文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.2016.10.033
中文引用格式: 羅永有,黃力. 基于Fisher準(zhǔn)則優(yōu)化的圖像隱寫(xiě)算法分析[J].電子技術(shù)應(yīng)用,2016,42(10):127-130.
英文引用格式: Luo Yongyou,Huang Li. Image steganography algorithm optimization analysis based on Fisher criterion[J].Application of Electronic Technique,2016,42(10):127-130.
0 引言
隨著圖像大數(shù)據(jù)信息技術(shù)的發(fā)展,圖像隱寫(xiě)技術(shù)的需求越來(lái)越高,逐漸成為現(xiàn)代圖像處理的研究熱點(diǎn)[1,2]。目前針對(duì)圖像隱寫(xiě)算法的研究主要集中在隱寫(xiě)畸變效應(yīng)[3]和載體圖像模型保持[4]兩個(gè)方面。隱寫(xiě)畸變效應(yīng)的研究重點(diǎn)是如何建立失真度函數(shù)[5]?,F(xiàn)有失真函數(shù)的選擇多數(shù)假設(shè)圖像干擾為加性高斯白噪聲,嚴(yán)格限制了失真函數(shù)優(yōu)化與圖像寫(xiě)隱分析的同步性,導(dǎo)致隱寫(xiě)嵌入過(guò)程中的畸變影響無(wú)法度量和優(yōu)化[6]。載體圖像模型保持目前多數(shù)安全性較差[7]。文獻(xiàn)[8]提出局部復(fù)雜度的自適應(yīng)隱寫(xiě)方法,但圖像高階特征畸變嚴(yán)重[9]。
本文從失真函數(shù)的建立和載體模型保持兩個(gè)方面進(jìn)行了改進(jìn)分析。首先,基于領(lǐng)域聚類的思想對(duì)隱寫(xiě)圖像進(jìn)行陣列分割;接著,采用加權(quán)求和的方式給出了隱寫(xiě)失真函數(shù),維持了圖像高階統(tǒng)計(jì)特征。并利用Gibbs抽樣理論實(shí)現(xiàn)信息的嵌入,從而在最小化嵌入失真的同時(shí)維持了隱寫(xiě)圖像的特征模型。最后進(jìn)行了仿真分析。
1 隱寫(xiě)圖像的最優(yōu)分布
根據(jù)文獻(xiàn)[10]的研究,可將隱寫(xiě)圖像的分布特征表示為:
式中,λ為一個(gè)小常數(shù)。隱寫(xiě)圖像集合Y上可以定義式(3):
2 隱寫(xiě)失真函數(shù)的構(gòu)造
3 失真函數(shù)的參數(shù)優(yōu)化
3.1 優(yōu)化標(biāo)準(zhǔn)
優(yōu)化參量樣本集合為U∈Rm×N,為便于分析,假設(shè)隱寫(xiě)圖像通過(guò)陣列分割為兩類子陣列,陣列1的元素?cái)?shù)為N1,陣列2的元素個(gè)數(shù)為N2,整體優(yōu)化隱寫(xiě)元素個(gè)數(shù)為N1+N2=N。Fisher分類要盡量消除同類關(guān)聯(lián)的類別差,其準(zhǔn)則函數(shù)可以表示為:
失真函數(shù)的優(yōu)化目標(biāo)是為了取得較小的JFmax值。
3.2 特征構(gòu)造
4 實(shí)驗(yàn)結(jié)果與分析
離散值加權(quán)和越大,越集中,圖像隱寫(xiě)的畸變影響就越小。實(shí)驗(yàn)結(jié)果如圖1和圖2所示。其中圖1為單幅隱寫(xiě)圖像的輸入輸出效果。圖2為不同方向的離散度加權(quán)和,可以看出,本文方法的圖像特征元素加權(quán)在3個(gè)方向上都保持了較高的集中度,魯棒性較強(qiáng)。
針對(duì)仿真抽取的特征進(jìn)行不同隱寫(xiě)像素的分類誤差仿真分析,具體的結(jié)果如圖3、圖4所示。從圖3中可以看出,SPAM特征具有較優(yōu)秀的隱寫(xiě)安全性,在像素超過(guò)15以后,分類誤差趨于穩(wěn)定;從圖4中可以看出,本文方法明顯由于SPAM特征,能夠快速地趨于穩(wěn)定,較好地保持了模型的失真畸變。
5 結(jié)論
針對(duì)圖像隱寫(xiě),本文提出了一種新的基于Fisher準(zhǔn)則優(yōu)化的Gibbs抽樣圖像隱寫(xiě)方法?;陬I(lǐng)域聚類的思想對(duì)隱寫(xiě)圖像進(jìn)行陣列分割,對(duì)分割子陣列進(jìn)行Giibs抽樣和STC編碼,建立了圖像隱寫(xiě)特征的集合模型,實(shí)現(xiàn)了隱寫(xiě)圖像的多特征交叉實(shí)現(xiàn),維持了較好的安全性和抗檢測(cè)能力。充分利用子陣圖像的方向信息(包括水平、垂直以及對(duì)角),采用加權(quán)求和的方式給出了隱寫(xiě)失真函數(shù),維持了圖像高階統(tǒng)計(jì)特征。并在Fisher準(zhǔn)則的框架內(nèi)進(jìn)行了詳細(xì)的優(yōu)化分析。仿真結(jié)果顯示,本文方法在保持較好的隱寫(xiě)安全性的同時(shí),增強(qiáng)了模型的保持能力,優(yōu)化了模型的畸變失真。
參考文獻(xiàn)
[1] 鈕心忻,楊義先.基于小波變換的數(shù)字水印隱藏與檢測(cè)算法[J].計(jì)算機(jī)學(xué)報(bào),2000,23(1):21-27.
[2] 謝玲,張家樹(shù),和紅杰.一種基于非均勻離散傅立葉變換的魯棒音頻水印算法[J].計(jì)算機(jī)學(xué)報(bào),2006,29(9):1711-1721.
[3] LUO W,HUANG F,HUANG J.Edge adaptive image steganography based on LSB matching revisited[J].IEEE Transactions on Information Forensics and Security,2010,5(2):201-214.
[4] PEVNY T,BAS P,F(xiàn)RIDRICH J.Steganalysis by subtractive pixel adjacency matrix[J].IEEE Transactions on Information Forensics and Security,2010,5(2):215-224.
[5] OMOOMI M,SAMAVI S,DUMITRESOU S.An efficient high payload ± 1 data embedding scheme[J].Multimedia Tools and Applications,2011,54(2):201-218.
[6] TAN S,LI B.Targeted steganalysis of edge adaptive image steganography based on LSB matching revisited using BSP line fitting[J].IEEE Signal Processing Letters, 2012,19(6):336-339.
[7] HOLUB V,F(xiàn)RIDRICH J.Random projections of residuals for digital image steganalysis[J].IEEE Transactions on Information Forensics and Security,2013,8(12):1996-2006.
[8] 錢(qián)萍,劉鎮(zhèn),陳麗亞.一種針對(duì)小波域隱匿圖像的隱寫(xiě)分析方法[J].小型微型計(jì)算機(jī)系統(tǒng),2011,32(2):262-264.
[9] 張琳琳,王建軍.稀疏特征自適應(yīng)的彩色圖像隱寫(xiě)[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)報(bào),2014,26(7):1109-1115.
[10] 高瞻瞻,湯光明,張偉偉.融合最小化失真與模型保持的隱寫(xiě)算法[J].中國(guó)圖象圖形學(xué)報(bào),2014,19(9):1260-1267.
[11] 葛祥友.基于二維Baker映射的隱寫(xiě)算法設(shè)計(jì)[J].廣西民族大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,20(2):66-69.
[12] 張湛,劉光杰,戴躍偉,等.基于Markov鏈安全性的二階統(tǒng)計(jì)保持隱寫(xiě)算法[J].中國(guó)圖像圖形學(xué)報(bào),2010,15(8):1175-1181.