CN110009547A - 一种jpeg非对称数字图像隐写方法 - Google Patents
一种jpeg非对称数字图像隐写方法 Download PDFInfo
- Publication number
- CN110009547A CN110009547A CN201910199619.2A CN201910199619A CN110009547A CN 110009547 A CN110009547 A CN 110009547A CN 201910199619 A CN201910199619 A CN 201910199619A CN 110009547 A CN110009547 A CN 110009547A
- Authority
- CN
- China
- Prior art keywords
- modification
- cost value
- jpeg
- dct
- image
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000003780 insertion Methods 0.000 claims abstract description 90
- 238000012986 modification Methods 0.000 claims abstract description 89
- 230000004048 modification Effects 0.000 claims abstract description 89
- 230000037431 insertion Effects 0.000 claims abstract description 83
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 238000004088 simulation Methods 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000007906 compression Methods 0.000 claims description 7
- 230000006835 compression Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明涉及一种JPEG非对称数字图像隐写方法,通过获取载体图像,将载体图像划分两个交织子图X1X2;计算载体图像的初始化失真代价值和初始化嵌入修改图R1、R2;优化R1中每个DCT块的块内嵌入修改情况,更新子图X1每个元素的代价值,获取新载密子图Y′1和新的嵌入修改图R′1;构造四邻域模型,结合嵌入修改图R′1和BBC策略更新X2中每个元素的代价值,并获取新载密子图Y′2;将载密子图Y′1和载密子图Y′2进行合并,得到完整的载密图像Y′,再将其送入隐写分析器检测提出的JPEG非对称隐写算法的安全性能。本发明所提供的一种JPEG非对称数字图像隐写方法,构建了新的代价值更新方法,有效提高算法的安全性能高,通过四邻域模型的建立,实现了水平和垂直两个方向+1/‑1失真代价值的同时更新,收敛速度块。
Description
技术领域
本发明涉及多媒体信息安全领域,更具体的,涉及一种JPEG非对称数字图像隐写方法。
背景技术
近年来,随着全球网络化与信息化的不断发展,信息安全的研究被推向了热潮,其中,多媒体信息安全作为信息安全领域的一个重要分支也在迅速的发展。因此,数字图像隐写技术作为多媒体信息安全领域的重要研究内容,也受到了广大研究发明者的关注,它对于信息化时代中基于网络的信息通信安全性方面有着重要的意义,在国防上也有很大的应用。
数字图像隐写是指以数字图像为载体,将秘密信息嵌入到公开的载体图像中,从而达到隐秘信息传输的效果。目前主要有三个基本指标用于衡量数字图像隐写方法的性能:
第一,安全性,即要最大程度抵抗数字图像隐写分析方法的检测。所谓数字图像隐写分析,就是通过特征分析判断输入的图像中是否含有隐秘信息的技术;
第二,不可感知性,即尽可能使载体图像与载密图像的统计特性相似,提高抗检测性;
第三,嵌入负载,就是指嵌入秘密信息的长度。对于同一个载体图像,在保证相同安全性的情况下,若嵌入的信息越多,则该隐写方法越有应用价值。换句话说,对同一个载体图像嵌入相同秘密信息,若图像的安全性越高(抵抗数字图像隐写分析的能力越强),则该隐写方法越有应用价值。
另外,根据秘密信息嵌入的领域不同,可以将目前主流的数字图像隐写技术主要分为两类——空域数字图像隐写和JPEG(Joint Photographic Experts Group)域数字图像隐写。其中,空域数字图像隐写是指通过对空域像素值修改嵌入秘密信息,JPEG域数字图像隐写则是通过对DCT(Discrete Cosine Transform)系数修改来嵌入秘密信息的。近些年,由于JPEG数字图像具有高压缩率而被广泛应用,因此以JPEG数字图像作为载体的隐写技术研究在近些年受到更多研究发明者的关注。
目前主流的JPEG图像隐写方法基本都是基于最小嵌入失真框架实现的,即先计算每个DCT系数的修改代价值,而后根据修改代价值的大小,再结合编码技术,从而将秘密信息嵌入到载体中并伴随有最小的载体总失真。就我们所知,J-UNIWARD[1]、UERD[2]、GUED[3]、BET[4]等都是基于该框架实现的。随着突破性的STCs(Syndrome Trellis Codes)编码的提出,目前主流的隐写算法都集中于设计更优的失真代价函数。早期的失真代价函数针对每个元素+1/-1的代价值都赋予相同的值,该类方法我们称之为对称隐写方法。而最近一些研究表明,当对每个元素+1/-1的代价值赋予不同的值时,可以得到更安全的隐写性能,我们称这类方法为非对称隐写方法。
针对非对称隐写技术,目前主流的空域隐写方法有CMD[5]和Synch[6],两者的主要思想均为聚合修改方向,但采用的代价值策略不同,前者只对靠近期望修改方向的系数的代价值进行优化,而后者对相同和相反于期望修改的系数的价值均做了相应的调整,就算法的安全性而言,前者优于后者。对于JPEG非对称数字图像隐写,目前公开已知的方法为Dejoin_J[7],其核心为块间边缘连续性准则(Block Boundary Continuity,简称BBC准则)。该准则主要是基于DCT块间相关性,分别针对水平和垂直方向,给出了8×8的DCT块内64个DCT模式的期望修改选择——同步或异步,即期望同向于邻域修改方向(同步修改)或期望反向于邻域修改方向(异步修改),并结合空域Dejoin[8]策略,从而实现了JPEG域非对称图像隐写。
但方法Dejoin_J仅致力于保持DCT块间边缘(空域)连续性,而对于DCT块内嵌入修改的影响却没有讨论,收敛速度慢。根据Dejoin_J可知,其DCT系数的+1/-1失真代价值更新调整采用先固定图像中一部分DCT系数的嵌入改变,而后依据这些固定的嵌入改变,结合提出的BBC准则,按照块间的相关性对相邻块间同一模式的DCT系数的+1/-1代价值进行更新。但这些事先固定的DCT系数的嵌入改变并非是最优的,且在一定程度上会影响算法的安全性能。
发明内容
本发明为克服上述现有技术的JPEG数字图像隐写方法收敛速度慢且固定的DCT系数的嵌入改变并非是最优的,存在影响算法的安全性能的技术缺陷,提供一种JPEG非对称数字图像隐写方法。
为解决上述技术问题,本发明的技术方案如下:
一种JPEG非对称数字图像隐写方法,包括以下步骤:
S1:获取一张JPEG格式的载体图像X,将载体图像划分两个交织子图X1、X2;
S2:基于JPEG图像对称隐写算法获取载体图像的初始化失真代价值Cori和初始化嵌入修改图R1、R2;
S3:优化R1中每个DCT块的块内嵌入修改情况,更新子图X1每个元素的代价值,通过模拟仿真嵌入获取新载密子图Y′1和新的嵌入修改图R′1;
S4:构造四邻域模型,结合嵌入修改图R′1和BBC策略更新X2中每个元素的代价值,并通过模拟仿真嵌入获取新载密子图Y′2;
S5:将载密子图Y′1和载密子图Y′2进行合并,得到完整的载密图像Y′,再将其送入隐写分析器,检测提出的JPEG非对称隐写算法的安全性能。
其中,所述步骤S1的具体步骤为:
S11:将原始空域图像进行JPEG图像压缩,获取不同质量因子条件下压缩编码的JPEG图像,作为载体图像X;
S12:将载体图像X划分两个交织子图X1、X2,划分单位为8×8DCT块。
其中,所述步骤S2的步骤具体为:
S21:基于JPEG图像对称隐写算法,计算载体图像X的初始化失真代价值Cori;
S22:将初始化失真代价值Cori和载体图像X送入模拟仿真嵌入器,获取初始化载密图像Y;
S23:将载密图像Y与载体图像X作差,得到残差图D,所述残差图D包含嵌入修改的幅度与方向信息;
S24:忽略残差图D的嵌入修改的幅度信息,保留嵌入修改的方向信息,得到载体图像X嵌入修改图R,其中R=sgn(D);同时得到两个子图的初始化嵌入修改图为R1、R2,对应的初始化失真代价值为Cori_1、Cori_2。
其中,所述步骤S3的步骤具体为:
S31:统计嵌入修改图R1当前DCT块内被修改的数量,用符号N表示,并设置DCT块是否优化的限制条件,具体为:
S32:列出所有可能的嵌入修改组合,为了降低计算复杂度,随机选取其中一半的嵌入修改组合,即嵌入修改组合总数为K=0.5×2N;
S33:分别计算当前DCT块的K种修改组合对应的空域嵌入失真代价CDCT;
S34:从K个组合的空域嵌入失真代价中选取最小失真代价CDCT_min对应的嵌入修改组合作为该DCT的最优嵌入修改组合,即获取了当前DCT块内每个DCT系数的期望修改方向;
S35:根据最优嵌入修改组合更新当前DCT块内每个系数的+1/-1代价值,具体为:设置块内惩罚系数winner(ro,ra),得到的代价值更新公式:
其中,ro表示期望修改方向,ra为实际修改方向;(u,v)表示DCT块的坐标,对于512×512的图像,其取值为0≤u≤63,0≤v≤63范围的整数;(m,n)表示DCT块内系数的坐标,取值是0≤m≤7,0≤n≤7的整数;表示第(u,v)个DCT块内的(m,n)系数的初始代价值;表示第(u,v)个DCT块内的(m,n)系数更新后的新代价值;用C′1表示由这些新代价值组成的集合;
S36:将代价值C′1和子图X1送入模拟仿真嵌入器,获取新的载密子图Y′1,并通过与载体图像X做差,再取符号操作,获得子图X1的新嵌入修改图R′1。
其中,所述步骤S4的步骤具体为:
S41:针对任一个DCT系数,利用与其相邻的DCT块中相同模式的元素构造四邻域模型,其中相邻的DCT块分别是与当前DCT块直接相连的上、下、左、右四个;
S42:将嵌入修改图R′1与子图X2的初始化嵌入修改图R2合并,遍历合并后的嵌入修改图R2的每个DCT块中的每个元素,从(0,0)元素开始遍历,根据嵌入修改图R′1获取相邻的4个DCT块中相同的模式元素的嵌入修改组合;
S43:结合BBC准则,根据所在模式水平方向和垂直方向的期望更新模式,对X2子图中的元素进行代价值的更新,具体计算公式为:
(p,q)∈{(u-1,v),(u+1,v),(u,v-1),(u,v+1)};
其中,表示第(u,v)DCT块中第(m,n)DCT系数更新后的代价值;winter表示块间惩罚系数;表示第(u,v)DCT块中第(m,n)DCT系数初始的代价值;表示当前DCT块的四个邻域DCT块中同模式系数的代价值,为子图X1经过块内优化更新后的代价值C′1中的元素,(p,q)表示四个邻域DCT块的坐标;
S44:返回步骤S42更新下一个元素,直至子图X2中所有DCT系数的代价值更新完成,用C′2表示由这些新代价值组成的集合;
S45:将新代价值C′2和子图X2重新送入模拟仿真嵌入器中,得到载密子图Y′2。
其中,所述步骤S33的步骤具体为:
S331:利用DB-8分解滤波器,即一维低通滤波器l和高通滤波器h构造小波方向滤波器组κ={K1,K2,K3},其中,K1=l·hT,K2=h·lT,K3=h·hT;
S332:对于当前嵌入修改组合,通过二维反DCT变换,依次获取每个被修改元素(i,j)的空域变化,即:
其中:
其中,表示修改当前DCT块(i,j)元素对应空域(s,t)位置像素的空域变化;
S333:将当前嵌入修改组合内全部元素修改对应的空域变化累加,即:
S334:计算当前嵌入修改组合产生的小波域中三个方向的相对变化,具体为:
B(k)=W*Kk,k={1,2,3};
其中:W表示当前嵌入修改组合的空域影响,Kk表示第k个方向滤波器;
S335:综合三个方向的小波域影响,获取当前嵌入组合的小波域失真代价值CDCT,具体为:
其中:(u,v)是Β(k)(u,v)的坐标,0≤u,v≤22。
其中,在步骤S11中所述JPEG图像压缩的过程具体为:
S111:将原始空域图像进行8×8分块;
S112:将分块后的图像进行DCT变换并进行量化;
S113:将量化后的图像进行zig-zag扫描熵编码,得到压缩后的JPEG图像。
其中,在步骤S21中所述的JPEG图像对称隐写算法包括J-UNIWARD、UERD、GUED的一种或多种。
上述方案中,所述方法基于最小空域嵌入失真原则,对DCT块内嵌入修改图进行优化,将块内的空域嵌入影响纳入考虑,通过对预先固定的嵌入方向+1/-1进行调整,找到一种使得载体图像块内嵌入失真最小的修改方案,而后通过适当的调整+1/-1失真代价值并结合现有的编码技术进行实现。优化后的嵌入改变将用于后续的DCT块间代价值更新参考,使算法更快地接近最佳的安全性能。
上述方案中,结合空域非对称数字图像隐写的思想和BBC准则,通过划分两个交织子图实现基于DCT块间相关性的代价值迭代更新,在同样的安全性能下降低了算法的计算复杂度;另外,通过与DCT块内嵌入优化的结合,算法的安全性能可以进一步得到提升。
与现有技术相比,本发明技术方案的有益效果是:
本发明所提供的一种JPEG非对称数字图像隐写方法,在目前主流的JPEG隐写算法的基础上,通过基于空域最小嵌入失真的DCT块内嵌入优化和基于DCT块间相关性的代价值更新,形成了新的代价值更新方法,使得本发明的安全性能高于目前主流的JPEG隐写算法;本发明都是基于载体图像本身的操作,不限制初始化算法,且算法涉及复杂度低,具有很强的泛化性,使其可应用于任一基于最小嵌入失真框架的初始化算法;通过四邻域模型的建立,实现了水平和垂直两个方向+1/-1失真代价值的同时更新,收敛速度块。
附图说明
图1为本发明方法的步骤流程示意图;
图2为基于IEO的代价值更新流程示意图;
图3为四邻域模型示意图;
图4为基于SBC的代价值更新流程示意图;
图5为BBC策略说明图;
图6为JPEG图像压缩流程示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示,一种JPEG非对称数字图像隐写方法,包括以下步骤:
S1:以数字图像隐写的代表性数据库BOSSbase ver1.01作为数据源,分别通过质量因子75和95对其进行JPEG压缩以获取载体图像X,将载体图像划分两个交织子图X1、X2;
S2:基于JPEG图像对称隐写算法获取载体图像的初始化失真代价值Cori和初始化嵌入修改图R1、R2;
S3:优化R1中每个DCT块的块内嵌入修改情况,更新子图X1每个元素的代价值,通过模拟仿真嵌入获取新载密子图Y′1和新的嵌入修改图R′1;
S4:构造四邻域模型,结合嵌入修改图R′1和BBC策略更新X2中每个元素的代价值,并通过模拟仿真嵌入获取新载密子图Y′2;
S5:将载密子图Y′1和载密子图Y′2进行合并,得到完整的载密图像Y′,再将其送入隐写分析器,检测提出的JPEG非对称隐写算法的安全性能。
更具体的,所述步骤S1的具体步骤为:
S11:将原始空域图像进行JPEG图像压缩,获取不同质量因子条件下压缩编码的JPEG图像,作为载体图像X;
S12:将载体图像X划分两个交织子图X1、X2,划分单位为8×8DCT块。
更具体的,所述步骤S2的步骤具体为:
S21:基于JPEG图像对称隐写算法,计算载体图像X的初始化失真代价值Cori;
S22:将初始化失真代价值Cori和载体图像X送入模拟仿真嵌入器,获取初始化载密图像Y;
S23:将载密图像Y与载体图像X作差,得到残差图D,所述残差图D包含嵌入修改的幅度与方向信息;
S24:忽略残差图D的嵌入修改的幅度信息,保留嵌入修改的方向信息,得到载体图像X嵌入修改图R,其中R=sgn(D);同时得到两个子图的初始化嵌入修改图为R1、R2,对应的初始化失真代价值为Cori_1、Cori_2。
更具体的,如图2所示,所述步骤S3的步骤具体为:
S31:统计嵌入修改图R1当前DCT块内被修改的数量,用符号N表示,并设置DCT块是否优化的限制条件,具体为:
S32:列出所有可能的嵌入修改组合,为了降低计算复杂度,随机选取其中一半的嵌入修改组合,即嵌入修改组合总数为K=0.5×2N;
S33:分别计算当前DCT块的K种修改组合对应的空域嵌入失真代价CDCT;
S34:从K个组合的空域嵌入失真代价中选取最小失真代价CDCT_min对应的嵌入修改组合作为该DCT的最优嵌入修改组合,即获取了当前DCT块内每个DCT系数的期望修改方向;
S35:根据最优嵌入修改组合更新当前DCT块内每个系数的+1/-1代价值,具体为:设置块内惩罚系数winner(ro,ra),得到的代价值更新公式:
其中,ro表示期望修改方向,ra为实际修改方向;(u,v)表示DCT块的坐标,对于512×512的图像,其取值为0≤u≤63,0≤v≤63范围的整数;(m,n)表示DCT块内系数的坐标,取值是0≤m≤7,0≤n≤7的整数;表示第(u,v)个DCT块内的(m,n)系数的初始代价值;表示第(u,v)个DCT块内的(m,n)系数更新后的新代价值;用C′1表示由这些新代价值组成的集合;
S36:将代价值C′1和子图X1送入模拟仿真嵌入器,获取新的载密子图Y′1,并通过与载体图像X做差,再取符号操作,获得子图X1的新嵌入修改图R′1。
在具体实施过程中,所述的块内惩罚系数winner(ro,ra)的取值是根据DCT块内期望修改方向ro和初始修改方向ra定义的,取值表格如表1所示:
表1 DCT块内惩罚系数winner(ro,ra)表
其中,参数α>1,经实验验证取α=5最优。如图4所示,以(2,1)DCT块的元素(0,0)系数为例,期望修改方向为ro=+1,那么根据实际不同的修改方向,相应的块内惩罚系数为:
则将上述系数代入下列公式,即可实现DCT块内元素的代价值更新:
其中,为(2,1)DCT块的元素(0,0)系数在不同嵌入修改方向的条件下更新后的代价值,为其初始代价值。因此,当实际修改方向与期望修改方向相同时,失真代价值减小,则嵌入的可能性增大;反之,当实际修改方向与期望修改方向相反时,增大失真代价值,如此来保证实际嵌入修改尽量靠近最优嵌入修改。
更具体的,如图3、图4所示,所述步骤S4的步骤具体为:
S41:针对任一个DCT系数,利用与其相邻的DCT块中相同模式的元素构造四邻域模型,其中相邻的DCT块分别是与当前DCT块直接相连的上、下、左、右四个;因此根据上述以8×8DCT块为单位划分子图可知,对于该子图的任意一个DCT块都有来自另一子图的四个相邻DCT块。
S42:将嵌入修改图R′1与子图X2的初始化嵌入修改图R2合并,遍历合并后的嵌入修改图R2的每个DCT块中的每个元素,从(0,0)元素开始遍历,根据嵌入修改图R′1获取相邻的4个DCT块中相同的模式元素的嵌入修改组合;
S43:结合BBC准则,根据所在模式水平方向和垂直方向的期望更新模式,对X2子图中的元素进行代价值的更新,具体计算公式为:
(p,q)∈{(u-1,v),(u+1,v),(u,v-1),(u,v+1)};
其中,表示第(u,v)DCT块中第(m,n)DCT系数更新后的代价值;winter表示块间惩罚系数;表示第(u,v)DCT块中第(m,n)DCT系数初始的代价值;表示当前DCT块的四个邻域DCT块中同模式系数的代价值,为子图X1经过块内优化更新后的代价值C′1中的元素,(p,q)表示四个邻域DCT块的坐标;其中,块间惩罚系数winter与块内惩罚系数类似,同样是根据期望更新方向de和实际嵌入修改方向da决定的,其取值如表2所示,其中参数β>1,且经过试验确定β=2。
表2 DCT块间惩罚系数winter(de,da)表
其中,期望修改方向是根据BBC策略的结论和邻域元素的嵌入修改方向确定的。以(1,2)DCT块的(0,1)元素为例,由图5可知,该模式下的水平方向期望异步更新模式,因此当根据左邻域元素的相关性更新代价值时,期望修改方向应与左邻域元素嵌入修改方向相反,图中显示所以期望修改方向为de=-1,嵌入失真代价越小的系数被嵌入的可能性越大,因此基于左邻域相关性的惩罚系数应为
那么基于左邻域元素的相关性,对(1,2)DCT块中(0,1)元素的代价值更新即为:
其中,da∈{-1,0,+1}表示更新后的代价值,表示初始代价值,表示左邻域DCT块中相同模式元素的初始代价值,其他三个邻域也进行同样的操作。
S44:返回步骤S42更新下一个元素,直至子图X2中所有DCT系数的代价值更新完成,用C′2表示由这些新代价值组成的集合;
S45:将新代价值C′2和子图X2重新送入模拟仿真嵌入器中,得到载密子图Y′2。
更具体的,所述步骤S33的步骤具体为:
S331:利用DB-8分解滤波器,即一维低通滤波器l和高通滤波器h构造小波方向滤波器组κ={K1,K2,K3},其中,K1=l·hT,K2=h·lT,K3=h·hT;
S332:对于当前嵌入修改组合,通过二维反DCT变换,依次获取每个被修改元素(i,j)的空域变化,即:
其中:
其中,表示修改当前DCT块(i,j)元素对应空域(s,t)位置像素的空域变化;
S333:将当前嵌入修改组合内全部元素修改对应的空域变化累加,即:
S334:计算当前嵌入修改组合产生的小波域中三个方向的相对变化,具体为:
B(k)=W*Kk,k={1,2,3};
其中:W表示当前嵌入修改组合的空域影响,Kk表示第k个方向滤波器;
S335:综合三个方向的小波域影响,获取当前嵌入组合的小波域失真代价值CDCT,具体为:
其中:(u,v)是Β(k)(u,v)的坐标,0≤u,v≤22。
更具体的,如图6所示,在步骤S11中所述JPEG图像压缩的过程具体为:
S111:将原始空域图像进行8×8分块;
S112:将分块后的图像进行DCT变换并进行量化;
S113:将量化后的图像进行zig-zag扫描熵编码,得到压缩后的JPEG图像。
更具体的,在步骤S21中所述的JPEG图像对称隐写算法包括J-UNIWARD、UERD、GUED的一种或多种。
实施例2
在实施例1的基础上,进一步的,为了比较本发明提过的JPEG非对称数字图像隐写方法的安全性能,本实施例进行性能测试。
更具体的,本发明中全部的性能测试都基于数字图像隐写中常用的图像库Bossbase ver1.01,10000张尺寸为512×512的灰度图。首先,为了构造载体图像,将上述图像分别压缩为质量因子为75和95的JPEG图像。接着,选择目前最为安全的三种JPEG数字图像隐写算法,分别为J-UNIWARD、GUED、BET进行代价值的初始化。然后,选取针对JPEG隐写检测性能最高的三种隐写分析算法GFR[9],CC-JRM[10]和SCA-GFR[11]。分类错误率PE作为衡量算法性能的指标,其中分类错误率取十次验证的平均值。另外,该实施例还对比了目前已知的JPEG非对称隐写Dejoin_J的安全性能。
当载体图像质量因子为75时获取的性能结果如表3-表5所示,由表可知,本发明提出的JPEG非对称数字图像隐写方法IEO-SBC代价值更新策略在以上三种算法的初始化下都有性能的提升,且基本都超越Dejoin_J。
表3 Q75下GFR特征检测的分类错误率(%)
其中,BET-HILL表示BET算法中空域代价值采用HILL算法计算得到。
表4 Q75下CC-JRM特征检测的分类错误率(%)
表5 Q75下SCA-GFR特征检测的分类错误率(%)
当载体图像质量因子为95时,通过实验分别验证了IEO-SBC的性能和只有SBC策略下的性能,结果显示其性能差距不大,因此在保证算法安全性的条件下省略块内优化的步骤,直接基于DCT块间相关性更新代价值,最终性能如表6-8所示。从表中可以看出,在只采用SBC的情况下,仍然保证了安全性能的提升。在此基础上,我们分别测试了Q95时本发明与Dejoin_J算法每幅图像用于代价值更新的平均时间,如表9所示,在保证安全性能的情况下,本专利所用代价值更新时间是Dejoin_J的一半,计算复杂度更低,时间消耗更少,优化速度越快。
表6 Q95下GFR特征检测的分类错误率(%)
表7 Q95下CC-JRM特征检测的分类错误率(%)
表8 Q95下SCA-GFR特征检测的分类错误率(%)
表9 Q95下每幅图代价值更新平均耗时
算法 | Dejoin_J | SBC |
时间 | 4.743s | 2.354s |
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
[1]Holub V,Fridrich J,Denemark T.Universal distortion function forsteganography in an arbitrary domain[J].Eurasip Journal on InformationSecurity,2014,no.1,pp.1-13,2014.
[2]L.Guo,J.Ni,and Y.Q.shi,“Using statistical image model for JPEGsteganography:Uniform embedding revisited,”IEEE Transactions on InformationForensics and Security,vol.10,no.12,pp.2669-2680,2015.
[3]W.Su,J.Ni,X.Li,Y.Shi,“A New Distortion Function Design for JPEGSteganography Using the Generalized Uniform Embedding Strategy,”IEEETransactions on Circuits and Systems for Video Technology,vol.28,no.12,pp.3545-3549,2018.
[4]X.Hu,J.Ni,and Y.Q.Shi,“Efficient jpeg steganography usingdomaintransformation of embedding entropy,”IEEE Signal Processing Letters,vol.25,no.6,pp.773–777,2018.
[5]B.Li,M.Wang,S.Tan,and J.Huang,“A strategy of clusteringmodification directions in spatial image steganography,”IEEE Transactions onInformation Forensics and Security,vol.10,no.9,pp.1905-1917,2015.
[6]T.Denemark and J.Fridrich,“Improving steganographic security bysynchronizing the selection channel,”in Proc.ACM,the 3rd ACM Workshop onInformation Hiding and Multimedia Security,2015,pp.5-14.
[7]Weixiang Li,Weiming Zhang,Kejiang Chen,Wenbo Zhou and Nenghai Yu."Defining Joint Distortion for JPEG Steganography".Proceedings of the 6th ACMWorkshop on Information Hiding and Multimedia Security,ACM,2018.
[8]W.Zhang,Z.Zhang,L.Zhang,H.Li,and N.Yu,“Decomposing jointdistortion for adaptive steganography,”IEEE Transactions on Circuits andSystems for Vedio Technology,vol.27,no.10,pp.2274-2280,2017.
[9]X.Song,F.Liu,C.Yang,X.Luo,and Y.Zhang,“Steganalysis of adaptiveJPEG steganography using 2D Gabor filters,”in Proc.ACM,the 3rd ACM Workshopon Information Hiding and Multimedia Security,2015,pp.15-23.
[10]J.Kodovsk’y and J.Fridrich,“Steganalysis of JPEG images usingrich models,”in Proc.SPIE,Electronic imaging,Media Watermarking,Security,andForensics XIV,vol.8303,2012,pp.0A 1-13.
[11]T.Denemark,M.Boroumand,and J.Fridrich,“Steganalysis features forcontent-adaptive JPEG steganography,”IEEE Transactions on InformationForensics and Security,vol.11,no.8,pp.1736-1746,2016.
Claims (8)
1.一种JPEG非对称数字图像隐写方法,其特征在于,包括以下步骤:
S1:获取一张JPEG格式的载体图像X,将载体图像划分两个交织子图X1、X2;
S2:基于JPEG图像对称隐写算法获取载体图像的初始化失真代价值Cori和初始化嵌入修改图R1、R2;
S3:优化R1中每个DCT块的块内嵌入修改情况,更新子图X1每个元素的代价值,通过模拟仿真嵌入获取新载密子图Y1'和新的嵌入修改图R1';
S4:构造四邻域模型,结合嵌入修改图R1'和BBC策略更新X2中每个元素的代价值,并通过模拟仿真嵌入获取新载密子图Y2';
S5:将载密子图Y1'和载密子图Y2'进行合并,得到完整的载密图像Y',再将其送入隐写分析器,检测提出的JPEG非对称隐写算法的安全性能。
2.根据权利要求1所述的一种JPEG非对称数字图像隐写方法,其特征在于:所述步骤S1的具体步骤为:
S11:将原始空域图像进行JPEG图像压缩,获取不同质量因子条件下压缩编码的JPEG图像,作为载体图像X;
S12:将载体图像X划分两个交织子图X1、X2,划分单位为8×8DCT块。
3.根据权利要求2所述的一种JPEG非对称数字图像隐写方法,其特征在于:所述步骤S2的步骤具体为:
S21:基于JPEG图像对称隐写算法,计算载体图像X的初始化失真代价值Cori;
S22:将初始化失真代价值Cori和载体图像X送入模拟仿真嵌入器,获取初始化载密图像Y;
S23:将载密图像Y与载体图像X作差,得到残差图D,所述残差图D包含嵌入修改的幅度与方向信息;
S24:忽略残差图D的嵌入修改的幅度信息,保留嵌入修改的方向信息,得到载体图像X嵌入修改图R,其中R=sgn(D);同时得到两个子图的初始化嵌入修改图为R1、R2,对应的初始化失真代价值为Cori_1、Cori_2。
4.根据权利要求3所述的一种JPEG非对称数字图像隐写方法,其特征在于:所述步骤S3的步骤具体为:
S31:统计嵌入修改图R1当前DCT块内被修改的数量,用符号N表示,并设置DCT块是否优化的限制条件,具体为:
S32:列出所有可能的嵌入修改组合,为了降低计算复杂度,随机选取其中一半的嵌入修改组合,即嵌入修改组合总数为K=0.5×2N;
S33:分别计算当前DCT块的K种修改组合对应的空域嵌入失真代价CDCT;
S34:从K个组合的空域嵌入失真代价中选取最小失真代价CDCT_min对应的嵌入修改组合作为该DCT的最优嵌入修改组合,即获取了当前DCT块内每个DCT系数的期望修改方向;
S35:根据最优嵌入修改组合更新当前DCT块内每个系数的+1/-1代价值,具体为:设置块内惩罚系数winner(ro,ra),得到的代价值更新公式:
其中,ro表示期望修改方向,ra为实际修改方向;(u,v)表示DCT块的坐标,对于512×512的图像,其取值为0≤u≤63,0≤v≤63范围的整数;(m,n)表示DCT块内系数的坐标,取值是0≤m≤7,0≤n≤7的整数;表示第(u,v)个DCT块内的(m,n)系数的初始代价值;表示第(u,v)个DCT块内的(m,n)系数更新后的新代价值;用C'1表示由这些新代价值组成的集合;
S36:将代价值C'1和子图X1送入模拟仿真嵌入器,获取新的载密子图Y1',并通过与载体图像X做差,再取符号操作,获得子图X1的新嵌入修改图R'1。
5.根据权利要求4所述的一种JPEG非对称数字图像隐写方法,其特征在于:所述步骤S4的步骤具体为:
S41:针对任一个DCT系数,利用与其相邻的DCT块中相同模式的元素构造四邻域模型,其中相邻的DCT块分别是与当前DCT块直接相连的上、下、左、右四个;
S42:将嵌入修改图R'1与子图X2的初始化嵌入修改图R2合并,遍历合并后的嵌入修改图R2的每个DCT块中的每个元素,从(0,0)元素开始遍历,根据嵌入修改图R'1获取相邻的4个DCT块中相同的模式元素的嵌入修改组合;
S43:结合BBC准则,根据所在模式水平方向和垂直方向的期望更新模式,对X2子图中的元素进行代价值的更新,具体计算公式为:
(p,q)∈{(u-1,v),(u+1,v),(u,v-1),(u,v+1)};
其中,表示第(u,v)DCT块中第(m,n)DCT系数更新后的代价值;winter表示块间惩罚系数;表示第(u,v)DCT块中第(m,n)DCT系数初始的代价值;表示当前DCT块的四个邻域DCT块中同模式系数的代价值,为子图X1经过块内优化更新后的代价值C'1中的元素,(p,q)表示四个邻域DCT块的坐标;
S44:返回步骤S42更新下一个元素,直至子图X2中所有DCT系数的代价值更新完成,用C'2表示由这些新代价值组成的集合;
S45:将新代价值C'2和子图X2重新送入模拟仿真嵌入器中,得到载密子图Y'2。
6.根据权利要求4所述的一种JPEG非对称数字图像隐写方法,其特征在于:所述步骤S33的步骤具体为:
S331:利用DB-8分解滤波器,即一维低通滤波器l和高通滤波器h构造小波方向滤波器组κ={K1,K2,K3},其中,K1=l·hT,K2=h·lT,K3=h·hT;
S332:对于当前嵌入修改组合,通过二维反DCT变换,依次获取每个被修改元素(i,j)的空域变化,即:
其中:
其中,表示修改当前DCT块(i,j)元素对应空域(s,t)位置像素的空域变化;
S333:将当前嵌入修改组合内全部元素修改对应的空域变化累加,即:
S334:计算当前嵌入修改组合产生的小波域中三个方向的相对变化,具体为:
B(k)=W*Kk,k={1,2,3};
其中:W表示当前嵌入修改组合的空域影响,Kk表示第k个方向滤波器;
S335:综合三个方向的小波域影响,获取当前嵌入组合的小波域失真代价值CDCT,具体为:
其中:(u,v)是Β(k)(u,v)的坐标,0≤u,v≤22。
7.根据权利要求2所述的一种JPEG非对称数字图像隐写方法,其特征在于:在步骤S11中所述JPEG图像压缩的过程具体为:
S111:将原始空域图像进行8×8分块;
S112:将分块后的图像进行DCT变换并进行量化;
S113:将量化后的图像进行zig-zag扫描熵编码,得到压缩后的JPEG图像。
8.根据权利要求2所述的一种JPEG非对称数字图像隐写方法,其特征在于:在步骤S21中所述的JPEG图像对称隐写算法包括J-UNIWARD、UERD、GUED的一种或多种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910199619.2A CN110009547B (zh) | 2019-03-15 | 2019-03-15 | 一种jpeg非对称数字图像隐写方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910199619.2A CN110009547B (zh) | 2019-03-15 | 2019-03-15 | 一种jpeg非对称数字图像隐写方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110009547A true CN110009547A (zh) | 2019-07-12 |
CN110009547B CN110009547B (zh) | 2022-11-29 |
Family
ID=67167218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910199619.2A Active CN110009547B (zh) | 2019-03-15 | 2019-03-15 | 一种jpeg非对称数字图像隐写方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110009547B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242826A (zh) * | 2020-01-09 | 2020-06-05 | 鹏城实验室 | 图像优化方法、装置、设备及存储介质 |
CN111327786A (zh) * | 2020-02-26 | 2020-06-23 | 中国科学技术大学 | 基于社交网络平台的鲁棒隐写方法 |
CN111614964A (zh) * | 2020-05-29 | 2020-09-01 | 中国科学技术大学 | 增强jpeg图像块边界连续性的非加性隐写方法 |
CN112017095A (zh) * | 2019-12-16 | 2020-12-01 | 江苏水印科技有限公司 | 一种优化现有jpeg隐写失真函数的通用方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070025590A1 (en) * | 2005-07-28 | 2007-02-01 | Academia Sinica | Asymmetric subspace watermarking |
US20130163808A1 (en) * | 2011-12-21 | 2013-06-27 | Mark Gregory Clements | Method and System of Digital Steganography |
CN108416725A (zh) * | 2018-03-13 | 2018-08-17 | 中山大学 | 一种基于消除块效应的非对称jpeg隐写方法 |
US20180247386A1 (en) * | 2017-02-24 | 2018-08-30 | The Trustees Of Columbia University In The City Of New York | Systems and methods for steganography based on text fonts |
-
2019
- 2019-03-15 CN CN201910199619.2A patent/CN110009547B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070025590A1 (en) * | 2005-07-28 | 2007-02-01 | Academia Sinica | Asymmetric subspace watermarking |
US20130163808A1 (en) * | 2011-12-21 | 2013-06-27 | Mark Gregory Clements | Method and System of Digital Steganography |
US20180247386A1 (en) * | 2017-02-24 | 2018-08-30 | The Trustees Of Columbia University In The City Of New York | Systems and methods for steganography based on text fonts |
CN108416725A (zh) * | 2018-03-13 | 2018-08-17 | 中山大学 | 一种基于消除块效应的非对称jpeg隐写方法 |
Non-Patent Citations (1)
Title |
---|
王子驰等: "非对称失真的空域自适应隐写", 《应用科学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112017095A (zh) * | 2019-12-16 | 2020-12-01 | 江苏水印科技有限公司 | 一种优化现有jpeg隐写失真函数的通用方法 |
CN111242826A (zh) * | 2020-01-09 | 2020-06-05 | 鹏城实验室 | 图像优化方法、装置、设备及存储介质 |
CN111242826B (zh) * | 2020-01-09 | 2023-08-25 | 鹏城实验室 | 图像优化方法、装置、设备及存储介质 |
CN111327786A (zh) * | 2020-02-26 | 2020-06-23 | 中国科学技术大学 | 基于社交网络平台的鲁棒隐写方法 |
CN111327786B (zh) * | 2020-02-26 | 2021-10-01 | 中国科学技术大学 | 基于社交网络平台的鲁棒隐写方法 |
CN111614964A (zh) * | 2020-05-29 | 2020-09-01 | 中国科学技术大学 | 增强jpeg图像块边界连续性的非加性隐写方法 |
CN111614964B (zh) * | 2020-05-29 | 2021-08-13 | 中国科学技术大学 | 增强jpeg图像块边界连续性的非加性隐写方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110009547B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009547A (zh) | 一种jpeg非对称数字图像隐写方法 | |
CN110738605A (zh) | 基于迁移学习的图像去噪方法、***、设备及介质 | |
Liu et al. | Data-driven soft decoding of compressed images in dual transform-pixel domain | |
CN102243711B (zh) | 一种基于邻域嵌套的图像超分辨率重建方法 | |
Dong et al. | Semantic communication system based on semantic slice models propagation | |
CN110136057B (zh) | 一种图像超分辨率重建方法、装置及电子设备 | |
CN110232650B (zh) | 一种彩色图像水印嵌入方法、检测方法及*** | |
CN112102163B (zh) | 基于多尺度运动补偿框架和递归学习的连续多帧图像超分辨率重建方法 | |
CN103546759A (zh) | 一种基于小波包和矢量量化相结合的图像压缩编码方法 | |
CN108769700A (zh) | 减小h.264帧间漂移失真的鲁棒性视频隐写方法 | |
CN105933711A (zh) | 基于分割的邻域最优概率视频隐写分析方法及*** | |
Su et al. | New design paradigm of distortion cost function for efficient JPEG steganography | |
Fleig et al. | Edge-aware autoencoder design for real-time mixture-of-experts image compression | |
Wu et al. | A generative adversarial network framework for JPEG anti-forensics | |
Cui et al. | Fast hierarchical deep unfolding network for image compressed sensing | |
CN102842123B (zh) | 图像上采样中边缘清晰度提升的稀疏域残差补偿修正方法 | |
Yang et al. | Computationally-efficient neural image compression with shallow decoders | |
CN106157251B (zh) | 一种基于柯西正则化的人脸超分辨率方法 | |
Yu et al. | Scale-aware frequency attention network for super-resolution | |
CN114022356A (zh) | 基于小波域的河道流量水位遥感图像超分辨率方法与*** | |
CN103069798B (zh) | 用于在实施变换域估计过程中对至少一个图像进行编码和解码的方法和装置 | |
Wang et al. | Super resolution for compressed screen content video | |
CN101511020B (zh) | 一种基于稀疏分解的图像压缩方法 | |
Wu et al. | An adversarial learning framework with cross-domain loss for median filtered image restoration and anti-forensics | |
CN107133921A (zh) | 基于多层次邻域嵌入的图像超分辨率重建方法及*** |
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 |