CN108898538A - 一种融合lbp特征的图像空域隐写算法 - Google Patents

Abstract

本发明公开了一种融合LBP特征的图像空域隐写算法：提取载体图像中的LBP特征；利用LBP特征的旋转不变特性以及跳度信息对LBP特征进行两次分类，对每一类LBP特征附加权值；计算载体图像经过方向滤波器组之后的残差；使用范数将各个方向得到的残差值合并，将其定义为损失函数；将得到的损失函数与权值相乘，得到更新后的损失值；对更新后的损失值进行平滑处理；选用STC编码按照得到的失真值D_ij在载体图像中嵌入秘密信息。本发明通过提取图像中像素LBP值，并根据LBP特征值对图像像素进行分类，再结合现有的自适应隐写方案，完成秘密信息的隐写过程，提高了抗隐写分析性能，进而实现了图像中的秘密信息的安全传输。

Description

一种融合LBP特征的图像空域隐写算法

技术领域

本发明属于图像处理领域，更具体的说，是涉及一种融合LBP特征的图像空域隐写算法。

背景技术

隐写技术是信息隐藏的一个重要分支，其最重要的特点是不可检测性，其目的是在不改变数字媒介整体感官质量的条件下，将秘密信息嵌入到数字媒介的冗余位中，进而实现通信双方的隐蔽通信，而不被其他用户察觉通信痕迹。数字图像由于具备使用范围广、传播传输方便、信息冗余多等诸多特点，成为了信息隐藏的主要载体。

数字图像的隐写方案可以分为两类：自适应隐写和非自适应隐写。最初被广泛应用的最低有效位(Least Significant Bit，LSB)隐写算法就是最为典型的非自适应隐写算法，该算法在完全不考虑图像内容的情况下，将二进制的秘密信息嵌入到图像的最低位平面上，由于二进制秘密信息和最低有效位平面的分布均呈现出杂乱的噪声的形式，故将秘密信息嵌入其中，不易被察觉。随着隐写分析技术的发展，非自适应隐写算法的安全性逐渐下滑。进而提出了内容自适应隐写的思想，该算法设计是根据图像的内容纹理特征，选择嵌入信息的位置以及嵌入方式。相较于随机嵌入信息的非自适应隐写算法，自适应隐写算法能够将秘密信息嵌入到不易被隐写分析算法检测到的区域，安全性更高。因此，自适应隐写算法一直是近几年的研究热点。

自适应隐写算法可以分为两步进行设计：首先设计图像损失函数，然后根据图像中每个像素的嵌入损失值，对秘密信息进行编码嵌入。损失是指秘密信息嵌入图像之后的改变量以及对嵌入元素位置周围的信息特征的影响，其载体图像的改变量及修改影响越小，则图像损失越小，被隐写分析器检测出有秘密信息存在的概率就越小，通信就越安全。2011年Filler等在利用最小化加性损失设计模型的基础上，提出一种信息嵌入的校验格编码(Syndrome Trellis Coding，STC)方案，该方案能够很好的解决自适应隐写中的编码算法问题，其编码效率已接近理论上界，因此图像隐写可简化为只需设计图像损失函数。

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，提出了一种融合LBP特征的图像空域隐写算法，该算法通过提取图像中像素LBP值，并根据LBP特征值对图像像素进行分类，再结合现有的自适应隐写方案，完成秘密信息的隐写过程，提高了抗隐写分析性能，进而实现了图像中的秘密信息的安全传输。

本发明的目的是通过以下技术方案实现的。

本发明的融合LBP特征的图像空域隐写算法，包括以下步骤：

步骤一，提取载体图像cover中的LBP特征；

步骤二，利用LBP特征的旋转不变特性以及跳度信息对LBP特征进行两次分类，分别对每一类LBP特征附加权值；

步骤三，计算载体图像经过方向滤波器组之后的残差；

其中，Res^(k)表示第k个方向上的残差，代表卷积，F^(k)表示第k个方向上的滤波器；

步骤四，使用范数将各个方向得到的残差值合并，将其定义为损失函数：

步骤五，将得到的损失函数与步骤二中的权值相乘，得到更新后的损失值

步骤六，对更新后的损失值进行平滑处理：

其中，gaussian为13阶高斯低通滤波器；

步骤七，选用STC编码按照步骤六得到的失真值D_ij在载体图像中嵌入秘密信息，得到隐写图像。

与现有技术相比，本发明的技术方案所带来的有益效果是：

本发明通过提取LBP特征，根据其分类的不同赋值不同的权值，并与典型隐写算法中得到的损失值相乘得到新的损失函数值，结合STC编码技术按照最终的损失值嵌入秘密信息，能够进一步优化秘密信息的嵌入位置，有助于提高抗隐写分析性能。

附图说明

图1是本发明方法实验LBP旋转不变特性图；

图2是本发明方法实验STC的编码过程；

图3是本发明方法实验载体图像(来源BOSSBase1.01-1013.pgm)；

图4是本发明方法实验载体图像中嵌入104858比特信息的位置分布；

图5是本发明方法实验得到的隐写图像。

具体实施方式

下面结合附图对本发明作进一步的描述。

本发明的融合LBP特征的图像空域隐写算法，首先提取载体图像的LBP特征并对其进行分类，分别给每一类赋值一个权值，跳度越大表示该像素位置的图像纹理复杂度越大。然后结合WOW隐写算法，通过构造水平、垂直和对角三方向的滤波器组对载体图像进行滤波计算，得到载体图像中难以建模的纹理复杂区域，通过范数的形式将三方向的残差值进行合并，得到图像损失。其次使用与LBP跳度分类权值相乘的方式更新损失值，然后使用均值滤波器对复杂区域进行平滑处理，增加嵌入信息区域相邻像素间的相关性，最后使用SCT编码按照最终得到的失真值将秘密信息嵌入到载体图像中。

本发明在研究图像局部二进制模型(Local Binary Patterns，LBP)特征的基础上，提出了一种融合LBP特征的图像空域隐写算法，即将LBP特征与典型空域隐写相融合的图像自适应隐写方法，属于信息安全领域中的信息隐藏子领域。具体包括以下步骤：

一、提取载体图像cover中的LBP特征。

载体图像的LBP特征是由T.Ojala等人在1994年对比研究了多种纹理算子(例如Laws纹理算子、灰度级的纹理算子)后提出的用于提取图像纹理特征的算子，它描述的是载体图像的局部纹理，因其操作简单、识别度高而被广泛使用。本发明主要研究原始的LBP算子，在大小为3×3的窗口中，共有9个像素，规定p_c为中心像素点。其邻域的像素点依次是p₀,p₁,...p₇，则载体图像中某一点像素的LBP特征可由式(1)和式(2)求得。

式(1)表示中心像素与其8邻域像素以此相比较，如果邻域像素值大于中心像素值，则该像素位置被赋值为1，否则赋值为0。将得到的D_i(i＝0,1,...7)值顺序排列，可以看做一个二进制形式的数，将其转化为十进制即为该像素点的LBP特征。

二、利用LBP特征的旋转不变特性以及跳度信息对LBP特征进行两次分类，得到如表1所示的分类结果，分别对每一类LBP特征附加权值。

由于选择起始像素点位置的不同，同一个像素点的LBP特征会有差异，根据Pietikinen等人提出的一种旋转不变特性的LBP算子，对LBP特征值进行初分类。如图1所示，以最小值为3(二进制：00000011)为例说明LBP旋转不变特性。

为了更好地了解载体图像的纹理，更好地分析载体图像内容，完成秘密信息自适应的嵌入，还需要将LBP特征值进行二次分类。定义在二进制表示的数字中，由0变化到1或者由1变化到0认为是1个跳度。例如数字4(二进制：00000100)从第二位0变化到第三位1，认为是1跳度，所以数字的跳度为2。

根据上述两种方式可将LBP特征值分为5类，分类结果如表1所示。

表1 LBP特征值的分类

三、计算载体图像经过方向滤波器组之后的残差：

其中，Res^(k)表示第k个方向上的残差，代表卷积，F^(k)表示第k个方向上的滤波器。

四、使用范数将各个方向得到的残差值合并，将其定义为损失函数：

五、将得到的损失函数与步骤二中的权值相乘，得到更新后的损失值

六、对更新后的损失值进行平滑处理：

其中，gaussian为13阶高斯低通滤波器；

七、秘密信息的嵌入和提取都可以通过现在已有的成熟编码算法实现，本发明选用STC编码按照步骤六得到的失真值D_ij在载体图像中嵌入秘密信息，得到隐写图像。

STC(Syndrome-Trellis Codes)编码是对于一般隐写嵌入操作(非二进制)过程中，能够最小化嵌入损失的一种嵌入方法。在基于双卷积码的维特比算法的基础上，使用校验格编码方式嵌入信息，能够实现两元、三元甚至是多元信息的嵌入。STC编码通过找到一个奇偶校验矩阵建立一种表示图像的网格，之后结合像素的损失值以及维特比法则找到一条距离最小的路径，即最优路径。STC的编码过程如图2所示，STC编码用到的奇偶校验矩阵如下：

子矩阵

奇偶校验矩阵：

奇偶校验矩阵H是由子矩阵组合得到，设子矩阵的宽和高分别为ω和h，则进一步可得到相对损失α＝1/ω以及约束长度h。消息接受者通过Hy^T＝m(其中，y表示嵌入信息后得到的隐写图像序列，m为原始嵌入的信息)即可计算出被发送的信息，和其他隐写术编码方案相比，STC编码适应性更高，适用于各种加性损失的度量，可通过改变参数来调节隐写速率和嵌入效率，能满足不同需求的应用环境。

在具体实验中，如图3，当选取BOSSBase1.01图像库编号为1013、尺寸为512×512的灰度图像作为载体图像，在信息嵌入率为0.4bbp(Bits per Pixel)时，总嵌入信息量高达104858比特，如图4。如图5，使用本文算法得到的隐写图像，其PSNR值相较于原始隐写算法有所提高，载体图像质量优于使用原始隐写算法得到的载体图像。

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 (1)

1.一种融合LBP特征的图像空域隐写算法，其特征在于，包括以下步骤：

步骤一，提取载体图像cover中的LBP特征；

步骤二，利用LBP特征的旋转不变特性以及跳度信息对LBP特征进行两次分类，分别对每一类LBP特征附加权值；

步骤三，计算载体图像经过方向滤波器组之后的残差；

其中，Res^(k)表示第k个方向上的残差，代表卷积，F^(k)表示第k个方向上的滤波器；

步骤四，使用范数将各个方向得到的残差值合并，将其定义为损失函数：

步骤五，将得到的损失函数与步骤二中的权值相乘，得到更新后的损失值

步骤六，对更新后的损失值进行平滑处理：

其中，gaussian为13阶高斯低通滤波器；

步骤七，选用STC编码按照步骤六得到的失真值D_ij在载体图像中嵌入秘密信息，得到隐写图像。