基于语音采样点倒置地图像信息隐藏算法.doc

2010——2011学年第二学期信息隐藏结业论文 论文题目：基于语音采样点倒置的图像信息隐藏算法 作者： 学号： 班级： 摘要：将基于音频采样点倒置的算法用于基于语音的图像信息隐藏算法中,提高了图像传输的安全性。这种算法引入了静音检测( voice activity detection, VAD)技术筛选适宜隐藏信息的语音段,并采用Logistic混沌映射对秘密图像预处理。实验表明,该算法实现了盲提取, 较大地降低了提取误码率, 嵌入图像信息后的载体语音具有良好的透明性和鲁棒性。 关键词：信息隐藏; 盲提取; 采样点倒置; 静音检测; 混沌序列 引言：语音信息隐藏技术已成为信息安全领域的一个研究热点。语音信息隐藏算法基本可分为类:时域算法和变换域算法。时域算法的主要代表有:最低比特位法、回声隐藏法、时域能量法等; 变换域算法主要有: 离散傅里变换法、离散余弦变换法和离散小波变换法等。时域算法比较简单, 但嵌入容量有限,安全性较差; 变换域算法嵌入容量较大,安全性较好,但是算法比较复杂,对算法的实现难度比较大。本文将基于音频采样点倒置的算法用于基于语音的图像信息隐藏算法中, 算法中引入了静音检测技术筛选适宜隐藏信息的语音段, 并采用Logistic混沌映射对秘密图像进行预处理。目前针对频域隐藏算法研究较多, 时域隐藏算法研究较少,本文采用的隐藏算法研究是时域隐藏算法,虽嵌入容量有限,但方法简单,混合语音不含秘密图像,故安全性较高且易于实现。 基本理论 1混沌预处理 为更好地保证秘密图像的安全性,在嵌入前先对秘密图像混沌调制。混沌是一种复杂的非线 性动力系统,混沌信号具有长期的不可预测性和抗截获能力, 易于产生和复制却难以破解。常用的是一维Logistic映射、二维Smale映射、三维的Lorenz 系统。本文秘密图像经降维和编码处理得到一维比特流信息, 因此采用一维 Logistic映射产生与秘密图像经降维和编码得到的一维比特流长度相等的混沌序列,用于秘密图像混沌调制。一维Logistic映射定义为 式中: 为混沌序列的第k 个值, ; u 为密钥参数, , 当u = 4 时,系统完全处于混沌状态。通过定义阈值,量化为二值混沌序列h( k)为 选择初始值x 1 ,当K 取秘密图像经降维和编码得到的一维比特流长度时, 就能产生与秘密图像经降维和编码得到的一维比特流等长的混沌序列。最后将秘密图像预处理得到的比特流信息v( k)与产生的混沌序列 h( k)按式( 3)进行混沌调制(式中为异或运算符) ,得到对应调制后的秘密信息m( k)为 式中: h( k)为混沌序列; v ( k )为秘密图像预处理得到的比特流信息; K 为秘密图像降维并编码后的一维比特流长度。 2 静音检测 基于语音采样点倒置的信息隐藏算法, 是通过倒置的方法调整语音幅度值为正的采样点在总采样点中所占比例( 以下简称为语音比例值) 的大小嵌入秘密信息,因静音段该比例值为零,倒置后该比例值仍然为零, 嵌入的秘密信息不能正确提出。因此引入静音检测技术筛选静音段,在静音段不隐藏信息, 从而避免了由于在静音段隐藏信息产生的提取错误, 降低提取图像的误码率, 提高提取图像与秘密图像的相似度。 静音检测技术是网络语音交流平台的重要技术,常用的静音检测方法有: 小波分解法、 GSM、G.729b 等。本文选用基于小波变分辨率频谱特征的静音检测法, 算法在不同信噪比下语音识别的正确率比 G. 729b 高, 运算量却比G. 729b 小。该算法采用多门限过零率对静音进行初判,若判断为语音,再交由二分类支持向量机( suppor t vector machines, SVM) 进一步判断为语音或伪语音; SVM 对提取的多个语音感觉特征(第i 帧的过零率和第i 帧的短时能量值) 与基于小波变分辨率频谱的 Mel 频率倒谱系数组合成语音特征进行分类, 实现静音检测, 其流程图如图1 所示。 本文算法中, 取静音检测结果为静音采样点的数量大于某一特定值N (本文实验中取 N =30)时, 在该段语音中不隐藏信息。如载体语音(形如图4( a) )中,前6 200 个采样点为静音,故不在该段载体语音中隐藏秘密信息。 基于语音的图像信息隐藏算法 根据人耳的听觉特性, 如果将某一段时间内语音的采样点进行倒置,人耳不能感知出该时间段内语音的变化。通过大量的实验发现, 语音比例值具有良好的鲁棒性。静音段语音比例值为零,倒置后该比例值仍然为零,不能正确提取嵌入的秘密信息, 则采用静音检测技术剔出静音段。依据此思路设计了基于语音的图像信息隐藏算法,其流程图如图2 所示。 3. 1 秘密图像嵌入 秘密图像的嵌入算法,其步骤如下。 步骤1 秘密图像的预处理。本文