《信息隱藏技術(shù)》 課件 第5、6章 基于數(shù)字圖像的信息隱藏算法、基于三維模型的信息隱藏算法

第五章基于數(shù)字圖像的信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法基于lαβ與組合廣義位平面的信息隱藏算法基于CL多小波與DCT的信息隱藏算法空間域與變換域在信息隱藏算法中的聯(lián)合應(yīng)用方法基于GHM與顏色遷移理論的信息隱藏算法基于CARDBAL2與顏色場(chǎng)結(jié)構(gòu)法的信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法5.1基于lαβ與組合廣義位平面的信息隱藏算法5.1.1基于lαβ-CGBP的信息隱藏算法設(shè)計(jì)1.信息隱藏區(qū)域空間域就是表象數(shù)據(jù)空間,在數(shù)字圖像中,像素值、顏色空間、圖像位平面、直方圖數(shù)據(jù)、紋理值、梯度值、調(diào)色板以及區(qū)域重心等均屬于空間域的范疇。第五章基于數(shù)字圖像的信息隱藏算法從圖2

11的l、α、β分量圖像的可視性可知,l分量相對(duì)于

α、β分量在影響可視性中的權(quán)重最大。因此利用lαβ顏色空間分量的權(quán)重分布特點(diǎn),算法生成信息隱藏區(qū)域分為如下四個(gè)步驟:第五章基于數(shù)字圖像的信息隱藏算法(1)將載體圖像進(jìn)行l(wèi)αβ顏色空間分解,抽取(清零)l分量后如圖5-1(b)所示;利用剩余的α、β分量數(shù)據(jù)可視化成灰度圖像,如圖

5-1(c)所示。抽取與轉(zhuǎn)化過程如式(5-1)所示:其中,R、G、B

為載體圖像的RGB分量值,R"、G"和B"為對(duì)l分量清零后由lαβ顏色空間轉(zhuǎn)換成RGB顏色空間后的R、G、B分量值,最后由R"、G"和B"生成灰度圖像,生成灰度圖像的公如式(5-2)所示:第五章基于數(shù)字圖像的信息隱藏算法圖5-1抽取l分量數(shù)據(jù)的灰度圖像示例第五章基于數(shù)字圖像的信息隱藏算法(2)對(duì)圖5-1(c)進(jìn)行l(wèi)αβ顏色空間映射后,再次進(jìn)行l(wèi)αβ顏色空間分解,分解后的l、α、β分量子圖生成灰度圖像,如圖5-2所示,算法將在圖5-2的l、α、β分量進(jìn)行信息的隱藏。生成的灰度圖像的具體過程如式(5-3)所示:第五章基于數(shù)字圖像的信息隱藏算法圖5-2基于α、β分量數(shù)據(jù)的灰度圖像再次進(jìn)行l(wèi)αβ分解第五章基于數(shù)字圖像的信息隱藏算法(3)對(duì)在(2)中l(wèi)、α、β分量生成的灰度圖像(圖5-2(b)、圖5-2(c)和圖5-2(d))進(jìn)行亞仿射置亂(n=156),如圖5-3所示。(4)對(duì)置亂后的l、α、β分量灰度圖進(jìn)行位平面分解,對(duì)信息進(jìn)行Huffman(霍夫曼)無損壓縮編碼,算法將在各分量的位平面中按照隱藏規(guī)則進(jìn)行信息的隱藏。第五章基于數(shù)字圖像的信息隱藏算法圖5-3

l、α、β分量生成的灰度圖像進(jìn)行亞仿射置亂(n=156)第五章基于數(shù)字圖像的信息隱藏算法2.信息隱藏規(guī)則在分解出的l、α、β分量的位平面中,不局限在BitPlane0上,將隱藏規(guī)則擴(kuò)展到所有位平面上,實(shí)施組合位平面的信息隱藏策略,基于lαβ與組合廣義位平面的信息隱藏算法的隱藏規(guī)則如下:規(guī)則1:l、α、β分量子圖的BitPlane0作為信息隱藏平面,BitPlane3作為輔助位平面,BitPlane7作為基準(zhǔn)位平面,如圖5-所示。第五章基于數(shù)字圖像的信息隱藏算法圖5-4組合位平面嵌入規(guī)則第五章基于數(shù)字圖像的信息隱藏算法規(guī)則2:秘密信息經(jīng)過Huffman編碼后,按照l(shuí)、α、β順序在BitPlane0上進(jìn)行信息隱藏,信息以行遍歷順序在隱藏區(qū)域中排列。規(guī)則3:設(shè)BitPlanen的二值數(shù)據(jù)為Cn,當(dāng)隱藏信息為CI時(shí),輔助位平面要做出相應(yīng)的修改,如式(5-4)所示:第五章基于數(shù)字圖像的信息隱藏算法3.信息隱藏的流程與步驟基于lαβ與組合廣義位平面的信息隱藏算法的信息隱藏共分為五個(gè)步驟,流程如圖5-5-所示。第五章基于數(shù)字圖像的信息隱藏算法圖5-5-基于lαβ和CGBP的信息隱藏算法流程第五章基于數(shù)字圖像的信息隱藏算法4.信息的提取根據(jù)隱藏信息時(shí)的步驟,提取隱藏信息的過程分為以下兩步:第五章基于數(shù)字圖像的信息隱藏算法5.1.2基于lαβ-CGBP的信息隱藏算法性能分析不可見性分析在不可見性方面,lαβ-CGBP算法基于lαβ顏色空間能量權(quán)重以及顏色分量的弱相關(guān)性進(jìn)行設(shè)計(jì),對(duì)載體圖像進(jìn)行兩次lαβ顏色分解以及第一次分解后對(duì)l顏色分量的抽取保護(hù)。魯棒性分析在魯棒性方面,lαβ-CGBP算法具有l(wèi)αβ隱藏區(qū)域的優(yōu)勢(shì)。載體的亞仿射置亂對(duì)隱藏信息具有同樣的置亂效果,提高了本算法的魯棒性。第五章基于數(shù)字圖像的信息隱藏算法3.抗分析性分析在隱藏區(qū)域的選取上,lαβ-CGBP算法對(duì)載體圖像進(jìn)行兩次lαβ顏色分解,隱藏區(qū)域較為隱蔽,且目前專門針對(duì)lαβ顏色空間進(jìn)行有效分析的信息隱藏分析方法較少。隱藏信息量分析嵌入信息量取決于lαβ-CGBP算法選擇的載體圖像以及隱藏區(qū)域,彩色圖像和位平面理論在嵌入信息量上都具有很大的優(yōu)勢(shì)。安全性分析lαβ-CGBP算法沒有對(duì)隱藏信息進(jìn)行置亂,而是對(duì)載體圖像實(shí)施置亂。第五章基于數(shù)字圖像的信息隱藏算法5.1.3仿真實(shí)驗(yàn)對(duì)基于lαβ與組合廣義位平面的信息隱藏算法進(jìn)行實(shí)驗(yàn)仿真,仿真環(huán)境為Matlab7.0.0.19920,載體圖像為L(zhǎng)ena(256×256)彩色圖像(圖5-6(a)),隱藏信息為Baboon(64×64)二值圖像(圖5-6(b))。1.不可見性實(shí)驗(yàn)依照l(shuí)αβ-CGBP算法得到含密圖像,如圖5-6(c)所示。隱藏信息后的含密圖像與載體圖像的PSNR為39.8316,表明本算

法達(dá)到了良好的不可見性。第五章基于數(shù)字圖像的信息隱藏算法2.魯棒性實(shí)驗(yàn)魯棒性是衡量圖像經(jīng)過處理后的改變程度,也就反映出信息的修改程度,本書定義隱藏信息為二值圖像的魯棒性驗(yàn)證算法,如式(5-5)所示:Q

為魯棒性檢驗(yàn)值,w

為二值圖像的紋理值(詳見式(2

9)),p

為本書定義的二值圖像(n×n)的修改率,如式(5-6)所示:第五章基于數(shù)字圖像的信息隱藏算法由式(2

9)、式(5-5)和式(5-6)可知Q∈[0,1],以下實(shí)驗(yàn)將擴(kuò)大100倍以適應(yīng)百分制判斷習(xí)慣。本書魯棒性檢驗(yàn)均在μ=

η=1時(shí)進(jìn)行,操作對(duì)象為含密圖像5-6(c),分別對(duì)其進(jìn)行

JPEG2000壓縮、剪切、濾波和噪聲攻擊,實(shí)驗(yàn)結(jié)果如圖5-7所示。第五章基于數(shù)字圖像的信息隱藏算法圖5-7攻擊及還原信息魯棒性實(shí)驗(yàn)結(jié)果第五章基于數(shù)字圖像的信息隱藏算法圖5-7攻擊及還原信息魯棒性實(shí)驗(yàn)結(jié)果第五章基于數(shù)字圖像的信息隱藏算法數(shù)字圖像最容易受到的處理(攻擊)是壓縮與剪切攻擊,實(shí)驗(yàn)對(duì)含密圖像5-6(c)進(jìn)行了模擬攻擊,攻擊程度所對(duì)應(yīng)的魯棒性檢驗(yàn)結(jié)果如圖5-8所示。圖5-8

JPEG2000和剪切實(shí)驗(yàn)第五章基于數(shù)字圖像的信息隱藏算法3.抗分析性實(shí)驗(yàn)雙統(tǒng)計(jì)量檢測(cè)分析法(Regular/Singulargroupofpixels,R是通過對(duì)含密圖像的相鄰顏色對(duì)之間的關(guān)系和差異進(jìn)行信息隱藏的分析手段,是一種有效的針對(duì)LSB信息隱藏的分析方法。具體是通過對(duì)比Rm

與R-m

以及Sm

與S-m

的差值來檢測(cè)是否隱藏信息。圖5-9為RS分析法對(duì)lαβ-CGBP的分析結(jié)果。第五章基于數(shù)字圖像的信息隱藏算法圖5-9基于lαβ與CGBP的信息隱藏算法的抗分析實(shí)驗(yàn)第五章基于數(shù)字圖像的信息隱藏算法5.1.4基于lαβ-CGBP的信息隱藏算法小節(jié)lαβ-CGBP算法具有良好的系統(tǒng)特性,不可見性高,對(duì)

JPEG2000壓縮、隨機(jī)剪切、[3,3]均值濾波、[3,3]二次維納濾波、Gaussian白噪聲以及“椒鹽”噪聲具有較強(qiáng)的魯棒

性。通過應(yīng)用針對(duì)LSB算法的RS分析法對(duì)本算法進(jìn)行抗分

析性能檢測(cè),證明本算法具有較好的抗分析性能。第五章基于數(shù)字圖像的信息隱藏算法5.2基于CL多小波與DCT的信息隱藏算法5.2.1基于CL-DCT的信息隱藏算法設(shè)計(jì)1.信息隱藏區(qū)域在基于數(shù)字圖像的多小波變換中,能量分布會(huì)因分解的階數(shù)和分量所在的方向而具有不同的能量分布規(guī)律,根據(jù)基于能量性的信息隱藏嵌入?yún)^(qū)域生成原則,CL多小波變換的能量分布特性可為信息隱藏算法提供靈活的策略選擇依據(jù)。從圖2

3的CL多小波分解示例和表2

2數(shù)據(jù)可知,經(jīng)過CL多小波變換后的

LL2、LH2、HL2和HH2分量具有不同的能量分布特性。第五章基于數(shù)字圖像的信息隱藏算法利用CL多小波變換后的能量權(quán)重分布特點(diǎn),基于CL-DCT的信息隱藏算法生成信息隱藏區(qū)域有以下四個(gè)步驟:載體圖像經(jīng)過CL多小波變換后,在LH2

和HL2分量中嵌入隱藏信息。在LL2中嵌入具有校驗(yàn)作用和判別功能的魯棒性信息,HH2分量嵌入脆弱性標(biāo)識(shí)信息,如圖5-10所示。對(duì)LL2分量進(jìn)行DCT變換,在N×N的分量塊中,DCT系數(shù)選擇區(qū)間[(N2/4)-1,N2-1]。對(duì)LH2和HL2分量進(jìn)行DCT變換,在N×N

的分量塊中,DCT系數(shù)選擇區(qū)間為[0,(N2/2)-1]。對(duì)HH2分量進(jìn)行l(wèi)αβ顏色分解后,再對(duì)β各分量灰度化,然后進(jìn)行位平面分解,隱藏區(qū)域?yàn)锽itPlane0。第五章基于數(shù)字圖像的信息隱藏算法圖5-10基于CL多小波一階變換LL1子圖綜合嵌入策略第五章基于數(shù)字圖像的信息隱藏算法2.信息隱藏規(guī)則基于CL-DCT的信息隱藏算法的信息隱藏規(guī)則如下:規(guī)則1:LL2、LH2和HL2分量的DCT系數(shù)的奇偶分別表示1和0。規(guī)則2:秘密信息將按照RAID4方式(8位為RAID4基本數(shù)據(jù)塊單元)交叉隱藏到LH2和HL2生成的隱藏區(qū)域中。規(guī)則3:在LL2分量的隱藏區(qū)域按照序號(hào)(N2/4)-1到N2-1的順序進(jìn)行修改;LH2和HL2分量的隱藏區(qū)域按照序號(hào)0到(N2/2)-1的順序進(jìn)行修改。規(guī)則4:在HH2分量的隱藏區(qū)域中,以行遍歷順序隱藏相關(guān)信息。第五章基于數(shù)字圖像的信息隱藏算法3.信息隱藏的流程與步驟基于CL-DCT的信息隱藏共分為8個(gè)步驟,總體流程如圖5-11所示。(1)對(duì)載體圖像進(jìn)行CL多小波變換,分解出載體圖像的LL1子圖的4個(gè)分量圖,分別記作LL2、LH2、HL2和HH2。(2)對(duì)LL2分量進(jìn)行DCT變換,設(shè)分量DCT塊為N×N,DCT系數(shù)從(N2/4)-1到N2-1按照規(guī)則1進(jìn)行后續(xù)隱藏。第五章基于數(shù)字圖像的信息隱藏算法圖5-11基于CL多小波與DCT的信息隱藏算法流程第五章基于數(shù)字圖像的信息隱藏算法(3)對(duì)LL2和LH2分量進(jìn)行DCT變換,DCT系數(shù)從0到(N2/2)-1按照規(guī)則2進(jìn)行解析,解析數(shù)據(jù)分別記作CLL(2)

和CLL11

。CLL

1

=(x

1

,x

2(3)

(2)

(2)

(2),…,x(2)

)∈{0,1},且0≤m≤N2/2;mCLL(3)

x(3)

x(3)

x(3)

n≤N21

=(

1

,

2

,…,

n

)∈

{0,1

},且0≤ /2。最后解析結(jié)果記作C:第五章基于數(shù)字圖像的信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法(7)LL2是魯棒性最強(qiáng)的部分,為了判斷和恢復(fù)因攻擊而受損的隱藏信息,提高魯棒性,對(duì)LL2分量進(jìn)行DCT變換,在N2/4到N2-1的DCT系數(shù)上嵌入信息的RAID4校驗(yàn)數(shù)據(jù)、最優(yōu)置亂參數(shù)x"n、η"和μ"以及信息的Hash值(記為RL)。(8)HH2是4個(gè)逼近分量中最脆弱的部分,對(duì)HH2進(jìn)行l(wèi)αβ顏色分解,對(duì)β分量進(jìn)行灰度轉(zhuǎn)換,并進(jìn)行位平面分解,按照規(guī)則3隱藏信息的Hash(記為RH)。接收方利用RH

與RL中嵌入信息Hash值的比較可以快速判斷含密圖像是否被篡改。第五章基于數(shù)字圖像的信息隱藏算法4.信息的提取根據(jù)隱藏信息時(shí)的算法,提取信息的過程分為五個(gè)步驟:對(duì)含密圖像進(jìn)行CL多小波變換,得到LL1子圖的4個(gè)分量子圖。對(duì)LL2、LH2和HL2進(jìn)行DCT分解,按照規(guī)則1和規(guī)則3從LL2提取RL。按照規(guī)則1、規(guī)則2和規(guī)則3從LH2和HL2中提取出相關(guān)數(shù)據(jù),記為C″。從HH2中按照規(guī)則4提取Hash值RH

。判斷RL=RH,如果成立,則C″為秘密信息,否則進(jìn)行下一步。用從LL2中提取出的校驗(yàn)數(shù)據(jù)對(duì)C″進(jìn)行校驗(yàn)后,最終得出隱藏信息。第五章基于數(shù)字圖像的信息隱藏算法5.2.2基于CL-DCT的信息隱藏算法性能分析1.不可見性與魯棒性分析CL-DCT算法隱藏區(qū)域選擇能量很高的LL1部分(約占圖像總體能量的97.36%),符合魯棒性隱藏區(qū)域的基本條件。信息的主要隱藏區(qū)域是在LH2和HL2分量上,與LL2能量相比,LH2和HL2能量很低(分別占LL1部分能量的2.51%和0.62%,約占圖像總體能量的2.44%和0.60%),符合不可見性隱藏區(qū)域的基本條件。本算法在具有高能量LL2分量的DCT系數(shù)中選擇高頻系數(shù),符合DCT不可見性的隱藏區(qū)域規(guī)則;在具有能量

較低的LH2和HL2分量的DCT系數(shù)中選擇低頻系數(shù),符合DCT魯棒性的隱藏區(qū)域規(guī)則。第五章基于數(shù)字圖像的信息隱藏算法基于CL多小波與DCT的信息隱藏算法的總體設(shè)計(jì)思想就是在高能量部分的弱能量區(qū)域隱藏信息,這樣的設(shè)計(jì)使得本算法同時(shí)具備較好的魯棒性與不可見性。第五章基于數(shù)字圖像的信息隱藏算法2.抗分析性分析考慮到信息隱藏分析者會(huì)利用CL分量LH2和HL2的“全黑”特性進(jìn)行信息隱藏分析,LH2和HL2沒有明顯的紋理和圖案特征,隱藏信息后容易暴露,所以CL-DCT算法隱藏區(qū)域選擇在DCT高頻系數(shù)區(qū)間,有效地避免了信息隱藏分析。Chebyshev遍歷統(tǒng)計(jì)特性與零均值白噪聲的統(tǒng)計(jì)特性一致,使隱藏信息具有很好的分布和隱藏特性,提高了信息隱藏算法的抗分析性能。在

HH2分量(lαβ顏色空間)中對(duì)β各分量灰度化后進(jìn)行LSB信息隱藏,在滿足敏銳感知性的同時(shí)抗擊了基于LSB分析的一般信息隱藏分析方法。第五章基于數(shù)字圖像的信息隱藏算法3.感知篡改性分析CL-DCT算法通過在能量最高的LL2魯棒單元和能量最低的HH2脆弱標(biāo)識(shí)單元同時(shí)隱藏信息的Hash值,通過對(duì)比判斷,系統(tǒng)一定具有敏銳的感知篡改能力。第五章基于數(shù)字圖像的信息隱藏算法5.2.3仿真實(shí)驗(yàn)對(duì)基于CL多小波與DCT的信息隱藏算法進(jìn)行實(shí)驗(yàn)仿真,仿真環(huán)境為Matlab7.0.0.19920。載體圖像為L(zhǎng)ena彩色圖像(256×256)(圖5-12(a));隱藏信息為Baboon二值圖像(64×64)(圖5-12(b))。1.不可見性實(shí)驗(yàn)依照CL-DCT算法得到含密圖像,如圖5-12(c)所示。隱藏信息后的含密圖像與載體圖像的PSNR為38.9837,具有很高的不可見性。第五章基于數(shù)字圖像的信息隱藏算法圖5-12不可見性實(shí)驗(yàn)第五章基于數(shù)字圖像的信息隱藏算法2.魯棒性實(shí)驗(yàn)依照式(5-5)進(jìn)行魯棒性檢驗(yàn),操作對(duì)象為含密圖像

5-12(c)。分別對(duì)其進(jìn)行JPEG2000壓縮、剪切、濾波和噪聲攻擊,實(shí)驗(yàn)結(jié)果如圖5-13所示。圖5-13攻擊及還原信息魯棒性實(shí)驗(yàn)結(jié)果第五章基于數(shù)字圖像的信息隱藏算法圖5-13攻擊及還原信息魯棒性實(shí)驗(yàn)結(jié)果第五章基于數(shù)字圖像的信息隱藏算法圖像最容易受到的無意攻擊是壓縮與剪切攻擊,攻擊程度所對(duì)應(yīng)的魯棒性檢驗(yàn)結(jié)果如圖5-14所示。第五章基于數(shù)字圖像的信息隱藏算法圖5-14

JPEG2000和剪切實(shí)驗(yàn)第五章基于數(shù)字圖像的信息隱藏算法3.抗分析性實(shí)驗(yàn)基于小波系數(shù)的高階統(tǒng)計(jì)量分析算法是一種通用的分析算法,尤其對(duì)基于DCT的信息隱藏算法分析效果較好。利用基于小波系數(shù)的高階統(tǒng)計(jì)量檢測(cè)算法對(duì)基于CL多小波與

DCT的信息隱藏算法進(jìn)行分析,實(shí)驗(yàn)結(jié)果如圖5-15所示。第五章基于數(shù)字圖像的信息隱藏算法圖5-15-基于CL-DCT算法在高階統(tǒng)計(jì)量檢測(cè)分析結(jié)果第五章基于數(shù)字圖像的信息隱藏算法4.感知篡改性實(shí)驗(yàn)對(duì)LL2和HH2的校驗(yàn)數(shù)據(jù)進(jìn)行對(duì)比檢驗(yàn),當(dāng)JPEG壓縮率為5%、裁剪5%、旋轉(zhuǎn)1°、均值濾波([3,3])、白噪?yún)?shù)(0,0.003)、椒鹽噪聲(d=0.05)時(shí)的檢出率如表5-1所示,平均檢出率達(dá)到99.04%,具有極高的感知篡改性。第五章基于數(shù)字圖像的信息隱藏算法5.2.4基于CL-DCT的信息隱藏算法小節(jié)CL-DCT算法具有良好的系統(tǒng)特性,不可見性好,對(duì)

JPEG2000壓縮、隨機(jī)剪切、[3,3]均值濾波、[3,3]二次維納濾波、Gaussian白噪聲以及“椒鹽”噪聲具有較強(qiáng)的魯棒性,抗擊剪切攻擊性強(qiáng)。通過應(yīng)用對(duì)DCT算法有較好檢測(cè)能力的基于小波系數(shù)的高階統(tǒng)計(jì)量分析法對(duì)CL-DCT進(jìn)行抗分析性能檢測(cè),得出本算法具有較好的抗分析性能。實(shí)驗(yàn)證明本算法的感知篡改性達(dá)到99%以上,具有非常敏銳的感知竄改能力。第五章基于數(shù)字圖像的信息隱藏算法5.3空間域與變換域在信息隱藏算法中的聯(lián)合應(yīng)用方法空間域在信息隱藏技術(shù)中的作用主要體現(xiàn)在數(shù)據(jù)的隱藏嵌入方面,因?yàn)樵诰唧w的隱藏嵌入操作時(shí),其實(shí)質(zhì)是在當(dāng)前環(huán)境的空間分量上進(jìn)行數(shù)據(jù)修改。變換域在信息隱藏技術(shù)中的主要作用是生成具有一定性質(zhì)的信息隱藏環(huán)境(區(qū)域),主要包括變換后的系數(shù)分布、n階分量子圖等。第五章基于數(shù)字圖像的信息隱藏算法本書給出的基于空間域和變換域的聯(lián)合應(yīng)用算法是利用變換域生成符合信息隱藏特性的區(qū)域,利用空間域在生成的信息隱藏區(qū)域上進(jìn)行修改,如圖5-16所示。圖5-16空間域與變換域在信息隱藏算法中的聯(lián)合應(yīng)用方法第五章基于數(shù)字圖像的信息隱藏算法由聯(lián)合應(yīng)用方法可知,變換域理論的主要作用是生成隱藏區(qū)域,這是基于數(shù)字圖像信息隱藏技術(shù)的研究難點(diǎn)。根據(jù)本書在第二章提出的信息隱藏算法區(qū)域選擇原則和信息與算法性能之間的關(guān)系,基于變換域的區(qū)域生成應(yīng)該考慮如下因素:①區(qū)域數(shù)據(jù)來源信息;②區(qū)域能量信息;③區(qū)域的能量分布信息;④區(qū)域與整體圖像信息關(guān)聯(lián)的統(tǒng)計(jì)特性。第五章基于數(shù)字圖像的信息隱藏算法

表5-2給出了區(qū)域因素的具體含義。第五章基于數(shù)字圖像的信息隱藏算法5.4基于GHM與顏色遷移理論的信息隱藏算5.4.1基于GHM-CT的信息隱藏算法設(shè)計(jì)1.信息隱藏區(qū)域從圖2

2和表2

1可知,經(jīng)過GHM變換后,LL2、LH2、HL2和HH2的能量比大約是4.5∶2.2∶2.2∶1.1。利用能量權(quán)重分布特點(diǎn)生成隱藏區(qū)域?yàn)槿缦氯齻€(gè)步驟:(1)GHM-CT算法經(jīng)過GHM多小波變換后,在LH2和HL2分量隱藏信息,在LL2中隱藏與魯棒性相關(guān)以及有校驗(yàn)作用的信息,HH2分量嵌入脆弱性標(biāo)識(shí)信息,如圖5-17所示。第五章基于數(shù)字圖像的信息隱藏算法圖5-17基于GHM多小波一階變換LL1子圖綜合嵌入策略第五章基于數(shù)字圖像的信息隱藏算法對(duì)LL2、LH2、HL2和HH2分量子圖進(jìn)行l(wèi)αβ轉(zhuǎn)換,如圖5-18所示,記作LLI

。其中,I

表示顏色分量,I={l,α,β}。2除去l分量,以α

分量和β分量為信息隱藏區(qū)域。第五章基于數(shù)字圖像的信息隱藏算法圖5-18一階GHM逼近子圖的lαβ轉(zhuǎn)換第五章基于數(shù)字圖像的信息隱藏算法2.信息隱藏規(guī)則基于GHM多小波與顏色遷移理論的信息隱藏規(guī)則是利用顏色遷移理論的lαβ遷移方程對(duì)數(shù)據(jù)單元進(jìn)行修改,達(dá)到信息隱藏的目的,具體規(guī)則如下:規(guī)則1:根據(jù)第二章2.2.3小節(jié)的A、B

圖像選擇原理,GHMCT的A、B

圖像選取如圖5-19所示?？沼蛳袼貕K(2×2)為信息隱藏基本單元,滿足“AB

圖像縮小范圍”原則,A1、A2組成顏色圖像A,B1、B2組成形狀圖像B,其中

A1與B1的重合滿足

“就近或部分交叉”原則。第五章基于數(shù)字圖像的信息隱藏算法圖5-19基于顏色遷移的A、B圖像選取第五章基于數(shù)字圖像的信息隱藏算法規(guī)則2:根據(jù)l、α、β分量的權(quán)重特性,基于GHM多小波與顏色遷移理論的信息隱藏算法只對(duì)α、β分量進(jìn)行調(diào)整,調(diào)整規(guī)則如式(5-11)所示:第五章基于數(shù)字圖像的信息隱藏算法規(guī)則3:每個(gè)基本單元(2×2)可隱藏兩位信息,隱藏位置分別為像素C

的α、β位。如表5-3所示,其中“√”表示數(shù)據(jù)不修改,其余則按照式(5-11)修改成表格中的數(shù)據(jù)。第五章基于數(shù)字圖像的信息隱藏算法3.信息隱藏的流程與步驟GHM-CT算法的信息隱藏流程分為七個(gè)步驟,如圖5-20所示。圖5-20基于GHM多小波和顏色遷移的信息隱藏流程圖第五章基于數(shù)字圖像的信息隱藏算法(1)對(duì)載體圖像進(jìn)行GHM多小波變換,分解出LL1子圖的4個(gè)逼近子圖,對(duì)4個(gè)逼近子圖進(jìn)行l(wèi)αβ顏色空間轉(zhuǎn)換,分離出α、β分量,記作LLα2、LHα2、HLα2、HHα2和LLβ2、LHβ2、HLβ2、HHβ2;(2)對(duì)LH2、HL2進(jìn)行編碼,像素塊(2×2)按照行遍歷順序編碼,編碼公式如式(5-12)所示:第五章基于數(shù)字圖像的信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法4.信息的提取GHM-CT算法的信息提取分為四個(gè)步驟,流程圖如圖5-21所示。對(duì)含密圖像進(jìn)行一階GHM多小波變換和lαβ顏色空間轉(zhuǎn)換,得到4個(gè)逼近子圖LL2、LH2、HL2、HH2。從LL2中提取y、μ和RL,HH2中提取RH

。判斷:若RL=RH

,說明未受攻擊,則按照y

從LH2與HL2完成對(duì)隱藏信息的提取;若RL≠RH,說明受到攻擊或修改,則繼續(xù)。用y以及校驗(yàn)數(shù)據(jù)RL從LH2和HL2中提取隱藏信息。第五章基于數(shù)字圖像的信息隱藏算法圖5-21基于GHM多小波和顏色遷移的信息提取流程第五章基于數(shù)字圖像的信息隱藏算法5.4.2基于GHM-CT的信息隱藏算法性能分析1.魯棒性分析根據(jù)基于GHM多小波子圖的能量分布特性,隱藏區(qū)域選擇了能量很高的LL1

部分(約占圖像總體能量的97.31%),符合魯棒性隱藏區(qū)域的基本條件。GHM-CT算法利用約占整個(gè)

載體圖像45%的能量區(qū)域(LH2和HL2分量區(qū)域)作為信息主要隱藏區(qū)域,以及在LH2和HL2分量中應(yīng)用RAID4數(shù)據(jù)冗余及還原技術(shù),增強(qiáng)信息隱藏算法的魯棒性。第五章基于數(shù)字圖像的信息隱藏算法2.不可見性分析基于lαβ顏色空間的弱相關(guān)性,使得改變?nèi)我夥至慷鵁o需考慮其他維度分量的變化?？沼螂[藏單元(2×2)以及顏色圖像公共區(qū)域的選取,使得單元(2×2)具有兩位信息隱藏量,同時(shí)縮小顏色遷移的面積和跨度。GHM

CT算法僅對(duì)α、β進(jìn)行改變,Logistic映射和遺傳優(yōu)化算法的介入,大大降低對(duì)載體圖像的改變,提高本算法的不可見性。第五章基于數(shù)字圖像的信息隱藏算法3.抗分析性分析在抗分析方面,基于GHM多小波變換的頻率域區(qū)別于以往DCT或DWT的變換特性,可以抵抗一般分析方案。Logistic置亂使隱藏信息具有很好的分布和隱藏特性。在lαβ顏色空間上,基于顏色遷移規(guī)則的信息隱藏方案使圖像在自

身統(tǒng)計(jì)特性的情況下進(jìn)行改變,即不會(huì)對(duì)載體圖像的統(tǒng)計(jì)特

性有較大的修改,有助于增強(qiáng)信息隱藏算法的抗分析性能。第五章基于數(shù)字圖像的信息隱藏算法4.感知篡改性分析利用GHM多小波變換子圖能量分布特性,在能量最高的LL2魯棒單元和能量最低的HH2脆弱標(biāo)識(shí)單元同時(shí)嵌入隱藏信息的RAID4校驗(yàn)數(shù)據(jù),通過對(duì)比判斷,使系統(tǒng)具有敏銳的感知篡改能力。第五章基于數(shù)字圖像的信息隱藏算法5.4.3仿真實(shí)驗(yàn)對(duì)GHM-CT算法進(jìn)行實(shí)驗(yàn)仿真,仿真環(huán)境為Matlab。載

體圖像為L(zhǎng)ena彩色圖像(256×256)(圖5-22(a));隱藏信息為

Boboon二值圖像(64×64)(圖5-22(b))。1.不可見性實(shí)驗(yàn)依照GHM-CT算法得到含密圖像,如圖5-22(c)所示。隱藏信息后的含密圖像與載體圖像的PSNR為34.1954,具有較好的不可見性。第五章基于數(shù)字圖像的信息隱藏算法圖5-22不可見性實(shí)驗(yàn)第五章基于數(shù)字圖像的信息隱藏算法2.魯棒性實(shí)驗(yàn)依照魯棒性驗(yàn)證算法對(duì)GHM-CT進(jìn)行魯棒性衡量,分別對(duì)其進(jìn)行JPEG2000壓縮、剪切、旋轉(zhuǎn)、濾波和噪聲攻擊,實(shí)驗(yàn)結(jié)果如圖5-23所示。第五章基于數(shù)字圖像的信息隱藏算法圖5-23攻擊及還原信息魯棒性實(shí)驗(yàn)結(jié)果第五章基于數(shù)字圖像的信息隱藏算法圖像最容易受到的無意攻擊是壓縮和剪切攻擊,攻擊程度所對(duì)應(yīng)的魯棒性檢驗(yàn)結(jié)果如圖5-24所示。圖5-24

JPEG2000和剪切實(shí)驗(yàn)第五章基于數(shù)字圖像的信息隱藏算法對(duì)算法進(jìn)行隨機(jī)旋轉(zhuǎn)實(shí)驗(yàn),如圖5-25所示。圖5-25-旋轉(zhuǎn)實(shí)驗(yàn)第五章基于數(shù)字圖像的信息隱藏算法3.抗分析性實(shí)驗(yàn)基于GHM與顏色遷移理論的信息隱藏算法中,實(shí)施信

息隱藏的是基于顏色遷移理論的遷移方程,對(duì)載體圖像顏色信息進(jìn)行了修改。直方圖是反映顏色信息的一種有效的圖像解析方法。圖5-26(a)是隱藏信息量從0~214bit的基于直方圖分析的特征描述量Diff的變化曲線以及相應(yīng)檢出率。隨著信息隱藏量的增大,Diff有增大的趨勢(shì),在k∈[0,10)區(qū)間增長(zhǎng)率極小,在k∈[10,13]區(qū)間增長(zhǎng)率略微增加,但不足以成為分析的明確特征。使用1000幅隨機(jī)圖片進(jìn)行測(cè)試(如圖5-26(b)),檢出率低于5.76%,且主要檢出在k=12以上,GHM-CT算法對(duì)基于直方圖特征分析的方法(顏色分析思想)具有較強(qiáng)的抗分析性。第五章基于數(shù)字圖像的信息隱藏算法圖5-26基于GHM-CT算法在基于直方圖分析法的檢測(cè)結(jié)果第五章基于數(shù)字圖像的信息隱藏算法4.感知篡改性實(shí)驗(yàn)對(duì)LL2和HH

的校驗(yàn)數(shù)據(jù)進(jìn)行對(duì)比檢驗(yàn),當(dāng)攻擊類型和強(qiáng)度分別為JPEG壓縮率5%、裁剪5%、旋轉(zhuǎn)1°、均值濾波([3,3])、白噪?yún)?shù)(0,0.003)、椒鹽噪聲(d=0.05)時(shí)的檢出率表5-4所示,平均檢出率達(dá)到91.37%,表明GHM-CT算法對(duì)篡改具有敏銳的感知性。第五章基于數(shù)字圖像的信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法5.5-基于CARDBAL2與顏色場(chǎng)結(jié)構(gòu)法的信息隱藏算法5.5.1基于CDB2-CFC的信息隱藏算法設(shè)計(jì)1.信息隱藏區(qū)域CARDBAL2多小波變換后能量不但匯聚在最低分辨率的子圖上,而且還平均分?jǐn)傇谧畹头直媛首訄D的4個(gè)分量上。基于分量的能量權(quán)重分布,CDB2-CFC算法生成信息隱藏區(qū)域分為如下七個(gè)步驟:第五章基于數(shù)字圖像的信息隱藏算法(1)利用顏色場(chǎng)結(jié)構(gòu)有繼承顏色空間性質(zhì)的特性以及l(fā)αβ顏色空間在信息隱藏技術(shù)中的應(yīng)用優(yōu)勢(shì),顏色空間矩陣選擇lαβ顏色空間作為本算法顏色空間矩陣的輸入。根據(jù)4.2.1小節(jié)顏色空間矩陣的定義,CDB2-CFC算法在像素(i,j)的顏色空間矩陣C"

定義如式(5-15):ij第五章基于數(shù)字圖像的信息隱藏算法(2)根據(jù)4.2.1小節(jié)整合矩陣的定義,確定整合矩陣要確定熵值、對(duì)比度、能量、均勻度以及梯度(具體見表4

3)。因?yàn)?/p>

lαβ顏色空間分量個(gè)數(shù)為3,整合矩陣及公式中各矩陣元素個(gè)數(shù)取3,如式(5-16)所示:第五章基于數(shù)字圖像的信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法對(duì)載體圖像進(jìn)行CARDBAL2多小波變換,生成一階4分量子圖,記作LL2、LH2、HL2和HH2。對(duì)LL2、LH2、HL2

運(yùn)行步驟(1)~(4),生成各自分量的顏色場(chǎng)結(jié)構(gòu),記作LL"2、LH"2、HL"2和HH"2。用LL"2、LH"2、HL"2和HH"2作為信息隱藏單元。將欲隱藏的信息分為兩部分,LL"2和HH"2隱藏一部分信息,且兩分量隱藏相同的信息;LH"2和HL"2隱藏另一部分信息,兩分量也隱藏相同的信息,如圖5-27所示。第五章基于數(shù)字圖像的信息隱藏算法圖5-27基于CARDBAL2多小波變換LL1子圖信息綜合隱藏策略第五章基于數(shù)字圖像的信息隱藏算法2.信息隱藏規(guī)則在基于

CARDBAL2多小波與顏色場(chǎng)結(jié)構(gòu)法的信息隱藏算法中,顏色場(chǎng)結(jié)構(gòu)的“方向”代表信息,利用對(duì)場(chǎng)方向(矩陣M")進(jìn)行改變達(dá)到信息隱藏的目的,信息隱藏規(guī)則如下:規(guī)則1:顏色場(chǎng)方向與所表示的信息規(guī)則如表5-5所示,其中λ=(0,1,…,2k-1),k=(0,1,…,+∞)∈Z*。規(guī)則2:隱藏信息時(shí),方向改變遵循就近原則。由表5-5可知,最大改變量為π/2k。當(dāng)k=2時(shí),顏色場(chǎng)結(jié)構(gòu)的方向與代表信息的示意圖如圖5-28所示,例如,凡在黑色區(qū)域的顏色場(chǎng)方向均代表“00”。第五章基于數(shù)字圖像的信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法圖5-28顏色場(chǎng)結(jié)構(gòu)的信息表示區(qū)域(k=2)第五章基于數(shù)字圖像的信息隱藏算法3.信息隱藏的流程與步驟基于CARDBAL2多小波與顏色場(chǎng)結(jié)構(gòu)法的信息隱藏分為八個(gè)步驟,總體流程如圖5-29所示。圖5-29基于CARDBAL2多小波和顏色場(chǎng)結(jié)構(gòu)法的隱藏信息流程圖第五章基于數(shù)字圖像的信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法(5)應(yīng)用優(yōu)化算法進(jìn)行最優(yōu)調(diào)整。Cx1

與C

、C

序列IN

LL

HH對(duì)應(yīng)位相同的個(gè)數(shù)分別用FLL和FHH

表示,優(yōu)化模型定義如式(5-20)所示。優(yōu)化求出最優(yōu)解(μL,yL

)

,將yL代入

Cx1

得出最I(lǐng)N優(yōu)嵌入比特

CyL

:IN第五章基于數(shù)字圖像的信息隱藏算法(6)Cx2

與

C

、C

序列對(duì)應(yīng)位相同的個(gè)數(shù)分別用FIN

LH

HL

LH和FHL表示,優(yōu)化模型定義如式(5-21)所示。優(yōu)化求出最優(yōu)解(μH

,yH

)

,將yH

代入

Cx2

得出最優(yōu)嵌入比特

CyH

:IN

IN第五章基于數(shù)字圖像的信息隱藏算法按照表5-5規(guī)則改變顏色場(chǎng)方向,以騎士巡游遍歷順序?qū)?/p>

CyL

LL"

和LH"2中,將

CyH

分別隱藏到

LH"

和IN分別隱藏到

2

IN

2HL"。2將修改后的

LL"、LH"2、HL"、HH"分量經(jīng)過2

2

2CARDBAL2多小波逆變換還原成含密圖像。第五章基于數(shù)字圖像的信息隱藏算法4.信息的提取基于CARDBAL2多小波和顏色場(chǎng)結(jié)構(gòu)法的信息提取分為四個(gè)步驟,流程如圖5-30所示。第五章基于數(shù)字圖像的信息隱藏算法圖5-30基于CARDBAL2多小波和顏色場(chǎng)結(jié)構(gòu)法的信息提取流程第五章基于數(shù)字圖像的信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法5.5.2基于CDB2-CFC的信息隱藏算法性能分析1.不可見性分析CDB2-CFC算法通過改變顏色場(chǎng)結(jié)構(gòu)的方向進(jìn)行信息隱藏。一方面,顏色場(chǎng)結(jié)構(gòu)的生成充分考慮了顏色、紋理和梯度對(duì)不可見性的影響;另一方面,借助計(jì)算機(jī)可以使隱藏的區(qū)域劃分密集(通常參數(shù)k≥8,即最大改變角度小于0.7°),使得本算法在隱藏信息時(shí),既考慮了人類視覺規(guī)律,又對(duì)載體圖像改變較小。Logistic混沌映射和優(yōu)化算法大大降低隱藏信息對(duì)載體圖像的改變,使系統(tǒng)具有很好的不可見性。第五章基于數(shù)字圖像的信息隱藏算法2.魯棒性分析利用

CARDBAL2多小波子圖的能量分布特性,CDB2-CFC算法提出在4個(gè)分量中進(jìn)行兩兩隱藏相同數(shù)據(jù)的雙冗余隱藏策略,冗余隱藏區(qū)域分別是以最高能量LL2與最低能量HH2的組合,以及中等能量LH2與HL2組合。顏色場(chǎng)結(jié)構(gòu)中包括圖像熵值、能量與均勻度,這都可以使信息隱藏具有較強(qiáng)的魯棒性能。騎士巡游對(duì)圖像進(jìn)行像素位置置亂后,圖像只是模糊了細(xì)節(jié),本算法應(yīng)用此特性進(jìn)行隱藏?cái)?shù)據(jù)(圖像)的模糊恢復(fù),提高了魯棒性能。第五章基于數(shù)字圖像的信息隱藏算法3.感知篡改性分析CDB2-CFC算法利用LL2和HH2以及LH2和HL2提取信息

的對(duì)比判斷,即最高魯棒單元與最低魯棒單元的數(shù)據(jù)對(duì)比以及中間能量單元的補(bǔ)充數(shù)據(jù)對(duì)比,使本算法具有極高的感知篡改能力。4.抗分析性分析在抗分析性方面,基于

CARDBAL2多小波與顏色場(chǎng)結(jié)構(gòu)法的信息隱藏算法是對(duì)圖像基礎(chǔ)要素,即結(jié)構(gòu)要素進(jìn)行修改,從理論上有效避免基于統(tǒng)計(jì)特性以及位平面隨機(jī)特性等算法的分析。第五章基于數(shù)字圖像的信息隱藏算法5.5.3仿真實(shí)驗(yàn)仿真環(huán)境為Matlab7.0.0.19920,載體圖像為L(zhǎng)ena彩色圖像(256×256),如圖5-31(a)所示;隱藏信息為Baboon二值圖像(64×64),如圖5-31(b)所示。1.不可見性實(shí)驗(yàn)按照隱藏規(guī)則(見表5-5),當(dāng)k=10時(shí),含密圖像如圖5-31(c)所示。隱藏信息后的含密圖像與載體圖像的PSNR為37.8461,具有很高的不可見性。第五章基于數(shù)字圖像的信息隱藏算法圖5-31基于CARDBAL2多小波與顏色場(chǎng)結(jié)構(gòu)法的信息隱藏結(jié)第五章基于數(shù)字圖像的信息隱藏算法2.魯棒性實(shí)驗(yàn)依照魯棒性驗(yàn)證算法對(duì)CDB2-CFC進(jìn)行魯棒性衡量,分別對(duì)其進(jìn)行JPEG2000壓縮、剪切、旋轉(zhuǎn)、濾波和噪聲攻擊,實(shí)驗(yàn)結(jié)果如圖5-32所示。第五章基于數(shù)字圖像的信息隱藏算法圖5-32攻擊及還原信息魯棒性實(shí)驗(yàn)結(jié)果第五章基于數(shù)字圖像的信息隱藏算法圖像最容易受到的攻擊是壓縮與剪切,對(duì)含密圖像5-31(c)進(jìn)行0~100%的壓縮與剪切攻擊,攻擊程度所對(duì)應(yīng)的魯棒性檢驗(yàn)結(jié)果對(duì)比如圖5-33所示。圖5-33

JPEG2000和隨機(jī)剪切實(shí)驗(yàn)第五章基于數(shù)字圖像的信息隱藏算法3.感知篡改性實(shí)驗(yàn)當(dāng)JPEG壓縮率為5%、裁剪5%、旋轉(zhuǎn)1°、均值濾波([3,3])、白噪?yún)?shù)(0,0.003)、椒鹽噪聲(d=0.05)時(shí),對(duì)LL2和LH2以及

HL2和HH2的提取數(shù)據(jù)進(jìn)行對(duì)比檢驗(yàn)(見表5-6),平均檢出率達(dá)到97.86%?；贑ARDBAL2多小波與顏色場(chǎng)結(jié)構(gòu)法的信息隱藏算法具有敏銳的感知篡改性。第五章基于數(shù)字圖像的信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法4.抗分析性實(shí)驗(yàn)利用基于小波系數(shù)的高階統(tǒng)計(jì)量分析算法對(duì)CDB2-CFC進(jìn)行檢測(cè)分析,實(shí)驗(yàn)結(jié)果如圖5-34(a)所示。在50幅隨機(jī)圖片結(jié)果中,無法找出區(qū)分隱藏前后的一個(gè)甚至多個(gè)閾值,表明基于CARDBAL2多小波與顏色場(chǎng)法的信息隱藏算法抗擊此類檢測(cè)分析。使用500幅隨機(jī)圖片進(jìn)行測(cè)試(如圖5-34(b)所示),最大檢出率低于14.1%,證明CDB2-CFC的抗分析性較強(qiáng)。第五章基于數(shù)字圖像的信息隱藏算法圖5-34基于CDB2-CFC算法在雙統(tǒng)計(jì)量檢測(cè)分析法中的檢測(cè)結(jié)果第五章基于數(shù)字圖像的信息隱藏算法5.5.4基于CDB2-CFC的信息隱藏算法小節(jié)CDB2-CFC算法具有良好的系統(tǒng)特性,不可見性較好,且

對(duì)JPEG2000壓縮、隨機(jī)剪切、旋轉(zhuǎn)、[3,3]均值濾波、[3,3]二次維納濾波均具強(qiáng)的魯棒性。通過應(yīng)用基于小波系數(shù)的高階統(tǒng)計(jì)量分析法對(duì)本算法進(jìn)行抗分析性能檢測(cè),得出本算法具有較強(qiáng)的抗分析性能。實(shí)驗(yàn)證明本算法的感知篡改性達(dá)到

97%以上。第五章基于數(shù)字圖像的信息隱藏算法第六章基于三維模型的信息隱藏算法基于骨架和內(nèi)切球解析的三維模型信息隱藏算法基于模型點(diǎn)MeanShift聚類分析的三維模型信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法6.1基于骨架和內(nèi)切球解析的三維模型信息隱藏算法基于骨架和內(nèi)切球解析(SkeletonandInscribedSphere,SI的信息隱藏算法首先利用距離變換算法抽取模型骨架。如圖6-1所示為原始的基于距離變換的骨架抽取原理圖。第五章基于數(shù)字圖像的信息隱藏算法圖6-1原始的基于距離變換的骨架抽取原理圖第五章基于數(shù)字圖像的信息隱藏算法6.1.1基于骨架和內(nèi)切球解析的三維模型信息隱藏算法設(shè)計(jì)1.信息隱藏區(qū)域基于骨架和內(nèi)切球解析的三維模型信息隱藏算法選擇三維模型的內(nèi)切球解析次數(shù)作為隱藏區(qū)域。首先需要對(duì)解析次數(shù)進(jìn)行二進(jìn)制化解析編碼,并按照人類視覺系統(tǒng)特性,根據(jù)模型表面頂點(diǎn)坐標(biāo)、曲率變化,選擇模型的末稍或細(xì)節(jié)部位的骨架點(diǎn)的內(nèi)切球解析結(jié)果用來嵌入脆弱信息,表面平滑、覆蓋面大的部位魯棒性較強(qiáng),故其內(nèi)切球解析結(jié)果可以作為魯棒性信息和校驗(yàn)信息的隱藏載體。其余骨架點(diǎn)的內(nèi)切球解析結(jié)果作為隱藏信息載體。第五章基于數(shù)字圖像的信息隱藏算法2.信息隱藏規(guī)則基于骨架和內(nèi)切球解析的三維模型的信息隱藏算法規(guī)則如下:第五章基于數(shù)字圖像的信息隱藏算法3.信息隱藏步驟基于骨架和內(nèi)切球解析的信息隱藏算法共分八個(gè)步驟:(1)求出模型細(xì)節(jié)部位最大內(nèi)切球半徑rmax

,規(guī)定閾值t,0使得t=rmax

。0修正模型細(xì)節(jié)部分的重心交點(diǎn)距離比,用來在后面的步驟中重復(fù)嵌入哈希值

HR(R為魯棒Robust的縮寫)、閾值t、優(yōu)化參數(shù)y

和μ,并以各骨架點(diǎn)為球心,得出所有的最大內(nèi)切球。對(duì)最大內(nèi)切球按閾值t進(jìn)行解析,遵循上述規(guī)則。第五章基于數(shù)字圖像的信息隱藏算法(4)進(jìn)行騎士巡游遍歷,提取載體圖像本身所蘊(yùn)含的信息。根據(jù)規(guī)則3將提取出的信息解析為二進(jìn)制編碼序列,記作C:(5)欲隱藏信息的混沌置亂采用Logistic映射,定義如式(6-2)所示:第五章基于數(shù)字圖像的信息隱藏算法(6)應(yīng)用遺傳算法進(jìn)行最優(yōu)調(diào)整。Cy

與C

序列對(duì)應(yīng)位相IN同的個(gè)數(shù)用F

表示,優(yōu)化yk使F

盡量大,優(yōu)化模型如式(6-3):第五章基于數(shù)字圖像的信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法圖6-2嵌入信息為“011”示例第五章基于數(shù)字圖像的信息隱藏算法4.信息的提取提取信息分為以下四個(gè)步驟:對(duì)含密模型進(jìn)行骨架抽取運(yùn)算,得到模型骨架,同時(shí)獲得關(guān)鍵點(diǎn)和其余骨架點(diǎn)。從關(guān)鍵點(diǎn)對(duì)應(yīng)的解析值提取z、μ、HR及t,細(xì)節(jié)部分對(duì)應(yīng)的解析值提取

HF。判斷:若HR=HF,說明未受攻擊,則按照z

從普通部位骨架點(diǎn)解析值中完成對(duì)隱藏信息的提取;若HR≠HF,說明受到攻擊或修改,則繼續(xù)。用z、μ

及t從普通部位骨架點(diǎn)解析值提取隱藏信息。第五章基于數(shù)字圖像的信息隱藏算法6.1.2基于骨架和內(nèi)切球解析的三維模型信息隱藏算法性能的理論分析1.不可見性分析基于骨架和內(nèi)切球解析的三維模型信息隱藏算法在嵌入信息時(shí),不以幾何信息和拓?fù)涮卣髁繛橹苯有薷膶?duì)象,而是以各個(gè)骨架點(diǎn)處的最小內(nèi)切球解析次數(shù)為修改量,且本算法在模型的細(xì)節(jié)部位僅嵌入脆弱性標(biāo)識(shí),使得嵌入信息對(duì)模型的外觀改動(dòng)小,本算法的不可見性好。第五章基于數(shù)字圖像的信息隱藏算法2.魯棒性分析因?yàn)殡[藏區(qū)域?yàn)橐怨羌茳c(diǎn)為點(diǎn)對(duì)稱的球,所以對(duì)旋轉(zhuǎn)攻擊是魯棒的。利用RBC作為輔助檢驗(yàn),彌補(bǔ)了原算法對(duì)縮放攻擊的脆弱性?；诠羌芎蛢?nèi)切球解析的三維模型信息隱藏算法選取表面平滑、覆蓋面大等魯棒性的部位來嵌入秘密信息和魯棒性參數(shù),且嵌入時(shí)不以幾何信息和拓?fù)涮卣髁繛橹苯有薷膶?duì)象,使得本算法在保證較好的可見性時(shí)對(duì)針對(duì)幾何特征量和拓?fù)涮卣髁康墓粢簿哂恤敯粜?。第五章基于?shù)字圖像的信息隱藏算法3.容量性分析第五章基于數(shù)字圖像的信息隱藏算法6.1.3基于骨架和內(nèi)切球解析的三維模型信息隱藏算法性能的實(shí)驗(yàn)分析本節(jié)選擇圖6-3(a)為欲隱藏信息(128×128的灰度圖像),圖6-3(b)為預(yù)處理后的欲隱藏信息。圖6-3欲隱藏信息及其預(yù)處理第五章基于數(shù)字圖像的信息隱藏算法1.不可見性實(shí)驗(yàn)基于骨架和內(nèi)切球解析的三維模型信息隱藏算法不可見性通常從兩方面衡量。其中一方面是人類視覺效果,即HVS特性;另一方面從數(shù)學(xué)角度量化含密模型與原始模型之間的失真度。本算法將用信噪比和骨架相似度匹配作為衡量算法不可見性的數(shù)學(xué)指標(biāo)。1)HVS特性圖6-4(b)、圖6-5(b)和圖6-6(b)為隱藏信息后的載體模型原模型和隱藏信息后模型均有細(xì)節(jié)部位放大圖,可以看出本算法的不可見性非常好,滿足人類視覺不可感知性。第五章基于數(shù)字圖像的信息隱藏算法圖6-4

Chinesedragon原始模型與含密模型第五章基于數(shù)字圖像的信息隱藏算法圖6-5

Hand

olivier原始模型與含密模型第五章基于數(shù)字圖像的信息隱藏算法圖6-6-Ramesses原始模型與含密模型第五章基于數(shù)字圖像的信息隱藏算法2)信噪比用信噪比表征含密模型與原始模型之間的失真程度,如式(6-4)所示:第五章基于數(shù)字圖像的信息隱藏算法式(6-4)可化作式(6-5):第五章基于數(shù)字圖像的信息隱藏算法歐氏最大內(nèi)切球半徑信噪比(RSNR)用來衡量對(duì)模型的修改是否可見?；诖怂惴ǖ腞SNR平均為69.94dB。第五章基于數(shù)字圖像的信息隱藏算法嵌入量用2k

bit表示,嵌入量指數(shù)k

對(duì)應(yīng)的不可見性如圖6-7所示。圖6-7不同模型載體的不可見性實(shí)驗(yàn)(RNSR

k)第五章基于數(shù)字圖像的信息隱藏算法圖6-8為本算法分別對(duì)模型Ramesses、Hand-olivier和Chinesedragon進(jìn)行信息嵌入的不可見性實(shí)驗(yàn)的RSNR的平均值分布圖。圖6-8不可見性實(shí)驗(yàn)(RNSR

k)第五章基于數(shù)字圖像的信息隱藏算法3)骨架相似度匹配骨架相似度匹配是一個(gè)用能量方程法衡量全局相似度的辦法,由En

表示,具體計(jì)算公式如式(6-7)所示:第五章基于數(shù)字圖像的信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法圖6-9為嵌入量指數(shù)k

和骨架相似度En的關(guān)系圖。由圖可知當(dāng)k≤14時(shí),本算法中的三個(gè)模型的骨架相似度可達(dá)En

≥70.47%。圖6-9不同模型載體的不可見性實(shí)驗(yàn)(En-k)第五章基于數(shù)字圖像的信息隱藏算法圖6-10為本算法分別對(duì)模型Ramesses、Hand-olivier和Chinesedragon進(jìn)行信息嵌入的不可見性實(shí)驗(yàn)的En的平均值分布圖。圖6-10不可見性實(shí)驗(yàn)(En)第五章基于數(shù)字圖像的信息隱藏算法圖6-11常見內(nèi)容保留攻擊及嵌入信息提取第五章基于數(shù)字圖像的信息隱藏算法對(duì)含密模型進(jìn)行其他類型攻擊的仿真實(shí)驗(yàn)如圖6-12所示。圖6-12其他類型攻擊第五章基于數(shù)字圖像的信息隱藏算法圖6-12其他類型攻擊第五章基于數(shù)字圖像的信息隱藏算法衡量算法魯棒性的指標(biāo)有:提取信息比特序列的BER(BitErrorRate)。提取信息比特序列{sn

}和原始信息序列{sn}的相關(guān)系"數(shù)由式(6-8)表示:第五章基于數(shù)字圖像的信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法圖6-13和圖6-14分別給出了隨機(jī)加噪強(qiáng)度與BER以及Corr的關(guān)系,表明算法有較強(qiáng)的魯棒性。圖6-13隨機(jī)加噪魯棒性實(shí)驗(yàn)(BER)第五章基于數(shù)字圖像的信息隱藏算法圖6-14隨機(jī)加噪魯棒性實(shí)驗(yàn)(Corr)第五章基于數(shù)字圖像的信息隱藏算法表6-3為L(zhǎng)aplacian平滑迭代次數(shù)重復(fù)50次時(shí),分別對(duì)模型Chinesedragon、Hand_x0002_olivier和Ramesses計(jì)算出的BER和Corr的平均值。第五章基于數(shù)字圖像的信息隱藏算法圖6-15和圖6-16分別給出了Laplacian平滑迭代次數(shù)與BER以及Corr的關(guān)系,表明算法有較強(qiáng)的魯棒性。圖6-15

50次迭代Laplacian平滑魯棒性實(shí)驗(yàn)(BER)第五章基于數(shù)字圖像的信息隱藏算法圖6-16-50次迭代Laplacian平滑魯棒性實(shí)驗(yàn)(Corr)第五章基于數(shù)字圖像的信息隱藏算法表6-4為50%的均勻重網(wǎng)格化時(shí),分別對(duì)模型Chinesedragon、Hand-olivier和Ramesses計(jì)算出的BER和Corr的平均值。第五章基于數(shù)字圖像的信息隱藏算法圖6-17和圖6-18分別給出了均勻重網(wǎng)格化強(qiáng)度與BER和Corr的關(guān)系,表明算法有較強(qiáng)的魯棒性。圖6-17均勻重網(wǎng)格化魯棒性實(shí)驗(yàn)(BER)第五章基于數(shù)字圖像的信息隱藏算法圖6-18均勻重網(wǎng)格化魯棒性實(shí)驗(yàn)(Corr)第五章基于數(shù)字圖像的信息隱藏算法表6-5為均勻簡(jiǎn)化強(qiáng)度為85%時(shí),分別對(duì)模型Chinesedragon、Hand-olivier和Ramesses計(jì)算出的BER和Corr的平均值。第五章基于數(shù)字圖像的信息隱藏算法圖6-19和圖6-20分別給出了均勻簡(jiǎn)化強(qiáng)度與BER和

Corr的關(guān)系,表明算法有較強(qiáng)的魯棒性。圖6-19均勻簡(jiǎn)化魯棒性實(shí)驗(yàn)(BER)第五章基于數(shù)字圖像的信息隱藏算法圖6-20均勻簡(jiǎn)化魯棒性實(shí)驗(yàn)(Corr)第五章基于數(shù)字圖像的信息隱藏算法3.容量性實(shí)驗(yàn)圖6-21為分別對(duì)模型Chinesedragon、Hand-olivier和Ramesses嵌入秘密信息Baboo后的RSNR的平均值與嵌入率(EmbeddingRate)的示意圖。由圖6-21可知,當(dāng)算法對(duì)模型Ramesses、Hand-olivier和Chinesedragon的RSNR平均值為53.71dB時(shí),嵌入率為33.33%,即字節(jié)數(shù)相當(dāng)于模型頂點(diǎn)數(shù)的1/3,而此時(shí)嵌入量指數(shù)為k=17時(shí),嵌入量達(dá)到217.27bit。所以可知基于骨架和內(nèi)切球解析的三維模型信息隱藏算法在不可

見性良好的前提下,可隱藏信息量較大。第五章基于數(shù)字圖像的信息隱藏算法圖6-21容量性實(shí)驗(yàn)(EmbeddingRate

RSNR)第五章基于數(shù)字圖像的信息隱藏算法圖6-22為分別對(duì)模型Chinesedragon、Hand-olivier和Ramesses嵌入秘密信息Baboo后的骨架相似度En

的平均值與嵌入率的示意圖。由圖6-22可知,當(dāng)本算法對(duì)模型Ramesses、Hand-olivier和Chinesedragon的骨架相似度

En平均值為90%時(shí),嵌入比為30.01%,即字節(jié)數(shù)相當(dāng)于模型頂點(diǎn)數(shù)的1/3,而此時(shí)嵌入量指數(shù)為k=17時(shí),嵌入量達(dá)到217.27bit。所以,可知基于MS的算法在不可見性良好的前提下,可隱藏信息量較大。第五章基于數(shù)字圖像的信息隱藏算法圖6-22容量性實(shí)驗(yàn)(EmbeddingRate

En)第五章基于數(shù)字圖像的信息隱藏算法4.復(fù)雜度實(shí)驗(yàn)圖6-23所示為計(jì)算時(shí)間與嵌入量的關(guān)系,對(duì)于模型Ramesses來說,當(dāng)嵌入量指數(shù)k≤20.74時(shí),計(jì)算時(shí)間t≤33.45s;對(duì)于模型Hand-olivier來說,當(dāng)嵌入量指數(shù)k≤17時(shí),計(jì)算時(shí)間≤34.68s;對(duì)于模型Chinesedragon來說,當(dāng)嵌入量指數(shù)k≤

21.07時(shí),計(jì)算時(shí)間t≤35.45s。說明本算法在對(duì)各模型嵌入較大量的信息時(shí),計(jì)算時(shí)間小于40s,計(jì)算時(shí)間較小,且隨著模型頂點(diǎn)數(shù)增加,計(jì)算時(shí)間會(huì)有所增加,但增加量在正常范圍內(nèi)。第五章基于數(shù)字圖像的信息隱藏算法圖6-23不同模型載體的復(fù)雜度實(shí)驗(yàn)(ComputingTime

k)第五章基于數(shù)字圖像的信息隱藏算法圖6-24為本算法分別對(duì)模型Ramesses、Hand-olivier和Chinesedragon進(jìn)行信息嵌入的計(jì)算時(shí)間(ComputingTime)的平均值分布圖。圖6-24復(fù)雜度實(shí)驗(yàn)(ComputingTime

k)第五章基于數(shù)字圖像的信息隱藏算法圖6-25模型表面極大值、極小值點(diǎn)示意圖第五章基于數(shù)字圖像的信息隱藏算法2.信息隱藏規(guī)則規(guī)則1:根據(jù)HVS原則,局部極大值點(diǎn)和局部極小值點(diǎn)即特征點(diǎn)(FeatureVertice,FV)。對(duì)普通點(diǎn)再進(jìn)行一次MeanShif聚類分析,將普通點(diǎn)按局部高度分為亞特征點(diǎn)(Sub-featureVertice,SV)和背景點(diǎn)(BackgroundVertice,BV)。規(guī)則2:三維模型各個(gè)頂點(diǎn)均有三個(gè)坐標(biāo)值,利用三個(gè)坐標(biāo)的二進(jìn)制表示形式作為信息隱藏區(qū)域。如圖6-26所示,選坐標(biāo)值小數(shù)點(diǎn)后的二進(jìn)制數(shù)作為隱藏區(qū)域,文中實(shí)驗(yàn)統(tǒng)一將每個(gè)小數(shù)點(diǎn)后的數(shù)值生成16位二進(jìn)制序列,也可以根據(jù)實(shí)驗(yàn)精確度不同增減二進(jìn)制位數(shù)。第五章基于數(shù)字圖像的信息隱藏算法圖6-26-MS算法的信息隱藏區(qū)域具體化規(guī)則第五章基于數(shù)字圖像的信息隱藏算法3.信息隱藏步驟基于模型點(diǎn)MeanShift聚類分析的三維模型信息隱藏算法分八個(gè)步驟:(1)根據(jù)信息隱藏載體能量分析理論,特征點(diǎn)、亞特征點(diǎn)和背景點(diǎn)能量依次降低,可分別命名為魯棒點(diǎn)、亞魯棒點(diǎn)和脆弱點(diǎn)。三類點(diǎn)坐標(biāo)值小數(shù)部分二進(jìn)制化,例如將某頂點(diǎn)三個(gè)坐標(biāo)值x、y、z小數(shù)點(diǎn)后數(shù)值轉(zhuǎn)化為二進(jìn)制,依次排列,形成48位的二進(jìn)制數(shù)列,記做:第五章基于數(shù)字圖像的信息隱藏算法根據(jù)欲隱藏的總信息比特?cái)?shù)和模型頂點(diǎn)總數(shù)確定二進(jìn)制序列中用于隱藏的比特位數(shù)。欲隱藏信息的混沌置亂采用Logistic映射,定義如式(6-10)所示:確定Logistic映射的參數(shù)μ

以及初始值gk。第五章基于數(shù)字圖像的信息隱藏算法第五章基于數(shù)字圖像的信息隱藏算法4.信息的提取信息的提取分為以下四個(gè)步驟:含密模型按照局部高度的概念,利用MeanShift對(duì)模型表面頂點(diǎn)聚類進(jìn)行分析,將頂點(diǎn)分為特征點(diǎn)、亞特征點(diǎn)和背

景點(diǎn),按魯棒性分即魯棒點(diǎn)、亞魯棒點(diǎn)和脆弱點(diǎn)。從脆弱點(diǎn)提取哈希值

HF,從魯棒點(diǎn)提取參與隱藏比特位數(shù)nb、置亂優(yōu)化次數(shù)g和μ、哈希值

HR等魯棒參數(shù)。判斷:若HR=HF,說明未受攻擊,則按照i從亞魯棒點(diǎn)解析值中完成對(duì)隱藏信息的提取;若HR≠HF,說明受到攻擊或修改,則繼續(xù)隱藏。利用g、μ

和nb從普通點(diǎn)末尾n

位數(shù)的二進(jìn)制序列中提取隱藏信息。第五章基于數(shù)字圖像的信息隱藏算法6.2.2基于模型點(diǎn)MeanShift聚類分析的三維模型信息隱藏算法性能的理論分析1.不可見性分析基于模型點(diǎn)MeanShift聚類分析的三維模型信息隱藏算法基于局部高度的概念,利用MeanShift聚類分析算法將模型表面頂點(diǎn)分為特征點(diǎn)、亞特征點(diǎn)和背景點(diǎn)。這三類點(diǎn)從人類視覺系統(tǒng)(HVS)特性來看,視覺重要性依次降低;按信息隱藏能量特性來看,其能量依次降低。第五章基于數(shù)字圖像的信息隱藏算法首先,本算法利用能量最低的背景點(diǎn)隱藏脆弱性標(biāo)識(shí),利用能量居中但數(shù)量最大的亞特征點(diǎn)隱藏秘密信息,從而基本保證了算法的不可見性;其次,本算法的具體隱藏區(qū)域?yàn)轫旤c(diǎn)坐標(biāo)小數(shù)點(diǎn)的二進(jìn)制序列,嵌入信息后對(duì)頂點(diǎn)坐標(biāo)改動(dòng)較小;最后,本算法利用置亂優(yōu)化算法對(duì)秘密信息進(jìn)行置亂,并獲得置亂后的秘密信息和載體信息的最大一致性,使得嵌入信息后對(duì)載體的改動(dòng)較小,從而保證了本算法的不可見性。第五章基于數(shù)字圖像的信息隱藏算法2.魯棒性分析基于模型點(diǎn)MeanShift聚類分析的三維模型信息隱藏算法將魯棒參數(shù)隱藏于特征點(diǎn),保證了算法的魯棒性;欲隱藏信息嵌入亞特征點(diǎn),保證了算法的容量性。本算法利用哈希值HR作為篡改判別標(biāo)識(shí)和數(shù)據(jù)恢復(fù)依據(jù),因?yàn)楸舅惴ㄖ慌c頂點(diǎn)的局部高度有關(guān),與其絕對(duì)高度和頂點(diǎn)間拓?fù)潢P(guān)系無關(guān),所以可抵抗常見攻擊(RST)、輕微的噪聲攻擊、針對(duì)拓?fù)浣Y(jié)構(gòu)的攻擊。第五章基于數(shù)字圖像的信息隱藏算法3.容量性分析容量性方面,本算法利用模型頂點(diǎn)中能量居中