CN109829890B - 一种jpeg图像载体安全性评价方法 - Google Patents

一种jpeg图像载体安全性评价方法 Download PDF

Info

Publication number
CN109829890B
CN109829890B CN201811654317.1A CN201811654317A CN109829890B CN 109829890 B CN109829890 B CN 109829890B CN 201811654317 A CN201811654317 A CN 201811654317A CN 109829890 B CN109829890 B CN 109829890B
Authority
CN
China
Prior art keywords
jpeg image
pixel
matrix
pixel pairs
image carrier
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.)
Active
Application number
CN201811654317.1A
Other languages
English (en)
Other versions
CN109829890A (zh
Inventor
王丽娜
徐一波
任魏翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201811654317.1A priority Critical patent/CN109829890B/zh
Publication of CN109829890A publication Critical patent/CN109829890A/zh
Application granted granted Critical
Publication of CN109829890B publication Critical patent/CN109829890B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开一种JPEG图像载体安全性评价方法,其可筛选出具有更高安全性的JPEG图像载体。该方法首先将JPEG图像的亮度分量解压缩到空域中,得到该图像亮度像素矩阵;然后在水平、垂直、右斜上、右斜下四个方向上提取JPEG图像的四种像素对;再将每种方向的像素对看成两个随机变量,并计算这两个随机变量的相关系数;最后将得到的四个相关系数绝对值求平均,得到本发明对JPEG图像载体安全性评价数值C。通过选择具有较小数值C的JPEG图像作为隐写载体,可以提升隐写样本的安全性。

Description

一种JPEG图像载体安全性评价方法
技术领域
本发明涉及计算机信息隐藏技术领域,特别涉及数字图像的隐写或水印等应用。
背景技术
随着网络技术、通信技术和多媒体信号处理技术的迅速发展,信息隐藏作为一种新兴的秘密通信技术,已经成为信息安全领域一个新的研究热点。隐写术是信息隐藏技术的一个重要分支,主要研究如何在公开的多媒体数据中隐藏信息并不被察觉以实现隐蔽通信。隐写分析作为与之对抗的技术,目前主要工作是检测秘密信息的存在性。为了躲避第三方的检测和感知,如何实现安全隐写对于隐写者来说至关重要。隐写样本为了躲避检测者的攻击,需要在考虑各种统计量的保持,以保证嵌入的安全性。
JPEG图像隐写是一种在JPEG图像的DCT系数上嵌入秘密信息的技术。其一般利用最低有效位(Least Significant Bit,LSB)进行改写实现秘密信息嵌入。为了提高隐写算法的安全性,隐写者往往利用各种编码技术试图降低隐写算法对载体图像的修改量,同时选择相对安全的嵌入位置进行隐写。隐写分析则是图像隐写的对抗技术,其主要通过各种数学统计模型捕捉隐写带来的异常,实现隐写检测。除此之外,隐写样本的安全性与隐写算法和嵌入量相关之外,还与隐写载体的选择密切相关。在相同嵌入算法和嵌入量的情况下,选择安全性更高的JPEG图像作为载体可以获得更高的隐写安全性。针对该现象,本发明提出一种JPEG 图像载体安全性评价方法,隐写者可以使用本发明在JPEG图像中选择安全性更高的样本,从而实现具有相对更高安全性的隐写。
发明内容
本发明提出一种JPEG图像载体安全性评价方法。如图1所示,该方法首先将JPEG图像的亮度分量(即YCbCr中的Y分量)解压到空域,得到图像空域亮度像素矩阵(本发明简称其为空域矩阵);然后在水平、垂直、右斜上、右斜下四个方向上提取该JPEG图像的四种像素对;再将每种像素对看成两个随机变量,并计算这两个随机变量的相关系数;最后将得到的四个相关系数绝对值求平均,得到本发明对JPEG图像载体安全性评价数值C。
该发明的技术方案具体包括以下步骤:
步骤1,JPEG图像解压为空域矩阵。将JPEG图像亮度分量解压缩到空域得到空域矩阵,并记为IH×W=(Ii,j)H×W。这里的H和W分别为该JPEG图像的高度和宽度,Ii,j为其中第i行和第j列的空域矩阵数值。由于JPEG的解压是DCT逆变换运算,因此空域矩阵中的像素值是包括正数、负数或者零的小数。
步骤2,提取空域四种方向像素对。在空域像素矩阵IH×W中提取水平、方向、右斜上、右斜下四种方向的像素对。这四种像素对对应的像素位置关系如图2所示。这些像素对可以分别表示为:P=(X,Y),P=(X,Y),
Figure RE-BDA0002027876410000021
其中X={Ii,j},Y={Ii,j+1}, Y={Ii+1,j},
Figure RE-BDA0002027876410000022
分别看作五个像素值随机变量,{·}中的数值看作各自观测值。由于i=2,3,...,H-1且j=2,3,...,W-1,因此在空域像素矩阵IH×W中总共可以观测这五个随机变量(H-2)×(W-2)次,从而可以提取到(H-2)×(W-2)个像素对。
步骤3,计算四种方向上像素对的相关系数。对于每种方向的像素对,分别计算X与Y、 X与Y、X与
Figure RE-BDA0002027876410000023
X与
Figure RE-BDA0002027876410000024
的相关系数,即:
Figure RE-BDA0002027876410000025
Figure RE-BDA0002027876410000026
Figure RE-BDA0002027876410000027
Figure RE-BDA0002027876410000028
这里cov(·)表示协方差的计算,以cov(X,Y)为例,cov(X,Y)=E(XY)-E(X)E(Y)。XY为X和Y的乘积,即随机变量XY={Ii,j·Ii,j+1}。其他协方差计算方法以此类推。另外E(·)和 D(·)分别为均值和方差的计算。
步骤4,计算JPEG图像载体安全性评价数值C。将步骤3中得到的四个相关系数C,C
Figure RE-BDA0002027876410000029
Figure RE-BDA00020278764100000210
分别求各自绝对值并进行均值计算,得到载体安全性评价数值C。
Figure RE-BDA00020278764100000211
显然这里数值C取值在[0,1]内。本发明认为C越小,对应JPEG图像载体安全性相对越高。
附图说明
图1为本发明JPEG图像载体安全性评价方法流程。
图2a为本发明中水平方向的像素对。
图2b为本发明中垂直方向的像素对。
图2c为本发明中右斜上方向的像素对。
图2d为本发明中右斜下方向的像素对。
具体实施方式
本发明的技术方案为一种JPEG图像载体安全性的评估方法,用于隐写前载体选择,以保证隐写样本具有更高的安全性。总体过程包括载体安全性数值C计算和载体选择两个过程。应用实施步骤如下:
步骤1,JPEG图像解压为空域矩阵。将JPEG图像亮度分量解压缩到空域得到空域矩阵,并记为IH×W=(Ii,j)H×W。这里的H和W分别为该JPEG图像的高度和宽度,Ii,j为其中第i行和第j列的空域矩阵数值。由于JPEG的解压是DCT逆变换运算,因此空域矩阵中的像素值是包括正数、负数或者零的小数。
步骤2,提取空域四种方向像素对。在空域像素矩阵IH×W中提取水平、方向、右斜上、右斜下四种方向的像素对。这四种像素对对应的像素位置关系如图2所示。这些像素对可以分别表示为:P=(X,Y),P=(X,Y),
Figure RE-BDA0002027876410000031
其中X={Ii,j},Y={Ii,j+1}, Y={Ii+1,j},
Figure RE-BDA0002027876410000032
分别看作五个像素值随机变量,{·}中的数值看作各自观测值。由于i=2,3,...,H-1且j=2,3,...,W-1,因此在空域像素矩阵IH×W中总共可以观测这五个随机变量(H-2)×(W-2)次,从而可以提取到(H-2)×(W-2)个像素对。
步骤3,计算四种方向上像素对的相关系数。对于每种方向的像素对,分别计算X与Y、 X与Y、X与
Figure RE-BDA0002027876410000033
X与
Figure RE-BDA0002027876410000034
的相关系数,即:
Figure RE-BDA0002027876410000035
Figure RE-BDA0002027876410000036
Figure RE-BDA0002027876410000041
Figure RE-BDA0002027876410000042
这里cov(·)表示协方差的计算;
以cov(X,Y)为例,cov(X,Y)=E(XY)-E(X)E(Y)。XY为X和Y的乘积,即随机变量XY={Ii,j·Ii,j+1}。其他协方差计算方法以此类推。另外E(·)和D(·)分别为均值和方差的计算。
步骤4,计算JPEG图像载体安全性评价数值C。将步骤3中得到的四个相关系数C,C
Figure RE-BDA0002027876410000043
Figure RE-BDA0002027876410000044
分别求各自绝对值并进行均值计算,得到载体安全性评价数值C。
Figure RE-BDA0002027876410000045
显然这里数值C取值在[0,1]内。本发明认为C越小,对应JPEG图像载体安全性相对越高。
下面介绍采用上述方法的具体案例。
步骤1,准备一批具有相同尺寸和质量因子的JPEG图像作为隐写的候选载体。使用本发明的方法计算每个JPEG图像的安全性评价数值C,显然这里0≤C≤1。
步骤2,选择数值C尽可能低的JPEG图像进行隐写嵌入,即可得到具有较高安全性的隐写图像。
本文中所描述的具体实施仅仅是对本发明精神作具体说明。本发明仅针对使用相关系数进行图像载体安全性评价的应用。本发明所属技术领域的技术人员可以对所描述的具体实施例进行各种微调修改或补充或采用类似的方法替代,例如直接使用本发明中的方法进行位图图像的安全性评价,但并不会偏离本发明的精神或者超越所付权利要求书所定义的范围。

Claims (1)

1.一种JPEG图像载体安全性评价方法,其特征在于,
步骤1,将JPEG图像解压为空域矩阵,具体方法是:将JPEG图像亮度分量解压缩到空域得到空域矩阵,并记为IH×W=(Ii,j)H×W;其中H和W分别为该JPEG图像的高度和宽度,Ii,j为其中第i行和第j列的空域矩阵数值;空域矩阵中的像素值是包括正数、负数或者零的小数;
步骤2,提取空域四种方向像素对;在空域像素矩阵IH×W中提取水平、垂直、右斜上、右斜下四种方向的像素对;这些像素对分别表示为:P=(X,Y),P=(X,Y),
Figure FDA0003814052680000011
其中X={Ii,j},Y={Ii,j+1},Y={Ii+1,j},
Figure FDA0003814052680000012
Figure FDA0003814052680000013
分别看作五个像素值随机变量,{·}中的数值看作各自观测值;由于i=2,3,…,H-1且j=2,3,…,W-1,因此在空域像素矩阵IH×W中总共可以观测这五个随机变量(H-2)×(W-2)次,从而可以提取到(H-2)×(W-2)个像素对;
步骤3,计算四种方向上像素对的相关系数;对于每种方向的像素对,分别计算X与Y、X与Y、X与
Figure FDA0003814052680000014
X与
Figure FDA0003814052680000015
的相关系数,即:
Figure FDA0003814052680000016
Figure FDA0003814052680000017
Figure FDA0003814052680000018
Figure FDA0003814052680000019
这里cov(·)表示协方差的计算,以cov(X,Y)为例,
cov(X,Y)=E(XY)-E(X)E(Y);XY为X和Y的乘积,即随机变量XY={Ii,j·Ii,j+1};其他协方差计算方法以此类推;另外E(·)和D(·)分别为均值和方差的计算;
步骤4,计算JPEG图像载体安全性评价数值C;将步骤3中得到的四个相关系数C,C
Figure FDA0003814052680000021
Figure FDA0003814052680000022
分别求各自绝对值并进行均值计算,得到载体安全性评价数值C;
Figure FDA0003814052680000023
显然这里数值C取值在[0,1]内。
CN201811654317.1A 2018-12-29 2018-12-29 一种jpeg图像载体安全性评价方法 Active CN109829890B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811654317.1A CN109829890B (zh) 2018-12-29 2018-12-29 一种jpeg图像载体安全性评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811654317.1A CN109829890B (zh) 2018-12-29 2018-12-29 一种jpeg图像载体安全性评价方法

Publications (2)

Publication Number Publication Date
CN109829890A CN109829890A (zh) 2019-05-31
CN109829890B true CN109829890B (zh) 2022-10-11

Family

ID=66861470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811654317.1A Active CN109829890B (zh) 2018-12-29 2018-12-29 一种jpeg图像载体安全性评价方法

Country Status (1)

Country Link
CN (1) CN109829890B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110728613B (zh) * 2019-09-18 2021-03-16 武汉大学 基于块效应的非加性失真jpeg图像隐写方法
CN111222560B (zh) * 2019-12-30 2022-05-20 深圳大学 一种图像处理模型生成方法、智能终端及存储介质
CN116823599B (zh) * 2023-08-29 2023-11-17 湖北微模式科技发展有限公司 一种基于图片隐写的操作记录可回溯方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447646A (zh) * 2016-06-28 2017-02-22 中国人民解放军陆军军官学院 一种用于无人机图像的质量盲评价方法
CN107808100A (zh) * 2017-10-25 2018-03-16 中国科学技术大学 针对特定测试样本的隐写分析方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10032265B2 (en) * 2015-09-02 2018-07-24 Sam Houston State University Exposing inpainting image forgery under combination attacks with hybrid large feature mining

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447646A (zh) * 2016-06-28 2017-02-22 中国人民解放军陆军军官学院 一种用于无人机图像的质量盲评价方法
CN107808100A (zh) * 2017-10-25 2018-03-16 中国科学技术大学 针对特定测试样本的隐写分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《Medical JPEG Image Steganography based on Preserving Inter-Block Dependencies》;Liao X et al;《ScienceDirect》;20170825;全文 *
《彩色图像通用隐写分析技术研究》;杨雪;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170715(第2017年第07期);全文 *

Also Published As

Publication number Publication date
CN109829890A (zh) 2019-05-31

Similar Documents

Publication Publication Date Title
Aslantas A singular-value decomposition-based image watermarking using genetic algorithm
CN107067389B (zh) 一种图像篡改盲取证方法
Su et al. A blind dual color images watermarking based on singular value decomposition
Cheema et al. A novel optimized semi-blind scheme for color image watermarking
Bhowmik et al. Visual attention-based image watermarking
Xu et al. An improved least-significant-bit substitution method using the modulo three strategy
CN109829890B (zh) 一种jpeg图像载体安全性评价方法
CN105469353B (zh) 水印图像的嵌入方法和装置及提取方法和装置
CN107833189A (zh) 对比受限自适应直方图均衡的水下目标探测图像增强方法
Lee et al. Two-stage false contour detection using directional contrast and its application to adaptive false contour reduction
Su et al. Visualized multiple image selection encryption based on log chaos system and multilayer cellular automata saliency detection
Zhu et al. Destroying robust steganography in online social networks
Huo et al. High‐dynamic range image generation from single low‐dynamic range image
Xin et al. Specular reflection image enhancement based on a dark channel prior
Shang et al. Robust data hiding for JPEG images with invertible neural network
CN110211016A (zh) 一种基于卷积特征的水印嵌入方法
Jana et al. A new DCT based robust image watermarking scheme using cellular automata
CN109003247B (zh) 彩色图像混合噪声的去除方法
Liu et al. Optimal blind watermarking for color images based on the U matrix of quaternion singular value decomposition
Yang et al. Reversible data hiding in JPEG images based on coefficient-first selection
He et al. A night low‐illumination image enhancement model based on small probability area filtering and lossless mapping enhancement
CN115222606A (zh) 图像处理方法、装置、计算机可读介质及电子设备
Deng et al. Color image watermarking using regularized extreme learning machine
Chang et al. Image quality evaluation based on gradient, visual saliency, and color information
Wang et al. Enhancement of low-light image based on wavelet u-net

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant