[发明专利]一种优化决策面的改进隐写方法

权利要求书

1.一种优化决策面的改进隐写方法，其特征在于，包括如下步骤：

S1，按照隐写算法对载体图像进行隐写得到载密图像集；

S2，根据所述载密图像集，提取载体图像与载密图像特征，经过训练分类器得到决策面；

S3，以所述决策面为指导，采用智能优化算法优化所述隐写算法嵌入过程中可优化的部位，使得所述载体图像与所述载密图像特征在所述决策面不可区分，得到新的载密图像集；

S4，以所述新的载密图像集做为S2中的所述载密图像集，按照S2-S3的方法操作j-1次，得到一系列的决策面D1,D2K Dj-1，以及一系列的载密图像集S1,S2L Sj-1；其中，j、n为自然数，2≤j≤n，2≤n≤100；

S5，以决策面Dj-1为优化目标，将一系列的载密图像集S1,S2L Sj-1放入分类器进行训练，采用智能优化算法对所述隐写算法中的所述嵌入过程可优化的部位进行优化，使决策面Dj-1失效，得到载密图像集Sj；

S6，判断j是否等于n，若是，则执行S7-S8，若否，返回S4；

S7，根据所述载密图像集Si，提取载密图像特征，经过训练分类器得到决策面Dn，并输出决策面集D＝{D1,D2L Dn}；

S8，在所述决策面集D＝{D1,D2L Dn}中随机选择决策面，对该决策面进行智能优化，得到特征变化具有随机性的载密图像。

2.根据权利要求1所述的优化决策面的改进隐写方法，其特征在于，所述隐写算法包括空域LSB±k，LSBM隐写算法及频域隐写PM算法。

3.根据权利要求1所述的优化决策面的改进隐写方法，其特征在于，所述智能优化算法包括二进制离散混合蛙跳算法、二进制粒子群优化算法、遗传优化算法和蚁群优化算法。

4.根据权利要求1所述的优化决策面的改进隐写方法，其特征在于，S3包括如下步骤：

S301，设置优化初始值和优化目标；

S302，根据所述智能优化算法优化初始值及优化目标，通过优化迭代，得到最优解；

S303，采用所述最优解，对所述载体图像进行隐写，得到载密图像。

5.根据权利要求4所述的优化决策面的改进隐写方法，其特征在于，S301中，所述优化初始值的设置方法为：将所述载体图像中需要修改像素值的位置转换为一个t维的向量：Xi＝[xi1,xi2,L xit]T，其中，t的长度为图像像素值与秘密信息不相同个数的总和，xi1,xi2,L,xit的取值为1和0，分别表示加k和减k操作。

6.根据权利要求5所述的优化决策面的改进隐写方法，其特征在于，S301中，所述优化目标的设置方法为：通过对t维向量中每个个体的适应度函数进行求解，确定最大的适应度函数值。