《信息隐藏技术》课件_第5章.pptx

第五章基于数字图像的信息

隐藏算法;

5.1基于lαβ与组合广义位平面的信息隐藏算法

;

从图211的l、α、β分量图像的可视性可知,l分量相对于α、β分量在影响可视性中的权重最大。因此利用lαβ颜色空间分量的权重分布特点,算法生成信息隐藏区域分为如下四个步骤:;

(1)将载体图像进行lαβ颜色空间分解,抽取(清零)l分量后,如图5-1(b)所示;利用剩余的α、β分量数据可视化成灰度图像,如图5-1(c)所示。抽取与转化过程如式(5-1)所示:

其中,R、G、B为载体图像的RGB分量值,R、G和B为对l分量清零后由lαβ颜色空间转换成RGB颜色空间后的R、G、B分量值,最后由R、G和B生成灰度图像,生成灰度图像的公如式(5-2)所示:;

;

(2)对图5-1(c)进行lαβ颜色空间映射后,再次进行lαβ颜色空间分解,分解后的l、α、β分量子图生成灰度图像,如图5-2所示,算法将在图5-2的l、α、β分量进行信息的隐藏。

生成的灰度图像的具体过程如式(5-3)所示:;

;

(3)对在(2)中l、α、β分量生成的灰度图像(图5-2(b)、图5-2(c)和图5-2(d))进行亚仿射置乱(n=156),如图5-3所示。

(4)对置乱后的l、α、β分量灰度图进行位平面分解,对信息进行Huffman(霍夫曼)无损压缩编码,算法将在各分量的位平面中按照隐藏规则进行信息的隐藏。;

;

2.信息隐藏规则

在分解出的l、α、β分量的位平面中,不局限在BitPlane0上,将隐藏规则扩展到所有位平面上,实施组合位平面的信息隐藏策略,基于lαβ与组合广义位平面的信息隐藏算法的隐藏规则如下:

规则1:l、α、β分量子图的BitPlane0作为信息隐藏平面,BitPlane3作为辅助位平面,BitPlane7作为基准位平面,如图5-4所示。;

;

规则2:秘密信息经过Huffman编码后,按照l、α、β顺序在BitPlane0上进行信息隐藏,信息以行遍历顺序在隐藏区域中排列。

规则3:设BitPlanen的二值数据为Cn,当隐藏信息为CI时,辅助位平面要做出相应的修改,如式(5-4)所示:;

3.信息隐藏的流程与步骤

基于lαβ与组合广义位平面的信息隐藏算法的信息隐藏共分为五个步骤,流程如图5-5-所示。

;

;

4.信息的提取

根据隐藏信息时的步骤,提取隐藏信息的过程分为以下两步:;

5.1.2基于lαβ-CGBP的信息隐藏算法性能分析

1.不可见性分析

在不可见性方面,lαβ-CGBP算法基于lαβ颜色空间能量权重以及颜色分量的弱相关性进行设计,对载体图像进行两次lαβ颜色分解以及第一次分解后对l颜色分量的抽取保护。

2.鲁棒性分析

在鲁棒性方面,lαβ-CGBP算法具有lαβ隐藏区域的优势。载体的亚仿射置乱对隐藏信息具有同样的置乱效果,提高了本算法的鲁棒性。;

3.抗分析性分析

在隐藏区域的选取上,lαβ-CGBP算法对载体图像进行两次lαβ颜色分解,隐藏区域较为隐蔽,且目前专门针对lαβ颜色空间进行有效分析的信息隐藏分析方法较少。

4.隐藏信息量分析

嵌入信息量取决于lαβ-CGBP算法选择的载体图像以及隐藏区域,彩色图像和位平面理论在嵌入信息量上都具有很大的优势。

5.安全性分析

lαβ-CGBP算法没有对隐藏信息进行置乱,而是对载体图像实施置乱。;

5.1.3仿真实验

对基于lαβ与组合广义位平面的信息隐藏算法进行实验仿真,仿真环境为Matlab7.0.0.19920,载体图像为Lena(256×256)彩色图像(图5-6(a)),隐藏信息为Baboon(64×64)二值图像(图5-6(b))。

1.不可见性实验

依照lαβ-CGBP算法得到含密图像,如图5-6(c)所示。隐藏信息后的含密图像与载体图像的PSNR为39.8316,表明本算法达到了良好的不可见性。;

;

2.鲁棒性实验

鲁棒性是衡量图像经过处理后的改变程度,也就反映出信息的修改程度,本书定义隐藏信息为二值图像的鲁棒性验证算法,如式(5-5)所示:

Q为鲁棒性检验值,w为二值图像的纹理值(详见式(29)),p为本书定义的二值图像(n×n)的修改率,如式(5-6)所示:;

由式(29)、式(5-5)和式(5-6)可知Q∈[0,1],以下实验将Q扩大100倍以适应百分制判断习惯。本书鲁棒性检验均在μ=η=1时进行,操作对象为含密图像5-6(c),分别对其进行JPEG2000压缩、剪切、滤波和噪声攻击,实验结果如图5-7所示。;

;

;

数字图像最容易受到的处理(攻击)是压缩与剪切攻击,实验对含密