数字水印基础教程 普通高等教育“十一五”国家级规划教材 作者 杨义先 7.5基于视觉特性的密写与密写分析.pptVIP

7.5 基于视觉特性的密写与密写分析 一类基于视觉特性的密写方法 在视觉不敏感区域嵌入较多秘密信息 在视觉较敏感区域嵌入少量秘密信息 BPCS密写 PVD密写 BPCS密写 BPCS（bit-plane complexity segmentation）位平面复杂度分割 思想 将载体数据的多个位平面分成小块 人的视觉对变化剧烈、复杂度较高的位平面小块不敏感 秘密信息可以加载在多个位平面 BPCS方法（嵌入） 将载体图像所有位平面分为小块，如8×8 计算每个小块的复杂度 复杂度定义：所有相邻象素对中取值不同的象素对数目。复杂度最大可能值记为Cmax 例如，8×8，复杂度0－112 全0或全1：复杂度0 0、1相间棋盘状：复杂度112 BPCS方法（嵌入） 将复杂度大于aCmax的位平面小块用于负载秘密信息 a必须小于0.5 将秘密信息组成位平面小块，如果其复杂度大于aCmax，则直接替换原位平面小块 如果其复杂度小于等于aCmax，则需要作共轭处理 共轭处理：将秘密信息小块与棋盘状小块作异或 共轭处理后复杂度为Cmax－c 记录下哪些小块经过共轭处理 BPCS方法（提取） 将载体数据中所有复杂度大于aCmax的位平面小块取出，即是秘密信息 做过共轭处理的小块：再作一次共轭，即是秘密信息 一般不采用二进制形式划分位平面，而是采用循环码划分位平面 二进制划分位平面：会有许多小块复杂度大于0.5Cmax 循环码划分位平面：绝大多数小块复杂度小于0.5Cmax 二进制码和循环码的互换 B：二进制 G：循环码 对BPCS的密写分析 BPCS密写的视觉隐蔽性较好，但会改变位平面小块复杂度的统计特性 思想 对原始图像所有位平面小块的复杂度进行统计，将其直方图记为h(c)，c取值：0－Cmax 直方图特点： 直方图集中于c值较低的一侧（因为高位位平面相关性很强，复杂度很低） 直方图连续性较好（因为对不同位平面许多小块的统计结果） 对BPCS的密写分析 512×512标准灰度图像Man按8×8分块，得到的复杂度直方图 对BPCS的密写分析 BPCS密写是将复杂度大于aCmax的位平面小块置换成秘密信息组成的小块 秘密信息组成的小块 随机信号，0/1概率0.5 有文献对4096000个秘密信息小块进行了统计，秘密信息小块的复杂度近似正态分布 均值0.5Cmax，标准差0.047Cmax 用秘密信息小块替换后，出现直方图不连续的现象 实验结果1 图像Man 8×8 a=0.4 嵌入量7.2E5 PSNR＝33.5dB 在0.4Cmax=45处有明显不连续跳跃 实验结果2 PVD 密写 PVD（pixel-value differencing） 基于图像中相邻象素对差异的密写 PVD密写算法 将载体图像分成许多不交迭的小块，每个小块由两个相邻象素组成 组成方式有很多种，如逐行或逐列 zigzag 扫描 秘密信息被隐藏在每个小块的两个象素灰度的差值中 PVD密写算法 象素灰度差值记为 d=p(i+1)-p(i) 将这个范围分成K个区域，每个区域的宽度是2的整数幂，记为2^n 例如分成6个区域：[0,7], [8,15], [16,31], [32,63], [64,127], [128,255] 如果差值 |d| 落在某一个区域，那么在这个小块中嵌入 n 比特 嵌入方法：调整 p(i+1) 和（或） p(i)的值，使得它们的差值|d|等于n比特对应的十进制值 对PVD的密写分析 考察图像小块象素差值的直方图 通常一幅正常图像的象素差值直方图应该比较平滑，并且随着 |d| 的增加而减小 对PVD的密写分析 嵌入之后 密写分析总结 找出密写引起的特征变化 直方图 奇异点，等 与嵌入量有关 设计密写算法时，从密写分析的角度考虑其安全性 对已发表的各类密写算法，有可能做一些深入的工作 需要耐心细致的研究 课程总结 热点研究问题 隐藏与水印算法－很多 模型问题 容量问题 水印协议－数字内容的版权管理，向实用推进 密写分析 算法攻击 等 * * 在线教务辅导网： 教材其余课件及动画素材请查阅在线教务辅导网 QQ:349134187 或者直接输入下面地址： 图像Man 8×8 a=0.45 嵌入量5.2E5 PSNR＝36.7dB 在0.45Cmax=50处有明显不连续跳跃 信息隐藏原理 数字水印原理 信息隐藏算法 信息隐藏攻击 数字水印算法 数字水印攻击 图象 音频 视频 数据 … 图象 音频 视频 数据 … 算法 攻击和分析 广义隐藏 隐藏容量研究 * * * 第17次到此 *