《基于块匹配和校验格编码的大嵌入率图像隐藏方法-韩涛.pdf》由会员分享，可在线阅读，更多相关《基于块匹配和校验格编码的大嵌入率图像隐藏方法-韩涛.pdf（9页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第28卷 第2期 计算机辅助设计与图形学学报 Vol. 28 No.2 2016年2月 Journal of Computer-Aided Design & Computer Graphics Feb. 2016 收稿日期: 2015-03-02; 修回日期: 2015-05-19. 基金项目: 国家科技支撑计划(2012BAH47B01); 国家自然科学基金(61170234); 郑州科技创新团队项目(10CXTD150); 信息工程大学博士学位论文创新基金(BSLWCX201309). 韩 涛 (1986), 男, 博士研究生, CCF 学生会员, 主要研究方向为密码学、信息隐藏; 费金龙
2、(1982 ), 男, 博士研究生, 讲师, 主要研究方向为网络与信息安全; 刘胜利(1973), 男, 博士, 副教授, 硕士生导师, 主要研究方向为网络与信息安全; 陈 熹 (1988), 男, 硕士, 讲师, 主要研究方向为网络与信息安全; 祝跃飞(1963 ), 男, 博士, 教授, 博士生导师, 论文通讯作者, 主要研究方向为密码学、网络安全. 基于块匹配和校验格编码的大嵌入率图像隐藏方法 韩 涛1,2), 费金龙1,2), 刘胜利1,2), 陈 熹1,2), 祝跃飞1,2)*1)(信息工程大学网络空间安全学院 郑州 450001) 2)(数学工程与先进计算国家重点实验室 郑州 45
3、0001) () 摘 要: 针对通过互联网传输秘密图像所需的安全性和隐蔽性, 结合多层校验格编码提出一种基于矢量量化的图像隐藏方法. 首先根据可重构原则, 利用载体图像的多层MSB构造候选匹配分块集合; 然后使用块匹配过程, 从该集合中为每个秘密图像分块寻找其最优匹配并记录索引值, 对于无最优匹配的分块, 使用K均值聚类从中选出部分代表分块作为其最优匹配, 并替换块匹配过程中未使用的候选匹配分块; 再使用Huffman编码压缩最优匹配分块的索引值、代表分块等数据; 最后使用多层校验格编码将压缩数据嵌入到载体图像的多层LSB. 实验结果表明, 与已有的4种图像隐藏方法相比, 该方法生成的载密图像
4、的视觉质量更好, 同时提取图像的视觉质量更好; 可有效地抵抗3种常见的结构化隐写分析方法; 具有嵌入容量大、载密图像有良好的视觉质量、提取图像和秘密图像的差异小等优点. 关键词: 图像内容安全; 隐写术; 图像隐藏; 块匹配; 校验格编码 中图法分类号: TP309 Large-Payload Image-Hiding Method Based on Block Matching and Syndrome- Trellis Codes Han Tao1,2), Fei Jinlong1,2), Liu Shengli1,2), Chen Xi1,2), and Zhu Yuefei1,2)*1
5、)(Institute of Cyber Space Security, Information Engineering University, Zhengzhou 450001) 2)(State Key Laboratory of Mathematical Engineering and Advanced Computing, Zhengzhou 450001) Abstract: Aiming at the security and secrecy of transmitting secret images through the Internet, combined with the
6、multi-layered syndrome-trellis codes, this paper proposed a vector-quantization-based image-hiding method. First of all, according to the reconfigurable principle, multi-layered most significant bits of the cover image were used to generate a set of candidate blocks. Then a block matching process wa
7、s used to find the best-matching block for each block of secret image from the set and record the index values, and the K-means clustering was used to select some representative blocks from the not-well-matched blocks as the best-matching blocks for them to substitute the unused candidate blocks in
8、the block matching process. Furthermore, the Huffman coding scheme was used to compress the index values of the best-matching blocks, representative blocks, etc. Finally, the encoded data were embedded in the multi-layered least significant bits of the cover image using the multi-layered syndrome-tr
9、ellis codes. The experimental results show that, compared with four previous methods, the visual quality of the stego images obtained by the proposed method is better, and the visual quality of the extracted im-ages is also better; the proposed method can resist the detection of three common structu
10、ral attacks; the proposed 272 计算机辅助设计与图形学学报 第28卷 method exhibits the following advantages: a high embedding capacity; a good visual quality of the stego image; a small error between the extracted image and the secret image. Key words: security of image content; steganography; image hiding; block mat
11、ching; syndrome-trellis codes 近年来, 互联网的飞速发展使得通过互联网传输图像成为一种非常常见的网络通信方式. 从图像内容安全性的角度来说, 如果不使用任何的保护策略, 直接以明文形式传输秘密图像(也称为重要图像、隐蔽图像)可能会导致潜在的安全问题. 因此, 保护秘密图像不被非授权用户非法访问变得越来越重要. 然而, 传统的加密技术1-3(如数据加密标准和 Rivest-Shamir-Adleman 算法)并不适合直接加密秘密图像进行传输, 因为秘密图像加密后就会变成毫无意义的密文数据, 在互联网上传输密文数据本来就很容易引起攻击者的怀疑. 要实现通信内容的保密性
12、和通信行为的隐蔽性, 即隐藏秘密图像的存在性以及隐蔽秘密图像传输的行为, 可借助于信息隐藏技术中的隐写术来实现. 隐写术作为信息隐藏技术的一个重要分支, 主要研究如何将秘密数据隐藏在公开的多媒体数据中以实现隐蔽通信, 其载体包括文本、图像、音频和视频等多媒体数据. 在可用于隐写的载体中以数字图像的使用最为广泛, 将使用数字图像作为载体的隐写术称为图像隐写术. 图像隐写术已成为一个研究热点, 主要研究如何将秘密数据嵌入到数字图像, 以隐藏秘密数据的存在性. 本文关注秘密数据是数字图像的情况, 一些研究者也把这种将秘密图像嵌入载体图像的隐蔽通信技术称为图像隐藏技术. 图像隐藏技术的基本思想是在载体
13、图像的掩护下传输或存储秘密图像, 最重要的方面是保证除了通信双方的第三方不知道秘密图像的存在性, 从而确保秘密图像的保密性. 当图像隐藏技术的嵌入容量较低时, 对于给定大小的秘密图像, 需要较大的载体图像来隐藏该秘密图像. 图像越大, 能承载的消息量越大, 被怀疑的可能性也越大. 因而, 在较小的载体图像中隐藏秘密图像能帮助降低载密图像引起的怀疑, 进而提高秘密图像的保密性. 综上所述, 图像隐藏技术主要追求3个目标: 一是载密图像需要与载体图像尽可能相似, 即需要隐写过程对载体图像造成的修改尽可能少; 二是嵌入容量尽可能大, 可能需要将大秘密图像隐藏在相对小的载体图像上; 三是从载密图像中提
14、取出的秘密图像的视觉质量尽可能好, 即尽可能多地保持原始秘密图像的特征. 目前, 研究人员已提出了许多图像隐藏方法, 一类最常见的就是基于最低有效位(least significant bit, LSB)替换4-6, 另外一类是基于模运算7-9. 然而已有研究者证明使用 LSB 替换进行隐写并不安全10. 虽然上述方法能够完全恢复秘密图像, 并能获得视觉质量更好的载密图像, 但是秘密图像的大小至多为载体图像的 25%50%. 另外, 若秘密数据是文本消息, 则从载密图像提取出的消息必须与原始数据完全相同; 而若秘密数据是图像数据, 由于图像内容具有一定的稳健性, 所以从载密图像里提取的秘密图像
15、有少量的失真是可以接受的. 因此, 一些图像隐藏方法结合图像压缩的思想来增加嵌入容量11-18, 其中基于矢量量化(vector quantization, VQ)的图像隐藏方法受到特别的关注, 这是因为 VQ 技术是一种以图像分块为单位的量化方法, 具有结构简单、解码高效、易于实现等优点. Hu13基于图像特性和模函数提出了一种图像隐藏方法, 首先通过使用索引压缩的VQ技术来压缩秘密图像, 然后将压缩数据嵌入载体图像. 虽然该方法中秘密图像的大小可以是载体图像的若干倍, 但是这会引入大量的失真, 而且提取的秘密图像会有明显的块效应. Wang 等14提出了一种类似于VQ技术的图像隐藏方法,
16、使用块匹配过程来压缩秘密图像中距离小的分块, 并从距离远的分块中选择代表分块, 对最优匹配分块的索引值和所有代表分块进行编码, 然后嵌入到载体图像的多层 LSB. Wang 等15提出了一种使用双路块匹配过程的图像隐藏方法, 首先使用“基+差值”的形式来表示分块并构造候选匹配分块集合, 然后为秘密图像的每个分块寻找距离最近的匹配分块, 最后将索引值和无匹配的秘密分块嵌入到载体图像的多层LSB. Chen等16在文献15的基础上将双路块匹配过程扩展为k路块匹配过程, 提高了秘密图像的隐藏效果. Hsieh 等17基于 VQ 技术提出了一种新的图像隐藏方法, 首先生成载体密码本和差分密码本, 然后
17、使用块匹配过程将秘密图像的分块编码为一个不同长度的索引值集合, 最后使用模数替换方法嵌入压缩数据和其他相关数据. Lee 等第2期 韩 涛, 等: 基于块匹配和校验格编码的大嵌入率图像隐藏方法 273 18首先使用 JPEG2000压缩秘密图像, 然后使用文献19的方法将压缩数据嵌入到载体图像中. 借鉴基于VQ技术的图像压缩思想, 本文提出一种针对大嵌入率应用的基于最优块匹配和多层校验格编码的图像隐藏方法. 首先构造候选匹配分块集合, 然后对于每个秘密图像分块, 使用最优块匹配过程寻找其最优匹配分块, 最后使用 Huffman编码对相关数据进行压缩, 使用多层校验格编码嵌入Huffman编码输
18、出流. 实验结果表明, 本文方法的载密图像与载体图像之间以及提取图像与秘密图像之间的峰值信噪比(peak signal to noise ratio, PSNR)均高于4 种已有的图像隐藏方法14-17, 即本文方法的载密图像和提取图像的视觉质量均优这4 种图像隐藏方法; 另外, 本文方法能抵抗 3 种结构化隐写分析方法. 1 预备知识 1.1 校验格编码 对于任意给定的失真模型, Filler 等20提出的校验格编码可以逼近嵌入效率上界, 即可最小化嵌入失真, 是目前性能最优的二元隐写编码方法. 基于校验格编码, 文献21提出了著名的高度不可检测隐写算法. 校验格编码是一种特殊的矩阵编码,
19、设其奇偶校验矩阵为 H, 大小为kn , H 由一个大小为hw 的子矩阵以一种级联的方式拼接而成. 其目的是通过将n长二元载体12(,)nx xx x 修改为载密12(, , , )nyy y y 来承载消息12(, ,mm m )km , 即TTHym, 同时总嵌入失真尽可能小, 从而通过计算THy 即可提取消息Tm . 校验格编码将TTHym的每个解都表示成通过栅格的一条路径, 路径每一步的长度由载体1iinx修改为1iiny引起的嵌入失真1( , )ii inxy来定义, 从而最小化嵌入失真的问题就变成了寻找最短路径问题, 而最短路径可以由维特比译码的方式快速得到. 注意，消息嵌入者可根
20、据任意的原则来定义嵌入失真1( , )ii inxy. 1.2 校验格编码的多层嵌入构造 受双层嵌入构造22-23的启发, 针对大嵌入率情况, Filler 等20提出了校验格编码的多层嵌入构造, 简称为多层校验格编码. 基于双层校验格编码, 一些安全和高效的隐写算法24-26被提出, 包括空域隐写、JPEG域隐写和含边信息的JPEG域隐写. 下面以2层校验格编码为例, 描述多层校验格编码的过程. 1) 使用熵的链式法则将嵌入率分解, 估计出次 LSB 层需要承载的嵌入率, 然后计算次LSB层在该嵌入率下每个比特的最优修改概率; 2) 利用用于嵌入信息的翻转引理并调用校验格编码嵌入消息; 3)
21、 在次 LSB 层被修改的条件下, 计算LSB层每个比特的条件修改概率, 在此过程中, 次LSB 位已修改的像素所对应的 LSB 位应被定义为“湿点”(即不允许修改的点); 4) 再次利用翻转引理并调用校验格编码在LSB层嵌入消息. 在2层校验格编码中, 载体元素的最大修改幅度为1, 修改方式为1,0, 1 , 最大理论嵌入率为lb 3 ; 在3层校验格编码中载体元素的最大修改幅度为2, 修改方式为2, 1,0, 1, 2 , 最大理论嵌入率为lb 5 ; 类似地, 在 p 层校验格编码中, 载体元素的最大修改幅度为 1p , 修改方式为1,p 1, 0, 1, , 1p , 最大理论嵌入率为
22、lb(2 1)p . 2 基于块匹配和校验格编码的图像隐藏方法 设载体图像为 C, 大小为CI CIhw , 秘密图像为 I, 大小为SI SIhw , C 和 I 都是q 比特图像(如对于灰度图像来说, 8q ), 设在 C 上嵌入 I 得到的载密图像为S. 本文方法的基本思想是: 将秘密图像I分为互不重叠的分块, 对于每个秘密图像分块, 使用块匹配过程在候选分块集合中寻找其最优匹配分块, 使用多层校验格编码将最优匹配分块的索引值嵌入 C 的多层LSB. 为了能够将I 嵌入C, 所需分块大小的最小值由定理1 给出. 定理 1. 给定载体图像C, 大小为CI CIhw , 秘密图像为I, 大小
23、为SI SIhw , 使用多层校验格编码将I的最优匹配分块的索引值嵌入到C的p层LSB. 假设每个索引值占 s 个比特, 则分块大小bmn 的最小值 SI SIminCI CIlb(2 1)sh wbphw (1)证明. 由于 p 层校验格编码的最大理论嵌入率为lb(2 1)p , 所以C的p层LSB能承载的消息比特数为CI CIlb(2 1)phw . 若将 I 分为大小为b mn 的秘密图像分块, 则分块数量为SI SI()hwb . 每个索引值占用s个比特, 则索引值总共需要占用SI SI()s hwb 比特. 为了能够在C的p层LSB中274 计算机辅助设计与图形学学报 第28卷 嵌入
24、所有的索引值, 有 SI SI CI CI()lb(21)s hwb p hw . 因此 SI SICI CIlb(2 1)sh wbphw (2) 对式(2)进行向上取整, 即可得式(1). 证毕. 2.1 嵌入过程 给定大小为CI CIhw 的载体图像 C, 分块大小为bmn, 不妨设CIhm和CIwn均为整数, 则载体图像分块的数量为CI CI CI()()bhwmn , 载体图像 C 的分块表示形式为CI1j jbCC . 类似地, 给定大小为SI SIhw 的秘密图像I, 分块大小为mn , 不妨设SIhm和SIwn均为整数, 则分块数量为SI SI SI()()bhwmn , I
25、的分块表示形式为SI1j jbII . 设1-LSB表示LSB平面, 2-LSB表示第2 层 LSB平面, 类似地, q-LSB表示最高有效位(most significant bit, MSB)平面. 设 2 个图像分块 A 和 B 的大小为mn , 使用平方误差值(square error value, SEV)来度量图像分块A和B之间的距离 ()122111SEV( , ) ( , ) ( , )mnijij ijmn AB A B ; 其中, (, )ijA 和 (, )ijB 分别表示A和B在位置(, )ij上的像素值. 对于每个秘密图像分块jI , 使用块匹配过程在包含t个候选匹配
26、分块的集合中搜索最优匹配分块. 若候选匹配分块集合中某个分块与jI 的平方误差值 SEV 最小, 则该分块称为jI 的最优匹配分块. 在确定每个秘密图像分块的最优匹配分块后, 使用多层校验格编码将最优匹配分块的索引值编码后嵌入载体图像的p层LSB. 为了尽量保证载密图像 S 具有良好的视觉质量, 本文最多选择 4 层LSB用于承载秘密数据, 即max4p . 构造候选匹配分块集合, 在提取过程中还需重构出该集合. 由于 p 层 LSB 用于承载索引值等数据, 所以需要使用载体图像 C 的()qp 个 MSB平面(即(1)p -LSBq-LSB 平面)构造出候选匹配分块集合. 下面给出候选匹配分
27、块集合的构造过程: 首先, 将像素 (,)jklC 的(1)p -LSB至q-LSB位与1(,)jklC 的(1)p -LSB2p-LSB 位进行级联, 其中CI11jb , 1 km , 1 ln , (,)bjklC表示像素 (,)jklC 的 b-LSB 位的取值, 进而获得临时分块jT 的像素值 112111(,) 2 (,)2(,)qbbjjbppcp cjcpkl klkl TCC(3)然后计算第CIb 个临时分块CIbT 的像素值 CI CI112111(,) 2 (,)2(,)qbbbbbppcp ccpkl klkl TCC(4)上述过程构造出CIb 个临时分块. 为了增加候
28、选匹配分块集合中分块的个数, 即增加秘密图像分块找到最优匹配分块的可能性, 将 (,)jklC 和+1(,)jklC 的(1)p -LSBq-LSB 位都分别进行向右循环移位1, 2, 3位; 然后按照式(3)(4)计算临时分块的像素值; 类似地, 可得到另外CI3 b 个临时分块CI CI CI124,bb b ， TT T. 图 1所示为向右循环移位的一个图例, 其中某个8比特像素的二进制表示为10010111, 8q , 4p . 图 1 (p+1)-LSBq-LSB 位向右循环移位的一个图例 去掉临时分块集合 CI14jj bT 中重复出现的分块, 最后剩余的分块构成候选分块集合, 设
29、为 1jj tDD , 其中CI14tb . 获得D 后, 将每个秘密图像分块iI (SI1 ib )与 D 中所有的候选分块进行匹配, 获得分块iI 的第2期 韩 涛, 等: 基于块匹配和校验格编码的大嵌入率图像隐藏方法 275 最优匹配分块的索引值为 arg min SEV( , ), 1iijjzjt ID . 上述块匹配过程能为每个秘密图像分块确定出最优匹配分块, 但是秘密图像分块和最优匹配分块之间的距离可能仍然很大, 这样可能会给秘密图像的提取带来严重的失真. 如果秘密图像分块和最优匹配分块之间的平方误差值 SEV 大于某个预设的门限值 T, 则称该秘密图像分块是无最优匹配的, T
30、的取值后面会讨论. 为了减小无最优匹配的分块可能会造成的大失真, 本文使用 K 均值聚类方法从这些分块中选择k个代表分块. 选择最开始的 k 个无最优匹配的分块作为 K 均值聚类方法中的 k 个初始聚类中心, 仍然使用平方误差值SEV作为2个分块之间距离的度量, 参数k的取值由定理2 给出. 定理 2. 对于 q 比特的载体图像 C, 大小为CI CIhw , 秘密图像为 I, 大小为SI SIhw , 使用 p 层校验格编码将 I 的秘密图像分块对应的索引值嵌入到C的 p层 LSB. 假设候选匹配分块集合有t个分块, 每个索引值占 s 比特, 分块大小为bmn , minbb , 则C的p层
31、LSB能承载的代表分块的数量至多为 SI SICI CImaxlb(2 1)sh whw p tbkbq. .(5)证明. 类似于定理1中的讨论, p层校验格编码的最大嵌入率为lb(2 1)p , 所以 C 的 p 层 LSB能承载的消息比特数为CI CIlb(2 1)phw . 由于索引值需要占用SI SI()s hwb 比特, 标志位 f 有 t个, 所以用于承载代表分块的比特数为lb(2 1)p CI CI SI SI()hw shwbt . 另外, 由于每个代表分块占用bq 比特的存储空间, 所以代表分块的最大数量如式(5)所示. 证毕. 确定k个代表分块之后, 在块匹配过程中用代表分
32、块代替k个未用到的候选分块. 对于块匹配过程中生成的每个候选分块, 本文使用一个标志位f 来标记该分块是否为某个或某些秘密图像分块的最优匹配分块, 若是, 则其对应的 f 设为 1; 否则, f 设为0. 通过记录标志位f, 可以使用k个代表分块替换最开始k个未使用的候选匹配分块, 对于无最优匹配的分块, 将其对应的索引值设为 K 均值聚类生成的代表分块. 在上述块匹配过程中, 根据秘密图像分块与最优匹配分块的平方误差值 SEV 将秘密图像分块分为 2 类: 当 SEV T 时, 该秘密图像分块有最优匹配分块; 否则, 是无最优匹配的分块. T 的选取与提取图像的视觉质量密切相关. 若T的取值
33、过大, 则秘密图像分块与其最优匹配分块之间的误差可能会过大; 若 T的取值过小, 则大部分秘密图像分块会被归类到无最优匹配的分块, 可能会引起无最优匹配的分块与其代表分块之间的误差过大. 为了减小引入到秘密图像的总误差, 虽然使用穷举 T 的方法能够找到使得提取图像的视觉质量最好的 T, 但是计算时间花销太高. 本文采用一种迭代的办法, 在提取图像的视觉质量和计算时间之间进行折中来寻找最优门限值T 的近似值. 本文中, 首先给T 设一个初始值 , 每次迭代都在 上加一个较小值 ; 然后执行嵌入过程, 估计出在当前门限值下引入到提取图像的平方误差值SEV. 重复上述过程, 直到当前嵌入尝试获得的
34、 SEV 大于前 2 次连续的嵌入尝试, 从以上门限值中选择对应于最低 SEV 的门限值作为 T 用于嵌入秘密图像. 为了减少嵌入到载体图像 C 的数据量, 首先使用最优进制转换算法27将 t 进制的索引值转换成二进制序列; 然后将索引值, t 个标志位f, k 个代表分块组成的数据分成8比特一组的数据段, 再使用Huffman编码方法进行压缩; 最后使用p层校验格编码将参数 t, b, k, T, SIh , SIw , Huffman 表和Huffman 编码输出数据流嵌入到载体图像 C 的 p层LSB, 其中p层校验格编码中载体像素失真的详细定义如附录A 所示. 本文方法步骤如下: St
35、ep1. 确定参数p, t, b的取值. 其中, p为承载秘密消息的 LSB 平面的数量; t 为候选匹配分块集合所含分块的个数; bmn 为分块大小, b 的取值需满足定理1的条件. Step2. 将载体图像和秘密图像分别按照从上到下、从左到右的方向, 分为互不相交的、大小为bmn 的分块. Step3. 根据载体图像的()qp 个 MSB 平面, 使用式(3)(4)按顺序构造t 个候选匹配分块. Step4. 获得近似最优的门限值T 的步骤如下: Step4.1. 首先给T 设置一个初始值 , 每次嵌入尝试都在的基础上加 ; 276 计算机辅助设计与图形学学报 第28卷 Step4.2.
36、对于每个秘密图像分块, 从 t 个候选匹配分块中寻找其最优匹配分块; Step4.3. 将秘密图像分块分为 2 类: 若秘密图像分块与最优匹配分块的平方误差值SEV小于等于 , 则该分块属于有最优匹配的分块集合, 否则属于无最优匹配的分块集合; Step4.4. 对于无最优匹配的秘密图像分块, 使用K 均值聚类计算k 个代表分块, 参数k 由定理2 给出; Step4.5. 计算当前嵌入尝试引入的总误差, 包括有最优匹配的秘密图像分块与其最优匹配分块之间的误差、无最优匹配的秘密图像分块与其代表分块之间的误差; Step4.6. 重复执行 Step4.2-Step4.5, 直到当前嵌入尝试的总误
37、差大于连续前 2 次嵌入尝试, 在以上门限值中选择对应于最小总误差的门限值作为T. Step5. 根据T, 按照如下步骤嵌入秘密图像: Step5.1. 对于每个秘密图像分块, 从 t 个候选匹配分块中寻找最优匹配分块的索引值, 设为 e, 同时设置第e 个候选分块的标志位f 为 1; Step5.2. 若该秘密图像分块与其最优匹配分块的 SEV T, 则将该分块归类到无最优匹配的分块集合; Step5.3. 对于无最优匹配的分块集合, 使用K均值聚类计算k 个代表分块; Step5.4. 使用k 个代表分块替换最开始的k 个未使用的候选分块, 对应的标志位f设为0, 对于每个无最优匹配分块的
38、秘密图像分块, 设置其最优匹配的索引值为其代表分块. Step6. 使用最优进制转换算法将t进制的索引值转换为二进制形式, 使用Huffman 编码压缩索引值、标志位 f 和代表分块. Step7. 根据附录 A 中的像素失真定义, 计算修改载体图像像素会引起的失真. Step8. 使用 p 层校验格编码的嵌入过程将如下参数嵌入到载体图像的 p 层 LSB: t, b, k, T, SIh , SIw , Huffman 表和 Huffman 输出数据流及其长度, 最后获得载密图像S. 2.2 提取过程 从载密图像S 中提取秘密图像的步骤如下: Step1. 从载密图像的 p 层 LSB 中使
39、用 p 层校验格编码的提取过程提出如下参数: t, b, k, T, SIh , SIw , Huffman表和Huffman输出数据流及其长度. Step2. 根据 Huffman 表从 Huffman 输出数据流解码得到索引值的二进制形式, 标志位 f 和代表分块, 并使用最优进制转换算法将二进制的索引值转换为 t 进制的形式. Step3. 对于每个标志位 f, 如果 1f , 根据()qp个 MSB 平面构造候选匹配分块; 否则, 按顺序选择代表分块作为候选匹配分块. 重复该过程, 直到构造出所有 t 个候选匹配分块. Step4. 重复如下过程, 直到提取所有秘密图像分块: Step
40、4.1. 取出下一个未处理的索引值; Step4.2. 取出该索引值对应的候选匹配分块, 按顺序将其作为一个秘密图像分块. 3 实验结果与分析 3.1 视觉不可见性实验 实验中所用的图像均为 8 比特的标准灰度图像, 图像大小为512 512 , 6 幅测试图像如图 2 所示. 使用文献14-17中用到的PSNR来度量2幅灰度图像的相似性, PSNR定义为 255 255PSNR 10 lgMSE; 其中, 均方误差(mean square error, MSE)定义为 2,111MSE ( )MNij ijijxyMN, ,ijx 和,ijy 分别表示2幅大小为M N 的图像在(, )ij位
41、置上的像素. a. Lena b. Jet c. Tiffany d. Sailboat e. Peppers f. Milk 图 2 实验图像 本文将载密图像和载体图像之间的 PSNR 设为 PSNRST, PSNRST越高, 表示载密图像和载体图像越相似, 即载体图像承载的秘密图像的存在性越不容易引起攻击者的注意. 同时, 将提取图像与秘密图像之间的PSNR设为PSNREI, PSNREI越高, 表示提取图像与秘密图像越相似, 即提取图像保留秘密图像越多的内容特征. 实验 1. 将秘密图像嵌入到相同大小的载体图像中. 载体图像的 3 层 LSB 平面用于承载压缩数据, 即 3p , 分块大
42、小为 44b , T 的初始值1 , 0.1 , T 和 K 均值聚类方法中聚类中心第2期 韩 涛, 等: 基于块匹配和校验格编码的大嵌入率图像隐藏方法 277 的数量k 随着载体图像和秘密图像的不同会有所差异. 图 3所示为将Jet嵌入到Lena的例子, 其中, 1.3T , 聚类中心数量 2203k , STPSNR 47.29 , EIPSNR 40.81 . 从 PSNRST和 PSNREI可以看出, 根据人眼的视觉特性, 并不能察觉到图 3c 与图 3b之间的差异, 而且图3d也很好地保持了图3a的内容特征. 表 1 所示为 5 种图像隐藏方法的 PSNRST和PSNREI, 其中数
43、据顺序为(PSNRST/PSNREI)14, (PSNRST/PSNREI)15, (PSNRST/PSNREI)16, (PSNRST/ PSNREI)17, (PSNRST/PSNREI)(本文方法), 可以看出, 当秘密图像大小与载体图像相同时, 本文方法的PSNRST和PSNREI大于文献14-17方法, 即载密图像和提取图像的视觉质量优于文献14-17方法, 所以本文方法的性能优于文献14-17方法. 实验 2. 将 4 倍于载体图像大小的秘密图像嵌入到载体图像中. 载体图像的 4 层 LSB 平面用于承载压缩数据, 即 4p , 分块大小为 48b . 图4所示为实验2的实验结果.
44、 将由Sailboat, Peppers, Milk和Jet组成的大小为1024 1024 的图4a嵌入到大小为512 512 的图4b中. 实验中, 2.5T , k 1362 . 从图4可以看出, 并不能察觉到载密图像图4c与载体图像图4b之间的差异, 而且图4d也很好 地保持了图 4a 的内容特征. 表 2 所示为 5 种图像隐藏方法将图4a嵌入到图4b的PSNRST和PSNREI, 可以看出, 当秘密图像大小是载体图像的4倍时, 本文方法的 PSNRST和 PSNREI也大于文献14-17方法, 所以本文方法的性能也优于文献14-17方法. a. 秘密图像 b. 载体图像 c. 载密图
45、像 d. 提取图像 图 3 Jet 嵌入到Lena 表 1 5 种图像隐藏方法的 PSNRST和 PSNREI秘密图像 载体 图像 Jet Lena Tiffany Sailboat Jet (44.15/36.52), (44.21/39.97), (45.16/40.01), (47.15/39.40), (47.38/40.28) (43.81/35.85), (44.27/40.32), (45.14/40.47), (47.46/38.21), (47.69/40.53) (44.11/32.15), (44.19/34.80), (45.16/36.53), (47.01/33.0
46、6), (47.26/36.74) Lena (44.14/38.13), (44.26/39.37), (45.12/40.15), (47.05/39.62), (47.29/40.81) (43.76/35.45), (44.28/40.77), (45.10/40.63), (47.27/38.52), (47.48/40.80) (44.10/32.33), (44.18/34.52), (45.11/36.38), (47.09/32.98), (47.35/36.56) Tiffany (44.16/36.21), (44.29/38.65), (45.15/39.92), (4
47、7.13/40.19), (47.46/40.42) (44.08/35.02), (44.23/40.12), (45.13/40.09), (47.33/39.66), (47.67/40.38) (44.04/31.78), (44.22/33.97), (45.16/36.16), (47.12/33.52), (47.39/36.34) Sailboat (44.13/36.70), (44.30/38.97), (45.10/39.84), (46.95/39.15), (47.23/40.08) (44.04/34.72), (44.23/39.37), (45.11/39.58), (47.03/38.83), (47.24/40.18) 43.97/37.39, (44.30/40.02), (45.07/40.12), (47.22/38.50), (47.61/40.23) a. 秘密图像 b. 载体图像 c. 载密图像 d. 提取图像 图 4 1024 1024的秘密图像嵌入到512 512的载体图像 278 计算机辅助设计与图形学学报 第28卷 表 2 图 4a 嵌入到图 4b 时 5 种图像隐藏方