矩阵奇异值分解在图像隐藏中的应用.pdfVIP

矩阵奇异值分解在图像隐藏中的应用 摘 要：基于数字图像的奇异值分解和Arnold置换，提出了一种图像的隐藏方法。在该方法中，置乱用于 数字图像隐藏的预处理和后处理，奇异值分解用于将一幅图像隐藏于另一幅图像中。根据提出的数字图 像隐藏技术，探讨了在数字水印技术中的应用。实验结果显示，该方法实现方便，水印的提取不需要原 图像，并能较好地保障数据的安全性。 一、问题的提出 随着信息技术的迅猛发展，一方面人们对信息隐藏技术研究的逐渐深入，确实取得了可喜的成果；而另 一方面人们也清楚的意识到信息攻击者所采用的攻击手段也在不断高明，能否很好地保证我们的信息安 全，是一个不得不让我们担忧的问题。信息安全技术经过多年的发展，我们对信息的保护已从密码技术 发展到了隐藏技术，在信息隐藏之前，先对秘密信息按照一定的运算规则进行置乱处理，使其失去本身 原有的面目，然后再将其隐藏到载体信息里面，这样我们所要传输的信息就更安全了。本文则主要说明 的是利用矩阵奇异值分解和图像的置乱技术对数据进行隐藏。 二、基本概念 定义11：设 矩阵A的秩为r,则必存在一个 阶正交矩阵 和一个 阶正交矩阵 ，使 ，矩阵S为 阶对角矩阵，则称S的对角元素为A的奇异值， 、 分别称为A的左右奇异 向量。奇异值分解(Singular Value Decomposition,简称SVD）。 矩阵奇异值的有关性质如下： 性质12 ：矩阵A的奇异值是 的特征值的平方根，即奇异值 其中 是 的特征值。 性质2 ：奇异值对扰动具有相对稳定性 矩阵A和矩阵B的奇异值分别为 ，若 ，则有 ，设扰动 阵为B-A ，则奇异值的扰动 决不会大于B-A的谱半径，指出了奇异值扰动的相对稳定性。 性质3 ：奇异值对矩阵转置不变性 任何一旋转变换阵都可以分解为两个正交阵的乘积，由于正交阵P左乘A就把A变为 ，所以PA与A有相同的奇异值。 三、利用Arnold置换和数字图像的奇异值分解对图形进行隐藏 1、数字图像置乱的数学性质1 置乱原理：将原来点 处的像素对应的灰度值或RGB颜色值移动到变换后的点 处，数字图 像的置乱有基于位置空间、色彩空间和频率空间的置乱变换。 置乱具有周期性，如果对一个数字图像反复地使用置乱变换，当经过一定周期的迭代后，会出现复现原 图像。我们构造自同构变换如下： 则置乱次数及k可作为隐藏系统的密码，从而提高了系统的安全性和保密性。 2、数字图像的奇异值分解 一幅静态图像，实质上就是一个彩色或灰度像素矩阵，在线性代数中，矩阵的特征值是矩阵特征的体 现，而矩阵的奇异值在体现矩阵特征方面，要优于特征值，图像矩阵的奇异值反映了图像的“能量特 性” ，对应奇异向量则反映了图像的“几何特性” ，它对图像的灰度变化具有不敏感性，图像奇异值的细微 变化不会引起图像视觉质量的下降，如果对图像矩阵做转置运算，其奇异值不发生变化。 矩阵奇异值具有很好的稳定性，当矩阵A有微小振动时，其奇异值的改变不会大于振动矩阵的2 －范数。 若矩阵奇异值经过归一化处理，则可实现奇异值的比例不变性。另外，矩阵奇异值还具有旋转不变性， 因此，奇异值能有效地反映矩阵的特征，在图像处理中能表现图像的代数特性。矩阵 分解在一定程 度上可以用来进行图像压缩.对于图像分解得到的奇异值矩阵 ,将其较小的一些对角元清为0,再进行 反变换即可完成图像的有损压缩. 方法的基本原理是将水印嵌入到图像矩阵的奇异值中。在水印的嵌人过程中对图像矩阵 的奇异 值分解，得到两个正交矩阵 、 及一个对角阵 。水印 被叠加到矩阵 上，对新产生的矩阵 进行奇异值分解，得到 、 和 ，其中常数 调节水印的叠加强度。然 后将矩阵 、 和 相乘，得到处理后的包含水印的图像 。即如果矩阵 和 分别表示原始图像矩 阵和水印，那么通过以下的四个步骤得到水印图 ： 1) 将图像矩阵 进行奇异值分解 2