CN106791265A - 一种基于无权值向量的改进emd图像密写嵌入和提取方法 - Google Patents

Abstract

本发明提供一种基于无权值向量的改进EMD图像密写嵌入和提取方法，所提方法首先将载体图像扫描为1维元素序列，通过用户密钥结合混沌映射来随机指派嵌密元素数量和最多调整的嵌密元素数量并生成秘密信息组合数和嵌密元素调整表；然后依据嵌密元素数量和秘密组合数分别从载体元素序列和2进制秘密信息序列截取载体元素和2进制秘密信息比特；最后通过对秘密信息比特所映射的置乱嵌密元素调整表行来对截取的载体元素进行调整以嵌入秘密信息比特。同现有EMD方法相比，所提方法在保持同等嵌入视觉质量前提下达到最大的嵌入容量，避免了权值向量设置的有限性所导致的容量受限并通过与载体和密钥相关的嵌入提取环节来进一步增强嵌入信息的安全性。

Description

一种基于无权值向量的改进EMD图像密写嵌入和提取方法

技术领域

本发明属于图像信息安全和数字图像信号处理交叉领域，涉及一种图像密写嵌入和提取方法，特别涉及一种基于无权值向量的改进EMD图像密写嵌入和提取方法。

背景技术

近年来，伴随着计算机和网络技术的发展，越来越多的图像在网络中传输，在给用户提供方便的同时，也带来了一系列的安全隐患。对图像的不当使用和恶意篡改，不仅会涉及个人隐私，也会给社会带来严重的负面影响。

针对数字图像信息安全，人们已提出了多种方法，如：①将明文图像转换为密文图像的数字图像加密技术；②将秘密信息隐藏于非相关载体中的数字图像隐写技术；③给图像添加版权认证标识，对图像的真实性和完整性，来源者和使用者进行认证的数字图像水印技术；④结合现有技术特点对图像的真实性和完整性进行甄别的数字图像盲取证技术以及⑤将机密图像拆分为影子图像，利用部分分发影子图像重构秘密图像的数字图像信息分存技术。

其中，数字图像隐写技术是利用数字图像的冗余和人类视觉的掩蔽特性，来将秘密信息隐藏于非相关的图像载体中，从而进行隐蔽通信，使得非法攻击者难以从海量的公开传输图像中提取出隐蔽的秘密信息信息，从而最大程度地保障传输中的机密信息的安全。

针对数字图像隐写，人们已经提出了多种数字图像密写嵌入方法。例如致力于提升秘密信息嵌入容量的BPCS方法(E,Eason RO.Principle and applications of BPCS-Steganography[C]//Proceedings of SPIE-The International Society for OpticalEngineering,1999:464-473)和PVD方法(Wu D C,Tsai W H.A steganographic methodfor images by pixel-value differencing[J].Pattern Recognition Letters,2003,24(9–10):1613-1626.)以及致力于提高图像视觉质量的EALSBMR方法等。

现有的图像密写方法通常分为2类，空域密写方法和变换域密写方法。比较典型的变换域密写方法主要有F3密写，F4密写和F5密写方法等，它们都是载体图像DCT变换后，在量化后的非零DCT系数上嵌密，但由于量化后的DCT系数中零值较多，因此秘密信息嵌入量极低。相对于变换域密写方法，空域密写方法不仅能提供较大的嵌入容量，也能较大地保持嵌密图像的视觉质量。

最早期的空域密写方法为LSB密写嵌入方法(Li C C,Lie W N.Data hiding inimages with adaptive numbers of least significant bits based on the humanvisual system[C]//IEEE International Conference on Image Processing,1999:286-290.)即用秘密信息替换载体图像的最低比特位，由于载体图像最低比特位全部携带秘密信息，而图像的最低比特位对图像视觉质量影响极小，因此LSB密写秘密信息的嵌入量大，密写图像视觉质量高，但秘密信息易改变低位信息比特的统计特性，因此安全性不高。对LSB密写方法的改进，引入了LSBM方法(Ker AD.Improved Detection of LSBSteganography in Grayscale Images[C]//International Conference on InformationHiding,2004:97-115)，即LSB匹配方法，相对于LSB密写方法，LSB匹配方法的策略是，当秘密信息和载体图像的最低比特位相同时不做改变，否则随机的对载体图像像素值加减1，由于像素值整体增加或减少的概率相等，因此可抵抗简单LSB密写分析方法，但其秘密信息的嵌入容量相比于LSB密写并未实质地提高。为减轻对载体的影响，后续又提出了LSBMR密写方法(Mielikainen J.IEEE Signal Processing Letters[J].2006,13(5):285-287)，即即LSB匹配重访方法，其原理是在两个连续的像素中最多只对其中一个加减1从而嵌入2比特秘密信息，由于LSBMR方法不是直接用秘密信息替换载体图像的最低比特位，且明显降低了对载体图像的修改率，因此，LSBMR方法在提高密写图像质量的基础上提高了其安全性。为了进一步提高图像的嵌入质量，EALSBMR方法(Luo W Q,Huang F J,Huang J W.IEEETransactions on Information Forensics and Security,Edge Adaptive ImageSteganography Based on LSB Matching Revisited[J].2010,5(2):201-214.)被提出，即边缘自适应LSB匹配重访方法，可根据秘密信息长度和载体图像自身平滑程度自适应的嵌入秘密信息，优先选择图像较粗糙区域进行嵌入，避免了对载体图像平滑区域的修改，因此EALSBMR密写方法下的密写图像图像质量较之LSBMR更好。

LSBMR方法最独特的地方是对两个载体数据中至多改变一个便可嵌入两比特秘密信息。这也为后面进行更大容量嵌入的EMD方法提供了很多借鉴。EMD方法，即全方向扩展方法，是对载体进行微小修改以进行大容量嵌入的一种有效的嵌入方法(Zhang X P，Wang SZ.Efficient steganographic embedding by exploiting modificationdirection.IEEE Communication Letter,2006,10(11):781-783)，通过对n个载体数据最多加减1来嵌入一个2n+1进制的数。为进一步提高嵌入容量，文献Kim H J,Kim C,Choi Y,Wang S Z,Zhang X P.Improved modification direction methods[J],2010,60(2):319-325给出了EMD-2方法和2-EMD方法，EMD-2方法允许对n个载体数据最多进行2个加减1而嵌入一个更大进制的数，2-EMD方法即连续用两次EMD方法可嵌入一个(2n+1)²进制的数，相比于EMD方法，EMD-2方法和2-EMD方法更大程度的提高了秘密信息嵌入容量。在EMD方法的基础上也能实现对载体数据的全方位改变，即EMD-n方法(Niu X J,Ma M,Tang R,Yi Z X,2015.Image Steganography via Fully Exploiting Modification Direction[J],2015,9(5):243-254)，即在n个载体数据都可改变的基础上嵌入一个3ⁿ进制的数，带来更大的嵌入容量。

但现有的EMD嵌入方法还存在着很多问题，还有很多提升空间，主要表现在：

1)传统的EMD方法通常采用特定的权值向量，以n个载体数据进行调整嵌入的EMD方法为例，对于简单EMD方法，其嵌入的权值向量为(1,2,…,n)；对于EMD-2方法，当n＝2时，其嵌入的权值向量设定为(1,3)，当n＞2时，其嵌入的基向量设定为(1,2,…,6+5(n-3))；对于EMD-n方法，其嵌入的权值向量被设定为3的幂次。而特定的嵌入策略降低了密写的安全性，若知道对应的密写方法和获取对应的密写载体，则可从中容易地提取嵌入的秘密信息。

2)传统的EMD嵌入方法通常只能利用权值向量进行组合形成的1为起始的连续组合数进行±1调整以及0即不进行调整来作为秘密信息的表达范围，这使得权值向量不能进行充分有效的组合，从而限制了秘密信息的表达范围，使得嵌入容量十分有限。对于EMD-2方法，其嵌入的容量通常达不到其嵌入的理论值。

对于传统的简单EMD方法和EMD-n方法，尽管能达到该调整范围内的最大的嵌入容量，但传统的EMD方法仅能提供有限的几种调整方案，例如对n个载体数据仅调整1个的简单EMD方法，对n个载体数据仅调整2个的EMD-2方法和对n个载体数据调整n个载体数据的EMD-n方法，由此严重制约EMD方法的适用面，使得EMD方法不能在图像视觉嵌入质量和嵌入容量上进行较好地折中。

发明内容

本发明的目的在于克服现有技术缺陷，提供一种基于无权值向量的改进EMD图像密写嵌入和提取方法，在保持同样的嵌入视觉质量前提下，采用无权值向量避免了权值向量设置的有限性所导致的容量受限并通过与载体和密钥相关的嵌入提取环节来进一步增强嵌入信息的安全性。

为实现上述目的，本发明采用以下技术方案：

一种基于无权值向量的改进EMD图像密写嵌入方法，包括以下步骤：

第1步：记分辨率为M×N的p比特载体图像为C＝(c_i,j)_M×N,c_i,j∈{0,1,…,2^p-1}，记秘密信息对应为长度为l的2进制比特位串序列为B，记剩余秘密信息序列为B_last，初始化B_last＝B，将C扫描为1维载体元素序列S＝(s_i)_MN，记S的剩余序列为S_last，初始化S_last＝S，记S_embedded为已嵌入秘密信息的载体元素序列，初始化S_embedded＝Φ；

第2步：由用户给定的系统参数μ∈[3.57,4]和初始值x₀∈(0,1)迭代生成随机数，为消除暂态效应，将迭代产生的前IT,IT＞0个随机数抛弃；

第3步：由连续生成的4个随机数分别为x_t,x_t+1,x_t+2,x_t+3,t≥IT和由用户给定嵌密元素数量n的最大值n_max,n_max＞0，生成截取的嵌密元素数量n∈{1,2,…,n_max}和嵌密元素中最多改变的元素数m∈{1,2,…,n}；

第4步：计算n个嵌密元素最多改变m个嵌密元素所能嵌入的秘密信息组合数V_kind；

第5步：由x_t,x_t+1,x_t+2,x_t+3,t≥IT生成V_kind×n维嵌密元素调整表

第6步：记其中l_last为剩余秘密信息序列的长度，确定当前截取的2进制位串序列的长度l_current，从B_last中截取长度为l_current的比特位串B_current，并对B_last进行更新；

第7步：将取出的l_current个2进制位串序列转换为对应的10进制数d作为待嵌入的秘密信息；

第8步：记其中l′_last为剩余S的长度，从S_last中取前n个元素作为S_current并更新S_last；

第9步：记T′_adjust第d行为记载体元素序列S_current＝(s_i)_n，对S_current依据调整为S′_current＝(s′_i)；

第10步：将S′_current添加到S_embedded中；

第11步：反复执行第3步到第10步，直至l_last＝0，由S_embeded重构秘密图像C′＝(c′_i,j)_M×N并输出。

进一步，在第1步中将C扫描为1维载体元素序列S＝(s_i)_MN的具体方法为式(1)：

s_iN+j＝c_i,j,i＝0,1,…,M-1,j＝0,1,…,N-1 (1)；

在第2步中由用户给定的系统参数μ∈[3.57,4]和初始值x₀∈(0,1)迭代生成随机数的具体方法为将μ,x₀代入式(2)迭代生成随机数：

x_i+1＝μx_i(1-x_i) (2)；

在第3步中由连续生成的4个随机数分别为x_t,x_t+1,x_t+2,x_t+3,t≥IT，和由用户给定嵌密元素数量n的最大值n_max,n_max＞0，生成截取的嵌密元素数量n∈{1,2,…,n_max}和嵌密元素中最多改变的元素数m∈{1,2,…,n}的具体方法为将x_t按式(3)映射为参数n，并由x_t+1和n按式(4)确定参数m：

式(3)和式(4)中，为向下取整函数；

在第4步：计算n个嵌密元素最多改变m个嵌密元素所能嵌入的秘密信息组合数V_kind的具体方法为：

式(5)中，表示n个嵌密元素仅改变i个元素所对应的组合数，2ⁱ表示被改变的i个元素进行±1调整的全部情况。

进一步，在第5步中由x_t,x_t+1,x_t+2,x_t+3,t≥IT生成V_kind×n维嵌密元素调整表的具体方法为在于包括以下步骤：

第5.1步：初始化全0的V_kind×n维嵌密元素调整表

第5.2步：初始化计数变量j＝0,k＝0；

第5.3步：将j按3进制数进行表示，并用长度为n的1维向量V＝(v_i)_n进行存储，其中v_i∈{0,1,2},i＝0,1,…n-1对应为j的第i位3进制位，将V映射为V′＝(v′_i)_n,v′_i∈{-1,0,1},j＝j+1；

第5.4步：统计V′中的非零元素数量n_nz，若n_nz≤m，则将V′嵌入到T_adjust的第k行，置k＝k+1；

第5.5步：反复执行第5.3步和第5.4步，直至k＝V_kind

第5.6步：将T_adjust置乱为T′_adjust。

进一步，在第5.3步中将V映射为V′＝(v′_i)_n,v′∈{-1,0,1}的具体方法为式(6)：

在第5.6步中，将T_adjust置乱为T′_adjust的具体方法为将T_adjust按式(7)行置乱为T′_adjust；

T′_adjust＝scramble_row(T_adjust,a,b) (7)；

式(7)中，a,b为同余置乱参数分别由x_t+2,x_t+3映射得到，函数scramble_row()执行的功能如式(8)所示，即将T_adjust第i行作为T′_adjust第i′行；

i'＝(ai+b)mod V_kind；i＝0,1,…,V_kind-1 (8)；

式(7)中同余参数a的具体生成规则为将x_t+2,x_t+3按式(9)映射为x′_t+2∈[3.57,4]，将x_t+2,x_t+3按式(10)映射为x′_t+3，将x′_t+2和x′_t+3分别作为式(2)的系统参数和初始值，将式(2)产生的随机数R，按式(11)量化R′，反复执行式(2)直至R′和V_kind互质，将R′作为a，为消除暂态效应，将迭代产生的前IT,IT＞0个随机数抛弃；

x′_t+3＝0.5(x_t+2+x_t+3) (10)；

式(7)中同余参数b的具体生成规则如式(12)所示：

进一步，在第6步中确定当前截取的2进制位串序列的长度l_current的具体方法为式(13)

在第6步中从B_last中截取长度为l_current的比特位串B_current的具体方法为式(14)：

B_current＝truncate(B_last,0,l_current-1) (14)；

式(14)中，函数truncate()表示截取函数，即从索引0位置开始到l_current-1结束截取B_last中对应的2进制位串；

在第6步中对B_last进行更新的具体方法为式(15)：

B_last＝truncate(B_last,l_current,l_last-1) (15)。

进一步，在第7步中将取出的l_current个2进制位串序列转换为对应的10进制数d的具体方法为式(16)：

式(16)中，b_i表示l_current个2进制位串中的第i个比特；

在第8步中从S_last中取前n个元素作为S_current的具体方法为式(17)：

S_current＝truncate(S_last,0,n-1) (17)

在第8步中更新S_last的具体方法为：

S_last＝truncate(S_last,n,l′_last-1) (18)；

在第9步中，对S_current依据调整为S′_current＝(s′_i)的具体方法为式(19)：

式(19)中，overflow()为溢出避免函数，用于避免s′_i＜0|s′_i＞255，overflow(v)具体执行的功能如式(20)所示：

在第10步中，将S′_current添加到S_embedded中的具体方法为式(21)：

S_embedded＝S_embedded||S′_current (21)；

在第11步中由S_embeded重构秘密图像C′＝(c′_i,j)_M×N的具体方法为式(22)：

c′_i,j＝es_iN+j,i＝0,1,…,M-1,j＝0,1,…,N-1 (22)。

一种基于无权值向量的改进EMD图像密写提取方法，包括以下步骤：

第1步：输入原始的载体图像C＝(c_i,j)_M×N,c_i,j∈{0,1,…,2^p-1}和载密图像C′＝(c′_i,j)_M×N，c_i,j∈{0,1,…,2^p-1}，由用户给定系统参数μ∈[3.57,4]，初始值x₀∈(0,1)和消除暂态效应的迭代次数参数IT,IT＞0以及嵌密元素数量n的最大值n_max,n_max＞0，记B_fetched为已提取的秘密信息序列，初始化B_fetched＝Φ，将C和C′扫描为1维元素序列S＝(s_k)_MN和S′＝(s′_k)_MN，记S和S′的剩余序列分别为S_last和S′_last，初始化S_last＝S，S′_last＝S′，由μ,x₀生成随机数，抛弃前IT个随机数；

第2步：由连续生成的4个随机数x_t,x_t+1,x_t+2,x_t+3,t≥IT和n_max，计算嵌密元素数量n和嵌密向量中最多改变的元素数m，计算n个嵌密元素最多改变m个嵌密元素所能嵌入的秘密信息组合数V_kind，并生成V_kind×n维嵌密元素调整表S_last；

第3步：分别从S_last和S′_last中提取前n个元素作为S_current和S′_current，并更新S_last和S′_last；

第4步：由S_current＝(s′_i)_n,S_current＝(s_i)_n计算

第5步：从T′_adjust中搜索出对应的行号d并转换为对应的2进制序列b_i∈{0,1}；

第6步：将B_current连接到B_fetched尾部；

第7步：反复执行第2步到第6步，直到S_last＝Φ。

进一步，在第1步中将C和C′扫描为1维载体元素序列S＝(s_k)_MN和S′＝(s′_k)_MN的具体方法为式(1)：

s_iN+j＝c_i,j,i＝0,1,…,M-1,j＝0,1,…,N-1 (1)；

在第1步中由μ,x₀生成随机数的具体方法为将μ,x₀代入式(2)迭代生成随机数

x_i+1＝μx_i(1-x_i) (2)；

在第2步中由连续生成的4个随机数x_t,x_t+1,x_t+2,x_t+3,t≥IT和n_max，计算嵌密元素数量n和嵌密向量中最多改变的元素数m的具体方法为式(3)和式(4)计算出嵌密元素数量n和嵌密向量中最多改变的元素数m：

x_i+1＝μx_i(1-x_i) (3)；

式(3)和式(4)中，为向下取整函数；

在第2步中计算n个嵌密元素最多改变m个嵌密元素所能嵌入的秘密信息组合数V_kind的具体方法为式(5)：

式(5)中，表示n个嵌密元素仅改变i个元素所对应的组合数，2ⁱ表示被改变的i个元素进行±1调整的全部情况；

在第2步中生成V_kind×n维嵌密元素调整表V_kind×n的具体方法在于包括以下步骤：

第2.1步：初始化全0的V_kind×n维嵌密元素调整表

第2.2步：初始化计数变量j＝0；

第2.3步：将V_j＝3^j按3进制数进行表示，并用长度为n的1维向量V＝(v_i)_n进行存储，其中v_i∈{0,1,2},i＝0,1,…n-1对应为V_j的第i位3进制位，将V映射为V′＝(v′_i)_n,v′∈{-1,0,1}；

第2.4步：统计V′中的非零元素数量n_nz，若n_nz≤m，则将V′嵌入到T_adjust的第k行，置k＝k+1；

第2.5步：反复执行第2.3步和第2.4步，直至k＝V_kind

第2.6步：将T_adjust置乱为T′_adjust。

进一步，在第2.3步中将V映射为V′＝(v′_i)_n,v′∈{-1,0,1}的具体方法为式(6)：

在第2.6步中，将T_adjust置乱为T′_adjust的具体方法为将T_adjust按式(7)行置乱为T′_adjust；

T′_adjust＝scramble_row(T_adjust,a,b) (7)；

式(7)中，a,b为同余置乱参数分别由x_t+2,x_t+3映射得到，函数scramble_row()执行的功能如式(8)所示，即将T_adjust第i行作为T′_adjust第i′行；

i'＝(ai+b)mod V_kind；i＝0,1,…,V_kind-1 (8)；

式(7)中同余参数a的具体生成规则为将x_t+2,x_t+3按式(9)映射为x′_t+2∈[3.57,4]，将x_t+2,x_t+3按式(10)映射为x′_t+3，将x′_t+2和x′_t+3分别作为式(2)的系统参数和初始值，将式(2)产生的随机数R，按式(11)量化R′，反复执行式(2)直至R′和V_kind互质，将R′作为a，为消除暂态效应，将迭代产生的前IT,IT＞0个随机数抛弃；

x′_t+3＝0.5(x_t+2+x_t+3) (10)；

式(7)中同余参数b的具体生成规则如式(12)所示：

在第3步中从S_last和S′_last中提取前n个元素作为S_current和S′_current的具体方法为式(23)：

在第3步中更新S_last和S_l′_ast的具体方式为式(24)，其中l_last是S_last的长度：

进一步，在第4步中由S_current＝(s′_i)_n,S_current＝(s_i)_n计算的具体方法为式(25)：

式(25)中，fetch()为提取函数，其执行的具体功能如式(26)所示，式(26)中overflow′()为提取溢出函数，用于避免td_i＝2|td_i＝-2，将2和-2分别转换为-1和1；

在第5步中从T′_adjust中搜索出对应的行号d并转换为对应的2进制序列的具体方法为式(27)，其中

在第6步中将B_current连接到B_fetched尾部的具体方法为式(28)：

B_fetched＝B_fetched||B_current (28)。

本发明同现有技术优点分析：

①传统的EMD方法通常采用特定的权值向量，以n个载体数据进行调整嵌入的EMD方法为例，对于简单EMD方法，其嵌入的权值向量被设定为(1,2,…,n)；对于EMD-2方法，当n＝2时，其嵌入的权值向量被设定为(1,3)，当n＞2时，其嵌入的基向量被设定为(1,2,…,6+5(n-3))；对于EMD-n方法，其嵌入的权值向量被设定为3的幂次。而特定的嵌入策略降低了密写的安全性，若知道对应的密写方法和获取对应的密写载体，则可从中容易地提取嵌入的秘密信息。因此同传统的EMD方法不同，本发明对传统EMD方法进行了安全增强改进，主要表现在：1)通过用户密钥结合混沌映射来随机指派嵌密元素数量和最多调整的嵌密元素数量用于生成嵌密元素调整表；2)通过对嵌密元素调整表进行随机行置乱来随机决定嵌入的秘密像素和嵌密元素调整表行之间的映射关系；3)在整个秘密信息的嵌入过程中对随机截取的秘密信息采用了不同的改进EMD嵌入策略；4)增强了原始嵌入载体、用户密钥和所提出的改进EMD方法的绑定，使得不提供原始的嵌入载体和正确的用户密钥，将无法对嵌入的秘密信息进行正确提取。

②传统的EMD嵌入方法通常只能利用权值向量进行组合形成的1为起始的连续组合数进行±1调整以及0即不进行调整来作为秘密信息的表达范围，这使得权值向量不能进行充分的组合，从而限制了秘密信息的表达范围，使得嵌入容量十分有限。对于EMD-2方法，其嵌入的容量通常达不到其嵌入的理论值。因此同传统的EMD嵌入方法不同，本发明避免了权值向量的使用，采用本发明给出的改进EMD嵌入方法可最大化n个载体元素最多调整m个嵌密元素的最大嵌入容量，其嵌入容量同秘密信息组合数的理论值保持一致，从而相对于传统的EMD方法，始终保持秘密信息的嵌入容量。

③对于传统的简单EMD方法和EMD-n方法，尽管能达到该调整范围内的最大的嵌入容量，但传统的EMD方法仅能提供有限的几种调整方案，例如对n个载体数据仅调整1个的简单EMD方法，对n个载体数据仅调整2个的EMD-2方法和对n个载体数据调整n个载体数据的EMD-n方法。因此同传统的EMD方法不同，本发明给出的改进EMD方法可给出n个载体元素最多调整m个嵌密元素的所有方案，当m＝1时，同简单EMD方法的嵌入容量相一致，当m＝n时，其嵌入容量同EMD-n方法相一致，但相对于传统的EMD方法提供更高的安全性。

④本发明对未溢出的载体像素最大的调整量为±1，对于溢出像素的调整量最大为±2，因此同传统EMD方法一样，仅对载体像素进行微调，从而可在最大化嵌入容量的基础上同传统EMD方法一样，保持同等的视觉嵌入质量。

附图说明

图1是嵌入流程图；

图2是提取流程图；

图3是载体图像，为256×256分辨率的8位灰度图像Lena；

图4是载体图像，为256×256分辨率的8位灰度图像Women；

图5是载体图像，为256×256分辨率的8位灰度图像Man；

图6是载体图像，为256×256分辨率的8位灰度图像Pepper；

图7是图3嵌入的秘密信息，为长度76729的2进制位串序列堆叠成的277×277的2值图像；

图8是图4嵌入的秘密信息，为长度76729的2进制位串序列堆叠成的277×277的2值图像；

图9是图5嵌入的秘密信息，为长度76729的2进制位串序列堆叠成的277×277的2值图像；

图10是图6嵌入的秘密信息，为长度76729的2进制位串序列堆叠成的277×277的2值图像；

图11是实施例：嵌密掩体图像，相对于图3的PSNR＝45.89dB；

图12是实施例：嵌密掩体图像，相对于图4的PSNR＝45.89dB；

图13是实施例：嵌密掩体图像，相对于图5的PSNR＝45.85dB；

图14是实施例：嵌密掩体图像，相对于图6的PSNR＝45.99dB；

图15是实施例：提取的秘密信息，相对于图7的误码率EBR为0％；

图16是实施例：提取的秘密信息，相对于图8的误码率EBR为0％；

图17是实施例：提取的秘密信息，相对于图9的误码率EBR为0％；

图18是实施例：提取的秘密信息，相对于图10的误码率EBR为0％。

具体实施方式

以下以JAVA jdk1.8.0_65为案例实施环境，结合附图对本发明实施方式进行详细说明，但不局限于本实施案例，其中图1是嵌入流程图，图2是提取流程图。

嵌入方法的具体实施步骤：

第1步：假设将载体图像C按行优先顺序转换成1维序列为S＝{160,160,163,157,153}；初始化S的剩余序列S_last＝S，输入秘密信息比特位串B＝{1,1,1,0,1,0}，初始化B的剩余序列B_last＝B，初始化已嵌入秘密信息的载体元素序列S_embedded＝φ；

第2步：输入用户密钥μ＝4，x₀＝0.3519407329674913，IT＝1059，n_max＝6：由式(2)可连续生成若干随机数，抛弃前IT个开始取数，假设连续取得的4个随机数分别为x_t＝0.7531447787093246，x_t+1＝0.7436708840488283，x_t+2＝0.7624980010674499和x_t+3＝0.7243791977423722；

第3步：将x_t,x_t+1代入式(3)和式(4)，

可计算出

第4步：按式(5)可计算n＝3个嵌密元素最多调整m＝3个嵌密元素所能嵌入的秘密信息组合数

第5步：按第5.1步～第5.5步可生成初始嵌密元素调整表T_adjust，T_adjust等价为

表1；

表1

其中表1的第1行对应为行号，第2～4行对应为T_adjust中的列，即将0,1,…,26转换为n位3进制数构成的向量V＝(v_i)_n并分别用{-1,0,1}进行表示，从而将V映射为V′＝(v_i′)_n,v_i′∈{-1,0,1}，统计V′中的非零元素数量n_nz，将n_nz≤m的行作为T_adjust中的行；

按第5.6步，根据x_t+2,x_t+3和式(9)、式(10)、式(11)、式(12)计算n＝3，m＝3对应的置乱密钥a，b，

x′_t+3＝0.5(x_t+2+x_t+3) (10)；

x′_t+3＝0.5(0.7624980010674499+0.7243791977423722)＝0.7434385994049111，将x′_t+2，x′_t+3分别作为式(2)的系统参数和初始值，产生若干随机数并抛弃前IT个，得到R＝0.9091705227593929，按式(11)

得到按式(12)计算b,

根据a＝25，b＝1按式(8)将T_adjust置乱为T′_adjust如表2所示：

表2

第6步：按式(13)计算应截取的B_last长度l_current，因为所以，l_current＝4；

按式(14)截取秘密信息序列B_current，截取到的秘密信息序列B_current＝{1,1,1,0}，按式(15)将B_last更新为B_last＝{1,0}；

第7步：将B_current＝{1,1,1,0}按式(16)转换为对应的十进制数d＝14；

第8步：按式(17)从S_last中取前n＝3个元素作为S_current＝{160,160,163}，并按式(18)更新S_last＝{157,153}；

第9步：依据从表(2)中取按式(19)将S_current调整为S′_current＝{159,159,162}；

第10步：按式(21)将S′_current添加到S_embedded中，S_embedded＝{159,159,162}；

第11步：反复执行第2步到第10步，直至B_last的剩余长度l_last＝Φ，最终S_embedded＝{159,159,162,157,153}，由S_embedded按式(22)重构秘密图像；

提取方法的具体实施步骤：

第1步：输入载体图像和秘密图像并将其转换成一维序列，分别为S＝{160,160,163,157,153}，S′＝{159,159,162,157,153}，输入用户给定的密钥μ＝4，x₀＝0.3519407329674913，IT＝1059，n_max＝6，初始化已提取的秘密信息序列B_fetched＝φ，记S和S′的剩余序列分别为S_last和S′_last，初始化S_last＝S和S′_last＝S_last。

第2步：根据用户密钥μ＝4，x₀＝0.3519407329674913，IT＝1059，n_max＝6：由式(2)可连续生成若干随机数，抛弃前IT个开始取数，假设连续取得的4个随机数分别为x_t＝0.7531447787093246，x_t+1＝0.7436708840488283，x_t+2＝0.7624980010674499和x_t+3＝0.7243791977423722；将x_t,x_t+1代入式(3)和式(4)，

可计算出

按式(5)可计算n＝3个嵌密元素最多调整m＝3个嵌密元素所能嵌入的秘密信息组合数

按第5.1步～第5.5步可生成初始嵌密元素调整表T_adjust，T_adjust等价为表1，

其中表1的第1行对应为行号，第2～4行对应为T_adjust中的行，即将0,1,…,26转换为n位3进制数构成的向量V＝(v_i)_n并分别用{-1,0,1}进行表示，从而将V映射为V′＝(v′_i)_n,v′_i∈{-1,0,1}，统计V′中的非零元素数量n_nz，将n_nz≤m的行作为T_adjust中的行；

按第5.6步，根据x_t+2,x_t+3和式(9)、式(10)、式(11)、式(12)计算n＝3，m＝3对应的置乱密钥a，b，

x′_t+3＝0.5(x_t+2+x_t+3) (10)；

x′_t+3＝0.5(0.7624980010674499+0.7243791977423722)＝0.7434385994049111，将x′_t+2，x′_t+3分别作为式(2)的系统参数和初始值，产生若干随机数并抛弃前IT个，得到R＝0.9091705227593929，按式(11)

得到按式(12)计算b,

根据a＝25，b＝1按式(8)将T_adjust置乱为T′_adjust如表2所示：

第3步：按式(17)从S_last和S′_last中分别取n＝3个元素作为S_current＝{160,160,163}和S′_current＝{159,159,162}，并按式(18)更新S_last＝{157,153}和S′_last＝{157,153}；

第4步：由S_current＝{160,160,163}和S′_current＝{159,159,162}按式(25)，式(26)计算

第5步：从T′_adjust中搜索出对应的行号d＝14并转换为对应的2进制序列B_current＝{1,1,1,0}；

第6步：将B_current＝{1,1,1,0}连接到B_fetched尾部，B_fetched＝{1,1,1,0}；

第7步：反复执行第2步到第6步，直为S_current＝Φ，此时B_fetched＝{1,1,1,0,1,0}。即为嵌入的秘密信息。

图11是实施例，按图1嵌入流程以图3为原图，以图7对应的2值秘密序列进行嵌入得到的嵌密掩体图像，相对于图3的PSNR＝45.89dB；

图12是实施例，按图1嵌入流程以图4为原图，以图8对应的2值秘密序列进行嵌入得到的嵌密掩体图像，相对于图4的PSNR＝45.89dB；

图13是实施例，按图1嵌入流程以图5为原图，以图9对应的2值秘密序列进行嵌入得到的嵌密掩体图像，相对于图5的PSNR＝45.85dB；

图14是实施例，按图1嵌入流程以图6为原图，以图10对应的2值秘密序列进行嵌入得到的嵌密掩体图像，相对于图6的PSNR＝45.99dB。

图15是实施例，按图2提取流程从图11中提取的秘密信息，相对于图7的误码率EBR为0％；

图16是实施例，按图2提取流程从图12中提取的秘密信息，相对于图8的误码率EBR为0％；

图17是实施例，按图2提取流程从图13中提取的秘密信息，相对于图9的误码率EBR为0％；

图18是实施例：按图2提取流程从图14中提取的秘密信息，相对于图10的误码率EBR为0％。

Claims (10)

1.一种基于无权值向量的改进EMD图像密写嵌入方法，其特征在于包括以下步骤：

第1步：记分辨率为M×N的p比特载体图像为C＝(c_i,j)_M×N,c_i,j∈{0,1,…,2^p-1}，记秘密信息对应为长度为l的2进制比特位串序列为B，记剩余秘密信息序列为B_last，初始化B_last＝B，将C扫描为1维载体元素序列S＝(s_i)_MN，记S的剩余序列为S_last，初始化S_last＝S，记S_embedded为已嵌入秘密信息的载体元素序列，初始化S_embedded＝Φ；

第2步：由用户给定的系统参数μ∈[3.57,4]和初始值x₀∈(0,1)迭代生成随机数，为消除暂态效应，将迭代产生的前IT,IT＞0个随机数抛弃；

第3步：由连续生成的4个随机数分别为x_t,x_t+1,x_t+2,x_t+3,t≥IT和由用户给定嵌密元素数量n的最大值n_max,n_max＞0，生成截取的嵌密元素数量n∈{1,2,…,n_max}和嵌密元素中最多改变的元素数m∈{1,2,…,n}；

第4步：计算n个嵌密元素最多改变m个嵌密元素所能嵌入的秘密信息组合数V_kind；

第5步：由x_t,x_t+1,x_t+2,x_t+3,t≥IT生成V_kind×n维嵌密元素调整表第6步：记其中l_last为剩余秘密信息序列的长度，确定当前截取的2进制位串序列的长度l_current，从B_last中截取长度为l_current的比特位串B_current，并对B_last进行更新；

第7步：将取出的l_current个2进制位串序列转换为对应的10进制数d作为待嵌入的秘密信息；

第8步：记其中l′_last为剩余S的长度，从S_last中取前n个元素作为S_current并更新S_last；

第9步：记T_a′_djust第d行为记载体元素序列S_current＝(s_i)_n，对S_current依据调整为S′_current＝(s′_i)；

第10步：将S′_current添加到S_embedded中；

第11步：反复执行第3步到第10步，直至l_last＝0，由S_embeded重构秘密图像C′＝(c′_i,j)_M×N并输出。

2.如权利要求1所述的一种基于无权值向量的改进EMD图像密写嵌入方法，其特征在于：在第1步中将载体图像C扫描为1维载体元素序列S＝(s_i)_MN的具体方法为式(1)：

s_iN+j＝c_i,j,i＝0,1,…,M-1,j＝0,1,…,N-1 (1)；

在第2步中由用户给定的系统参数μ∈[3.57,4]和初始值x₀∈(0,1)迭代生成随机数的具体方法为将μ,x₀代入式(2)迭代生成随机数：

x_i+1＝μx_i(1-x_i) (2)；

在第3步中由连续生成的4个随机数分别为x_t,x_t+1,x_t+2,x_t+3,t≥IT，和由用户给定嵌密元素数量n的最大值n_max,n_max＞0，生成截取的嵌密元素数量n∈{1,2,…,n_max}和嵌密元素中最多改变的元素数m∈{1,2,…,n}的具体方法为将x_t按式(3)映射为参数n，并由x_t+1和n按式(4)确定参数m：

式(3)和式(4)中，为向下取整函数；

在第4步：计算n个嵌密元素最多改变m个嵌密元素所能嵌入的秘密信息组合数V_kind的具体方法为：

$V_{kind}=\underset{i=0}{\overset{m}{\Σ}}{C}_n^i{2}^i---\left(5\right);$

式(5)中，表示n个嵌密元素仅改变i个元素所对应的组合数，2ⁱ表示被改变的i个元素进行±1调整的全部情况。

3.如权利要求1所述的一种基于无权值向量的改进EMD图像密写嵌入方法，其特征在于：在第5步中由x_t,x_t+1,x_t+2,x_t+3,t≥IT生成V_kind×n维嵌密元素调整表的具体方法为在于包括以下步骤：

第5.1步：初始化全0的V_kind×n维嵌密元素调整表

第5.2步：初始化计数变量j＝0,k＝0；

第5.3步：将j按3进制数进行表示，并用长度为n的1维向量V＝(v_i)_n进行存储，其中v_i∈{0,1,2},i＝0,1,…n-1对应为j的第i位3进制位，将V映射为V′＝(v′_i)_n,v′_i∈{-1,0,1},j＝j+1；

第5.4步：统计V′中的非零元素数量n_nz，若n_nz≤m，则将V′嵌入到T_adjust的第k行，置k＝k+1；

第5.5步：反复执行第5.3步和第5.4步，直至k＝V_kind

第5.6步：将T_adjust置乱为T′_adjust。

4.如权利要求3所述的一种基于无权值向量的改进EMD图像密写嵌入方法，其特征在于：在第5.3步中将V映射为V′＝(v′_i)_n,v′∈{-1,0,1}的具体方法为式(6)：

$v_i^{\′}=\left\{\begin{array}{cc}-1& v_i=0\\ 0& v_i=1\\ 1& v_i=2\end{array}\right.;i=0,1,...,n-1---\left(6\right);$

在第5.6步中，将T_adjust置乱为T′_adjust的具体方法为将T_adjust按式(7)行置乱为T′_adjust；

T′_adjust＝scramble_row(T_adjust,a,b) (7)；

式(7)中，a,b为同余置乱参数分别由x_t+2,x_t+3映射得到，函数scramble_row()执行的功能如式(8)所示，即将T_adjust第i行作为T′_adjust第i′行；

i'＝(ai+b)mod V_kind；i＝0,1,…,V_kind-1 (8)；

式(7)中同余参数a的具体生成规则为将x_t+2,x_t+3按式(9)映射为x′_t+2∈[3.57,4]，将x_t+2,x_t+3按式(10)映射为x′_t+3，将x′_t+2和x′_t+3分别作为式(2)的系统参数和初始值，将式(2)产生的随机数R，按式(11)量化R′，反复执行式(2)直至R′和V_kind互质，将R′作为a，为消除暂态效应，将迭代产生的前IT,IT＞0个随机数抛弃；

$x_{t+2}^{\′}=3.57+0.43\sqrt{x_{t+2}{x}_{t+3}}---\left(9\right);$

x′_t+3＝0.5(x_t+2+x_t+3) (10)；

式(7)中同余参数b的具体生成规则如式(12)所示：

5.如权利要求1所述的一种基于无权值向量的改进EMD图像密写嵌入方法，其特征在于：在第6步中确定当前截取的2进制位串序列的长度l_current的具体方法为式(13)

在第6步中从B_last中截取长度为l_current的比特位串B_current的具体方法为式(14)：

B_current＝truncate(B_last,0,l_current-1) (14)；

式(14)中，函数truncate()表示截取函数，即从索引0位置开始到l_current-1结束截取B_last中对应的2进制位串；

在第6步中对B_last进行更新的具体方法为式(15)：

B_last＝truncate(B_last,l_current,l_last-1) (15)。

6.如权利要求1所述的一种基于无权值向量的改进EMD图像密写嵌入方法，其特征在于：在第7步中将取出的l_current个2进制位串序列转换为对应的10进制数d的具体方法为式(16)：

$d=\underset{i=0}{\overset{l_{current}-1}{\Σ}}{2}^i\×b_i---\left(16\right)$

式(16)中，b_i表示l_current个2进制位串中的第i个比特；

在第8步中从S_last中取前n个元素作为S_current的具体方法为式(17)：

S_current＝truncate(S_last,0,n-1) (17)

在第8步中更新S_last的具体方法为：

S_last＝truncate(S_last,n,l′_last-1) (18)；

在第9步中，对S_current依据调整为S′_current＝(s′_i)的具体方法为式(19)：

$s_i^{\′}=\left\{\begin{array}{cc}overflow(s_i-1)& {\mathrm{td}}_i=-1\\ s_i& {\mathrm{td}}_i=0\\ overflow(s_i+1)& {\mathrm{td}}_i=1\end{array}\right.;i=0,1,...,n-1---\left(19\right);$

式(19)中，overflow()为溢出避免函数，用于避免s′_i＜0|s′_i＞255，overflow(v)具体执行的功能如式(20)所示：

$s_i^{\′}=\left\{\begin{array}{cc}v+3& v=-1\\ v& 0\≤v\≤255\\ v-3& v=256\end{array}\right.---\left(20\right);$

在第10步中，将S′_current添加到S_embedded中的具体方法为式(21)：

S_embedded＝S_embedded||S′_current (21)；

在第11步中由S_embeded重构秘密图像C′＝(c′_i,j)_M×N的具体方法为式(22)：

c′_i,j＝es_iN+j,i＝0,1,…,M-1,j＝0,1,…,N-1 (22)。

7.一种基于无权值向量的改进EMD图像密写提取方法，其特征在于包括以下步骤：

第1步：输入原始的载体图像C＝(c_i,j)_M×N,c_i,j∈{0,1,…,2^p-1}和载密图像C′＝(c′_i,j)_M×N，c_i,j∈{0,1,…,2^p-1}，由用户给定系统参数μ∈[3.57,4]，初始值x₀∈(0,1)和消除暂态效应的迭代次数参数IT,IT＞0以及嵌密元素数量n的最大值n_max,n_max＞0，记B_fetched为已提取的秘密信息序列，初始化B_fetched＝Φ，将C和C′扫描为1维元素序列S＝(s_k)_MN和S′＝(s′_k)_MN，记S和S′的剩余序列分别为S_last和S′_last，初始化S_last＝S，S′_last＝S′，由μ,x₀生成随机数，抛弃前IT个随机数；

第2步：由连续生成的4个随机数x_t,x_t+1,x_t+2,x_t+3,t≥IT和n_max，计算嵌密元素数量n和嵌密向量中最多改变的元素数m，计算n个嵌密元素最多改变m个嵌密元素所能嵌入的秘密信息组合数V_kind，并生成V_kind×n维嵌密元素调整表

第3步：分别从S_last和S′_last中提取前n个元素作为S_current和S′_current，并更新S_last和S′_last；

第4步：由S_current＝(s′_i)_n,S_current＝(s_i)_n计算

第5步：从T′_adjust中搜索出对应的行号d并转换为对应的2进制序列

第6步：将B_current连接到B_fetched尾部；

第7步：反复执行第2步到第6步，直到S_last＝Φ。

8.如权利要求7所述的一种基于无权值向量的改进EMD图像密写提取方法，其特征在于：在第1步中将C和C′扫描为1维载体元素序列S＝(s_k)_MN和S′＝(s′_k)_MN的具体方法为式(1)：

s_iN+j＝c_i,j,i＝0,1,…,M-1,j＝0,1,…,N-1 (1)；

在第1步中由μ,x₀生成随机数的具体方法为将μ,x₀代入式(2)迭代生成随机数

x_i+1＝μx_i(1-x_i) (2)；

在第2步中由连续生成的4个随机数x_t,x_t+1,x_t+2,x_t+3,t≥IT和n_max，计算嵌密元素数量n和嵌密向量中最多改变的元素数m的具体方法为式(3)和式(4)计算出嵌密元素数量n和嵌密向量中最多改变的元素数m：

x_i+1＝μx_i(1-x_i) (3)；

式(3)和式(4)中，为向下取整函数；

在第2步中计算n个嵌密元素最多改变m个嵌密元素所能嵌入的秘密信息组合数V_kind的具体方法为式(5)：

$V_{kind}=\underset{i=0}{\overset{m}{\Σ}}{C}_n^i{2}^i---\left(5\right);$

式(5)中，表示n个嵌密元素仅改变i个元素所对应的组合数，2ⁱ表示被改变的i个元素进行±1调整的全部情况；

在第2步中生成V_kind×n维嵌密元素调整表V_kind×n的具体方法在于包括以下步骤：

第2.1步：初始化全0的V_kind×n维嵌密元素调整表

第2.2步：初始化计数变量j＝0；

第2.3步：将V_j＝3^j按3进制数进行表示，并用长度为n的1维向量V＝(v_i)_n进行存储，其中v_i∈{0,1,2},i＝0,1,…n-1对应为V_j的第i位3进制位，将V映射为V′＝(v′_i)_n,v′∈{-1,0,1}；

第2.4步：统计V′中的非零元素数量n_nz，若n_nz≤m，则将V′嵌入到T_adjust的第k行，置k＝k+1；

第2.5步：反复执行第2.3步和第2.4步，直至k＝V_kind

第2.6步：将T_adjust置乱为T′_adjust。

9.如权利要求8所述的一种基于无权值向量的改进EMD图像密写提取方法，其特征在于：在第2.3步中将V映射为V′＝(v′_i)_n,v′∈{-1,0,1}的具体方法为式(6)：

$v_i^{\′}=\left\{\begin{array}{cc}-1& v_i=0\\ 0& v_i=1\\ 1& v_i=2\end{array}\right.;i=0,1,...,n-1---\left(6\right);$

在第2.6步中，将T_adjust置乱为T′_adjust的具体方法为将T_adjust按式(7)行置乱为T′_adjust；

T′_adjust＝scramble_row(T_adjust,a,b) (7)；

式(7)中，a,b为同余置乱参数分别由x_t+2,x_t+3映射得到，函数scramble_row()执行的功能如式(8)所示，即将T_adjust第i行作为T′_adjust第i′行；

i'＝(ai+b)mod V_kind；i＝0,1,…,V_kind-1 (8)；

式(7)中同余参数a的具体生成规则为将x_t+2,x_t+3按式(9)映射为x′_t+2∈[3.57,4]，将x_t+2,x_t+3按式(10)映射为x′_t+3，将x′_t+2和x′_t+3分别作为式(2)的系统参数和初始值，将式(2)产生的随机数R，按式(11)量化R′，反复执行式(2)直至R′和V_kind互质，将R′作为a，为消除暂态效应，将迭代产生的前IT,IT＞0个随机数抛弃；

$x_{t+2}^{\′}=3.57+0.43\sqrt{x_{t+2}{x}_{t+3}}---\left(9\right);$

x′_t+3＝0.5(x_t+2+x_t+3) (10)；

式(7)中同余参数b的具体生成规则如式(12)所示：

在第3步中从S_last和S′_last中提取前n个元素作为S_current和S′_current的具体方法为式(23)：

$\begin{array}{c}{S}_{\mathrm{current}}=\mathrm{truncate}(S_{\mathrm{last}},0,n-1)\\ S_{\mathrm{current}}^{\′}=\mathrm{truncate}(S_{\mathrm{last}}^{\′},0,n-1)\end{array}---\left(23\right)$

在第3步中更新S_last和S′_last的具体方式为式(24)，其中l_last是S_last的长度：

S_last＝truncate(S_last,n,l_last-1) (24)。

S′_last＝truncate(S′_last,n,l_last-1)

10.如权利要求7所述的一种基于无权值向量的改进EMD图像密写提取方法，其特征在于：在第4步中由S_current＝(s′_i)_n,S_current＝(s_i)_n计算的具体方法为式(25)：

$T_{adjust}^{\′d}=fetch(S_{current}^{\′},S_{current})---\left(25\right)$

式(25)中，fetch()为提取函数，其执行的具体功能如式(26)所示，式(26)中overflow′()为提取溢出函数，用于避免td_i＝2|td_i＝-2，将2和-2分别转换为-1和1；

${\mathrm{td}}_i={\mathrm{overflow}}^{\′}(s_i^{\′}-s_i);{\mathrm{overflow}}^{\′}\left(v\right)=\left\{\begin{array}{cc}-1& v=2\\ 1& v=-2\\ v& v=0,1,-1\end{array}\right.---\left(26\right);$

在第5步中从T_a′_djust中搜索出对应的行号d并转换为对应的2进制序列的具体方法为式(27)，其中

$\begin{array}{c}{b}_{current-1-i}=d\mathrm{mod}2\\ d=d/2\end{array};i=0,1,...,l_{current-1}---\left(27\right);$

在第6步中将B_current连接到B_fetched尾部的具体方法为式(28)：

B_fetched＝B_fetched||B_current (28)。