现代语音信号处理（Python版）教学课件第14章 语音隐藏N.ppt

用二进制秘密信息中的每一比特信息替换与之相对应的载体数据的最低有效位，假设待嵌入的二进制秘密信息序列为[ 0 1 1 0 0 0 1 0 0 ]，则替换过程如图所示。 11111111 将得到的含秘密信息的二进制数据转换为十进制像素值，从而获得含秘密信息的图像，如图所示。 254 253 255 252 254 252 253 254 254 下图给出了载体图像和秘密信息图像。其中，载体图像时像素的512x512像素的Lena图，秘密信息图像是48x48像素的二值图像。 LSB算法嵌入结果 LSB算法提取步骤 将得到的隐藏有秘密信息的十进制像素值转换为二进制数据，如图所示。 254 253 255 252 254 252 253 254 254 将二进制数据的最低有效位提取出来，即为秘密信息序列[ 0 1 1 0 0 0 1 0 0 ]。如图所示。 0 1 1 0 0 0 1 0 0 LSB提取结果 嵌入过程： for（i=1；i=语音样本序列个数；i++） for（i=1；i=秘密消息长度；i++） //将选取的语音样本点的最不重要位依次替换成秘密信息 提取过程： for（i=1；i=秘密消息长度；i++） { //序列选取 //重构新排列成隐秘消息序列 } 14.3.2 回声隐藏算法 混响 回声 14.3.2 回声隐藏算法 Bender等人于1996年最早提出了基于音频的信息隐藏技术——回声隐藏。回声隐藏就是在原始声音中引入人耳不可感知的回声，以达到信息隐藏的目的。 回声隐藏的优点：隐藏算法简单；算法不产生噪声，隐藏效果好，并且有时由于回声的引入，使声音听起来更加浑厚；对同步的要求不高，算法本身甚至可以实现粗同步；提取隐藏信息时不需要原始音频序列，实现了盲检测。 回声隐藏的缺点：当回声幅度较小，又采用传统的倒谱分析来检测回声时，与回声相对应的尖峰容易淹没；如果增大回声幅度，则隐藏效果又会降低，容易被察觉并非法攻击，而且检测算法大都复杂，运算量一般比较大。 14.3.2 回声隐藏算法 回声隐藏的具体方法是：对一段声音信号数据，先将其分成若干包含相同样点数的片段，每个片段时间约为几到几十毫秒，样点数记为N，每段用来嵌入1比特隐藏信息。在信息嵌入过程中，对每段信号进行卷积处理，选择d=d0 ，则在信号中嵌入隐藏信息比特“0”；选择d=d1 ，则在信号中嵌入隐藏信息比特“1”。延时d0 和d1 是根据人耳听觉掩蔽效应为准则进行选取的。最后，将所有含有隐藏信息的声音信号串联成连续信号。基于回声隐藏法的语音嵌入过程可表示为（α表示嵌入强度）： 14.3.2 回声隐藏算法 嵌入信息的提取实际上就是确定回声延时。由于每段隐写声音信号都是单个卷积性组合信号，直接从时域或频域确定回声延时存在一定困难，可采用卷积同态滤波系统来处理，将这个卷积性组合信号变为加性组合信号。Bender等人用倒谱分析的方法来确定回声延时。声音信号的复倒谱描述如下： 其中， 。又因嵌入强度α1， 则 即在信号的复倒谱域 中，回声延时处会出现峰值，据此可确定嵌入回声延时的大小。 14.3.2 回声隐藏算法 嵌入过程： 具体方法是将一个音频数据文件分成若干包含相同点数的片段，每段时间约为几十毫秒，样点数记为N，每段用来嵌入1比特的隐藏信息。在嵌入阶段，选择d=d0 ，则在信号中嵌入隐藏信息比特“