当理解本实用新型并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述实用新型构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本实用新型的精神和范围，则都应在本实用新型所附权利要求的保护范围内。

Claims (5)

1.一种基于图像的轮廓波信息隐藏方法，其特征在于，所述方法包括如下步骤：

步骤101，采用尺度不变特征变换提取原始图像的特征点，构造所述原始图像的稳定特征点，以所述稳定特征点为圆心构造圆形区域；

步骤102，采用最小生成树方法构造原始图像的圆形特征区域，并去除不重叠的所述圆形特征区域，同时进行归一化处理；

步骤103，对归一化处理后的所述圆形特征区域四周边界进行补零处理，得到一系列外接方形特征区域块，并获取构造的多个局部不变特征图像块；

步骤104，对每个所述局部不变特征图像块实施轮廓波变换，所述轮廓波变换步骤为(1)对每个局部不变特征图像块作拉普拉斯塔式多尺度分解，(2)在每个分解尺度上方向滤波器将拉普拉斯塔式分解后得到的带通图像信号进行方向子带划分，(3)对每个方向子带上的局部不变特征图像块实施轮廓波变换；并计算每个轮廓波系数的能量，按该能量大小进行降序排序，选择其中所述能量较大的轮廓波系数形成轮廓波系数向量，对该向量进行修改；同时，选取一幅图像作为隐藏的信息并对其进行二值化处理，获得二进制信息，然后隐藏选取的图像的二进制信息，所述选取的图像隐藏后即为隐藏图像，得到含有隐藏图像的每个局部不变特征图像块；

步骤105，将含有所述隐藏图像的每个局部不变特征图像块进行轮廓波逆变换，得出含有所述隐藏图像的图像块，并与没有所述隐藏图像的图像块进行整合，得出与所述原始图像对应的含有隐藏图像的图。

2.如权利要求1所述的一种基于图像的轮廓波信息隐藏方法，其特征在于，所述轮廓波系数向量为x＝(x₁,x₂,…,x_n)，其中n表示向量元素个数。

3.如权利要求1所述的一种基于图像的轮廓波信息隐藏方法，其特征在于，所述计算每个轮廓波系数的能量，进一步为通过En＝||B_c(i,j)||²,得出每个轮廓波系数的能量，其中B_c(i,j)表示轮廓波系数。

4.如权利要求1所述的一种基于图像的轮廓波信息隐藏方法，其特征在于，所述步骤105中所述将含有所述隐藏图像的每个局部不变特征图像块进行轮廓波逆变换，得出含有所述隐藏图像的图像块，进一步包括：

将每个轮廓波系数中的方向子带系数通过方向滤波器进行多尺度重构；

在每个尺度上，采用拉普拉斯塔式重构得到含有所述隐藏图像后的局部不变特征图像子块；

对每个含有所述隐藏图像后的局部不变特征图像块进行逆循环平移操作。

5.如权利要求4所述的一种基于图像的轮廓波信息隐藏方法，其特征在于，所述对每个含有所述隐藏图像后的局部不变特征图像块进行逆循环平移操作为：

$\widehat{B_k^w}(u,v)=\left\{\begin{array}{c}{B}_k^w(u-k+M,v-k+N),1\&le;u\&le;k,1\&le;v\&le;k\\ B_k^w(u-k,v-k),k<u\&le;M,k<v\&le;N\end{array}\right.$

其中k表示平移整数。