CN106127667A - 一种jpeg图像自适应隐写方法 - Google Patents

Abstract

本发明公开了一种JPEG图像自适应隐写方法，包括以下步骤：提取载体图像中的系数矩阵和量化表；初始化KV预测算子，提取噪声残差；计算修改JPEG图像系数对变换域产生的影响；根据修改JPEG图像系数对变换域产生的影响计算损失分布函数；通过损失分布函数确定被嵌入秘密信息的像素点“干点”和不嵌入秘密信息的像素点“湿点”；根据确定出来的“干点”和“湿点”，利用校验格编码技术在载体图像中嵌入秘密信息，即可生成载密图像。本发明具有新颖性，抗隐写检测能力强，适用于信息安全领域中的信息隐藏子领域。

Description

一种JPEG图像自适应隐写方法

技术领域

本发明涉及图像处理领域，更具体的说，是涉及一种JPEG图像自适应隐写方法。

背景技术

随着信息技术的不断发展，人们的日常生活和工作对网络的依赖程度日益加深，在享受信息时代带来便利的同时，一些安全隐患也在时时刻刻威胁着人们正常的生活秩序。例如，恐怖分子可以利用便利的网络以极为隐蔽的方式传递违法信息，从事不法活动。通过监听、破解国家政要或军事机构之间的交流信息，某些霸权主义国家在肆意扩充自己的同时，限制他国经济发展、破坏他国政治平衡。这些会严重威胁到人民人身安全和国家稳定。因此，信息安全问题是我们当前面临的一个亟待解决的问题。

数字隐写技术是一种通过在数字载体中嵌入信息来传递消息的一种加密技术，这种信息传递方式具有不可见性，隐密性强，适于在发送者和接受者传递一些重要的私密信息，有利于保护通信双方的信息安全。作为秘密信息的媒介，数字载体通常选用人们日常生活中常见的视频、音频以及图像等。图像载体因其体积小、易于传递和加密的特点使其成为常用的信息载体。JPEG是当前最常见也是使用最多的图像格式。

在设计图像隐写方法时，需要从两点考虑：既要保证在载体图像中嵌入足够量的秘密信息，又要尽量降低嵌入信息之后的载体图像被检测出来的可能性。在此基础上，人们尝试利用保持载体图像模型的方法设计图像隐写算法，但最后这种方法被证明并不可行。如今主流的设计图像隐写算法方式大都借助了损失函数，通过在载体图像中最小化嵌入信息造成的损失增强抗检测性能。另外，图像隐写算法的安全性能还与信息的嵌入方式息息相关，在JPEG图像隐写技术发展过程中，人们尝试过利用汉明码、BCH码和最小均方误差编码等编码方式在载体图像中嵌入信息，取得了较好的抗检测性能。2011年，Filler等人提出一种校验格编码技术，这种编码技术可以保证最小化嵌入损失的同时，信息嵌入量接近理论上的最大值。

发明内容

本发明的目的是为了克服现有技术中的不足，在研究图像隐写技术的基础上，提供一种具有新颖性的、抗隐写检测能力强的JPEG图像自适应隐写方法。

本发明的目的是通过以下技术方案实现的。

本发明的一种JPEG图像自适应隐写方法，包括以下步骤：

(1)提取载体图像中的系数矩阵和量化表；

(2)初始化KV预测算子，提取噪声残差；

(3)计算修改JPEG图像系数对变换域产生的影响；

(4)根据步骤(3)的修改JPEG图像系数对变换域产生的影响计算损失分布函数；

(5)通过损失分布函数确定被嵌入秘密信息的像素点“干点”和不嵌入秘密信息的像素点“湿点”；

(6)根据确定出来的“干点”和“湿点”，利用校验格编码技术在载体图像中嵌入秘密信息，即可生成载密图像。

所述步骤(3)中计算修改JPEG图像系数对变换域产生的影响时，首先根据以下公式一计算修改JPEG图像系数对空间域产生的影响：

spatial_impact＝idct2(coefficient)*quantization_table

其中，spatial_impact为修改JPEG图像系数对空间域产生的影响，idct2为余弦反变换，coefficient为大小为8*8的全1矩阵，quantization_table为量化表；然后再根据以下公式二计算出修改JPEG图像系数对变换域产生的影响：

$transform\_impact=spatial\_impact\⊗F$

其中，transform_impact为修改JPEG图像系数对变换域产生的影响，spatial_impact为修改JPEG图像系数对空间域产生的影响，F为KV预测算子，表示卷积。

所述步骤(4)中计算损失分布函数时，首先根据以下公式三计算出KV预测算子对载体图像进行处理得到的空间域残差：

$spatial\_residual=cover\⊗F$

其中，spatial_residual为KV预测算子对载体图像进行处理得到的空间域残差，cover为载体图像，F为KV预测算子，表示卷积；然后再根据以下公式四计算出损失分布函数：

cost＝transform_impact/(spatial_residual+1)

其中，cost为损失分布函数，transform_impact为修改JPEG图像系数对变换域产生的影响，spatial_residual为KV预测算子对载体图像进行处理得到的空间域残差。

所述步骤(5)中确定“干点”和“湿点”时，设定阈值：wetconst＝10¹³，“干点”像素满足条件：cost<wetconst，“湿点”像素满足条件：cost>wetconst，另外，DCT系数处于临界值(即最大值与最小值)的像素点也当作“湿点”像素处理，其中wetconst为阈值常数，cost为损失分布函数。

与现有技术相比，本发明的技术方案所带来的有益效果是：

本发明中，首先提取载体图像的系数矩阵和量化列表，然后利用KV预测算子计算修改载体图像系数对变换域产生的影响，再计算载体图像在空间域的残差，进而得到其损失分布函数，最后按照损失分布函数通过校验格编码技术在载体图像中嵌入秘密信息，生成的载密图像失真度小，且具有很强的抗隐写检测能力。

附图说明

图1是本发明方法抗CC-CHEN特征检测的ROC曲线图；

图2是本发明方法抗CC-PEV特征检测的ROC曲线图；

图3是本发明方法和nsF5算法的抗CC-CHEN特征检测能力对比图；

图4是本发明方法和nsF5算法的抗CC-PEV特征检测能力对比图。

附图标记:代表本发明方法；代表nsF5算法。

具体实施方式

下面结合附图对本发明作进一步的描述。

在介绍本发明具体设计思路之前，首先，简单介绍一下KV预测算子和校验格编码技术。

KV预测算子：

KV预测算子是应用在富模型隐写检测中用于预测待测图像残差的一种残差检测算子。预测残差的大小反映着图像的复杂程度。如今抗检测性能强的隐写算法都是自适应隐写算法，这些算法可以将秘密信息嵌入到载体图像中的纹理复杂、边缘丰富的复杂区域，因此不易被检测，算法安全性好。通过KV预测算子求解出待检测图像中的复杂区域，预测残差可用于进一步的分析处理。

KV预测算子利用Nelder-Mead算法最小化对HUGO隐写算法的检测错误率优化得到。假设待检测图像中的一个像素点为X(I,J)，利用KV预测算子对此图像进行残差预测时，以X为中心的5阶预测残差D为：

D＝8*X(I-1,J)+8*X(I+1,J)+8*X(I,J-1)+8*X(I,J+1) (1)

D＝D-6*X(I-1,J+1)-6*X(I-1,J-1)-6*X(I+1,J-1)-6*X(I+1,J+1) (2)

D＝D-2*X(I-2,J)-2*X(I+2,J)-2*X(I,J+2)-2*X(I,J-2) (3)

D＝D+2*X(I-1,J-2)+2*X(I-2,J-1)+2*X(I-2,J+1)+2*X(I-1,J+2)+2*X(I+1,J+2)+2*X(I+2,J+1)+2*X(I+2,J-1)+2*X(I+1,J-2) (4)

D＝D-X(I-2,J-2)-X(I-2,J+2)-X(I+2,J-2)-X(I+2,J+2)-12*X(I,J) (5)

校验格编码技术：

利用校验格编码在载体中嵌入信息时应满足Hy^T＝m,其中，y为加密之后的图像，m为嵌入的秘密信息，H为由若干个大小为h×w的构成的稀疏奇偶校验矩阵。在H中，根据共享密钥随机生成，参数h和w分别会影响到编码算法的复杂度和编码效率。以从左向右，从上向下平移的方式构成H：假设H有如下形式：

$H=\left(\begin{array}{ccccccccccc}1& 0& & & & & & & & & \\ 0& 1& 1& 0& & & & & & & \\ & & 0& 1& 1& 0& & & & & \\ & & & & 0& 1& ...& & & & \\ & & & & & & & 1& 0& & \\ & & & & & & & 0& 1& 1& 0\end{array}\right)---\left(6\right)$

校验格编码通过寻找最短路径解决最小化嵌入失真问题，并且寻找最优路径能通过维特比译码可快速得到。

本发明的一种JPEG图像自适应隐写方法，包括以下步骤：

步骤一，读取载体图像，提取载体图像中的系数矩阵和量化表。

步骤二，初始化KV预测算子，预测提取噪声残差，获得载体图像中难于被建模检测分析的复杂区域，所述噪声残差为5阶，形式参见上述公式(1)至公式(5)。

步骤三，计算修改JPEG图像系数对变换域产生的影响。首先根据以下公式计算修改JPEG图像系数对空间域产生的影响：

spatial_impact＝idct2(coefficient)*quantization_table (7)

其中，spatial_impact为修改JPEG图像系数对空间域产生的影响，idct2为余弦反变换，coefficient为大小为8*8的全1矩阵，quantization_table为量化表；然后再根据以下公式计算出修改JPEG图像系数对变换域产生的影响：

$transform\_impact=spatial\_impact\&CircleTimes;F---\left(8\right)$

其中，transform_impact为修改JPEG图像系数对变换域产生的影响，spatial_impact为修改JPEG图像系数对空间域产生的影响，F为KV预测算子，表示卷积。

步骤四，根据步骤三的修改JPEG图像系数对变换域产生的影响计算损失分布函数。首先根据以下公式计算出KV预测算子对载体图像进行处理得到的空间域残差：

$spatial\_residual=cover\&CircleTimes;F---\left(9\right)$

其中，spatial_residual为KV预测算子对载体图像进行处理得到的空间域残差，cover为载体图像，F为KV预测算子，表示卷积；然后再根据以下公式计算出损失分布函数：

cost＝transform_impact/(spatial_residual+1) (10)

其中，cost为损失分布函数，transform_impact为修改JPEG图像系数对变换域产生的影响，spatial_residual为KV预测算子对载体图像进行处理得到的空间域残差。

步骤五，通过损失分布函数确定被嵌入秘密信息的像素点“干点”和不嵌入秘密信息的像素点“湿点”。设定阈值：wetconst＝10¹³，“干点”像素满足条件：cost<wetconst，“湿点”像素满足条件：cost>wetconst，另外，DCT系数处于临界值(即最大值与最小值)的像素点也当作“湿点”像素处理，其中wetconst为阈值常数，cost为损失分布函数。

步骤六，根据确定出来的“干点”和“湿点”，利用校验格编码技术在载体图像中嵌入秘密信息，即可生成载密图像。

为了分析本发明方法的抵抗隐写检测的能力，本节给出两组对比实验，分别测试本发明方法和nsF5算法抵抗CC-CHEN特征和CC-PEV特征检测的性能。从Bossbase 1.01数据库中任选1000张空域灰度图像，并将其转化为质量因子为75的JPEG图像。利用本发明方法和nsF5算法对此1000张JPEG图像进行隐写加密，完成秘密信息嵌入后分别提取载体图像和载密图像972维CC-CHEN特征和548维CC-PEV特征，将提取好的特征送到集成分类器(Ensemble Classifier)检测，获得两种算法分别抵抗两种不同维度特征检测的能力，抗检测性能用检测错误率来衡量，检测错误率越大，说明算法抗检测越好，当难以判定图像是否经过加密处理时，分类器会进行随机判定，即检测错误率接近0.5。

当信息嵌入率为0.2bit/nzAC(bit per non-zero AC DCT coefficients)时，本发明方法ROC曲线如图1和图2所示。ROC曲线法为一种可以直观地表现隐写算法抗检测性能的方式，ROC曲线越接近图中虚线，则表明隐写算法抗检测性能越好，检测错误率越接近0.5。由图1可发现，当嵌入率为0.2bit/nzAC时，本方法依然有很强的抗CC-CHEN特征和CC-PEV特征检测能力，检测错误率分别为0.4199和0.3854。

当信息嵌入率分别为0.05、0.1、0.15、0.2、0.25、0.3时，比较本发明方法和nsF5算法的抗检测性能，结果如图3和图4所示。由图3和图4可知，本发明方法的抗CC-CHEN特征和CC-PEV特征检测能力均远远优于nsF5算法。

尽管上面结合附图对本发明的功能及工作过程进行了描述，但本发明并不局限于上述的具体功能和工作过程，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以做出很多形式，这些均属于本发明的保护之内。

Claims (4)

1.一种JPEG图像自适应隐写方法，其特征在于，包括以下步骤：

(1)提取载体图像中的系数矩阵和量化表；

(2)初始化KV预测算子，提取噪声残差；

(3)计算修改JPEG图像系数对变换域产生的影响；

(4)根据步骤(3)的修改JPEG图像系数对变换域产生的影响计算损失分布函数；

(5)通过损失分布函数确定被嵌入秘密信息的像素点“干点”和不嵌入秘密信息的像素点“湿点”；

(6)根据确定出来的“干点”和“湿点”，利用校验格编码技术在载体图像中嵌入秘密信息，即可生成载密图像。

2.根据权利要求1所述的一种JPEG图像自适应隐写方法，其特征在于，所述步骤(3)中计算修改JPEG图像系数对变换域产生的影响时，首先根据以下公式一计算修改JPEG图像系数对空间域产生的影响：

spatial_impact＝idct2(coefficient)*quantization_table

其中，spatial_impact为修改JPEG图像系数对空间域产生的影响，idct2为余弦反变换，coefficient为大小为8*8的全1矩阵，quantization_table为量化表；然后再根据以下公式二计算出修改JPEG图像系数对变换域产生的影响：

$transform\_impact=spatial\_impact\&CircleTimes;F$

其中，transform_impact为修改JPEG图像系数对变换域产生的影响，spatial_impact为修改JPEG图像系数对空间域产生的影响，F为KV预测算子，表示卷积。

3.根据权利要求1所述的一种JPEG图像自适应隐写方法，其特征在于，所述步骤(4)中计算损失分布函数时，首先根据以下公式三计算出KV预测算子对载体图像进行处理得到的空间域残差：

$spatial\_residual=cover\&CircleTimes;F$

其中，spatial_residual为KV预测算子对载体图像进行处理得到的空间域残差，cover为载体图像，F为KV预测算子，表示卷积；然后再根据以下公式四计算出损失分布函数：

cost＝transform_impact/(spatial_residual+1)

其中，cost为损失分布函数，transform_impact为修改JPEG图像系数对变换域产生的影响，spatial_residual为KV预测算子对载体图像进行处理得到的空间域残差。

4.根据权利要求1所述的一种JPEG图像自适应隐写方法，其特征在于，所述步骤(5)中确定“干点”和“湿点”时，设定阈值：wetconst＝10¹³，“干点”像素满足条件：cost<wetconst，“湿点”像素满足条件：cost>wetconst，另外，DCT系数处于临界值(即最大值与最小值)的像素点也当作“湿点”像素处理，其中wetconst为阈值常数，cost为损失分布函数。