基于颜色梯度矩阵的通用型RGB图像隐写分析.docVIP

基于颜色梯度矩阵的通用型RGB图像隐写分析 摘 要： 针对隐写所导致的RGB彩色图像颜色梯度的改变，提出一种基于颜色梯度矩阵的RGB图像隐写分析算法。算法计算RGB图像颜色梯度方向矩阵及梯度和矩阵，提取梯度能量、梯度均值、梯度方差、梯度熵等16维向量构造隐写分类特征，采用支持向量机（SVM）分类器进行隐写判别。实验结果表明，该算法可以较为准确地检测彩色图像JSteg、F5、OutGuess、Steghide、MB1等隐写，适用于RGB图像隐写的检测，具有较好的通用性。 关键词：隐写分析；RGB图像；颜色梯度矩阵；颜色相关性；支持向量机 0 引言 隐写分析是信息隐藏领域的重要研究内容。它主要是利用隐写信息的嵌入引起原始载体数据统计特性的改变来检测、提取或破坏隐藏于载体数据中的秘密消息。 传统的彩色图像隐写分析技术主要分两类：专用隐写分析和盲隐写分析。专用隐写分析是针对某种特定的隐写算法，如Kong等[1]提出利用彩色图像HIS（Hue，Saturation，Intensitv）颜色空间的色度分量进行隐写分析，陈铭等[2]提出基于区域相关性的最不重要位（Least Significant Bit， LSB）匹配隐写分析，Lee等[3]提出Color Cube方法检测彩色图像LSB隐写，具有针对性强、适用性不广的特性。 彩色图像盲隐写分析则可用于攻击多种隐写方法，如Lyu等[4]对RGB 3个通道分别计算3级小波分解系数的水平、垂直和对角方向统计量及其线性预测误差统计量，构造了144个特征向量进行盲隐写分析；陈丹等[5]从彩色图像的亮度分量提取3级小波分解系数统计量和系数误差统计量，结合滤波前后图像之间的矢量方向相关度来度量色度的改变量，构造49个分类特征向量进行盲隐写分析；Tu等[6]利用彩色图像YUV颜色空间的亮度和色度分量，分别在离散余弦变换（Discrete Cosine Transform，DCT）和离散小波变换（Discrete Wavelet Transform，DWT）域提取系数特征函数矩，进行盲隐写分析；毛家发等[7]提出基于攻击的彩色图像盲隐写分析，分别对R、G、B 3个颜色通道提取空域梯度能量以及在亮度空间提取DCT系数能量，构造2维特征向量；孙文?等[8]依据隐写导致图像DCT系数分布、空域像素值平坦性以及颜色空间一致性的改变，提取DCT系数分布模型背离程度、空域相关性和色度分量相关性等10维特征，检测彩色JPEG图像隐写；毛家发等[9]提出基于净图的彩色图像通用隐写算法，在彩色图像的RGB三个通道分别提取纹理特征和虚特征值特征，共150维特征，经过特征降维后检测彩色图像是否含密。就目前而言，针对彩色图像的盲隐写分析方法较少，但是以其较强的适用性受到更多研究者的关注。 可以看到，上述彩色图像盲隐写分析算法对彩色图像逐通道提取RGB通道的特性，或者在YUV颜色空间的亮度和色度分量提取特征，忽视或弱化了颜色通道的相关性，从而导致在低嵌入率时，算法误检率较高。 本文分析隐写嵌入对RGB彩色图像颜色通道相关性的影响，提出一种基于颜色梯度矩阵的RGB彩色图像盲隐写分析算法。算法计算描述颜色通道相关性的梯度矩阵及梯度和矩阵，提取梯度能量、梯度均值、梯度方差、梯度熵共16维向量构造隐写分析特征向量。实验结果表明，所提出的新算法对RGB彩色图像隐写具有较好的检测效果，可以实现RGB彩色图像隐写的可靠检测，具有误检率低的特点。 1 RGB彩色图像颜色相关性分析 RGB彩色图像的R、G、B三颜色通道之间有着强相关性（BR：0.78，RG：0.98，GB：0.94），各个方向上的相邻像素间也有很强的相关性[10]，这种相关性表现在两个方面：改变像素的亮度或色度必须同时修改3个颜色通道的值；改变像素任何一个通道的值，其他两个通道的值将相应地改变。 设M×N彩色图像m横向颜色梯度与纵向颜色梯度分别为横向相邻像素间和纵向相邻像素间第i（i∈ 1，2，3 ）颜色通道之间的差值，即： 2 基于颜色梯度矩阵的RGB图像隐写分析 2.1 特征提取 隐写分析的本质在于提取能敏感反映隐写信息嵌入而导致的图像差异，构造隐写分析的特征向量。如上章所述，颜色梯度和矩阵m（x，y）及通道间颜色梯度方向矩阵m12（x，y）、m13（x，y）、m23（x，y）能够反映隐写信息嵌入而导致的图像像素值变化，因此，基于上述4个度量RGB彩色图像颜色通道间相关性的颜色梯度矩阵，提取16维特征向量用于隐写分析。 由于不同的彩色图像内容和色彩变化差异大，因此在预处理操作中，将上述4个矩阵中的元素分别以zscore标准化处理，实现彩色图像颜色梯度和矩阵与通道间颜色梯度方向矩阵的归一化，得到归一化后的矩阵： 2.2 基于支持向量机的隐写分析算法 以2.1节中所述的16个特征量