《信息隱藏技術(shù)》課件-第2章

第二章基于數(shù)字圖像的

信息隱藏區(qū)域2.1基于數(shù)字圖像能量特性的信息隱藏區(qū)域2.2

基于數(shù)字圖像結(jié)構(gòu)特性的信息隱藏區(qū)域2.3基于數(shù)字圖像復雜度特性的信息隱藏區(qū)域

信息隱藏算法的設(shè)計方法和思路就是在選定信息隱藏區(qū)域以及制定好信息隱藏規(guī)則后,按照一定的順序?qū)烧哌M行合理的組織,所以信息隱藏區(qū)域以及信息隱藏規(guī)則是信息隱藏算法設(shè)計的兩個關(guān)鍵步驟,如圖2-1所示圖2-1信息隱藏區(qū)域與規(guī)則在信息隱藏算法研究中的關(guān)鍵性示意

能量是基于數(shù)字圖像的信息隱藏區(qū)域選擇所必須考慮的問題,最直接的影響是滿足信息隱藏算法的不可見性和魯棒性。目前常用的方法主要是基于最低有效位、變換域中高頻

區(qū)域系數(shù)的能量特性來實現(xiàn)信息隱藏,因為經(jīng)過頻域變換生成的高頻系數(shù),能量低且信息量小,對整個數(shù)字圖像的貢獻微乎其微,對其進行修改后可以使隱藏信息“稀釋”到載體圖像中,滿足系統(tǒng)對不可見性的要求。

2.1基于數(shù)字圖像能量特性的信息隱藏區(qū)域

2.1.1多小波理論在信息隱藏技術(shù)中的應用

多小波是指由兩個或者兩個以上的函數(shù)作為尺度分量生成的小波,它是小波理論的新發(fā)展。

1.GHM(Geronimo、Hardin、Massopust)多小波變換

GHM多小波變換是最早構(gòu)造并應用最廣的多小波,它具有緊支撐、二階逼近、尺度函數(shù)的整數(shù)平移相互正交和高階消失矩與對稱性等顯著特點。

1)GHM多小波的L(n)和H(n)

2)GHM多小波前置濾波器Pre(n)和后置濾波器Post(n)

3)實現(xiàn)與特性分析

圖2-2是在Matlab7.0.0.19920平臺上實現(xiàn)的GHM多小波對Lena彩色圖像進行一階分解的實例。

從圖2-2可以看出,經(jīng)過GHM多小波變換后,一階最低分辨率子圖(LL1)的4個分量子圖(LL2、LH2、HL2和HH2)清晰可見。根據(jù)黃卓君等人的研究可知,GHM多小波經(jīng)過一次多小波變換后的能量分布如表2-1所示。

圖2-2一階GHM多小波分解實例

4)GHM多小波與信息隱藏算法設(shè)計思路

GHM多小波的最低分辨率子圖的4個分量的能量分布近似于4.5∶2.2∶2.2∶1.1,利用其能量分布特點進行算法設(shè)計,在中間能量區(qū)域(LH2和HL2)進行信息隱藏,而將高能量分量(LL2)作為信息恢復和篡改判斷單元,低能量分量(HH2)作為篡改判斷單元。這樣的設(shè)計使得算法在不可見性、魯棒性、抗分析性和嵌入容量上達到一個較為均衡的水平(詳見5.4節(jié))。根據(jù)信息隱藏算法(記作GHM-CT)設(shè)計初期的實驗,如果將主體信息隱藏到LL2中,則算法在魯棒性方面具有一定的優(yōu)勢,但在嵌入信息量和不可見性方面就略低于本書目前講授的GHM-CT隱藏算法性能。

2.CL(Chui、Lian)多小波理論

通常一幅圖像經(jīng)過多小波變換后,絕大部分能量集中于最低分辨率子圖,但經(jīng)過CL多小波變換的圖像而言,其最低分辨率子圖的絕大部分能量又進一步集中于它的第一個分量上。

1)CL多小波的L(n)和H(n)

2)CL多小波前置濾波器Pre(n)和后置濾波器Post(n)

3)實現(xiàn)與特性分析

圖2-3是在Matlab7.0.0.19920平臺上實現(xiàn)的CL多小波變換對Lena彩色圖像進行一階分解的實例。圖2-3一階CL多小波分解實例

經(jīng)過CL多小波變換后,LL1子圖像的4個分量圖只有LL2清晰,占據(jù)了圖像的主要能量。表2-2是CL多小波經(jīng)過一階變換后的能量分布。

4)CL多小波與信息隱藏算法的魯棒性

CL多小波變換的特點在于LL2的高能量與LH2、HL2、HH2低能量的對立分布,利用以上分布特性,在算法設(shè)計時選擇在高能量背景下的低能量區(qū)域去實施具體的信息隱藏,在滿足高能量分量子圖的不可見性的前提下,使整個含密圖像具有較強的魯棒性

3.CARDBAL2二階平衡多小波理論

Lebrun等人構(gòu)造了從一階到四階的平衡多小波。本書將應用二階變換圖像經(jīng)過二階平衡多小波(記作CARDBAL2)變換后,能量不但匯聚在最低分辨率子圖像上,而且還平均分布在最低分辨率子圖像的4個分量上。

1)CARDBAL2多小波L(n)和H(n)的確定

2)實現(xiàn)與特性分析

圖2-4是CARDBAL2多小波對Lena彩色圖像進行分解的實例,最低分辨率子圖的4個分量,亮度較為平均且清晰可見。表2-3是經(jīng)過CARDBAL2多小波變換后的能量分布。

圖2-4CARDBAL2多小波分解實例

3)CARDBAL2多小波與信息隱藏算法性能的傾向性

CARDBAL2多小波變換的最大特點在于LL2、LH2、HL2和HH2的能量接近,為信息隱藏算法提供了特性相近的多個區(qū)域。利用多個相同特性的區(qū)域,使算法很好地實現(xiàn)信

息隱藏性能的要求,因為在以上能量和性質(zhì)接近的多個隱藏區(qū)域中同時嵌入具有某種性能傾向的隱藏信息可以使算法在這種性能方面具有一定的優(yōu)勢。

4.GHM、CL以及CARDBAL2多小波的應用規(guī)律補充

涉及到三種多小波變換,分別是GHM多小波變換、CL多小波變換以及CARDBAL2多小波變換。其共同特點在于經(jīng)過相應變換后,原圖像的絕大部分能量都集中于最低分辨率的圖像上,能量占有率均高于97%,所以基于多小波變換的最低分辨率子圖的應用規(guī)律主要有兩個方面:

(1)將信息隱藏到多小波變換的最低分辨率子圖上,算法必然會具有一定的魯棒性,根本原因在于多小波變換的最低分辨率子圖匯聚了載體圖像的主要能量,滿足將信息隱藏到關(guān)鍵區(qū)域的魯棒性要求。

(2)多小波變換同時具有對稱性、短支撐性和正交性特性,尤其是對稱性(線性相位)較為符合人類視覺系統(tǒng);正交性保持能量恒定;而短支撐性則可以避免因截斷產(chǎn)生的誤差,較好地促進變換與整體數(shù)據(jù)之間的聯(lián)系。以上特性有助于提高信息隱藏算法的不可見性和抗分析性。

2.1.2-高斯金字塔理論在信息隱藏技術(shù)中的應用

高斯金字塔(GaussianPyramid,GP)是一種利用多分辨率解析圖像的簡單有效的結(jié)構(gòu)。它利用高斯低通濾波器對圖像進行濾波處理,得到頻率逐漸降低的圖像序列,并利用亞采樣對序列中的圖像像素進行隔行、隔列采樣,得到尺寸遞減且頻率逐漸降低的圖層結(jié)構(gòu)。

圖2-5所示的是5層高斯金字塔結(jié)構(gòu)圖,當原始圖像Lena(記為G0)通過GP運算后,可生成一系列頻率與分辨率遞減的圖像G1、G2、G3、G4。

圖2-5高斯金字塔結(jié)構(gòu)圖和Lena的5層GP圖像

在高斯金字塔的分解圖層中,底層是原始圖像,其他各層圖像均由式(2-1)迭代運算得到。

將式(2-1)簡化為

其中,l代表金字塔層數(shù),且0<l<N,w(m,n)是高斯核函數(shù)。

2.1.3顏色空間在信息隱藏技術(shù)中的應用

1.顏色空間概述

為了使各種顏色表示能夠按照一定的排列次序容納在一個空間內(nèi),數(shù)字圖像理論將n維坐標軸與顏色的n個獨立參數(shù)對應起來,使每一個顏色都有一個對應的n維空間位置。反過來,在n維空間中的任何一點都代表一個特定的顏色,將這個n維空間稱為顏色空間,現(xiàn)有顏色空間多以三維空間進行表示。顏色空間按照基本結(jié)構(gòu)可以分兩大類:基色顏色空間和色亮分離顏色空間。如圖2-6是對現(xiàn)有的主要顏色空間分類進行總結(jié)。

圖2-6常見顏色空間分類

1)基色顏色空間

(1)RGB顏色空間。。圖2-7是基于RGB顏色空間的Lena顏色分量分離示意圖。

圖2-7LenaRGB顏色分量圖

(2)CMY顏色空間。CMY顏色空間廣泛應用于印刷工業(yè),圖2-8是CMY顏色空間的Peppers顏色分量分離示意圖。圖2-8PeppersCMY顏色分量圖

(3)CMYK顏色空間。圖2-9是基于CMYK顏色空間的Tom顏色分量示意圖。圖2-9TomCMYK顏色分量圖

2)色亮分離顏色空間

(1)YUV顏色空間。圖2-10是基于YUV顏色空間的Couple顏色分量分解示意圖。圖2-10CoupleYUV顏色空間分解圖

(2)lαβ顏色空間。圖2-11是基于lαβ顏色空間的Boboo顏色分量分解示意圖。圖2-11Boboolαβ顏色空間分解圖

lαβ顏色是由RGB三基色轉(zhuǎn)換而來的,如式(2-3)所示,其他顏色空間與lαβ顏色空間之間的轉(zhuǎn)換可以由RGB作為中間橋梁進行轉(zhuǎn)換。

2.顏色空間在信息隱藏應用的原理說明

應用顏色空間技術(shù)的主要目的是生成具有能量(可見度或識別度)差異的顏色分量。在能量較高(即可見度或識別度高)的區(qū)域隱藏信息,具有強魯棒性,但不可見性較差;反之,在能量較低(即可見度或識別度低)的區(qū)域隱藏信息,具有弱魯棒性,但不可見性較好。高性能的信息隱藏算法要求同時具有不可見性、魯棒性、容量性和抗分析性,所以滿足不可見性需要將秘密信息嵌入到能量較低的區(qū)域,增強魯棒性需要將秘密信息嵌入到能量較高的區(qū)域,提高容量性和抗分析性則要求能量較高和較低的區(qū)域具有“空間”大、弱相關(guān)性、視覺方向性等特性。

lαβ顏色空間在信息隱藏技術(shù)中的應用還有4個方面的優(yōu)勢,如表2-4所示。

3.RGB、CMYK和YUV顏色空間在信息隱藏應用中的優(yōu)劣勢

根據(jù)顏色空間的定義可知,顏色表達與存儲方式的不同決定了在信息隱藏技術(shù)中應用效果的不同。下面對RGB、CMYK以及YUV顏色空間在信息隱藏技術(shù)的應用優(yōu)劣進行分析與總結(jié),如表2-5所示。

2.2基于數(shù)字圖像結(jié)構(gòu)特性的信息隱藏區(qū)域

結(jié)構(gòu)性是指對隱藏區(qū)域進行物理劃分時所生成的具有一定形狀和結(jié)構(gòu)規(guī)律的區(qū)域,具體實現(xiàn)原則遵循整體結(jié)構(gòu)劃分理論以及內(nèi)部結(jié)構(gòu)劃分理論。整體結(jié)構(gòu)是指對信息隱藏區(qū)域的整體劃分,決定了信息隱藏嵌入?yún)^(qū)域的能量以及嵌入信息的整體布局,關(guān)系到算法的整體性能。內(nèi)部結(jié)構(gòu)是對隱藏區(qū)域的二次劃分,是對隱藏信息最終安排的一個設(shè)計,決定了信息隱藏性能是否可以按照預想的結(jié)果體現(xiàn)出來。

2.2.1圖像位平面理論在信息隱藏技術(shù)中的應用

圖像位平面理論是根據(jù)數(shù)字圖像在計算機中的存儲情況而發(fā)展出來的,最典型的是在灰度圖像的位平面分解,其中的每一像素的相同比特可以看作表示了一個二值的平面,稱為位平面。

1.灰度圖像的位平面分解

位平面分解是最基本的數(shù)字圖像處理方法。假定fk(x,y)是數(shù)字圖像的第k個顏色通道的數(shù)據(jù),如果具有256級灰度級別(即28),則可以分解為8個位平面,每個位平面都可以使用二值圖像來表示,分解如式(2-4)所示。

如圖2-12(a)所示的為Le-na的256級灰度圖像,圖2-2(b)~(i)即為Lena256級灰度圖像圖的8個位平面分解圖。_x0002_

圖2-12-Lena灰度圖像的位平面分解圖

2.RGB圖像的位平面分解

RGB圖像的位平面分解是灰度圖像的位平面分解的擴展應用。R、G、B分量均為灰度圖像,則每一分量可以分解出8個位平面。如圖2-13~圖2-15是LenaRGB顏色圖像的位平面分解圖。

圖2-13R分量位平面分解圖

圖2-14G分量位平面分解圖

圖2-15B分量位平面分解圖

2.2.2-數(shù)字圖像環(huán)形解析法在信息隱藏技術(shù)中的應用

數(shù)字圖像環(huán)形解析法是本書講解的另外一種新的、適用于信息隱藏技術(shù)的圖像解析方法,包含三個關(guān)鍵步驟:

①確定解析圓環(huán),即需要確定圓環(huán)寬度;

②確定環(huán)形扇區(qū)角度;

③得出解析圓環(huán)(扇區(qū))的特征數(shù)據(jù)。

這里的特征數(shù)據(jù)可以是本區(qū)域的最低有效位(或其他位置)數(shù)據(jù),也可以是本區(qū)域離散余弦變換后的變換系數(shù),當然也可以是自定義的信息空間。信息隱藏算法就是通過修改特征數(shù)據(jù)來實現(xiàn)信息隱藏的。

1.解析圓環(huán)和扇區(qū)的確定

環(huán)形扇區(qū)解析方法所針對的圖像是正方形圖像,假設(shè)邊長為D,生成環(huán)形以及劃分扇區(qū)遵循6項規(guī)則,圖2-16是環(huán)形解析定義的圖示化。

圖2-17生成扇區(qū)以及解析示意

2.有效解析環(huán)的篩檢

根據(jù)信息隱藏技術(shù)不可見性、容量性、魯棒性和抗分析性的基本要求,解析環(huán)是否可用主要是由解析圓環(huán)的紋理復雜度以及信息匹配度決定的,所以篩檢可用環(huán)需要以下兩個步驟:

(1)環(huán)形復雜度。將圓環(huán)解析出的數(shù)據(jù)記作

R=(rn|n=1,2,…,2π/α),則定義這個圓環(huán)的復雜度判別如式(2-5)所示:

其中,q為圓環(huán)復雜度且精度受α的控制,α是扇區(qū)角度,精度與α值呈反比。

2.2.3數(shù)字圖像顏色遷移理論在信息隱藏技術(shù)中的應用

1.顏色遷移理論的概念

顏色遷移(ColorTransfer,CT)是數(shù)字圖像處理領(lǐng)域一個新興的問題,簡言之就是把一幅圖像A的顏色信息轉(zhuǎn)移到另一幅圖像B,使新生成的圖像C既保存原圖像B的形狀信息,又具有圖像A的色彩信息,如圖2-18所示。

圖2-18顏色遷移應用示意

2.顏色遷移的實現(xiàn)

顏色遷移理論從最初Reinhard提出基于空間各分量的顏色遷移算法到現(xiàn)在,經(jīng)歷了由整體遷移到引入各種局部判斷方案,式(2-8)為Reinhard提出的顏色遷移方案:

3.應用詳述

根據(jù)顏色遷移的基礎(chǔ)理論和實現(xiàn)方法,顏色遷移理論在信息隱藏技術(shù)中的應用主要集中在兩個方面:

(1)顏色遷移理論運用的lαβ顏色空間;

(2)運用顏色遷移公式對數(shù)據(jù)進行修改,達到信息隱藏的目的。

1)lαβ顏色空間在信息隱藏中的應用

在視覺感知中,顏色是最重要的視覺信息之一。

lαβ顏色空間最大優(yōu)勢在于基本消除顏色分量的強相關(guān)性,使得改變?nèi)我夥至恐禑o需考慮其他分量,這樣的特性使得改變分量所需的“代價”大大降低。在基于圖像的信息隱藏

技術(shù)中應用lαβ顏色空間在于由嵌入信息而改變的顏色分量不會對其他分量產(chǎn)生影響。

2)顏色遷移在信息隱藏中的應用

顏色圖像A和結(jié)構(gòu)圖像B的選取是顏色遷移理論在信息隱藏技術(shù)中的應用關(guān)鍵,選取必須遵循以下兩個原則,如表2-6所示。

以上兩個選取原則不僅滿足了信息隱藏應用的不可見性要求,而且圖像的交叉以及范圍的縮小增加了信息隱藏區(qū)域,提高了信息隱藏量,有效地解決了不可見性和嵌入信息量的對立問題。

2.3基于數(shù)字圖像復雜度特性的信息隱藏區(qū)域

2.3.1廣義位平面法廣義位平面方法主要是對傳統(tǒng)位平面方法中的位平面分解對