CN103345767B - 一种高安全性的jpeg图像隐写方法 - Google Patents
一种高安全性的jpeg图像隐写方法 Download PDFInfo
- Publication number
- CN103345767B CN103345767B CN201310275158.5A CN201310275158A CN103345767B CN 103345767 B CN103345767 B CN 103345767B CN 201310275158 A CN201310275158 A CN 201310275158A CN 103345767 B CN103345767 B CN 103345767B
- Authority
- CN
- China
- Prior art keywords
- distortion
- dct coefficient
- prime
- probability
- rho
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000013139 quantization Methods 0.000 claims abstract description 64
- 238000007906 compression Methods 0.000 claims abstract description 8
- 238000012795 verification Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000009795 derivation Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 description 13
- 238000001514 detection method Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 241000209094 Oryza Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 230000016571 aggressive behavior Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种高安全性的JPEG图像的隐写方法,该方法包括:获取JPEG图像压缩过程中变换域上每一量化离散余弦变换DCT系数的量化取整误差,以及取整前后的量化DCT系数xi与Xi;利用取整前后的量化DCT系数xi与Xi定义对应的纵向失真与横向失真,并利用量化取整误差构建纵向失真的最小化嵌入失真模型;根据所述纵向失真的最小化嵌入失真模型,及对应的纵向失真与横向失真计算每一量化DCT系数的最优修改概率;将获得的每一量化DCT系数的最优修改概率转换为三元失真,并调用校验网格码STC,将取整后的量化DCT系数Xi作为载体嵌入秘密消息,再封装成完整的JPEG图像。通过采用本发明公开的方法保证了嵌入秘密消息的安全性以及嵌入秘密消息后良好的图像质量。
Description
技术领域
本发明涉及图像压缩和信息隐藏技术领域,尤其涉及一种高安全性的JPEG图像隐写方法。
背景技术
隐写术作为信息隐藏的一个重要分支,用于在看似正常的通信信道中传递秘密消息。隐写分析则是对隐写术的被动攻击,用于检测多媒体数据中是否含隐蔽信息。安全的隐写术应能抵抗各类隐写分析的攻击,即具有抵抗检测的普适性。
JPEG图像是网络中最流行的图像格式,是一种实用的隐写载体。现有技术中,黄方军等人提出的NCSR(New Channel Selection Rule,新通道选择规则)方法是目前最有效的JPEG图像隐写方法之一,该方法利用量化取整误差和DCT系数绝对值定义嵌入失真,然后使用修正的矩阵编码最小化嵌入过程对载体造成的失真。其中,最小化失真隐写包含两方面的问题:一是如何定义失真函数;二是如何设计能够最小化嵌入失真的编码方法。如何定义失真函数是隐写方法中至关重要的环节。研究表明,采用一种不合理的失真函数进行隐写,将无法保证嵌入消息后图像的质量以及嵌入消息的安全性。
然而,对于如何定义失真函数,目前还没有通用的模型或解决方案。其原因在于,影响载体嵌入失真的因素是多样的。并且,影响载体嵌入失真的各个因素的重要程度是不一样的。
发明内容
本发明的目的是提供一种高安全性的JPEG图像隐写方法,保证嵌入秘密消息的安全性,以及嵌入消息后良好的图像质量。
本发明的目的是通过以下技术方案实现的:
一种高安全性的JPEG图像隐写方法,该方法包括:
获取JPEG图像压缩过程中变换域上每一量化离散余弦变换DCT系数的量化取整误差,以及取整前后的量化DCT系数xi与Xi;
利用取整前后的量化DCT系数xi与Xi定义对应的纵向失真与横向失真,并利用量化取整误差构建纵向失真的最小化嵌入失真模型;
根据所述纵向失真的最小化嵌入失真模型,及对应的纵向失真与横向失真计算每一量化DCT系数的最优修改概率;
将获得的每一量化DCT系数的最优修改概率转换为三元失真,并调用校验网格码STC,将取整后的量化DCT系数Xi作为载体嵌入秘密消息,再封装成完整的JPEG图像。
由上述本发明提供的技术方案可以看出,本发明基于JPEG图像的特点设计纵向失真与横向失真函数,并配合高效的STC编码,保证了隐写方法的安全性;另一方面,基于该方法,在嵌入秘密消息后,同样能够保证良好的图像质量。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例一提供的一种高安全性的JPEG图像的隐写方法的流程图;
图2为本发明实施例二提供的又一种高安全性的JPEG图像的隐写方法的流程图;
图3为本发明提供的本发明与NCSR方法在不同嵌入率下的抗检测实验的示意图;
图4为本发明提供的本发明与NCSR方法在不同嵌入率下的抗检测实验的示意图;
图5为本发明提供的本发明与NCSR方法在不同嵌入率下的抗检测实验的示意图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
实施例一
图1为本发明实施例一提供的一种高安全性的JPEG图像的隐写方法的流程图。如图1所示,该方法主要包括如下步骤:
步骤11,获取JPEG图像压缩过程中变换域上每一量化离散余弦变换DCT系数的量化取整误差,以及取整前后的量化DCT系数xi与Xi;。
所述DCT系数包括直流系数和交流系数。按照8×8分块进行DCT变换后,8×8块的最左上角的系数为DCT直流系数,其余63个系数皆为DCT交流系数。
另外,取整前后的量化DCT系数xi与Xi间的关系可表示为:Xi=round(xi),即表示Xi为取最接近xi的整数。
步骤12,利用取整前后的DCT系数xi与Xi定义对应的纵向失真与横向失真,并利用量化取整误差构建纵向失真的最小化嵌入失真模型。
所述纵向失真的最小化嵌入失真模型可由常规方法利用量化取整误差构建。
其中,纵向失真可利用取整前后的DCT系数xi与Xi来定义:
wi,+=|Xi+1-xi|-|Xi-xi|;
wi,-=|Xi-1-xi|-|Xi-xi|;
横向失真可利用取整前的DCT系数xi和其在DCT变换量化表中所对应的量化步长qi来设定:
ρi=(qi)t/(|xi|)u;
其中,t/u<0.6,且u≥0.5。
步骤13,根据所述纵向失真的最小化嵌入失真模型,及对应的纵向失真与横向失真计算每一量化DCT系数的最优修改概率。
本发明实施例中的最优修改概率包括:不修改的概率pi0、加1修改的概率pi+和减1修改的概率pi-。
步骤14,将获得的每一量化DCT系数的最优修改概率转换为三元失真,并使用校验网格码STC,将取整后的量化DCT系数Xi作为载体嵌入秘密消息,再封装成完整的JPEG图像。
本发明实施例中可利用三元翻转引理将计算获得的每一量化DCT系数的最优修改概率转换为三元失真。
本发明实施例基于JPEG图像的特点设计纵向失真与横向失真函数,并配合高效的STC编码,保证了隐写方法的安全性;另一方面,基于该方法,在嵌入秘密消息后,同样能够保证良好的图像质量。
实施例二
为了便于理解本发明,下面结合附图2对本发明做进一步介绍。如图2所示,该方法主要包括以下步骤:
步骤21,获取JPEG图像压缩过程中变换域上每一量化离散余弦变换DCT系数的量化取整误差,以及取整前后的量化DCT系数xi与Xi;。
所述DCT系数包括直流系数和交流系数,按照8×8分块进行DCT变换后,8×8块的最左上角的系数为DCT直流系数,其余63个系数皆为DCT交流系数。
另外,取整前后的量化DCT系数xi与Xi间的关系可表示为:Xi=round(xi),即表示Xi为取最接近xi的整数。
步骤22,利用取整前后的量化DCT系数xi与Xi定义对应的纵向失真与横向失真,并利用量化取整误差构建纵向失真的最小化嵌入失真模型。
所述纵向失真的最小化嵌入失真模型可由常规方法利用量化取整误差构建。
其中,纵向失真可利用取整前后的DCT系数xi与Xi来定义:
wi,+=|Xi+1-xi|-|Xi-xi|;
wi,-=|Xi-1-xi|-|Xi-xi|;
横向失真可利用取整前的DCT系数xi和其在DCT变换量化表中所对应的量化步长qi来定义:
ρi=(qi)t/(|xi|)u;
其中,参数t和u取值可以遵从如下规则:
1)需要抑制量化步长的影响,因此t/u的值不能过大,本实施例中限制t/u<0.6。
2)u的值不能过小(本实施例中u的值不小于0.5),否则会导致不适宜修改的DCT交流系数被大量修改,降低抗检测能力。
并且,不同于绝大部分的JPEG图像隐写方法中放弃对量化取整后为0的量化DCT交流系数的使用,本实施例中的隐写方法允许取整前距离0.5较近且被取整为0的量化DCT交流系数被修改,可使用如下规则:
1)若步骤21中取整前的量化DCT系数xi∈[0.2,0.5),按照取整规则可知,取整后的量化DCT系数Xi=0,但本实施例中令取整后的DCT系数Xi=1。
2)若步骤21中取整前的量化DCT系数xi∈(-0.5,-0.2],按照取整规则可知,取整后的量化DCT系数Xi=0,但本实施例中令取整后的DCT系数Xi=1。
但是,对于不满足上述规则且取整后为0的量化DCT交流系数和量化DCT直流系数,其横向失真ρi则是取正无穷,表示不能被修改。
步骤23,利用纵向失真的最小化嵌入失真模型计算纵向条件修改的概率p′i+和p′i-。
本发明实施例中用于嵌入秘密消息的载体为取整后的量化DCT系数Xi,该系数Xi对应的最大载荷能力是Ri(表示嵌入信息量的大小),Ri为三元熵,表示为:
Ri=H3(pi0,pi-,pi+)=-(pi0lnpi0+pi+lnpi++pi-lnpi-);
其中,H3表示三元熵函数,pi0、pi+与pi-分别表示不修改的概率、加1修改的概率和减1修改的概率,且满足pi0+pi++pi-=1。
本发明实施例为提高修改概率计算的准确性,将pi0、pi+与pi-分为两部分来考虑,即假定取整后的量化DCT系数Xi在必须被修改,则仅需计算在“必须被修改的条件下”加1与减1修改的概率p′i+和p′i-,可使用下述方法计算。
首先,将Ri的表达式分解为:
其中,H2表示二元熵函数,可记为取整后的量化DCT系数Xi在必须要被修改的情况下,进行加1操作的条件概率p′i+:
同理,可通过类似方法定义减1操作的条件概率p′i-:
通常情况下,横向失真与不修改的概率pi0相关性较高,纵向失真与加1修改的概率pi+和减1修改的概率pi-相关性较高。因此,本发明实施例可以认为p′i+和p′i-与纵向失真强相关而与横向失真是弱相关,故主要考虑并计算p′i+和p′i-在最小化纵向失真的前提下的修改概率。
然后,利用纵向失真的最小化嵌入失真模型计算在纵向载荷R’的约束下取整后的量化DCT系数Xi的纵向条件加1与减1修改的概率p′i+和p′i-,其主要包括两个步骤:
1)确定纵向载荷R’:纵向载荷可视为一个参数进行确定,其取值范围是R′=β×n,n表示像素的总个数,参数β∈[0,1]。
其中,β的取值大小将直接影响消息嵌入时在载体纵向修改所嵌入信息量的大小,该值可以使用经验方法进行确定,不宜过小或者过大。例如,当β取0时表示取整后的量化DCT系数Xi的纵向上不嵌入消息,而当β取1时则表示在纵向上最大化嵌入消息,即载体要被修改时选择加1操作和减1操作的概率各为0.5。作为举例而非限制,本发明实施例通过实验认为β取0.8左右为宜。
2)将R’作为约束条件,在最小化纵向失真的前提下,利用纵向失真的最小化嵌入失真模型计算取整后的DCT系数Xi所对应的修改概率p′i+和p′i-:
其中,exp表示以常数e为底的幂函数,参数λ′为R’利用二元查找法计算得到近似结果。
步骤24,将纵向条件修改的概率与横向失真相结合,计算完整的最优修改概率pi0、pi+与pi-。
首先,设定隐写时嵌入消息的总载荷为R,则嵌入消息后的总横向失真Dh为:
对应的最小化横向失真为:
其中, pi0≥0。
然后,利用拉格朗日乘子法,并引入中间参数μ,构造以为pi0变量的函数F(pi0):
对所述F(pi0)求导,得到:
将上述求导算式进行变换,并引入参数λ,且λ=-1/μ,得到:
并通过简单的条件概率计算得到:
其中,参数λ为总载荷R利用二元查找法计算得到近似结果。
步骤25,将获得的每一像素的最优修改概率转换为三元失真,并调用校验网格码STC编码,将取整后的量化DCT系数Xi作为载体嵌入秘密消息,再封装成完整的JPEG图像。
假定根据步骤24计算到的最优修改概率的集合为需要由序列传递m比特的消息,且
其中,P(yi=0)=pi0,P(yi=1)=pi+,P(yi=2)=pi-,分别表示yi取值为0、1、2时的概率。
此时,可先利用三元失真构造一虚拟载体
该三元失真可通过三元翻转引理将每一像素的最优修改概率转换得到:
然后,调用±1双层STC编码对所述虚拟载体嵌入秘密消息,并将对该虚拟载体进行的变动修改到相应的取整后的量化DCT系数Xi中,再封装成完整的JPEG图像。
步骤26,提取JPEG图像中的秘密消息。
其主要包括如下步骤:
步骤261,对包含秘密消息的JPEG图像进行解压缩,获得以取整后的量化DCT系数Xi为载体的序列y。
步骤262,根据序列y上最低比特位以及次最低比特位上嵌入消息的长度,确定所述±1双层STC编码的校验矩阵H。
步骤263,将序列y的最低比特位以及次最低比特位构成载密向量s。
步骤264,将所述校验矩阵H与所述载密向量s相乘,得到秘密消息向量m,从而提取出秘密消息。
本发明实施例基于JPEG图像的特点设计纵向失真与横向失真函数,并配合高效的STC编码,保证了隐写方法的安全性;另一方面,基于该方法在嵌入秘密消息后,同样能够保证良好的图像质量。
基于本发明的上述方案,在博思贝斯图像库(BOWSbase Image Library)中,选取3000幅图像进行实验。
首先,将3000幅原始位图压缩为JPEG图像,压缩时选取质量因子为80的量化表进行DCT系数的量化,再利用压缩时得到的取整前后的量化DCT系数xi与Xi定义横向与纵向失真从而进行隐写,并保存为JPEG图像,得到载密图像。因而一共有3000组载体载密图像对,使用其中1500对图像来训练集成分类器(ensemble classifier),再使用训练好的分类器对另外1500对图像进行分类测试。实验结果以最小平均错误检测率PE表示,定义为:
其中,PFA表示虚警概率,PMD表示漏检概率。最小平均错误检测率越接近0.5表示隐写算法的抗检测能力越强,即安全性越高。
利用本发明的方法与目前抗检测效果最好的方法(NCSR方法)进行对比。为了比较的统一,本发明的方法使用与NCSR方法采用一致的嵌入率单位bpac(bits per non-zeroAC coefficient),该单位表示嵌入消息比特长度与非零AC(交流)系数个数的比值。
首先通过实验,为本发明的方法选择较理想的参数。设一幅载体图像中适用本发明的二维失真模型的AC系数的个数为n,故可知参数R’的可选范围为0~n。为了得到合适的中间参数u,先令R’和t分别为n和0.5,u则在0.5、1、2、3之中变化,同时以0.05、0.10、0.15、0.20、0.25和0.30bpac的嵌入率分别得到3000幅载密图像,再利用隐写分析特征—培尼274维特征集(PEV274)提取特征并用之训练集成分类器进行抗检测实验,其结果如图3所示。其中,以点号“·”为节点连接的曲线表示u=0.5;以米字符号“*”为节点连接的曲线表示u=1;以圆形“○”为节点连接的曲线表示u=2;以乘号“×”为节点连接的曲线表示u=3。由此可见,当u=1时抗检测能力最好,故在下面的实验中固定u=1。
然后,固定参数R’=n和u=1,令参数t在0.5、1、2和3之中变化,使用与图3相同的测试环境进行实验,实验结果如图4所示。其中,以点号“·”为节点连接的曲线表示t=0.5;以米字符号“*”为节点连接的曲线表示t=1;以圆形“○”为节点连接的曲线表示t=2;以乘号“×”为节点连接的曲线表示t=3。由此可见,当t=0.5时安全性最高。
在以上实验的结论下,对参数R’进行实验并同时与NCSR方法进行了安全性能的比较,结果如图5所示。其中,以点号“·”为节点连接的曲线表示R’为0.2×n;以米字符号“*”为节点连接的曲线表示R’为0.4×n;以圆形“○”为节点连接的曲线表示R’为0.6×n;以乘号“×”为节点连接的曲线表示R’为0.8×n;以矩形“□”为节点连接的曲线表示R’为1.0×n;以加号“+”为节点连接的曲线表示NCSR方法。从图中可以看出,当R’在0.2×n、0.4×n、0.6×n、0.8×n、1.0×n之中变化时,在嵌入率较低的情况下,因修改点较少,参数R’变化对于隐写安全性的影响并不大。但当嵌入率增加时,因为需要修改的点个数增加,R’影响逐渐变得明显。R’=n这种极端情况下认为每个系数加1和减1的修改概率相同,单个系数上引入的失真过大,隐写的安全性不高。NCSR方法相当于采用了R’=0的极端策略。从图中看出,当R′=0.8×n时安全性最高,较R′=n的极端情况和NCSR方法,在0.2bpac下分别提升3%和9%,在0.3bpac下,提升幅度甚至分别达到6%和15%。
进一步的,为充分说明本发明隐写方法的安全性,使用不同的特征集替换培尼274特征集进行隐写分析,测试时本发明方法和NCSR方法均使用其最优参数。测试的特征库有:校准操作后的培尼特征集(CC-PEV)、跨域特征集(CDF)、刘庆中特征集(Liu)、块内共生特征集(IBC),特征维数分别为548、1234、216和441。结果如表1所示,在不同的特征库下,本发明方法仍然表现优异,在0.2bpac下本发明方法均有大于0.4的最小平均错误检测率,安全性较NCSR方法提升明显。
表1不同特征库下的抗检测实验
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,上述实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM、U盘、移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、网络设备等)执行本发明各个实施例所述的方法。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (6)
1.一种高安全性的JPEG图像的隐写方法,其特征在于,该方法包括:
获取JPEG图像压缩过程中变换域上每一量化离散余弦变换DCT系数的量化取整误差,以及取整前后的量化DCT系数xi与Xi;
利用取整前后的量化DCT系数xi与Xi定义对应的纵向失真与横向失真,并利用量化取整误差构建纵向失真的最小化嵌入失真模型;
根据所述纵向失真的最小化嵌入失真模型,及对应的纵向失真与横向失真计算每一量化DCT系数的最优修改概率;
将获得的每一量化DCT系数的最优修改概率转换为三元失真,并调用校验网格码STC,将取整后的量化DCT系数Xi作为载体嵌入秘密消息,再封装成完整的JPEG图像;其中:
所述利用取整前后的量化DCT系数xi与Xi定义对应的纵向失真与横向失真包括:
利用取整前后的量化DCT系数xi与Xi定义对应的纵向失真:
wi,+=|Xi+1-xi|-|Xi-xi|;
wi,-=|Xi-1-xi|-|Xi-xi|;
其中,Xi=round(xi)表示Xi为取最接近xi的整数;
利用取整前的量化DCT系数xi和其在DCT变换量化表中所对应的量化步长qi设定对应的横向失真ρi:
ρi=(qi)t/(|xi|)u;
其中,t/u<0.6,且u≥0.5;
计算所述最优修改概率的步骤包括:
利用纵向失真的最小化嵌入失真模型计算在纵向载荷R'的约束下量化DCT系数的纵向条件加1与减1修改的概率p'i+和p'i-;其中,纵向载荷R'表示在纵向上嵌入信息量的大小;
将横向失真ρi与概率p'i+和p'i-相结合,并利用拉格朗日乘子法计算最小化横向失真的修改概率,从而获得完整的最优修改概率pi0、pi+与pi-;其中,pi0、pi+与pi-分别表示不修改的概率、加1修改的概率和减1修改的概率;
计算量化DCT系数的纵向条件加1与减1修改的概率p'i+和p'i-的步骤包括:
确定纵向载荷R'的大小,所述R'表示为:R'的取值范围为:R'=β×n,其中,n表示像素的总个数,参数β∈[0,1];
将R'作为约束条件,在最小化纵向失真的前提下,利用纵向失真的最小化嵌入失真模型计算当前像素取整后的量化DCT系数Xi所对应的修改概率p'i+和p'i-:
其中,exp表示以常数e为底的幂函数,参数λ'为R'利用二元查找法计算得到近似结果。
2.根据权利要求1所述的方法,其特征在于,计算所述完整的最优修改概率pi0、pi+与pi-的步骤包括:
设嵌入总载荷R后,总横向失真Dh为:
则对应的最小化横向失真为:
其中, pi0≥0,所述H2表示二元熵函数;
利用拉格朗日乘子法,并引入中间参数μ,构造以为pi0变量的函数F(pi0):
对所述F(pi0)求导,得到:
将上述求导算式进行变换,并引入参数λ,且λ=-1/μ,得到:
并通过条件概率计算得到:
其中,参数λ为总载荷R利用二元查找法计算得到近似结果。
3.根据权利要求1所述的方法,其特征在于,将所述取整后的量化DCT系数Xi作为载体嵌入秘密消息的步骤包括:
利用所述三元失真构造虚拟载体
调用±1双层STC编码对所述虚拟载体嵌入秘密消息,并将对该虚拟载体进行的变动修改到相应的取整后的量化DCT系数Xi中。
4.根据权利要求3所述的方法,其特征在于,所述将获得的每一量化DCT系数的最优修改概率转换为三元失真包括:
利用三元翻转引理将计算获得的每一量化DCT系数的最优修改概率转换为三元失真:
5.根据权利要求1、2、3或4所述的方法,其特征在于,该方法还包括提取秘密消息的步骤,且该步骤包括:
对包含秘密消息的多重失真图像进行解压缩,获得以取整后的量化DCT系数Xi为载体的序列y;
根据序列y上最低有效位以及次最低有效位上嵌入消息的长度,确定±1双层STC编码的校验矩阵H;
将序列y的最低有效位以及次最低有效位构成载密向量s;
将所述校验矩阵H与所述载密向量s相乘,得到秘密消息向量m,从而提取出秘密消息;其中,H3表示三元熵函数。
6.根据权利要求5所述的方法,其特征在于,所述序列y包括:
其中,P(yi=0)=pi0,P(yi=1)=pi+,P(yi=2)=pi-,分别表示元素yi取值为0、1、2时的概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310275158.5A CN103345767B (zh) | 2013-07-02 | 2013-07-02 | 一种高安全性的jpeg图像隐写方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310275158.5A CN103345767B (zh) | 2013-07-02 | 2013-07-02 | 一种高安全性的jpeg图像隐写方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103345767A CN103345767A (zh) | 2013-10-09 |
CN103345767B true CN103345767B (zh) | 2016-08-10 |
Family
ID=49280560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310275158.5A Expired - Fee Related CN103345767B (zh) | 2013-07-02 | 2013-07-02 | 一种高安全性的jpeg图像隐写方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103345767B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104010193B (zh) * | 2014-05-29 | 2017-02-22 | 中国科学院信息工程研究所 | 基于宏块划分方式扰动的视频隐写方法 |
CN104052658B (zh) * | 2014-07-05 | 2017-10-03 | 中国科学技术大学 | 一种基于社交网络的隐私保护系统及方法 |
CN105046633B (zh) * | 2015-06-30 | 2018-05-11 | 合肥高维数据技术有限公司 | 一种图像无损变换方法 |
CN105872304A (zh) * | 2016-03-31 | 2016-08-17 | 柳州城市职业学院 | 一种基于载体误差向量的隐写方法 |
CN107133991B (zh) * | 2017-03-17 | 2019-08-13 | 中山大学 | 一种基于扰动失真和像素选择的二值图像隐写方法 |
CN107689026B (zh) * | 2017-08-24 | 2020-05-15 | 中国科学技术大学 | 基于最优编码的可逆隐写方法 |
CN107910009B (zh) * | 2017-11-02 | 2020-12-01 | 中国科学院声学研究所 | 一种基于贝叶斯推理的码元改写信息隐藏检测方法及系统 |
CN108024028A (zh) * | 2017-12-12 | 2018-05-11 | 中国人民解放军战略支援部队信息工程大学 | 基于串行级联码和dct系数相对关系的jpeg图像鲁棒隐写方法 |
CN108271027B (zh) * | 2018-01-10 | 2020-06-12 | 中国人民解放军战略支援部队信息工程大学 | 一种图像自适应隐秘信息的提取方法 |
CN110365864B (zh) * | 2018-04-10 | 2020-09-04 | 北京大学 | 图像隐写方法、图像隐写系统、计算机设备和计算机可读存储介质 |
CN109658322B (zh) * | 2018-12-11 | 2019-09-03 | 宁波大学 | 一种大容量图像隐写方法和秘密信息提取方法 |
CN109784082A (zh) * | 2019-02-21 | 2019-05-21 | 中国科学技术大学 | 一种基于pdf文件的图文相关鲁棒隐写方法及系统 |
CN109920014B (zh) * | 2019-02-27 | 2022-10-28 | 中国科学技术大学 | 3d网格模型隐写方法 |
CN112017095A (zh) * | 2019-12-16 | 2020-12-01 | 江苏水印科技有限公司 | 一种优化现有jpeg隐写失真函数的通用方法 |
CN111614964B (zh) * | 2020-05-29 | 2021-08-13 | 中国科学技术大学 | 增强jpeg图像块边界连续性的非加性隐写方法 |
CN112132735B (zh) * | 2020-09-30 | 2023-05-26 | 东南数字经济发展研究院 | 一种规避预处理的载体选择方法 |
CN114630006B (zh) * | 2022-01-18 | 2023-05-26 | 中国人民解放军战略支援部队信息工程大学 | 基于一致最优势检验的隐秘信息提取方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1822050A (zh) * | 2006-03-22 | 2006-08-23 | 天津大学 | 全相位反余弦双正交变换及其对jpeg的改进方法 |
CN101795412A (zh) * | 2004-07-14 | 2010-08-04 | 喷流数据有限公司 | 用于数据压缩优化的方法和系统 |
CN102014239A (zh) * | 2009-09-08 | 2011-04-13 | 周岩 | 基于jpeg数字图像的高容量隐写方法 |
-
2013
- 2013-07-02 CN CN201310275158.5A patent/CN103345767B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101795412A (zh) * | 2004-07-14 | 2010-08-04 | 喷流数据有限公司 | 用于数据压缩优化的方法和系统 |
CN1822050A (zh) * | 2006-03-22 | 2006-08-23 | 天津大学 | 全相位反余弦双正交变换及其对jpeg的改进方法 |
CN102014239A (zh) * | 2009-09-08 | 2011-04-13 | 周岩 | 基于jpeg数字图像的高容量隐写方法 |
Non-Patent Citations (2)
Title |
---|
基于DCT系数大小关系的自适应JPEG隐写;程森,张卫明,包震坤,米顺强,俞能海;《武汉大学学报(理工版)》;20121231;第58卷(第6期);第545-550页 * |
基于图象DCT域的信息隐藏盲提取算法;胡敏等;《计算机工程与应用》;20031231;第39卷(第5期);第89-91页,第104页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103345767A (zh) | 2013-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103345767B (zh) | 一种高安全性的jpeg图像隐写方法 | |
Wang et al. | An optimal image watermarking approach based on a multi-objective genetic algorithm | |
Barbosa | A coevolutionary genetic algorithm for constrained optimization | |
CN104683811B (zh) | 一种基于整数dct系数调制的信息隐藏及提取方法 | |
CN105306956B (zh) | 一种提高hevc编码器离散余弦变换处理速度的方法 | |
CN102713977B (zh) | 用于使用量化代码评定图像质量的方法和设备 | |
CN113744153B (zh) | 双分支图像修复伪造检测方法、系统、设备及存储介质 | |
CN106169189A (zh) | 基于嵌入量双层最优分配比的stc编码方法 | |
CN106097241A (zh) | 基于八邻域像素的可逆信息隐藏方法 | |
Kekre et al. | Fast codevector search algorithm for 3-D Vector Quantized codebook | |
Bai et al. | A data hiding scheme based on the difference of image interpolation algorithms | |
Pan et al. | A novel image encryption algorithm based on hybrid chaotic mapping and intelligent learning in financial security system | |
Yuan et al. | Fast and robust image watermarking method in the spatial domain | |
Wang et al. | Adaptive reversible data hiding scheme for AMBTC compressed images | |
CN102025998A (zh) | 一种数字图像信号矢量量化码书设计方法 | |
CN104581158A (zh) | 量化表、图像压缩处理方法、装置、终端及图像搜索系统 | |
CN113034332A (zh) | 不可见水印图像、后门攻击模型构建、分类方法及系统 | |
Thepade et al. | Image classification using advanced block truncation coding with ternary image maps | |
CN107147909A (zh) | 基于方差的重压缩jpeg图像原始量化步长估计方法 | |
CN106961605A (zh) | 一种基于宏像素边界匹配的光场图像压缩方法 | |
CN116703685A (zh) | 图像去水印方法、装置、设备和介质 | |
CN106713924B (zh) | 用于文字分层压缩方法和装置 | |
Zhou et al. | Controversial ‘pixel’prior rule for JPEG adaptive steganography | |
Lo et al. | Subcodebook searching algorithm for efficient VQ encoding of images | |
Zhang et al. | Adaptive Robust Blind Watermarking Scheme Improved by Entropy‐Based SVM and Optimized Quantum Genetic Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160810 |