基于混沌和脆弱水印图像篡改检测算法.docVIP

基于混沌和脆弱水印图像篡改检测算法 　　摘要： 　　针对现有基于脆弱水印方法的不足，提出了一种新的结合混沌系统和脆弱水印的图像篡改检测算法。算法首先利用Arnold cat映射对原始图像进行k次置乱，然后选取置乱图像的最低有效位（LSB）平面作为水印嵌入位置，实际嵌入的水印由Logistic混沌映射产生的随机二进制序列与原始水印异或得到，通过LSB替换算法嵌入。最后对LSB替换后图像进行T-k次的Arnold cat映射得到水印图像。实验结果表明，混沌系统的引入大大增强了脆弱水印的安全性；另外，针对不同种类的攻击，算法具有良好的篡改检测和定位精确性。 　　关键词： 　　混沌映射； 脆弱水印； 篡改检测； 定位； 安全性 　　0引言 　　随着网络和移动计算技术的飞速发展，越来越多的数字图像通过公网进行传输，图像的内容安全受到极大挑战。不断发展的数字图像处理技术也使得图像的篡改变得越来越容易，为了保证数字图像本身的使用价值，对网络上发布的数字图像进行篡改检测是十分必要的。图像的篡改检测即对图像的完整性进行认证，一旦证实图像遭到修改能正确定位篡改发生区域[1]。图像篡改检测方法主要有两种。一种是基于数字标识的方法[2]，此类方法通过安全Hash函数得到整幅图像的认证码，然后将认证码随图像一起发布，接收端收到图像后重新计算认证码来判定图像是否遭到篡改；这类方法虽然简单有效，但不能定位篡改发生区域，而且需要额外的空间来存储图像的原始认证码。另外一种行之有效的方法是基于水印的方法，此类方法很好地解决了前一种方法的不足，通过将图像的认证水印以不可见方式嵌入在图像像素本身，不需额外空间并能实现篡改区域的定位。鉴于脆弱水印对图像像素修改的敏感性，绝大部分基于水印的图像认证方法采用脆弱水印技术[3-7]。 　　目前提出的基于脆弱水印的图像认证方法大致可分为两大类。第一类是基于像素的图像认证方法，这类方法为了实现对每个像素点的精确认证，需要将图像全部像素值嵌入在图像本身，水印嵌入容量的瓶颈问题制约了该方法的广泛使用。第二类是基于图像块的认证方法，是当前主流的图像认证技术，方法将图像进行分块，抽取每块的特征值作为水印嵌入在图像中，通过重新计算块的特征值和提出的值进行比较实现图像的篡改检测和定位。典型的方法如Guo等[4]提出的基于区域的图像认证方法中，将图像每块区域的Hash值作为水印嵌入，虽然Guo的方法能够对区域进行矩形和多边形的划分，但是不能对任意区域的篡改进行认证，另外水印的嵌入时间花费较大。为了提高算法效率，Phadikar等[5]提出将图像块的均值作为水印，并利用修改的量化索引调制方法实现嵌入，该方法最大的缺点就是算法安全性不高，利用均值作为特征值进行篡改检测精确度不高。 　　为了解决当前图像认证方法中存在的水印算法安全性不高和篡改区域固定的缺点，本文提出了一种结合混沌系统和脆弱水印的图像认证新方法，该方法采用cat映射获取水印嵌入位置，然后采用Logistic映射生成混沌水印。混沌系统的引入大大增强了算法的安全性，另外由于混沌系统的初始敏感性，混沌水印能精确定位图像任一像素和区域的篡改。 　　4结语 　　图像篡改检测技术在数字图像数据安全中发挥着越来越重要的作用，本文提出了一种融合混沌系统和脆弱水印技术的图像篡改检测算法，将水印信息嵌入在置乱后的图像的最低有效位平面中。由于水印的嵌入限制在最低有效位平面，隐秘图像具有较好的视觉质量；另外混沌系统极大增强了水印算法的安全性，攻击者在不知道混沌算法相关初值的情况下很难破坏水印。算法利用原始水印和提取出水印的差异实现图像的精确认证。本文算法最大的优点就是将混沌系统的特性和脆弱水印结合在一起，混沌系统的高随机性确保了算法的安全性；而遍历性使得生成高质量的水印图像成为可能；初值敏感性确保了篡改检测精度和检测区域的多样性。实验结果验证了本方法的优越性，但方法仍有不完善的地方，算法对图像篡改区域缺乏恢复能力，这将是下一步的工作重点。 　　参考文献： 　　[1] 　　MARTINO F D， SESSA S. Fragile watermarking tamper detection with images compressed by fuzzy transform[J]. Information Sciences， 2012， 195（1）： 62-90. 　　[2] 　　DENG X H， CHEN Z G， DENG X H， et al. A novel duallayer reversible watermarking for medical image authentication and EPR hiding[J]. Advanced Science Letters， 2011， 4（1