[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

说明书

本发明公开了一种基于残差共生概率的隐写图像载体安全性评价方法，从隐写载体的安全性角度出发，通过研究载体图像内噪声共生概率特征分布对于隐写安全性的影响，利用载体聚类中心距离度量提出一种隐写载体安全性评价方法。本发明用于样本隐写载体筛选可有效增强隐写算法反检测能力。实验证明，基于本发明评价方法筛选后的隐写样本在多个图像库、隐写方法、嵌入率和隐写分析测试中，抗检测能力相比随机选择载体都有显著的提升，平均错误率提高大约3.8到11.8个百分点。

技术领域

本发明属于计算机信息隐藏技术领域，涉及一种隐写图像载体安全性评价方法，具体涉及一种基于残差共生概率的隐写图像载体安全性评价方法。

背景技术

隐写是通过轻微修改文本、图像等载体中的值来嵌入秘密信息的一门技术，其目的在于隐藏通信双方的实际通信内容。与隐写技术相对应的隐写分析技术，充分利用信号处理、数理统计、机器学习等理论，通过分析秘密信息嵌入前后载体的统计差异，进而发现并挖掘潜藏在载体中的秘密信息。对隐写的研究目标在于如何嵌入尽可能多秘密信息的同时，尽量少地引入修改痕迹。随着隐写分析技术逐渐完成从简单统计方法向机器学习技术的转变，针对隐写算法安全性的定量或定性演绎主要集中在构建更好的失真度量，设计高效的隐写编码，以及安全隐藏容量边界，从而使携密载体在视觉质量和统计特性上尽量逼近原始载体，以提高被嵌入载体的抗检测能力。

随着STC编码在信息隐藏中的应用，隐写算法的安全性得到了一次飞跃性的提升，导致目前信息隐藏研究发展速度有所放缓。信息隐藏技术研究难以突破STC框架，只是在失真函数方面做部分修改，这些改进一般针对某些不足做修修补补，很难给隐藏性能带来较大提高。

一直以来，隐写算法主要集中于反检测能力的研究，即在相同测试集上对比算法检测错误率高低。然而，隐写算法在嵌入实际样本时，其安全性并不能完全得到隐写算法安全性的保证。实验过程中发现，样本载体会对隐写安全性产生较大影响：当隐写算法应用在不同的样本载体时，算法抗检测能力会出现较大偏差。经深入分析得出，产生这一现象的原因在于样本载体自身特性对于隐写算法的适配性存在差异。

发明内容

为了解决上述技术问题，本发明提供了一种基于残差共生概率的隐写图像载体安全性评价方法，通过对隐写载体进行系统的安全性评价，以提升隐写算法安全性。

本发明所采用的技术方案是：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以降低残差矩阵的状态；

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，对其进行评估以判断是否舍弃；

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。

本发明在实验发现的基础上，从嵌入载体自身特性和规律的角度出发，通过提取不同嵌入效果的样本载体噪声分布特征，设计并实现了一种样本载体安全性的评价方法，并将该方法运用于样本载体预筛选上，有效地提高了实际应用中信息隐写的安全性。

附图说明