CN105872304A - 一种基于载体误差向量的隐写方法 - Google Patents
一种基于载体误差向量的隐写方法 Download PDFInfo
- Publication number
- CN105872304A CN105872304A CN201610199767.0A CN201610199767A CN105872304A CN 105872304 A CN105872304 A CN 105872304A CN 201610199767 A CN201610199767 A CN 201610199767A CN 105872304 A CN105872304 A CN 105872304A
- Authority
- CN
- China
- Prior art keywords
- steganography
- image
- pixel
- carrier
- base
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
- H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本发明公开了一种基于载体误差向量的隐写方法,针对现有图像隐写算法中存在的隐写容量小及抗检测性能差的问题,探索分析了一种增强隐写容量、降低隐写误差并有效提升抗检测能力的隐写算法。该算法通过对图像压缩处理,获取载体图像的压缩参考值,同原始图像进行差值处理,获取载体误差向量。并针对隐写图像误差向量集合进行空域滤波参数优化分析,在混合编码的嵌入方法中进行了有效的隐写载入。
Description
技术领域
本发明涉及图像隐写算法,具体地,涉及一种基于载体误差向量的隐写方法。
背景技术
目前,随着今年数字图像基数的发展,先后出现了很多图像隐写算法。比较具有代表性的隐写算法主要包括变换域中DCT系数最低比特位替换算法、最低有效位替换算法LSB。但是这类算法存在隐写容量小(通常情况都在15000bit以内)、安全性较差。在此基础上,有人提出了具有普适安全性的LSB匹配改进算法(LSB Matching Revisitedalgorithm,LSBMR),通过像素分割和聚类的思想,采用最优临近隐写的方法提升了图像隐写的抗检测性能。但是该方法需要经过一定的迭代时间,只有在图像的中间像素中才能表现出较好的安全隐写性能,在边缘像素间往往易于检测和区分。为此,本行业人员又提出了一种自适应边缘图像隐写检测算法EALSBMR(Edge Adaptive Image Steganography Basedon LSBMR algorithm,EALSBMR),该算法将自适应分割的思想引入到边缘像素的处理中,能够依据隐写容量的大小子是一个的调整隐写像素的关联度进行嵌入。在低隐写率的情况下,会将秘密信息嵌入到边缘像素,有效增加了图像隐写容量,并提升了隐写图像抗盲检测的性能。虽然这些方法一定提升了隐写算法的安全性,但是没有考虑隐写容量、隐写率和安全性的折中,在高隐写率、大隐写容量情况下,安全性较差,无法适应现代数字图像技术发展的高容量要求。
发明内容
本发明的目的在于,针对上述问题,提出一种基于载体误差向量的隐写方法,以实现随着隐写率的增加,隐写的安全性增加,抗检测能力增强的优点。
为实现上述目的,本发明采用的技术方案是:
步骤一,预处理阶段,通过载体图像获得基数矩阵;
步骤二,将需隐写信息划分为若干比特数,通过数字转换,得到相应的向量;
步骤三,将步骤二获得向量矩阵嵌入步骤一获得基数矩阵,获得载密隐写图像像素矩阵。
本发明的技术方案具有以下有益效果:
本发明各实施例的考虑载体误差向量的隐写方法,由于包括高维模型和混合编码写入方式,可以协调隐写率、隐写容量以及安全性之间的矛盾;从而可以克服现有技术中没有考虑隐写容量、隐写率和安全性的折中,在高隐写率、大隐写容量情况下,安全性较差的缺陷,以实现随着隐写率的增加,隐写的安全性增加,抗检测能力增强的优点。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明实施例所述的基于载体误差向量的隐写方法流程示意图。
图2a为隐写率为1.75bpp的隐写载体,图2b为隐写率为3bpp的隐写载体。
图3为隐写率为3bpp,隐写容量为480000的隐写输出。
图4为隐写率为6bpp,隐写容量为1700000的隐写输出。
图5a-图5d为不同隐写率情况下的检测误差比较。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1所示,本方法的算法如下:
步骤一,预处理阶段,通过载体图像获得基数矩阵;
步骤二,将需隐写信息划分为若干比特数,通过数字转换,得到相应的向量;
步骤三,将步骤二获得向量矩阵嵌入步骤一获得基数矩阵,获得载密隐写图像像素矩阵。
下面介绍具体实施方式:
首先,对图像隐写编码做一个简单说明。计算机系统需要采用二进制方式进行编码,进制越大,同样符号代表的值越大.由于图像中存在的冗余空间非常有限,因而采用高效的编码方式表示秘密信息就相当于间接增大了隐写容量,引进混合进制系统就是为了这个目的.根据混合进制系统规则,可以将一个十进制整数x用如下形式表示:
x=(dn-1dn-2...d2d1d0)bn-1bn-2...b2b1b0,0≤di<bi(i=0,1,...,n-1) (1)
式中,bn-1bn-2...b2b1b0代表不同的进制基数,dn-1dn-2...d2d1d0代表与其相应的数值。
因此,根据混合进制求取对应的十进制x的公式为:
十进制值x及所要转换的进制基数b0,b1,...,bn-1,求取对应数值d0,d1,...,dn-1的公式为
d0=mod(x,b0) (3)
本发明为改进算法,需要对误差向量进行计算,隐写图像与压缩编码图像的误差矢量计算表达式为
ErrorImgi,j=CoverImgi,j-CompressedImgi,j (5)
其上式中,ErrorImgi,j为误差图像像素,CoverImgi,j为隐写图像原始像素,CompressedImgi,j表示压缩后隐写载体的像素集合。可以将隐写图像像素对应的基数值计算为
式(6)中,Basei,j表示基本单元阵的像素元素,OEF为图像的最佳扩域因子。
本发明为改进现有隐写算法,采用图像质量因子(Image Quality Factor,IQF)计算隐写图像的误差矢量,通过图像压缩处理,获取载体图像的压缩参考值,同原始图像进行差值处理,获取载体误差向量;结合最佳扩域因子(Optimal Extension Fields factor,OEF)求出基数矩阵;通过空域滤波优化的方法实现载体基数矩阵的优化,确定隐写像素点集,采用混合编码的方式实现了秘密信息的高效隐藏。
为实现本文方法的有效隐写,首先将需隐写信息划分为若干比特数块D,通过数字转换,实现不同字符串的伪随机表示为RND码。根据前面的分析,基于RND对十进制表示的字符D进行转换,得到相应的向量D′。其中RND主要是通过随机向量和预先给定的隐写率控制,隐写率同RND成正比。RND的具体计算可以表示为
其中EmbRate为隐写率,P RNG为随机向量。
在进行隐写信息嵌入的时候,需要按照一定的顺序,从左至右或者是从上到下(也可以采取相反的方向)进行Basei,j值的扫描分析。如果隐写图像像素的Basei,j<2,则忽略该像素;如果满足Basei,j≥2,则进行像素信息隐写操作。根据本文分析方法,在隐写操作中,对获取的D′中的元素进行元素分离,并通过重构操作获取D″,矩阵D″中的相应元素可以采用相应的像素块Basei,j进行标准判断分析,确定是否进行像素隐写。根据隐写效率和安全性的分析,本文给出了两种条件下的隐写实现分析:
条件1:隐写图像信息时,按照给定顺序读取隐写载体图像的Basei,j值,如果D″中的值D″l≤n,在满足D″l≤n≥2的情况下,可以将隐写图像的隐写像素可以计算为
StegoImgi,j为隐写像素。
条件2:如果D″l≤n≤2,则采用LSBMR编码方法进行秘密隐写,但是该方法需要对隐写像素进行分块处理,比LSB隐写方法具有更好的对称特征,且抗解析性能更高。
在前面分析的基础上,通过图像的预处理,基于JPEG压缩方法,对隐写图像进行压缩以后,进行离散预先变换,在给定IQF因子的条件下进行编码量化处理。其中,IQF因子的浮点数主要范围为[0,100]。在解压的过程中,采用JPEG压缩逆过程,实现引入噪声图像的还原分析。解压后的噪声图像同原图像类似,只是在压缩过程中引入了噪声,该随机噪声增强了隐写特征的安全性。
为验证本文方法的有效性,采用一组完全相同的隐写秘密信息对不同的嵌入载体进行仿真。仿真分析中,采用BOSSv1.01国际通用隐写图像库提供的图像进行隐写分析。整个仿真在Windows7笔记本电脑,采用Intel_i5处理器,16G内存,在Matlab2011仿真软件上进行仿真分析。
首先,针对隐写容量不同情况下信噪峰值比(Peak Signal to Noise Ratio,PSNR)进行了分析,分别在隐写率为1.75bpp和3bpp情况下采用图2(a)、2(b)所示的图像作为隐写载体进行了加密隐写操作,具体的隐写输出结果如图3、图4所示。其中表1中给出了不同情况下的PSNR比较结果。
表1不同算法在不同隐写容量情况下的PSNR比较
隐写算法都具有大容量隐写的能力,但是随着隐写速率的提升,隐写容量明显降低。在采用相同的隐写率和隐写容量的情况下,本文方法具有优秀的隐写信噪峰值比。特别是在隐写率增大、隐写容量增加的情况下,LSB匹配改进算法和自适应边缘图像隐写检测算法的方案明显增加了隐写引起的噪声畸变,而本文方法的PSNR比值仍然保持较好的稳定性,充分体现了本文方法的大容量隐写特性。从图3和图4可以看出,在隐写率为6bpp,隐写容量为1700000的情况下,本文方法的隐写也明显地引入了图像畸变误差,可以明显的体现出视觉图像隐写噪声干扰效果。
为进一步分析本文方法的安全性,采用图2(a)中的小鸟图像作为隐写载体,进行了隐写操作,针对不同隐写率条件下的坚持误差进行了仿真分析,并将检测结果同LSB匹配改进算法、自适应边缘图像隐写检测算法和高维模型和混合编码写入方式相结合的图像隐写方法进行了对比分析。其中,图5(a)-图5(d)展示了不同隐写方法在不同隐写率条件下的检测误差,其中图5(a)为LSB匹配改进算法方法,图5(b)为自适应边缘图像隐写检测算法方法,图5(c)为高维模型和混合编码写入方式相结合的图像隐写方法,图5(d)为本发明方法。可以看出,随着隐写率的增加,隐写的安全性增加,抗检测能力增强,但是本文方法表现出了较高的抗检测能力,检测误差始终保持在50%以上,这在高保密需求场所具有较大的隐写优势。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于载体误差向量的隐写方法,其特征在于,包括以下步骤:
步骤一,预处理阶段,通过载体图像获得基数矩阵;
步骤二,将需隐写信息划分为若干比特数,通过数字转换,得到相应的向量;
步骤三,将步骤二获得向量矩阵嵌入步骤一获得基数矩阵,获得载密隐写图像像素矩阵。
2.根据权利要求1所述的隐写方法,其特征在于,步骤1预处理阶段具体过程为:采用图像质量因子计算隐写图像的原始像素,通过图像压缩处理,获取载体图像的压缩参考值,将上述压缩参考值同原始图像像素进行差值处理,获取载体误差向量,结合上述载体误差向量和图像的最佳扩域因子计算基数矩阵。
3.根据权利要求2所述的隐写方法,其特征在于,对误差向量进行计算,隐写图像与压缩编码图像的误差矢量计算表达式为
ErrorImgi,j=CoverImgi,j-CompressedImgi,j
上式中,ErrorImgi,j为误差图像像素,CoverImgi,j为隐写图像原始像素,CompressedImgi,j表示压缩后隐写载体的像素集合。
4.根据权利要求3所述的隐写方法,其特征在于,隐写载体图像像素对应的基数值计算公式为
上式中,Basei,j表示基本单元阵的像素元素,OEF为图像的最佳扩域因子。
5.根据权利要求1所述的隐写方法,其特征在于,步骤2的变换过程为:将需隐写信息划分为若干十进制比特数块D,基于RND对D进行转换,得到相应的向量D';其中RND通过随机向量和预先给定的隐写率控制,隐写率同RND成正比;RND的具体计算可以表示为
其中EmbRate为隐写率,P RNG为随机向量;
在进行隐写信息嵌入时,进行Basei,j值的扫描分析;
如隐写图像像素的Basei,j<2,则忽略该像素;如Basei,j≥2,则进行像素信息隐写操作;隐写操作中,对获取的D'中的元素进行元素分离,并通过重构操作获取D”,矩阵D”中的相应元素可以采用相应的像素块Basei,j进行标准判断分析,根据判断结果进行像素隐写。
6.根据权利要求5所述的隐写方法,其特征在于,所述的标准判断分析,根据判断结果进行像素隐写方法为:
隐写图像信息时,按照给定顺序读取隐写载体图像的Basei,j值,如果D”中的值D″l≤n,在满足D″l≤n≥2的情况下,隐写图像的隐写像素计算为
StegoImgi,j为隐写像素;
如果D″l<n≤2,则采用LSBMR编码方法进行秘密隐写;
通过图像的预处理,对隐写图像进行压缩以后,进行离散预先变换,在给定图像质量因子的条件下进行编码量化处理;其中,IQF因子的浮点数范围为[0,100]。
7.根据权利要求6所述的隐写方法,其特征在于,对隐写图像进行压缩方法为JPEG压缩方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610199767.0A CN105872304A (zh) | 2016-03-31 | 2016-03-31 | 一种基于载体误差向量的隐写方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610199767.0A CN105872304A (zh) | 2016-03-31 | 2016-03-31 | 一种基于载体误差向量的隐写方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105872304A true CN105872304A (zh) | 2016-08-17 |
Family
ID=56627821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610199767.0A Pending CN105872304A (zh) | 2016-03-31 | 2016-03-31 | 一种基于载体误差向量的隐写方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105872304A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114025053A (zh) * | 2021-09-28 | 2022-02-08 | 上海电力大学 | 结合高色彩相似度预处理的图像隐写方法 |
CN114567710A (zh) * | 2021-12-03 | 2022-05-31 | 湖北工业大学 | 一种基于岭回归预测的可逆数据隐写方法及系统 |
CN116958006A (zh) * | 2023-09-19 | 2023-10-27 | 湖北微模式科技发展有限公司 | 一种基于像素双向融合的等尺寸图像叠加算法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101080013A (zh) * | 2007-06-19 | 2007-11-28 | 中山大学 | 一种基于预测编码的jpeg无损压缩图像隐写方法 |
CN103345767A (zh) * | 2013-07-02 | 2013-10-09 | 中国科学技术大学 | 一种高安全性的jpeg图像隐写方法 |
-
2016
- 2016-03-31 CN CN201610199767.0A patent/CN105872304A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101080013A (zh) * | 2007-06-19 | 2007-11-28 | 中山大学 | 一种基于预测编码的jpeg无损压缩图像隐写方法 |
CN103345767A (zh) * | 2013-07-02 | 2013-10-09 | 中国科学技术大学 | 一种高安全性的jpeg图像隐写方法 |
Non-Patent Citations (1)
Title |
---|
刘久久,潘峰,李军: "一种结合误差图像和模运算的大容量隐写算法", 《小型微型计算机系统》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114025053A (zh) * | 2021-09-28 | 2022-02-08 | 上海电力大学 | 结合高色彩相似度预处理的图像隐写方法 |
CN114025053B (zh) * | 2021-09-28 | 2023-12-01 | 上海电力大学 | 结合高色彩相似度预处理的图像隐写方法 |
CN114567710A (zh) * | 2021-12-03 | 2022-05-31 | 湖北工业大学 | 一种基于岭回归预测的可逆数据隐写方法及系统 |
CN114567710B (zh) * | 2021-12-03 | 2023-06-06 | 湖北工业大学 | 一种基于岭回归预测的可逆数据隐写方法及系统 |
CN116958006A (zh) * | 2023-09-19 | 2023-10-27 | 湖北微模式科技发展有限公司 | 一种基于像素双向融合的等尺寸图像叠加算法 |
CN116958006B (zh) * | 2023-09-19 | 2024-01-02 | 湖北微模式科技发展有限公司 | 一种基于像素双向融合的等尺寸图像叠加算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113962893B (zh) | 基于多尺度局部自注意力生成对抗网络的人脸图像修复方法 | |
He et al. | Reversible data hiding in JPEG images based on negative influence models | |
US8281138B2 (en) | Steganalysis of suspect media | |
CN112348770A (zh) | 一种基于多分辨率卷积网络的桥梁裂缝检测方法 | |
CN105374054A (zh) | 基于空谱特性的高光谱图像压缩方法 | |
CN102713977B (zh) | 用于使用量化代码评定图像质量的方法和设备 | |
CN105872304A (zh) | 一种基于载体误差向量的隐写方法 | |
CN112862655B (zh) | 一种基于通道空间注意力机制的jpeg图像隐写分析方法 | |
Kumar et al. | Near lossless image compression using parallel fractal texture identification | |
CN111711821A (zh) | 基于深度学习的信息隐藏方法 | |
Yuan et al. | Fast and robust image watermarking method in the spatial domain | |
CN104766289A (zh) | 一种图像去噪和压缩处理方法 | |
Singh | A survey on image steganography techniques | |
Berg et al. | Searching for Hidden Messages: Automatic Detection of Steganography. | |
Wu et al. | An image authentication and recovery system based on discrete wavelet transform and convolutional neural networks | |
CN116757909B (zh) | Bim数据鲁棒水印方法、装置及介质 | |
CN116644422A (zh) | 一种基于恶意块标注和图像处理的恶意代码检测方法 | |
Wu et al. | Application of quantisation‐based deep‐learning model compression in JPEG image steganalysis | |
CN115731226A (zh) | 一种皮肤镜图像中病灶的分割方法 | |
CN106530365B (zh) | 基于图像信息含量差异的自适应压缩感知重构方法 | |
CN114418821A (zh) | 基于图像频域的盲水印处理方法 | |
KR100520711B1 (ko) | 벡터 양자화 기법에서 코드북 그룹화를 이용한 블라인드 이미지 워터마킹 처리 방법 | |
Rasool et al. | Steganalysis of RGB images using merged statistical features of color channels | |
Ren et al. | Reversible Data Hiding Scheme based on Fractal Image Coding. | |
CN112233006A (zh) | 一种数字水印嵌入方法和系统、提取方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160817 |