[发明专利]一种基于残差共生概率的隐写图像载体安全性评价方法

权利要求书

1.一种基于残差共生概率的隐写图像载体安全性评价方法，其特征在于，包括以下步骤：

步骤1：对训练集中的样本图像的灰度图进行滤波，提取图像中的噪声残差，得到样本图像的残差矩阵D；

步骤2：对残差矩阵进行截断操作；

步骤3：统计相邻像素对在水平、垂直、主对角、副对角四个方向上的共生概率矩阵，得到图像的共生概率特征；

步骤4：对共生概率特征进行映射和降维操作后，作为该图像的噪声分布特征；

步骤5：对训练集中所有样本图像进行聚类分析，以噪声分布特征最分散的聚类的质心作为安全性评价标准特征；

步骤6：准备待实际隐写的图像集，利用步骤1-4的原理提取待实际隐写的图像特征，依据步骤5中安全性评价标准特征，计算待实际隐写的图像的安全性评价值，并使用安全性评价值对图像进行评估以判断是否舍弃此图像；

若安全性评价值大于等于预设阈值，则选为样本载体；

若安全性评价值小于预设阈值，则舍弃。

2.根据权利要求1所述的基于残差共生概率的隐写图像载体安全性评价方法，其特征在于：步骤1中，对样本图像的灰度图I_g使用高通卷积核K进行滤波得到残差矩阵，即D＝I_g*K，其中D为残差矩阵，K为高通卷积核，*为卷积操作；

得到样本图像的残差矩阵D可以进一步表示为D＝I_g*K＝(d_ij)，其中i＝1,2,…,M，j＝1,2,…,N，其中M、N表示被卷积图像的尺度。

3.根据权利要求1所述的基于残差共生概率的隐写图像载体安全性评价方法，其特征在于：步骤2中，将残差矩阵D中元素进行如下处理，获得截断后的矩阵元素；

其中，d_ij为残差矩阵D中元素，T为预设阈值。

4.根据权利要求1所述的基于残差共生概率的隐写图像载体安全性评价方法，其特征在于：步骤3中，通过统计截断处理后的残差矩阵相邻像素对在水平、垂直、主对角、副对角4个方向上的出现频率，计算残差矩阵的共生概率矩阵C_h,C_v,C_d,C_m，进而得到对应方向上的共生关系特征F_h,F_v,F_d,F_m：

其中，M,N表示载体图像的尺寸，D_ij为截断处理后的残差矩阵中元素，u,v∈[-T,T]，δ(·)描述为：

四种共生关系特征共得到4(2T+1)²维的共生概率特征F＝{F_h,F_v,F_d,F_m}。

5.根据权利要求1所述的基于残差共生概率的隐写图像载体安全性评价方法，其特征在于：步骤4中，所述对共生概率特征进行映射和降维操作：

其中，F_n表示当前图像载体的噪声分布特征，F_n,c表示某一方向上的共生关系特征。

6.根据权利要求1所述的基于残差共生概率的隐写图像载体安全性评价方法，其特征在于：步骤5中，采用无监督学习的K-means算法对训练载体集中提取的所有图像的噪声分布特征进行聚类分析，其中聚类簇数为3，表示将训练集中图像载体分为噪声分布均匀、分布一般与分布密集三类，根据安全性排序依次分为安全性高、安全性一般、安全性差三类；将最终3个聚类的中心映射到[0,255]区间上，并进行降维，得到3不同安全性聚类的标准特征F_s,k，k表示载体类别，设定最高安全类聚类的质心作为标准特征F_s,1。

7.根据权利要求1所述的基于残差共生概率的隐写图像载体安全性评价方法，其特征在于：步骤6中，待评价样本图像的安全性评价值S，通过权利要求1中步骤1-4，计算样本图像的噪声分布特征F_n，并计算与标准特征F_s,1之间的相关性的绝对值得到：

式中，N为噪声特征长度，F_ni与F_s,1i分别表示待评价样本的噪声分布特征和标准特征中第i位元素，与表示对应特征中元素的均值，S的取值范围为[0,1]，S值越大表示待评价载体的安全性越高。