CN109874014A - 基于像素向量的彩色图像隐写方法及其系统 - Google Patents
基于像素向量的彩色图像隐写方法及其系统 Download PDFInfo
- Publication number
- CN109874014A CN109874014A CN201910012874.1A CN201910012874A CN109874014A CN 109874014 A CN109874014 A CN 109874014A CN 201910012874 A CN201910012874 A CN 201910012874A CN 109874014 A CN109874014 A CN 109874014A
- Authority
- CN
- China
- Prior art keywords
- layer
- modification
- close
- cost
- color image
- 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.)
- Granted
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于像素向量的彩色图像隐写方法及其系统,所述基于像素向量的彩色图像隐写方法包括步骤:通过彩色图像的彩色像素向量计算修改CPV代价;分解修改CPV代价并将秘密信息自适应嵌入到彩色图像的各图层得到载密图层;根据各载密图层输出载密图像。由于修改代价直接使用彩色像素向量计算,秘密信息根据修改代价自适应的分配到各个图层,而不是平均分配,考虑了图层间的关系,更能抵抗隐写分析的检测,特别是抵抗彩色隐写特征的检测。
Description
技术领域
本发明属于信息安全领域,涉及隐写技术领域,尤其涉及的是一种基于像素向量的彩色图像隐写方法及其系统。
背景技术
现代隐写术(Steganography)是将信息嵌入到数字媒体,如图像、音频、视频等,实现隐密通讯的一种技术手段。
现有技术中彩色图像(Color image,CI)隐写时,一般是将每一个彩色图像层(Color channel,CC)当作一个独立的灰度图像(Gray-scale image,GI),把要传递的秘密信息平均分段,分别嵌入到每一图像层中。其安全性比较差,比较容易被隐写分析工具检查出来。
因此,现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于像素向量的彩色图像隐写方法及其系统,旨在解决现有技术中彩色图像隐写的安全性比较差的问题。
本发明解决技术问题所采用的技术方案如下:
一种基于像素向量的彩色图像隐写方法,其中,包括步骤:
通过彩色图像的彩色像素向量计算修改CPV代价;
分解修改CPV代价并将秘密信息自适应嵌入到彩色图像的各图层得到载密图层;
根据各载密图层输出载密图像。
所述基于像素向量的彩色图像隐写方法,其中,所述通过彩色图像的彩色像素向量计算修改CPV代价步骤具体包括:
将彩色图像的各图层与高通滤波器进行卷积计算得到残差图像;
将残差图像通过向量积滤波计算残差相关系数得到RCL图像;
根据RCL图像计算敏感系数得到SI图像;
将SI图像与低通滤波器进行卷积计算得到修改CPV代价。
所述基于像素向量的彩色图像隐写方法,其中,所述分解修改CPV代价并将秘密信息自适应嵌入到彩色图像的各图层得到载密图层步骤具体包括:
根据修改CPV代价计算CPV第一像素的修改概率,通过第一像素的修改概率得到分配到第一图层的秘密信息长度和第一图层像素的分解代价,根据第一图层的分解代价和第一图层的秘密信息长度将秘密信息嵌入到第一图层得到第一载密图层。
所述基于像素向量的彩色图像隐写方法,其中,所述分解修改CPV代价并将秘密信息自适应嵌入到彩色图像的各图层得到载密图层步骤还包括:
根据第一图层和第一载密图层得到第一图层修改摄动,并在第一图层修改摄动的条件下,根据修改CPV代价计算第二图层的条件修改概率,得到第二图层的秘密信息长度和第二图层的条件修改代价,根据第二图层的秘密信息长度和第二图层的条件修改代价将秘密信息嵌入到第二图层得到第二载密图层;
根据第二图层和第二载密图层得到第二图层修改摄动,并在第一修改摄动、第二修改摄动的条件下,根据修改CPV代价计算第三图层的条件修改概率,得到第三图层的条件修改代价,根据第三图层的条件修改代价将余下的秘密信息嵌入到第三图层得到第三载密图层。
所述基于像素向量的彩色图像隐写方法,其中,所述根据各载密图层输出载密图像步骤具体包括:
根据第一载密图层、第二载密图层以及第三载密图层输出载密图像。
一种基于彩色像素向量CMD的彩色图像隐写方法,其中,包括步骤:
将彩色图像拆分为若干个子图像,并将秘密信息拆分为若干个相应的子信息;
采用如上述任意一项所述基于像素向量的彩色图像隐写方法,将某一子图像嵌入相应的子信息得到载密子图像;
将载密子图像更新到载密图像,并将载密子图像与子图像相减得到子图像修改摄动;
根据子图像修改摄动依次计算下一子图像的修正代价,并根据下一子图像的修正代价得到下一载密子图像;
当所有秘密信息嵌入完时,根据各载密子图像输出载密图像。
一种基于像素向量的彩色图像隐写系统,其中,包括:处理器,以及与所述处理器连接的存储器,
所述存储器存储有基于像素向量的彩色图像隐写程序,所述基于像素向量的彩色图像隐写程序被所述处理器执行时实现以下步骤:
通过彩色图像的彩色像素向量计算修改CPV代价;
分解修改CPV代价并将秘密信息自适应嵌入到彩色图像的各图层得到载密图层;
根据各载密图层输出载密图像。
所述基于像素向量的彩色图像隐写系统,其中,所述基于像素向量的彩色图像程序被所述处理器执行时,还实现以下步骤:
将彩色图像的各图层与高通滤波器进行卷积计算得到残差图像;
将残差图像通过向量积滤波计算残差相关系数得到RCL图像;
根据RCL图像计算敏感系数得到SI图像;
将SI图像与低通滤波器进行卷积计算得到修改CPV代价。
所述基于像素向量的彩色图像隐写系统,其中,所述基于像素向量的彩色图像程序被所述处理器执行时,还实现以下步骤:
根据修改CPV代价计算CPV第一像素的修改概率,通过第一像素的修改概率得到分配到第一图层的秘密信息长度和第一图层像素的分解代价,根据第一图层的分解代价和第一图层的秘密信息长度将秘密信息嵌入到第一图层得到第一载密图层。
所述基于像素向量的彩色图像隐写系统,其中,所述基于像素向量的彩色图像程序被所述处理器执行时,还实现以下步骤:
根据第一图层和第一载密图层得到第一图层修改摄动,并在第一图层修改摄动的条件下,根据修改CPV代价计算第二图层的条件修改概率,得到第二图层的秘密信息长度和第二图层的条件修改代价,根据第二图层的秘密信息长度和第二图层的条件修改代价将秘密信息嵌入到第二图层得到第二载密图层;
根据第二图层和第二载密图层得到第二图层修改摄动,并在第一修改摄动、第二修改摄动的条件下,根据修改CPV代价计算第三图层的条件修改概率,得到第三图层的条件修改代价,根据第三图层的条件修改代价将余下的秘密信息嵌入到第三图层得到第三载密图层。
有益效果:由于修改代价直接使用彩色像素向量计算,秘密信息根据修改代价自适应的分配到各个图层,而不是平均分配,考虑了图层间的关系,更能抵抗隐写分析的检测,特别是抵抗彩色隐写特征的检测。
附图说明
图1是本发明中基于像素向量的彩色图像隐写方法的第一流程图。
图2是本发明中基于像素向量的彩色图像隐写方法的第二流程图。
图3是本发明中基于像素向量的彩色图像隐写方法的第三流程图。
图4是本发明中实施例一的具体实施例的模拟器与STCs嵌入测试结果图。
图5是本发明中基于像素向量的彩色图像隐写方法的第四流程图。
图6是本发明中基于像素向量的彩色图像隐写系统的功能原理图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例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。
请同时参阅图1-图5,本发明提供了一种基于像素向量的彩色图像隐写方法的一些实施例。
实施例一
现有技术中,多数数字图像隐写算法基于最小失真模型设计。现有的数字图像隐写算法主要针对灰度图像设计,在扩展到彩色图像时,一般是将秘密信息按图像层等分成几份,然后把每一个图像层当成一个独立的灰度图像,分别将每段秘密信息嵌入到各层中。其优化问题如下:
其中,D表示失真,min表示取最小操作,∑表示求和操作,π表示修改概率;ρ表示修改代价;∈表示属于,I表示图像的长度,上标(q)表示像素序号,下标G、R以及B表示图层,通常分为G(Gree,绿色)、R(Red,红色)以及B(Blue,蓝色)三个图层;s.t.表示当且仅当,h表示信息熵,L是秘密信息的长度,log表示求对数操作,△x表示修改模式,即像素修改摄动,M={-1,0,1}。
在对抗使用彩色特征,如CRMQ1、SCRMQ1、SCRMQ1+GTM和SCRMQ1+SGF等的隐写分析时,现有隐写技术的安全性表现比较差,比较容易被这些隐写分析工具检查出来。
如图1和图5所示,本发明的一种基于像素向量的彩色图像隐写方法,包括如下步骤:
步骤S100、通过彩色图像的彩色像素向量计算修改CPV代价。
本发明考虑彩色图像不同图层的关系,基于彩色像素向量(Color pixel vector,CPV)设计隐写方法,提高彩色图像隐写安全性。彩色像素向量由不同图层的相同坐标的像素组成,用和分别表示载体图像和载密图像第i行第j列的彩色像素向量,本实施例中载密图像为彩色图像,下标1、2以及3表示图层序号。跟现有技术基于像素设计修改代价不同,本发明直接基于像素向量设计修改CPV代价,得到各种修改模式的代价向量。得到代价向量后,将其分解成像素修改代价,然后使用最优编码技术,如并发网格编码(Syndrome-trellis codes,STCs)等,将秘密信息嵌入到图像中,得到彩色载密图像。
因此,本发明的优化问题为:
其中,D'表示失真,具体是指本发明中的失真,min表示取最小操作,∑表示求和操作,π表示修改概率;ρ表示图层修改代价;∈表示属于,I表示图像的长度,上标(q)表示向量序号,相当于向量的坐标,因此有时也使用(i,j)的方式表示第i行第j列的元素,与现有技术不同的是,现有技术中采用单层图像,而本发明中直接采用彩色像素向量,因此,这里(q)表示向量序号;下标G、R以及B表示图层序号,通常分为G(Gree,绿色)、R(Red,红色)以及B(Blue,蓝色)三个图层,当然也可以采用1、2以及3来表示;s.t.表示当且仅当,h表示信息熵,L是秘密信息的长度,log表示求对数操作,△x表示修改模式,即像素修改摄动,M={-1,0,1}。
如图2所示,所述步骤S100具体包括以下步骤:
步骤S110、将彩色图像的各图层与高通滤波器进行卷积计算得到残差图像。
具体地,每一图层分别与一个给定的二维高通滤波器进行卷积计算,得到对应的残差图像。残差图像采用如下公式计算:
其中,Rm表示残差图像,Xm表示第m图层,m=1,2,3;H表示二维高通滤波器,表示二维卷积。
步骤S120、将残差图像通过向量积滤波计算残差相关系数得到RCL图像。
具体地,残差相关系数采用如下公式计算:
其中,l表示残差相关系数,r表示残差向量,u表示相邻元素的序号,U表示相邻元素的序号集,如8邻域,||表示取绝对值操作,∥∥表示取向量积操作。
向量积的模值采用如下公式计算:
其中,a,b表示向量,本发明中a=(a1,a2,a3),b=(b1,b2,b3),sin表示正弦函数。
残差相关系数组成RCL图像。
针对3元修改模式(Ternary embedding mode,TEM),即Δx∈M={-1,0,1},彩色像素向量的修改模式Δx=(Δx1,Δx2,Δx3)将有27种形式,用k=0~26表示,换算公式如下。
k=32z1+3z2+z3
其中,m=1,2,3,zm为中间变量。
假设使用不同的修改模式修改第q像素向量而保持其它像素向量不变,就可以计算不同修改模式下的残差相关系数,相应的得到L0~L26共27个RCL图像。显见,L0代表了没有任何修改的RCL图像。
步骤S130、根据RCL图像计算敏感系数得到SI图像。
敏感系数表征了不同修改摄动的影响,采用如下公式计算:
其中,s表示敏感系数。敏感系数组成SI图像,即Sk,相应地,也有27种对应的SI图像。
步骤S140、将SI图像与低通滤波器进行卷积计算得到修改CPV代价。
SI图像经过一次二维低通滤波计算后,得到修改CPV代价。修改CPV代价采用如下公式计算:
其中ρk表示第k个修改CPV代价,Sk表示第k个SI图像,F表示二维低通滤波器。对应修改模式Δx=0的修改CPV代价ρ0=0。
步骤S200、分解修改CPV代价并将秘密信息自适应嵌入到彩色图像的各图层得到载密图层。
最小特征框架下,使用3元并发网格编码(Syndrome-trellis codes,STCs)嵌入信息。为实现3元STCs嵌入,使用De-joint技术,将27元的修改CPV代价向量分解到单个像素。
基于Gibbs分布,基于27元修改CPV代价的修改概率计算如下。
其中,λ是由负载约束决定的常数。
所述步骤S200具体包括以下步骤:
步骤S210、根据修改CPV代价计算CPV第一像素的修改概率,通过第一像素的修改概率得到分配到第一图层的秘密信息长度和第一图层像素的分解代价,根据第一图层的分解代价和第一图层的秘密信息长度将秘密信息嵌入到第一图层得到第一载密图层。
CPV第一像素的修改概率p1采用如下公式计算:
第一图层的分解代价ξ1采用如下公式计算:
第一图层的秘密信息长度L1采用如下公式计算:
可见,ξ是3元代价,可以使用STCs将前L1位秘密信息嵌入到第一图层X1得到第一载密图层Y1。
步骤S220、根据第一图层和第一载密图层得到第一图层修改摄动,并在第一图层修改摄动的条件下,根据修改CPV代价计算第二图层的条件修改概率,得到第二图层的秘密信息长度和第二图层的条件修改代价,根据第二图层的秘密信息长度和第二图层的条件修改代价将秘密信息嵌入到第二图层得到第二载密图层。
具体地,通过第一载密图层Y1和第一图层X1,两者相减得到第一图层修改摄动,即△X1=Y1-X1。
在第一图层嵌入后,CPV第二图层的条件修改概率p2|1采用如下公式计算:
其中,p(1,2)为CPV第一、二像素的联合修改概率。CPV第一像素的修改概率p1,具体为其中△x1是参照第一图层修改摄动△X1得到的,是确定值。
第二图层的条件修改代价ξ2采用如下公式计算:
第二图层的秘密信息长度L2采用如下公式计算:
使用STCs将除去秘密信息的前L1位之后,前L2位秘密信息嵌入到第二图层X2得到第二载密图层Y2。
步骤S230、根据第二图层和第二载密图层得到第二图层修改摄动,并在第一修改摄动、第二修改摄动的条件下,根据修改CPV代价计算第三图层的条件修改概率,得到第三图层的条件修改代价,根据第三图层的条件修改代价将余下的秘密信息嵌入到第三图层得到第三载密图层。
具体地,通过第二载密图层Y2和第二图层X2,两者相减得到第二图层修改摄动,即△X2=Y2-X2。
在第一、二图层都已经嵌入的情况下,CPV第三个像素的条件修改概率采用如下公式计算:
其中,π(q)(Δx1,Δx2,Δx3)为CPV联合修改概率,CPV第-、二像素的联合修改概率p(1,2),具体为其中△x1是参照第一图层修改摄动△X1得到的,是确定值;△x2是参照第二图层修改摄动△X2得到的,是确定值。
第三图层的条件修改代价ξ3采用如下公式计算:
第三图层的秘密信息长度L3采用如下公式计算:
L3=L-L1-L2
使用STCs将后L3位秘密信息嵌入到第三图层X3得到第三载密图层Y2。
步骤S300、根据各载密图层输出载密图像。
所述步骤S300具体包括:根据第一载密图层、第二载密图层以及第三载密图层输出载密图像。
在实施例一的具体实施例中,采用两个彩色图像数据库,BOSS-LAN和BOSS-BIL,来进行验证比较。这两个彩色图像库由彩色图像库BOSSBase生成,其中,每个图像库都包含10000张512×512×3维的可移植像素映射格式(Portable Pixmap Format,PPM)的彩色图像。用测试错误率PE(Probability of error,PE)来评价隐写性能:
其中,PMD、PFA分别表示漏检(Missing detection)和虚警(False alarm)的概率。PE越大表明隐写安全性越高。使用基于Fisher线性判别器(Fisher linear discriminant,FLD)的集成分类器(Ensemble classifier)进行分类。使用现有的WOW、S-SUNIWARD、HILL和MiPOD技术做对比。使用彩色图像隐写分类特征SRMQ1、CRMQ1、SCRMQ1(本特征是SRMQ1和CRMQ1的组合)、SCRMQ1+GTM和SCRMQ1+SGF进行分类。把载体和载密图像按5000/5000的比例成对随机划分成训练和测试集,取10次这样划分的测试结果的平均值作为最后的结果。本发明使用像素向量CPV直接计算修改CPV代价,隐写算法简写成CPV。
现有技术评价时,一般使用3元模拟器生成载密图像,而实际操作中,使用3元STCs编码嵌入信息。图4显示了分别用3元模拟器、27元模拟器和3元STCs生成载密图像的性能比较。图4中,负载(Payload)α的范围从0.1bpcc到0.5bpcc,STCs的参数h=10.可见,27元模拟器和3元模拟器生成载密图像的性能非常接近,STCs生成的载密图像的性能比模拟器略差。因此,可以用27元模拟器作为本技术的载密图像生成器,与现有技术的3元模拟器生成的载密图像比较性能。后面的对比测试,使用模拟器生成载密图像。
本发明与现有技术的性能比较如下表所示。
表1本发明与现有技术的性能比较
表1中,带-CMD后缀的是彩色像素向量CMD版本,即增强隐写性能版本。可见:
1)本发明技术抵抗彩色隐写特征(如CRMQ1)检测的性能最好;
2)即使在平面特征SRMQ1检测下本技术的性能不是最好,但组合特征后,如SCRMQ1、SCRMQ1+GTM和SCRMQ1+SGF,本发明技术的隐写性能还是最好的;
3)无论是基础版本还是彩色CMD增加版本,本发明技术抵抗隐写分析的性能最好。
本发明技术使用不同嵌入顺序的性能对比如下表所示。
表2不同嵌入顺序的性能对比
表2中,负载α的范围是0.1bpcc到0.5bpcc。不同嵌入顺序对隐写性能并没有产生影响,可见本发明技术的隐写安全性是稳定的,不受嵌入顺序的影响。
本发明技术按修改CPV代价自适应分配秘密信息,负载比(Payload rate)测试结果如下表所示。
表3负载比
表3中,负载比是指分配到图层的秘密信息长度和图层像素总数的比值,即:
其中,mp表示负载比,Lk表示分配到图层的秘密信息长度,M表示图层像素的行数,N表示图层像素的列数,m也可以认为是m=1,2,3。
可见,不同的图层分配到的秘密信息长度明显不平均。同时,可见在负载较大时,红色(R)图层分配到更多的负载。图层的信噪比计算如下。
其中,是f去噪后得到的信号。图层的平均信噪比如下表所示。
表4图层平均信噪比
可见,红色(R)图层的信噪比最小,即噪声含量最高,能分配到更多的秘密信息。同时,BOSS-LAN图像库的信噪比低于BOSS-BIL图像库,也与BOSS-LAN图像库隐写性能比BOSS-BIL隐写性能好一致。
实施例二
现有技术中,CMD(clustering modification directions)策略将图像分成不重叠的子图像,将秘密信息也分断成相应的份数,然后按预先定义的嵌入顺序,调整修改代价,将每段秘密信息嵌入不同的子图像。调整修改代价的原则,是促使相邻像素的修改方向相同。
实施例一中采用RGB方式将彩色图像分为3个图层,与实施例一不同的是,实施例二将彩色图像分成不重叠的子图像。
如图3-图5所示,本发明的一种基于彩色像素向量CMD的彩色图像隐写方法,包括如下步骤:
步骤S10、将彩色图像拆分为若干个子图像,并将秘密信息拆分为若干个相应的子信息。
具体地,实际操作过程中,操作彩色图像即载体图像,将X分解成几个不重叠的子图像。M×N(即M行N列)的图像X分解成Wa×Wb个互不重叠的子图像,子图像I(a,b)(a∈{1,2,…,Wa},b∈{1,2,…Wb})表示如下:
I(a,b)={x(i,j)|i=kaWa+a,j=kbWb+b}
其中, 表示下取整操作。
本实施例中以分解成4个互不重叠的子图像为例进行说明。彩色图像Xa分成4个子图像,4个子图像分别为Xa1、Xa2、Xa3以及Xa4。
步骤S20、将某一子图像初始化为载密子图像,并将载密子图像与子图像相减得到子图像修改摄动。
具体地,选择某一子图像,将子图像初始化为载密子图像。这里由于载密子图像与子图像是一致的,因此得到的子图像修改摄动为0,即没有改动。
步骤S30、根据子图像修改摄动,采用如上述任意一项所述基于像素向量的彩色图像隐写方法,将子图像嵌入相应的子信息更新的载密子图像。当然,要替换载密子图像,通过初始化得到的载密子图像被替换掉。
所述步骤S30具体包括以下步骤:
步骤S31、通过子图像的彩色像素向量计算修改CPV代价,具体如实施例一步骤S100所述。
步骤S32、分解修改CPV代价并将子信息自适应嵌入到子图像的各子图层得到载密子图层,具体如实施例一步骤S200所述。
步骤S33、根据各载密子图层输出载密子图像,具体如实施例一步骤S300所述。
步骤S40、将载密子图像更新到载密图像,并将载密子图像与子图像相减得到更新的子图像修改摄动。当然,要替换子图像修改摄动,通过初始化得到的图像修改摄动被替换掉。
具体地,将载密子图像减去对应的子图像得到更新的子图像修改摄动,例如,ΔXa1=Ya1-Xa1。
步骤50、根据更新的子图像修改摄动依次计算下一子图像的修正代价,并根据下一子图像的修正代价得到下一载密子图像。
具体地,首先,采用如上述任意一项所述基于像素向量的彩色图像隐写方法,计算下一图像的图像修改代价(具体包括:第一图层的分解代价、第二图层的条件修改代价、第三图层的条件修改代价),根据更新的子图像修改摄动依次计算下一子图像的修正代价。
修正代价采用如下公式计算:
其中,β∈(0,1]是修正系数,当β=1时,相当于不修正;k(u,v)是包含(i,j)彩色像素向量邻域的修改摄动向量序号的一个集。
例如,在得到△Xa1后要对第二子图像Xa2进行秘密信息嵌入,要根据Xa1中彩色像素向量的修改摄动,对在Xa2中相邻的彩色像素向量进行修正,在Xa2中不相邻的彩色像素向量不进行修正,再根据Xa2的修正代价,子图像Xa2以及相应的秘密信息得到载密子图像Ya2。这里相邻是指,在整个图像中向量的空间位置上相邻。
依次类推,得到△Xa2后要对第三子图像Xa3进行秘密信息嵌入,要根据Xa1和Xa2中彩色像素向量的修改摄动,对在Xa3中相邻的彩色像素向量进行修正,在Xa3中不相邻的彩色像素向量不进行修正,再根据Xa3的修正代价,子图像Xa3以及相应的秘密信息得到载密子图像Ya3。
步骤50、当所有秘密信息嵌入完时,根据各载密子图像输出载密图像。
也就是说当所有秘密信息嵌入完后,通过各载密子图像输出载密图像。
值得说明的是,由于子图像使用修正的修改CPV代价进行嵌入,使相邻的向量更可能有相同的修改方向,更能抵抗隐写分析的检测。
本发明还提供了一种基于像素向量的彩色图像隐写系统的较佳实施例:
如图6所示,本发明实施例所述基于像素向量的彩色图像隐写系统,包括:处理器10,以及与所述处理器10连接的存储器20,
所述存储器20存储有基于像素向量的彩色图像隐写程序,所述基于像素向量的彩色图像隐写程序被所述处理器10执行时实现以下步骤:
通过彩色图像的彩色像素向量计算修改CPV代价;
分解修改CPV代价并将秘密信息自适应嵌入到彩色图像的各图层得到载密图层;
根据各载密图层输出载密图像,具体如上所述。
所述基于像素向量的彩色图像程序被所述处理器10执行时,还实现以下步骤:
将彩色图像的各图层与高通滤波器进行卷积计算得到残差图像;
将残差图像通过向量积滤波计算残差相关系数得到RCL图像;
根据RCL图像计算敏感系数得到SI图像;
将SI图像与低通滤波器进行卷积计算得到修改CPV代价,具体如上所述。
所述基于像素向量的彩色图像程序被所述处理器10执行时,还实现以下步骤:
根据修改CPV代价计算CPV第一像素的修改概率,通过第一像素的修改概率得到分配到第一图层的秘密信息长度和第一图层像素的分解代价,根据第一图层的分解代价和第一图层的秘密信息长度将秘密信息嵌入到第一图层得到第一载密图层,具体如上所述。
所述基于像素向量的彩色图像程序被所述处理器10执行时,还实现以下步骤:
根据第一图层和第一载密图层得到第一图层修改摄动,并在第一图层修改摄动的条件下,根据修改CPV代价计算第二图层的条件修改概率,得到第二图层的秘密信息长度和第二图层的条件修改代价,根据第二图层的秘密信息长度和第二图层的条件修改代价将秘密信息嵌入到第二图层得到第二载密图层;
根据第二图层和第二载密图层得到第二图层修改摄动,并在第一修改摄动、第二修改摄动的条件下,根据修改CPV代价计算第三图层的条件修改概率,得到第三图层的条件修改代价,根据第三图层的条件修改代价将余下的秘密信息嵌入到第三图层得到第三载密图层,具体如上所述。
所述基于像素向量的彩色图像程序被所述处理器10执行时,还实现以下步骤:
根据第一载密图层、第二载密图层以及第三载密图层输出载密图像,具体如上所述。
综上所述,本发明所提供的一种基于像素向量的彩色图像隐写方法及其系统,所述基于像素向量的彩色图像隐写方法包括步骤:通过彩色图像的彩色像素向量计算修改CPV代价;分解修改CPV代价并将秘密信息自适应嵌入到彩色图像的各图层得到载密图层;根据各载密图层输出载密图像。由于修改代价直接使用彩色像素向量计算,秘密信息根据修改代价自适应的分配到各个图层,而不是平均分配,考虑了图层间的关系,更能抵抗隐写分析的检测,特别是抵抗彩色隐写特征的检测。
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)
1.一种基于像素向量的彩色图像隐写方法,其特征在于,包括步骤:
通过彩色图像的彩色像素向量计算修改CPV代价;
分解修改CPV代价并将秘密信息自适应嵌入到彩色图像的各图层得到载密图层;
根据各载密图层输出载密图像。
2.根据权利要求1所述基于像素向量的彩色图像隐写方法,其特征在于,所述通过彩色图像的彩色像素向量计算修改CPV代价步骤具体包括:
将彩色图像的各图层与高通滤波器进行卷积计算得到残差图像;
将残差图像通过向量积滤波计算残差相关系数得到RCL图像;
根据RCL图像计算敏感系数得到SI图像;
将SI图像与低通滤波器进行卷积计算得到修改CPV代价。
3.根据权利要求2所述基于像素向量的彩色图像隐写方法,其特征在于,所述分解修改CPV代价并将秘密信息自适应嵌入到彩色图像的各图层得到载密图层步骤具体包括:
根据修改CPV代价计算CPV第一像素的修改概率,通过第一像素的修改概率得到分配到第一图层的秘密信息长度和第一图层像素的分解代价,根据第一图层的分解代价和第一图层的秘密信息长度将秘密信息嵌入到第一图层得到第一载密图层。
4.根据权利要求3所述基于像素向量的彩色图像隐写方法,其特征在于,所述分解修改CPV代价并将秘密信息自适应嵌入到彩色图像的各图层得到载密图层步骤还包括:
根据第一图层和第一载密图层得到第一图层修改摄动,并在第一图层修改摄动的条件下,根据修改CPV代价计算第二图层的条件修改概率,得到第二图层的秘密信息长度和第二图层的条件修改代价,根据第二图层的秘密信息长度和第二图层的条件修改代价将秘密信息嵌入到第二图层得到第二载密图层;
根据第二图层和第二载密图层得到第二图层修改摄动,并在第一修改摄动、第二修改摄动的条件下,根据修改CPV代价计算第三图层的条件修改概率,得到第三图层的条件修改代价,根据第三图层的条件修改代价将余下的秘密信息嵌入到第三图层得到第三载密图层。
5.根据权利要求4所述基于像素向量的彩色图像隐写方法,其特征在于,所述根据各载密图层输出载密图像步骤具体包括:
根据第一载密图层、第二载密图层以及第三载密图层输出载密图像。
6.一种基于彩色像素向量CMD的彩色图像隐写方法,其特征在于,包括步骤:
将彩色图像拆分为若干个子图像,并将秘密信息拆分为若干个相应的子信息;
将某一子图像初始化为载密子图像,并将载密子图像与子图像相减得到子图像修改摄动;
根据子图像修改摄动,采用如权利要求1-5任意一项所述基于像素向量的彩色图像隐写方法,将子图像嵌入相应的子信息更新载密子图像;
将更新的载密子图像与子图像相减得到更新的子图像修改摄动;
根据更新的子图像修改摄动依次计算下一子图像的修正代价,并根据下一子图像的修正代价得到下一载密子图像;
当所有秘密信息嵌入完时,根据各载密子图像输出载密图像。
7.一种基于像素向量的彩色图像隐写系统,其特征在于,包括:处理器,以及与所述处理器连接的存储器,
所述存储器存储有基于像素向量的彩色图像隐写程序,所述基于像素向量的彩色图像隐写程序被所述处理器执行时实现以下步骤:
通过彩色图像的彩色像素向量计算修改CPV代价;
分解修改CPV代价并将秘密信息自适应嵌入到彩色图像的各图层得到载密图层;
根据各载密图层输出载密图像。
8.根据权利要求7所述基于像素向量的彩色图像隐写系统,其特征在于,所述基于像素向量的彩色图像程序被所述处理器执行时,还实现以下步骤:
将彩色图像的各图层与高通滤波器进行卷积计算得到残差图像;
将残差图像通过向量积滤波计算残差相关系数得到RCL图像;
根据RCL图像计算敏感系数得到SI图像;
将SI图像与低通滤波器进行卷积计算得到修改CPV代价。
9.根据权利要求8所述基于像素向量的彩色图像隐写系统,其特征在于,所述基于像素向量的彩色图像程序被所述处理器执行时,还实现以下步骤:
根据修改CPV代价计算CPV第一像素的修改概率,通过第一像素的修改概率得到分配到第一图层的秘密信息长度和第一图层像素的分解代价,根据第一图层的分解代价和第一图层的秘密信息长度将秘密信息嵌入到第一图层得到第一载密图层。
10.根据权利要求9所述基于像素向量的彩色图像隐写系统,其特征在于,所述基于像素向量的彩色图像程序被所述处理器执行时,还实现以下步骤:
根据第一图层和第一载密图层得到第一图层修改摄动,并在第一图层修改摄动的条件下,根据修改CPV代价计算第二图层的条件修改概率,得到第二图层的秘密信息长度和第二图层的条件修改代价,根据第二图层的秘密信息长度和第二图层的条件修改代价将秘密信息嵌入到第二图层得到第二载密图层;
根据第二图层和第二载密图层得到第二图层修改摄动,并在第一修改摄动、第二修改摄动的条件下,根据修改CPV代价计算第三图层的条件修改概率,得到第三图层的条件修改代价,根据第三图层的条件修改代价将余下的秘密信息嵌入到第三图层得到第三载密图层。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910012874.1A CN109874014B (zh) | 2019-01-07 | 2019-01-07 | 基于像素向量的彩色图像隐写方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910012874.1A CN109874014B (zh) | 2019-01-07 | 2019-01-07 | 基于像素向量的彩色图像隐写方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109874014A true CN109874014A (zh) | 2019-06-11 |
CN109874014B CN109874014B (zh) | 2021-05-18 |
Family
ID=66917496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910012874.1A Active CN109874014B (zh) | 2019-01-07 | 2019-01-07 | 基于像素向量的彩色图像隐写方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109874014B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882476A (zh) * | 2020-07-17 | 2020-11-03 | 广州大学 | 基于深度强化学习的自动学习嵌入代价的图像隐写方法 |
CN112019700A (zh) * | 2020-08-14 | 2020-12-01 | 深圳大学 | 一种防止载密图像被检测的方法、智能终端及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100150434A1 (en) * | 2008-12-17 | 2010-06-17 | Reed Alastair M | Out of Phase Digital Watermarking in Two Chrominance Directions |
CN102315931A (zh) * | 2011-06-24 | 2012-01-11 | 上海大学 | 机密信息的游动编码隐藏方法 |
CN104252694A (zh) * | 2014-10-17 | 2014-12-31 | 苏州工业职业技术学院 | 一种基于dwt的图像水印嵌入方法及提取方法 |
CN106097240A (zh) * | 2016-06-13 | 2016-11-09 | 天津大学 | 一种彩色图像自适应隐写方法 |
-
2019
- 2019-01-07 CN CN201910012874.1A patent/CN109874014B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100150434A1 (en) * | 2008-12-17 | 2010-06-17 | Reed Alastair M | Out of Phase Digital Watermarking in Two Chrominance Directions |
CN102315931A (zh) * | 2011-06-24 | 2012-01-11 | 上海大学 | 机密信息的游动编码隐藏方法 |
CN104252694A (zh) * | 2014-10-17 | 2014-12-31 | 苏州工业职业技术学院 | 一种基于dwt的图像水印嵌入方法及提取方法 |
CN106097240A (zh) * | 2016-06-13 | 2016-11-09 | 天津大学 | 一种彩色图像自适应隐写方法 |
Non-Patent Citations (2)
Title |
---|
WEIXUAN TANG等: "Clustering Steganographic Modification Directions for Color Components", 《IEEE SIGNAL PROCESSING LETTERS》 * |
王明: "最小化嵌入失真图像隐写的代价函数设计", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882476A (zh) * | 2020-07-17 | 2020-11-03 | 广州大学 | 基于深度强化学习的自动学习嵌入代价的图像隐写方法 |
CN111882476B (zh) * | 2020-07-17 | 2023-07-07 | 广州大学 | 基于深度强化学习的自动学习嵌入代价的图像隐写方法 |
CN112019700A (zh) * | 2020-08-14 | 2020-12-01 | 深圳大学 | 一种防止载密图像被检测的方法、智能终端及存储介质 |
CN112019700B (zh) * | 2020-08-14 | 2022-03-29 | 深圳大学 | 一种防止载密图像被检测的方法、智能终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109874014B (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Holub et al. | Random projections of residuals for digital image steganalysis | |
Chierchia et al. | A Bayesian-MRF approach for PRNU-based image forgery detection | |
Sedighi et al. | Content-adaptive steganography by minimizing statistical detectability | |
Yousfi et al. | Breaking ALASKA: Color separation for steganalysis in JPEG domain | |
CN111491170B (zh) | 嵌入水印的方法及水印嵌入装置 | |
Kim et al. | Gradient information-based image quality metric | |
CN103034853A (zh) | 一种jpeg图像通用隐写分析方法 | |
Zhu et al. | Blind image splicing detection via noise level function | |
Chang | Neural reversible steganography with long short-term memory | |
CN111062903A (zh) | 图像水印的自动处理方法、系统、电子设备及存储介质 | |
CN109874014A (zh) | 基于像素向量的彩色图像隐写方法及其系统 | |
Singh et al. | An improved median filtering anti-forensics with better image quality and forensic undetectability | |
Gragnaniello et al. | Detection of AI-generated synthetic faces | |
CN113674191A (zh) | 一种基于条件对抗网络的弱光图像增强方法和装置 | |
Wang et al. | A posterior evaluation algorithm of steganalysis accuracy inspired by residual co-occurrence probability | |
Hamamoto et al. | Image watermarking technique using embedder and extractor neural networks | |
JP2024505766A (ja) | エンドツーエンドウォーターマーキングシステム | |
Wang et al. | LLDiffusion: Learning degradation representations in diffusion models for low-light image enhancement | |
CN116503277A (zh) | 基于注意力机制的低光图像增强和水印嵌入协作网络 | |
CN112019700B (zh) | 一种防止载密图像被检测的方法、智能终端及存储介质 | |
CN115358952B (zh) | 一种基于元学习的图像增强方法、系统、设备和存储介质 | |
CN112116565A (zh) | 篡改翻拍图像的对抗样本生成方法、设备及存储介质 | |
CN115457015A (zh) | 一种基于视觉交互感知双流网络的图像无参考质量评估方法及装置 | |
CN116385281A (zh) | 一种基于真实噪声模型与生成对抗网络的遥感图像去噪方法 | |
Dhawan et al. | High‐quality steganography scheme using hybrid edge detector and Vernam algorithm based on hybrid fuzzy neural network |
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 |