CN114170240B - 一种基于加权系数残差的jpeg图像负载定位方法 - Google Patents
一种基于加权系数残差的jpeg图像负载定位方法 Download PDFInfo
- Publication number
- CN114170240B CN114170240B CN202111340652.6A CN202111340652A CN114170240B CN 114170240 B CN114170240 B CN 114170240B CN 202111340652 A CN202111340652 A CN 202111340652A CN 114170240 B CN114170240 B CN 114170240B
- Authority
- CN
- China
- Prior art keywords
- same
- residual
- pixel points
- frequency
- method based
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000004807 localization Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 2
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 230000001737 promoting effect Effects 0.000 abstract 1
- 238000011160 research Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于加权DCT系数残差的JPEG图像负载定位方法。本申请在频域中进行图像负载,假设量化的DCT系数与其在同一子图像中的相邻系数之间的相关性不均匀,具体表现为:高纹理区域的相关性较低,而低纹理区域相关性较高。基于这一特性,本申请自适应地为不同的DCT量化系数分配不同的权重,以提高负载的准确性。通过本申请的自适应计算方法计算权重因子,可以更准确地估计DCT残差,对于基于区域的局部纹理情况下定位精度显著提高。与现有技术相比,能够明显改善负载定位效果,提高隐写分析性能,定位精度较当前主流隐写定位方法得到了很大的提高,对于防止信息隐藏技术的滥用,促进信息隐藏与隐写分析技术的发展具有重大作用。
Description
技术领域
本发明属于数字图像隐写分析技术领域,具体涉及一种基于加权系数残差的JPEG图像 负载定位方法。
背景技术
随着互联网的兴起,信息的传递越来越便捷,人们的生活也受到极大影响。它带来的翻 天覆地变化不仅在生活中,更体现在经济、政治、文化、军事等各个领域。然而科技的进步 也带来了许多安全隐患,因此信息安全问题成为当前的巨大难题。
信息隐藏是网络安全的一个重要技术,吸引了许多研究人员。数字隐写是当代信息隐藏 的一个重要组成部分,在保证多媒体信息不失真的情况下,将隐秘信息嵌入到载体中,从而 达到进行秘密传输的目的。数字隐写不同于一般的加密技术,将秘密信息隐藏到多媒体信息 中使得攻击者无法检测秘密信息的存在,已经成为当前不安全网络环境下进行可靠传输的重 要网络安全手段之一。为了防止更多隐写安全问题的发生,打击违法犯罪行为,隐写分析技 术应运而生。作为站在数字隐写对立面的逆向技术——隐写分析技术,它能够对未知多媒体 载体信息进行检测,进而提取、还原隐秘信息。数字隐写与隐写分析相互制约,共同发展。 经过研究者的共同努力,隐写分析领域已经取得很大进步,但是当前由于互联网的复杂性, 各种隐写软件相继出现,给隐写分析造成了许多困难。
目前在隐写分析方面,还有许多问题亟待解决,例如:1)目前只有少数针对于特定算法 的专用隐写分析算法,在通用性上有待提高;2)某些隐写分析算法只能针对特定嵌入算法检 测,其检测可靠性与稳定性有待提高;3)在隐写定位方面,其算法的适用性不高,很难找到 普适的方法。在定量估计的研究方面,取得的实际效果少之又少,还需要更细致深入的研究。 因此,定量和定位算法的持续研究深入,对于隐写分析的进一步发展,推动隐写分析投入实 际使用,打击利用信息隐藏造成的违法犯罪行为,具有更切实际的意义与深远的影响。
在目前的研究中,大多数隐写分析算法都专注于判断图像的载密性与估计秘密信息的长 度,而忽略了负载定位和重构隐藏位的研究。在实践中,隐写分析的最终目标是重建隐藏位, 即取证隐写分析。尽管已经提出了一些有效载荷定位方法,但大多数方法都只提取了空间域 中的隐藏位,而只有少数研究将目标定位到频域中隐写定位。然而,这些隐写定位方法的准 确率仍需提高。
当前的隐写定位主要针对于空域隐写算法和和频域隐写算法。其中空域隐写算法首次提 出根据WS思想,采用线性滤波器预测每个像素的平均残差值,其中基于残差的阈值用于确 定嵌入位置。对于JPEG图像,提出了一种有效负载定位方法。首先通过重新压缩覆盖原始 像素,然后确定载密图像和载体图像的差异,最后采用假设检验理论确定嵌入位置的正确性。 涉及空间域的负载定位问题,通过改进不断提高定位的精度。然而,基于频域的负载定位研 究差距较大。为了改善这一现状,一种用于JPEG图像隐写的负载定位方法被提出,这种方 法依赖于DCT系数。进一步来说,该方法首先构造来自同一子带的系数组成的子图像,通过 研究DCT系数之间的相关性进行估计。此外,它引入了精心设计的线性滤波器和WAM滤波 器来估计量化的DCT系数。同时,为提高负载定位的准确性,提出最大后验概率的思想。然 而,该方法中的定位性能不是最优的,仍然可以改进。
发明内容
针对现有技术的不足,本发明提出了一种基于加权系数残差的JPEG图像负载定位方法, 根据DCT量化表中各因素的重要性,对权重进行分配,从而提高低纹理区域的准确估计,减 少对高纹理区域的不准确估计,并且进一步提高了JPEG图像隐写的有效载荷定位精度。
一种基于加权系数残差的JPEG图像负载定位方法,具体包括以下步骤:
步骤1、收集N张嵌入隐写信息位置相同的含密图像。
步骤2、对步骤1收集的N张含密图像分别进行载体估计与残差计算,具体步骤如下:
步骤2.1、将含密图像分割为大小为8x8的分块,进行DCT变化后,再提取各分块中同 一频带的像素点组成64张同频子图。
步骤2.2、针对步骤2.1中得到的同频子图使用滤波器,得到对应的估计载体。
作为优选,所述滤波器为平均滤波器或小波滤波器。
步骤2.3、将步骤2.1、2.2中同频子图与估计载体各像素点的DCT值对应相减后,得到 第t张同频子图中像素点(i,j)的残差
步骤2.4、根据公式(1)计算第t张同频子图像素点(i,j)的权重:
β表示超参数,σ2(i,j)是使用步骤2.2中的滤波器加权后的局部方差。
步骤2.5、根据步骤2.4中计算的权值,对每张含密图像的第t张同频子图像素点(i,j) 求取归一化加权残差,n=1,2,...N:
步骤3、对步骤2中的同频子图进行逆DCT变化,再对N张含密图像相同像素点的归一 化加权残差按照降序排列,其中加权残差平均值大于设定阈值的像素点为嵌入隐写信息的位 置。
作为优选,通过已知的嵌入率选取加权残差平均值排序靠前的像素点作为嵌入隐写信息 的位置。
本发明具有以下有益效果:
1、针对DCT域隐写方法进行负载定位,而大部分负载定位算法主要关注在空域中进行 隐写的情况,丰富了隐藏信息位提取的研究。
2、通过对DCT值进行权重分配,提高了JPEG图像负载定位精度。
3、权重分配方法基于局部纹理自适应计算,大权重被分配到低纹理区域,定位精度明显 得到提高。并且可以应用于多种频域隐写算法,尤其在JSteg和F5隐写算法中表现良好,算 法适应度强。
附图说明
图1为本发明中负载定位方法流程图。
具体实施方式
通常隐写者习惯任意将秘密位嵌入到大小相同的JPEG封面图像中,并使用相同的隐秘 密钥。BOSSbase.101中包含10000张图像来源于8台不同的数码相机、存储格式为PGM、大小为512×512的8位灰度图像。本实施例将BOSSbase.101图像库中的图像按照质量因子为 {95,75}转换为JPEG图像。再生成对应嵌入率为{0.1,0.5,0.9}的3个伪随机序列,并分别采 用JSteg隐写和F5隐写在前述2个不同质量因子下的JPEG图像库上完成嵌入,得到12个图 像集,作为本实施例中的含密图像。
如图1所示,一种基于加权系数残差的JPEG图像负载定位方法,具体包括以下步骤:
步骤1、对上述每一个图像集中的N张含密图像分别进行载体估计与残差计算,具体步 骤如下:
步骤2、对含密图像进行霍夫曼解码,然后分割为大小为8x8的分块,进行DCT变化后 得到量化的DCT系数矩阵,再提取各分块中同一频带的像素点组成同频子图St(i,j),t=1,2,...64。再对同频子图St(i,j)进行低通滤波处理,得到对应的估计载体
在隐写分析中,矩阵相邻元素之间的相关性往往被作为载体估计的重要依据。JPEG图像 以大小为8*8的非重叠量化DCT系数块的形式存储。系数块中的不同位置代表不同的频谱, 每个位置的系数代表对应频谱中的能量。因此,如果两个分块以上的像素相似或有强的正相 关,那么两个分块相同位置的DCT系数,即同一光谱中的能量也应该相似或有强的正相关。 由于JPEG图像中相邻块的内容通常是相似的并具有很强的相关性,因此在这些块中相同位 置的量化DCT系数也可能具有很强的相关性。可以将所有块中相同位置的量化DCT系数组 合得到64幅同频子图,然后对每幅同频子图进行低通滤波来获得估计载体。
在将信息嵌入图像的过程中,会尽量避免对图像的修改。在现有的低通滤波器中,小波 滤波器具有良好的多向、多分辨率分析能力,能够捕捉图像中细微的细节。因此,小波滤波 器非常适合于捕获隐写噪声,并在JPEG图像隐写分析中表现出了优异的性能。相应地,低 通小波滤波器也可以有效地去除隐写图像中的隐写噪声。因此,可以采用低通小波滤波器对 同频子图进行滤波,来获得估计载体。
步骤3、计算对应的同频子图St(i,j)与估计载体间的残差/>针对不同的隐写 算法,采用不同的残差计算方法:
步骤3.1、JSteg隐写将量化的DCT系数矩阵中除DC系数外非0非1的位置作为可嵌入 点,奇数表示1,偶数表示0,通过最低比特位翻转的方式在DCT域嵌入秘密信息。根据JSteg 隐写的嵌入规则,设计残差计算公式示为:
其中,表示同频子图像素点(i,j)的DCT系数逆嵌入的值,/>表示同频子图像 素点(i,j)的残差值。
其中:
步骤3.2、F5隐写将DC系数及值为0的位置作为不可嵌入位置,其余则为可嵌入点,并将正奇或负偶的DCT系数代表1,反之表示0。当选择系数可用时,若其代表的位与要嵌 入的消息位相同,则所选系数不改变,反之所选系数的绝对值减1。如果可用系数变为0,则 认为嵌入无效,需要将消息位重新嵌入到下一个系数中。然后选择沿嵌入路径的下一个系数。根据F5隐写的嵌入规则,设计残差计算为:
步骤4、重新根据公式(4)分配每张同频子图中像素点(i,j)的权重:
β表示超参数,σ2(i,j)是使用步骤2中相同的滤波器加权后的局部方差。如果图像出现 低纹理区域,σ2(i,j)趋于较小值,导致获得较大权重;如果出现高纹理区域,σ2(i,j)往往较 大,导致获得较小权重。依靠自适应权重分配,残差估计更为合理,可以进一步提高负载定 位的精度。
步骤5、根据步骤4中计算的权值,对每张含密图像的第t张同频子图像素点(i,j)求 取归一化加权残差,n=1,2,...N:
步骤6、对步骤2中的同频子图进行逆DCT变化,再根据步骤5的计算结果,对N张含密图像相同像素点的归一化加权残差按照降序排列,其中加权残差平均值大于设定阈值的像 素点为嵌入隐写信息的位置,输出隐写信息嵌入的位置矩阵,与已知的隐写信息嵌入位置进 行比较,得到本负载定位方法的准确率,如下表所示:
其中,准确率=(负载定位正确的个数/嵌入位置的总个数)x100%。
Claims (5)
1.一种基于加权系数残差的JPEG图像负载定位方法,其特征在于:具体包括以下步骤:
步骤1、收集N张嵌入隐写信息位置相同的含密图像;
步骤2、对步骤1收集的N张含密图像分别进行载体估计与残差计算,具体步骤如下:
步骤2.1、将含密图像分割为大小为8x8的分块,进行DCT变化后,再提取各分块中同一频带的像素点组成64张同频子图;
步骤2.2、针对步骤2.1中得到的同频子图进行滤波处理,得到对应的估计载体;
步骤2.3、将步骤2.1、2.2中同频子图与估计载体对应相减后,得到第t张同频子图中像素点(i,j)的残差
步骤2.4、根据公式(1)计算第t张同频子图像素点(i,j)的权重:
β表示超参数,σ2(i,j)是使用步骤2.2中的滤波器加权后的局部方差;
步骤2.5、根据步骤2.4中计算的权值,对每张含密图像的第t张同频子图像素点(i,j)求取归一化加权残差,n=1,2,...N:
步骤3、对步骤2中的同频子图进行逆DCT变化,再对N张含密图像相同像素点的归一化加权残差按照降序排列,其中加权残差平均值大于设定阈值的像素点为嵌入隐写信息的位置。
2.如权利要求1所述一种基于加权系数残差的JPEG图像负载定位方法,其特征在于:步骤2.2中使用平均滤波器或小波滤波器进行滤波处理。
3.如权利要求1所述一种基于加权系数残差的JPEG图像负载定位方法,其特征在于:步骤2.3中,针对JSteg隐写算法,残差的计算方法为:
其中,表示同频子图像素点(i,j)的DCT系数逆嵌入的值,/>表示同频子图像素点(i,j)的残差值;
4.如权利要求1所述一种基于加权系数残差的JPEG图像负载定位方法,其特征在于:步骤2.3中,针对F5隐写算法,残差的计算方法为:
其中,表示同频子图像素点(i,j)的DCT系数逆嵌入的值,/>表示同频子图像素点(i,j)的残差值;
5.如权利要求1所述一种基于加权系数残差的JPEG图像负载定位方法,其特征在于:步骤3在已知的嵌入率的情况下,选取加权残差平均值排序靠前的像素点作为嵌入隐写信息的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111340652.6A CN114170240B (zh) | 2021-11-12 | 2021-11-12 | 一种基于加权系数残差的jpeg图像负载定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111340652.6A CN114170240B (zh) | 2021-11-12 | 2021-11-12 | 一种基于加权系数残差的jpeg图像负载定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114170240A CN114170240A (zh) | 2022-03-11 |
CN114170240B true CN114170240B (zh) | 2024-02-27 |
Family
ID=80478794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111340652.6A Active CN114170240B (zh) | 2021-11-12 | 2021-11-12 | 一种基于加权系数残差的jpeg图像负载定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114170240B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934761A (zh) * | 2019-01-31 | 2019-06-25 | 中山大学 | 基于卷积神经网络的jpeg图像隐写分析方法 |
CN111047497A (zh) * | 2019-12-24 | 2020-04-21 | 杨春芳 | 一种基于同频子图滤波的jpeg图像隐写信息定位方法 |
CN112862655A (zh) * | 2021-03-08 | 2021-05-28 | 中山大学 | 一种基于通道空间注意力机制的jpeg图像隐写分析方法 |
-
2021
- 2021-11-12 CN CN202111340652.6A patent/CN114170240B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934761A (zh) * | 2019-01-31 | 2019-06-25 | 中山大学 | 基于卷积神经网络的jpeg图像隐写分析方法 |
CN111047497A (zh) * | 2019-12-24 | 2020-04-21 | 杨春芳 | 一种基于同频子图滤波的jpeg图像隐写信息定位方法 |
CN112862655A (zh) * | 2021-03-08 | 2021-05-28 | 中山大学 | 一种基于通道空间注意力机制的jpeg图像隐写分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114170240A (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khan et al. | A recent survey of reversible watermarking techniques | |
Yang et al. | A contrast-sensitive reversible visible image watermarking technique | |
US9773290B2 (en) | Content watermarking | |
Al-Mansoori et al. | Robust watermarking technique based on DCT to protect the ownership of DubaiSat-1 images against attacks | |
Ernawan et al. | Image watermarking based on integer wavelet transform-singular value decomposition with variance pixels | |
Zhang et al. | Robust image watermarking algorithm based on QWT and QSVD using 2D Chebyshev-Logistic map | |
KR101026081B1 (ko) | 가역 워터마크 삽입, 추출 및 원본 영상 복원 방법 | |
Kang et al. | Improving robustness of quantization-based image watermarking via adaptive receiver | |
Leelavathy et al. | A scene based video watermarking in discrete multiwavelet domain | |
Hu et al. | A progressive QIM to cope with SVD-based blind image watermarking in DWT domain | |
CN114170240B (zh) | 一种基于加权系数残差的jpeg图像负载定位方法 | |
Shukla et al. | A new approach for scene-based digital video watermarking using discrete wavelet transforms | |
Fallahpour et al. | Flexible image watermarking in JPEG domain | |
CN111047497B (zh) | 一种基于同频子图滤波的jpeg图像隐写信息定位方法 | |
Kumar et al. | Video quality evaluation using DWT-SPIHT based watermarking technique | |
Sakib et al. | A robust DWT-based compressed domain video watermarking technique | |
Taherinia et al. | A robust image watermarking using two level DCT and wavelet packets denoising | |
Kuribayashi et al. | Impact of rounding error on spread spectrum fingerprinting scheme | |
Hu et al. | Dual image watermarking by exploiting the properties of selected DCT coefficients with JND modeling | |
Maity et al. | Intelligent modified difference expansion for reversible watermarking | |
Keshavarzian | A new ROI and block based watermarking scheme using DWT | |
Conotter et al. | High capacity reversible data hiding based on histogram shifting and non-local means | |
Li et al. | Quaternary Quantized Gaussian Modulation with Optimal Polarity Map Selection for JPEG Steganography | |
Setyono | Tchebichef image watermarking based on PN-sequence | |
Maity et al. | Modified difference expansion for reversible watermarking using fuzzy logic based distortion control |
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 |