CN106327413A - 一种基于频域分析的图像隐写方法及系统 - Google Patents

Abstract

本发明公开了一种基于频域分析的图像隐写方法及系统，方法包括：针对空域隐写分析富模型所使用的滤波器组进行频域分解，获取滤波器组中的各个滤波器的各个频段的系数对应相加得到的综合频域，根据结合频域生成频谱图；根据频谱图获取不同频段对应的能量值，根据能量值的不同在赋予不同的频段不同的权重值生成失真函数；根据失真函数向原始图像嵌入秘密信息，得到隐密载体信息。本发明可防止嵌入在图像中秘密信息被隐写检测算法检测出来，提高图像隐写的安全性，有助于提高通信的安全性。

Description

一种基于频域分析的图像隐写方法及系统

技术领域

本发明涉及图像隐写技术领域，尤其涉及一种基于频域分析的图像隐写方法及系统。

背景技术

媒体内容安全是现如今网络空间安全的重要组成部分。作为保障信息安全的一种新手段，信息隐藏在最近十多年来一直受到广泛的关注。隐写术作为信息隐藏的一个重要的分支，其原理是结合古典隐写术思想和多媒体信号处理技术，将秘密信息隐藏在数字媒体中，使监听者无法区分普通载体和掩密载体。作为隐秘通信的一种手段，在军事情报，隐私，安全等方面有着重要的应用前景。而目前隐写术和隐写分析的对抗主要集中在图像载体上，并且呈现螺旋式上升的发展趋势。

目前数字图像隐写术的研究热点主要是基于最小化失真模型和内容自适应嵌入策略相结合的隐写术。在此框架下，隐写可以简化为两个步骤：设计能够有效表征统计可检测性的失真函数以及最小化失真的编码。目前针对载体失真函数的研究基本上都采用内容自适应的嵌入策略。加性载体失真函数假设隐密信息嵌入给图像像素单元引起的失真相互独立，而载体失真等于各个图像单元失真之和。比较具有代表性的算法有HUGO隐写术，WOW隐写术，HILL隐写术和MVG隐写术等。在载体失真函数确定的前提下，现有的隐写编码技术，如STC编码和基于像素链动态失真的编码技术等都能有效的逼近理论失真值。

隐写分析总是伴随着隐写术的发展而发展，隐写分析可以视为将载体图像和掩密图像进行模式分类。隐写分析特征的维度在近十年来从数十维至数百维，一直跃升到目前的数万维。但现有技术中的图像隐写术失真大、算法数据处理速度慢，容易被他人的隐写检测算法检测出来，隐写信息容易泄露，安全性差。

因此，现有技术还有待于改进和发展。

发明内容

鉴于现有技术的不足，本发明目的在于提供一种基于频域分析的图像隐写方法及系统，旨在解决现有技术中图像隐写术失真大、算法数据处理速度慢，安全性差的缺陷。

本发明的技术方案如下：

一种基于频域分析的图像隐写方法，其中，方法包括：

A、针对空域隐写分析富模型所使用的滤波器组进行频域分解，获取滤波器组中的各个滤波器的各个频段的系数对应相加得到的综合频域，根据结合频域生成频谱图；

B、根据频谱图获取不同频段对应的能量值，根据能量值的不同在赋予不同的频段不同的权重值生成失真函数；

C、根据失真函数向原始图像嵌入秘密信息，得到隐密载体信息。

所述的基于频域分析的图像隐写方法，其中，所述A具体包括：

A1、获取待处理的原始图像，采用若干个滤波器组成的滤波器组对原始图像提取特征，并将提取后的特征进行频域分解

$K_m={\∂}_{m1}{f}_1+{\∂}_{m2}{f}_2+...+{\∂}_{mn}{f}_n$

其中K_m是第m个滤波器频域分解后的结果，表示第m个滤波器第n频段系数，f_n表示第n频段；

A2、各个滤波器得到的各个频段的系数进行对应相加得到相应的滤波器组的综合频域；

$\begin{array}{c}K=({\∂}_{11}+{\∂}_{21}+...{\∂}_{m1})f_1+({\∂}_{21}+{\∂}_{22}+...{\∂}_{m2})f_2+({\∂}_{1n}+{\∂}_{2n}\\ +...{\∂}_{mn})f_n\end{array}$

其中K表示的是滤波器组的频域分解后的综合频域，表示第m个滤波器第n频段系数；

A3、根据滤波器组的分解后的综合频域生成对应的频谱图。

所述的基于频域分析的图像隐写方法，其中，所述B具体包括：

B1、根据频谱图获取不同频段对应的能量值，赋予频段能量值频段的能量值越大，赋予对应频段的权重值越小；

B2、将频谱图中所有的频域赋予权重生成失真函数：

$C={\mathrm{\ω}}_1\frac{1}{I\⊗f_1}\⊗f_1+{\mathrm{\ω}}_2\frac{1}{I\⊗f_2}\⊗f_2+...+{\mathrm{\ω}}_n\frac{1}{I\⊗f_n}\⊗f_n;$

其中表示卷积操作，I表示图片像素值，ω表示权重，f_n表示第n个频段，C表示失真函数。

所述的基于频域分析的图像隐写方法，其中，所述A中频域分解采用DCT变换。

所述的基于频域分析的图像隐写方法，其中，所述步骤A还包括：

A11、采用DCT变换对滤波器组进行频域分解，其中各频段对应DCT系数具体如下：

$\begin{array}{c}d\[k,l\]=\underset{i,j=0}{\overset{n}{\mathrm{\Σ}}}f\[i,j;k,l\]K\[i,j\]\\ =\underset{i,j=0}{\overset{n}{\mathrm{\Σ}}}\frac{w\[k\]w\[l\]}{4}\cos \frac{\mathrm{\π}}{16}k(2i+1)\cos \frac{\mathrm{\π}}{16}l(2j+1)K\[i,j\]\end{array}$

其中d[k,l]表示的是第[k,l][频段的DCT系数，f[i,j；k,l]表示的是第

[k,l][频段的基模式，K[i,j]表示的是滤波器中的第[i,j]元素。

一种基于频域分析的图像隐写系统，其中，系统包括：

频域分解模块，用于获取原始图像，采用滤波器组对原始图像进行频域分解，获取滤波器组中的各个滤波器的各个频段的系数对应相加得到的综合频域，根据结合频域生成频谱图；

失真模块，用于根据频谱图获取不同频段对应的能量值，根据能量值的不同在赋予不同的频段不同的权重值生成失真函数；

信息嵌入模块，用于根据失真函数向原始图像嵌入秘密信息，得到隐密载体信息。

所述的基于频域分析的图像隐写系统，其中，所述频域分解模块具体包括：

频域分解单元，用于获取待处理的原始图像，采用若干个滤波器组成的滤波器组对原始图像提取特征，并将提取后的特征进行频域分解

$K_m={\∂}_{m1}{f}_1+{\∂}_{m2}{f}_2+...+{\∂}_{mn}{f}_n$

其中K_m是第m个滤波器频域分解后的结果，表示第m个滤波器第n频段系数，f_n表示第n频段；

频域获取单元，用于各个滤波器得到的各个频段的系数进行对应相加得到相应的滤波器组的综合频域；

$\begin{array}{c}K=({\∂}_{11}+{\∂}_{21}+...{\∂}_{m1})f_1+({\∂}_{21}+{\∂}_{22}+...{\∂}_{m2})f_2+({\∂}_{1n}+{\∂}_{2n}\\ +...{\∂}_{mn})f_n\end{array}$

其中K表示的是滤波器组的频域分解后的综合频域，表示第m个滤波器第n频段系数；

频谱图生成单元，用于根据滤波器组的分解后的综合频域生成对应的频谱图。

所述的基于频域分析的图像隐写系统，其中，所述失真模块具体包括:

权重赋值单元，用于根据频谱图获取不同频段对应的能量值，赋予频段能量值频段的能量值越大，赋予对应频段的权重值越小；

失真函数生成音，用于将频谱图中所有的频道赋予权重生成失真函数：

$C={\mathrm{\ω}}_1\frac{1}{I\⊗f_1}\⊗f_1+{\mathrm{\ω}}_2\frac{1}{I\⊗f_2}\⊗f_2+...+{\mathrm{\ω}}_n\frac{1}{I\⊗f_n}\⊗f_n;$

其中表示卷积操作，I表示图片像素值，ω表示权重，f_n表示第n个频段，C表示失真函数。

所述的基于频域分析的图像隐写系统，其中，所述频域分解采用DCT变换。

所述的基于频域分析的图像隐写系统，其中，所述频域分解模块还包括：

DCT系数计算单元，用于采用DCT变换对滤波器组进行频域分解，其中各频段对应DCT系数具体如下：

$\begin{array}{c}d\[k,l\]=\underset{i,j=0}{\overset{n}{\mathrm{\Σ}}}f\[i,j;k,l\]K\[i,j\]\\ =\underset{i,j=0}{\overset{n}{\mathrm{\Σ}}}\frac{w\[k\]w\[l\]}{4}\cos \frac{\mathrm{\π}}{16}k(2i+1)\cos \frac{\mathrm{\π}}{16}l(2j+1)K\[i,j\]\end{array}$

其中d[k,l]表示的是第[k,l][频段的DCT系数，f[i,j；k,l]表示的是第[k,l][频段的基模式，k[i,j]表示的是滤波器中的第[i,j]元素。

本发明提供了一种基于频域分析的图像隐写方法及系统，本发明可防止嵌入在图像中秘密信息被隐写检测算法检测出来，提高图像隐写的安全性，有助于提高通信的安全性。

附图说明

图1为本发明的一种基于频域分析的图像隐写方法的较佳实施例的流程图。

图2为本发明的一种基于频域分析的图像隐写方法的具体应用实施例的DCT频域分解频谱图。

图3为本发明的一种基于频域分析的图像隐写系统的较佳实施例的功能原理框图。

具体实施方式

为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供了一种基于频域分析的图像隐写方法的较佳实施例的流程图，如图1所示，其中，方法包括：

步骤S100、针对空域隐写分析富模型所使用的滤波器组进行频域分解，获取滤波器组中的各个滤波器的各个频段的系数对应相加得到的综合频域，根据结合频域生成频谱图。

具体实施时，目前的图像隐写分析技术基本都是通过一系列的滤波器构造而成的隐写分析模型来检测图片是否存在着秘密信息，因此滤波器的构造对于隐写分析技术有着至关重要的影响，它决定着隐写分析技术的检测性能。对图像隐写分析技术中提取特征的一系列滤波器分别进行频域分解。具体的频域频域分解方法如下所示。

针对空域隐写分析富模型所使用的滤波器组进行频域分解。其中本发明所针对的隐写检测方法具体为“富模型+集成分类器”方法。这些方法主要是通过构造一系列的高通滤波器，对这些滤波器通过线性或者非线性组合得到一系列的高通滤波器组，并以这些高通滤波器组对图像进行卷积滤波从而得到残差值，再对得到的残差值进行量化和截断操作。对得到的截断和量化后的残差值进行统计，从而形成共生矩阵，也即是图像的特征，将这些特征放入集成分类器中训练，从而以训练好的分类器来对隐写和原始图像进行分类。其中该残差值中包含着秘密信息。

进一步的实施例中，步骤S100具体包括：

步骤S101、针对空域隐写分析富模型所使用的滤波器组进行频域分解

$K_m={\∂}_{m1}{f}_1+{\∂}_{m2}{f}_2+...+{\∂}_{mn}{f}_n$

其中K_m是第m个滤波器频域分解后的结果，表示第m个滤波器第n频段系数，f_n表示第n频段；

步骤S102、各个滤波器得到的各个频段的系数进行对应相加得到相应的滤波器组的综合频域；

$\begin{array}{c}K=({\∂}_{11}+{\∂}_{21}+...{\∂}_{m1})f_1+({\∂}_{21}+{\∂}_{22}+...{\∂}_{m2})f_2+({\∂}_{1n}+{\∂}_{2n}\\ +...{\∂}_{mn})f_n\end{array}$

其中K表示的是滤波器组的频域分解后的综合频域，表示第m个滤波器第n频段系数；

步骤S103、根据滤波器组的分解后的综合频域生成对应的频谱图。

进一步的实施例中，步骤S100中频域分解采用DCT变换。采用DCT变换对滤波器组进行频域分解，其中各频段对应DCT系数具体如下：

$\begin{array}{c}d\[k,l\]=\underset{i,j=0}{\overset{n}{\mathrm{\Σ}}}f\[i,j;k,l\]K\[i,j\]\\ =\underset{i,j=0}{\overset{n}{\mathrm{\Σ}}}\frac{w\[k\]w\[l\]}{4}\cos \frac{\mathrm{\π}}{16}k(2i+1)\cos \frac{\mathrm{\π}}{16}l(2j+1)K\[i,j\]\end{array}$

其中d[k,l]表示的是第[k,l][频段的DCT系数，f[i,j；k,l]表示的是第[k,l][频段的基模式，K[i,j]表示的是滤波器中的第[i,j]元素。

具体实施时，根据当前隐写分析技术的研究热点，选择富模型算法SRM中使用的滤波器组作为频域分解对象。在富模型隐写分析算法SRM中，作者使用了30个高通滤波器并通过组合形成滤波器组来提取图像残差值。在实验中，将滤波器的大小扩展成为9×9用零填充)，并且选择了DCT变换来对其进行频域分解，其分解的数学公式为：

$\begin{array}{c}d\[k,l\]=\underset{i,j=0}{\overset{n}{\mathrm{\Σ}}}f\[i,j;k,l\]K\[i,j\]\\ =\underset{i,j=0}{\overset{n}{\mathrm{\Σ}}}\frac{w\[k\]w\[l\]}{4}\cos \frac{\mathrm{\π}}{16}k(2i+1)\cos \frac{\mathrm{\π}}{16}l(2j\\ +1)K\[i,j\]\end{array}$

其中d[k,l]表示的是第[k,l][频段的DCT系数，f[i,j；k,l]表示的是第[k,l][频段的基模式，K[i,j]表示的是滤波器中的第[i,j]元素。对所有30个滤波器频域分解后对应频段的DCT系数相加，最终可以得到频谱图，其频谱图如图2所示。其中横轴表示由低频段到高频段，纵轴表示DCT系数值。由其频谱图可以看到，在中高频部分存在着许多的低能量频段，在DCT系数值低的频段，其对提取的隐秘信息(即残差值)的贡献是较少的。

步骤S200、根据频谱图获取不同频段对应的能量值，根据能量值的不同在赋予不同的频段不同的权重值生成失真函数。

具体实施时，结合图像隐写分析技术运用滤波器提取隐秘信息和滤波器频域分解，隐秘信息的提取用数学公式表达为：

$R=I*K_m=a_{m1}I*f_1+a_{m2}I*f_2+...+a_{mn}I*f_n$

其中R表示得到的残差值(也即隐秘信息)，K_m表示第m个滤波器，I表示图片像素值，表示第m个滤波器第n频段系数，f_n表示第n频段。由以上公式我们可以发现，当某个频段的系数值非常小的时候，其提取的信息量对总信息量的贡献是比较小的。因此，表示在构造新的失真函数时，对于能量值较高的频段，赋予较小的权重，使其对总的失真函数贡献较小，对于能量值较低的频段则赋予较高的权重，使其对总的失真函数贡献较大，最后使秘密信息的嵌入更集中于低能量值频段。

进一步的实施例中，步骤S200具体包括：

步骤S201、根据频谱图获取不同频段对应的能量值，赋予频段能量值频段的能量值越大，赋予对应频段的权重值越小；

步骤S202、将频谱图中所有的频域赋予权重生成失真函数：

$C={\mathrm{\ω}}_1\frac{1}{I\⊗f_1}\⊗f_1+{\mathrm{\ω}}_2\frac{1}{I\⊗f_2}\⊗f_2+...+{\mathrm{\ω}}_n\frac{1}{I\⊗f_n}\⊗f_n;$

其中表示卷积操作，ω表示权重，f_n表示第n个频段，C表示失真函数。

具体实施时，由于秘密信息嵌入在图像的高频纹理部分越不容易给隐写分析算法给检测出来，因此获得图像失真值的时候便是根据图像的内容来获得，对于图像纹理较为复杂的区域，我们给予较小的失真值，而对于纹理较为平坦的区域，我们则给予较大的失真值。因此，根据前面对于隐写分析技术提取特征滤波器的分析和隐写术的分析，我们构造一种新的失真函数。其用数学公式表示为：

$C={\mathrm{\ω}}_1\frac{1}{I\⊗f_1}\⊗f_1+{\mathrm{\ω}}_2\frac{1}{I\⊗f_2}\⊗f_2+...+{\mathrm{\ω}}_n\frac{1}{I\⊗f_n}\⊗f_n$

其中表示卷积操作，I表示图片像素值，ω表示权重，f_n表示第n个频段，C表示失真函数对应的总失真值。当滤波器对应频段的系数较高时，则在失真函数中对应的权重值应该相应的减少，以此来减少该频段的嵌入，相反，当滤波器对应频段的系数较低时，则在失真函数中对应的权重值应该相应的增加，以此来增加该频段的嵌入。

根据新构造的失真函数对图像嵌入秘密信息，并对生成的秘密信息图像用隐写分析技术对其进行特征提取，放入到集成分类器中训练，检测隐写分析技术对该隐写术的检测效果，以此来衡量该隐写技术的安全性。

步骤S300、根据失真函数向原始图像嵌入秘密信息，得到隐密载体信息。

具体实施时，根据上面已经构造好的失真函数对待处理的原图像进行处理，从而将秘密信息嵌入原始图像中，得到包含秘密信息的隐密载体信息。待接收收到隐密载体信息，可通过获取失真函数进行逆向提取，从而实现信息的安全传输。

在实验中，为了减降低系数自由度，我们只选择了其中的三个低能量的频段和另一组为：一个高能量频段和两个低能量频段组合，分别进行实验。

在实验中，我们选取了图像库中的10000张原始空域图像作为实验对象，用新构造的失真函数对原始图像进行秘密信息的嵌入，得到相应的10000张隐写图片。用富模型隐写分析技术SRM对原始图像和隐写图像分别提取共生矩阵特征。用一半的隐写图像和原始图像对集成分类器进行训练，用剩下的另一半隐写图像和原始图像作为测试数据，来检测隐写算法的性能。实验的具体结果如表1所示：

表1实验结果

其中表1中的SUNIWARD算法和HUGO算法是现有的隐写算法，具体的算法实施过程不再赘述。

从表格中的测试错误率可以看到，无论是嵌入的秘密信息负载为多大，选取三个低能量频段来进行秘密信息嵌入是所有四种算法中安全性能最好的，因为隐写算法对它的测试错误率最高。也即说明了低能量频段嵌入能够一定程度上提高隐写术的安全性，躲避隐写分析算法的检测。当然，对于两个低能量频段和一个高能量频段的组合，其算法相较于三个低能量频段组合和SUNIWARD算法差，这是由于将秘密信息嵌入在高能量频段容易被隐写分析技术检测出来，造成隐写算法的安全性能较差。

本发明方法先对图像隐写分析技术用来提取特征的一系列滤波器分别进行频域分解，再将每个滤波器分解得到的各个频段的系数对应相加得到频谱直方图，通过对频谱直方图结果的观察，对于能量值低的频段赋予较大的权重，使秘密信息在该频段嵌入的可能性增大，而对于能量值高的频段则给予较低的权重，使得秘密信息在该频段嵌入的可能性减小。

本发明还提供了一种基于频域分析的图像隐写系统的较佳实施例的功能原理框图，如图3所示，系统包括：

频域分解模块100，针对空域隐写分析富模型所使用的滤波器组进行频域分解，获取滤波器组中的各个滤波器的各个频段的系数对应相加得到的综合频域，根据结合频域生成频谱图；具体如方法实施例所示。

失真模块200，用于根据频谱图获取不同频段对应的能量值，根据能量值的不同在赋予不同的频段不同的权重值生成失真函数；具体如方法实施例所示。

信息嵌入模块300，用于根据失真函数向原始图像嵌入秘密信息，得到隐密载体信息；具体如方法实施例所示。

所述的基于频域分析的图像隐写系统，其中，所述频域分解模块具体包括：

频域分解单元，针对空域隐写分析富模型所使用的滤波器组进行频域分解，并将提取后的特征进行频域分解

$K_m={\∂}_{m1}{f}_1+{\∂}_{m2}{f}_2+...+{\∂}_{mn}{f}_n$

其中K_m是第m个滤波器频域分解后的结果，表示第m个滤波器第n频段系数，f_n表示第n频段；具体如方法实施例所示。

频域获取单元，用于各个滤波器得到的各个频段的系数进行对应相加得到相应的滤波器组的综合频域；具体如方法实施例所示。

$\begin{array}{c}K=({\∂}_{11}+{\∂}_{21}+...{\∂}_{m1})f_1+({\∂}_{21}+{\∂}_{22}+...{\∂}_{m2})f_2+({\∂}_{1n}+{\∂}_{2n}\\ +...{\∂}_{mn})f_n\end{array}$

其中K表示的是滤波器组的频域分解后的综合频域，表示第m个滤波器第n频段系数；具体如方法实施例所示。

频谱图生成单元，用于根据滤波器组的分解后的综合频域生成对应的频谱图；具体如方法实施例所示。

所述的基于频域分析的图像隐写系统，其中，所述失真模块具体包括:

权重赋值单元，用于根据频谱图获取不同频段对应的能量值，赋予频段能量值频段的能量值越大，赋予对应频段的权重值越小；具体如方法实施例所示。

失真函数生成音，用于将频谱图中所有的频道赋予权重生成失真函数：

$C={\mathrm{\ω}}_1\frac{1}{I\⊗f_1}\⊗f_1+{\mathrm{\ω}}_2\frac{1}{I\⊗f_2}\⊗f_2+...+{\mathrm{\ω}}_n\frac{1}{I\⊗f_n}\⊗f_n;$

其中表示卷积操作，I表示图片像素值，ω表示权重，f_n表示第n个频段，C表示失真函数；具体如方法实施例所示。

所述的基于频域分析的图像隐写系统，其中，所述频域分解采用DCT变换；具体如方法实施例所示。

所述的基于频域分析的图像隐写系统，其中，所述频域分解模块还包括：

DCT系数计算单元，用于采用DCT变换对滤波器组进行频域分解，其中各频段对应DCT系数具体如下：

$\begin{array}{c}d\[k,l\]=\underset{i,j=0}{\overset{n}{\mathrm{\Σ}}}f\[i,j;k,l\]K\[i,j\]\\ =\underset{i,j=0}{\overset{n}{\mathrm{\Σ}}}\frac{w\[k\]w\[l\]}{4}\cos \frac{\mathrm{\π}}{16}k(2i+1)\cos \frac{\mathrm{\π}}{16}l(2j+1)K\[i,j\]\end{array}$

其中d[k,l]表示的是第[k,l][频段的DCT系数，f[i,j；k,l]表示的是第[k,l][频段的基模式，K[i,j]表示的是滤波器中的第[i,j]元素；具体如方法实施例所示。

综上所述，本发明提供了一种基于频域分析的图像隐写方法及系统，方法包括：针对空域隐写分析富模型所使用的滤波器组进行频域分解，获取滤波器组中的各个滤波器的各个频段的系数对应相加得到的综合频域，根据结合频域生成频谱图；根据频谱图获取不同频段对应的能量值，根据能量值的不同在赋予不同的频段不同的权重值生成失真函数；根据失真函数向原始图像嵌入秘密信息，得到隐密载体信息。本发明可防止嵌入在图像中秘密信息被隐写检测算法检测出来，提高图像隐写的安全性，有助于提高通信的安全性。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种基于频域分析的图像隐写方法，其特征在于，所述方法包括：

A、针对空域隐写分析富模型所使用的滤波器组进行频域分解，获取滤波器组中的各个滤波器的各个频段的系数对应相加得到的综合频域，根据结合频域生成频谱图；

B、根据频谱图获取不同频段对应的能量值，根据能量值的不同在赋予不同的频段不同的权重值生成失真函数；

C、根据失真函数向原始图像嵌入秘密信息，得到隐密载体信息。

2.根据权利要求1所述的基于频域分析的图像隐写方法，其特征在于，所述A具体包括：

A1、针对空域隐写分析富模型所使用的滤波器组进行频域分解：

$K_m={\∂}_{m1}{f}_1+{\∂}_{m2}{f}_2+...+{\∂}_{mn}{f}_n$

其中K_m是第m个滤波器频域分解后的结果，表示第n个滤波器第n频段系数，f_n表示第n频段；

A2、各个滤波器得到的各个频段的系数进行对应相加得到相应的滤波器组的综合频域；

$\begin{array}{c}K=({\∂}_{11}+{\∂}_{21}+...{\∂}_{m1})f_1+({\∂}_{21}+{\∂}_{22}+...{\∂}_{m2})f_2+({\∂}_{1n}+{\∂}_{2n}\\ +\mathrm{...}{\∂}_{mn})f_n\end{array}$

其中K表示的是滤波器组的频域分解后的综合频域，表示第m个滤波器第n频段系数；

A3、根据滤波器组的分解后的综合频域生成对应的频谱图。

3.根据权利要求2所述的基于频域分析的图像隐写方法，其特征在于，所述B具体包括：

B1、根据频谱图获取不同频段对应的能量值，赋予频段能量值频段的能量值越大，赋予对应频段的权重值越小；

B2、将频谱图中所有的频域赋予权重生成失真函数：

$C={\mathrm{\ω}}_1\frac{1}{I\⊗f_1}\⊗f_1+{\mathrm{\ω}}_2\frac{1}{I\⊗f_2}\⊗f_2+...+{\mathrm{\ω}}_n\frac{1}{I\⊗f_n}\⊗f_n;$

其中表示卷积操作，I表示图片像素值，ω表示权重，f_n表示第n个频段，C表示失真函数。

4.根据权利要求1所述的基于频域分析的图像隐写方法，其特征在于，所述A中频域分解采用DCT变换。

5.根据权利要求4所述的基于频域分析的图像隐写方法，其特征在于，所述步骤A还包括：

A11、采用DCT变换对滤波器组进行频域分解，其中各频段对应DCT系数具体如下：

$\begin{array}{c}d\[k,l\]=\underset{i,j=0}{\overset{n}{\Σ}}f\[i,j;k,l\]K\[i,j\]\\ =\underset{i,j=0}{\overset{n}{\Σ}}\frac{w\[k\]w\[l\]}{4}\cos \frac{\mathrm{\π}}{16}k(2i+1)\cos \frac{\mathrm{\π}}{16}l(2j+1)K\[i,j\]\end{array}$

其中d[k,l]表示的是第[k,l][频段的DCT系数，f[i,j；k,l]表示的是第[k,l][频段的基模式，K[i,j]表示的是滤波器中的第[i,j]元素。

6.一种基于频域分析的图像隐写系统，其特征在于，系统包括：

频域分解模块，针对空域隐写分析富模型所使用的滤波器组进行频域分解，获取滤波器组中的各个滤波器的各个频段的系数对应相加得到的综合频域，根据结合频域生成频谱图；

失真模块，用于根据频谱图获取不同频段对应的能量值，根据能量值的不同在赋予不同的频段不同的权重值生成失真函数；

信息嵌入模块，用于根据失真函数向原始图像嵌入秘密信息，得到隐密载体信息。

7.根据权利要求6所述的基于频域分析的图像隐写系统，其特征在于，所述频域分解模块具体包括：

频域分解单元，针对空域隐写分析富模型所使用的滤波器组进行频域分解

$K_m={\∂}_{m1}{f}_1+{\∂}_{m2}{f}_2+...+{\∂}_{mn}{f}_n$

其中K_m是第m个滤波器频域分解后的结果，表示第m个滤波器第n频段系数，f_n表示第n频段；

频域获取单元，用于各个滤波器得到的各个频段的系数进行对应相加得到相应的滤波器组的综合频域；

$\begin{array}{c}K=({\∂}_{11}+{\∂}_{21}+...{\∂}_{m1})f_1+({\∂}_{21}+{\∂}_{22}+...{\∂}_{m2})f_2+({\∂}_{1n}+{\∂}_{2n}\\ +\mathrm{...}{\∂}_{mn})f_n\end{array}$

其中K表示的是滤波器组的频域分解后的综合频域，表示第m个滤波器第n频段系数；

频谱图生成单元，用于根据滤波器组的分解后的综合频域生成对应的频谱图。

8.根据权利要求7所述的基于频域分析的图像隐写系统，其特征在于，所述失真模块具体包括:

权重赋值单元，用于根据频谱图获取不同频段对应的能量值，赋予频段能量值频段的能量值越大，赋予对应频段的权重值越小；

失真函数生成音，用于将频谱图中所有的频道赋予权重生成失真函数：

$C={\mathrm{\ω}}_1\frac{1}{I\⊗f_1}\⊗f_1+{\mathrm{\ω}}_2\frac{1}{I\⊗f_2}\⊗f_2+...+{\mathrm{\ω}}_n\frac{1}{I\⊗f_n}\⊗f_n;$

其中表示卷积操作，I表示图片像素值，ω表示权重，f_n表示第n个频段，C表示失真函数。

9.根据权利要求6所述的基于频域分析的图像隐写系统，其特征在于，所述频域分解采用DCT变换。

10.根据权利要求9所述的基于频域分析的图像隐写系统，其特征在于，所述频域分解模块还包括：

DCT系数计算单元，用于采用DCT变换对滤波器组进行频域分解，其中各频段对应DCT系数具体如下：

$\begin{array}{c}d\[k,l\]=\underset{i,j=0}{\overset{n}{\Σ}}f\[i,j;k,l\]K\[i,j\]\\ =\underset{i,j=0}{\overset{n}{\Σ}}\frac{w\[k\]w\[l\]}{4}\cos \frac{\mathrm{\π}}{16}k(2i+1)\cos \frac{\mathrm{\π}}{16}l(2j+1)K\[i,j\]\end{array}$

其中d[k,l]表示的是第[k,l][频段的DCT系数，f[i,j；k,l]表示的是第[k,l][频段的基模式，K[i,j]表示的是滤波器中的第[i,j]元素。