法律状态公告日
法律状态信息
法律状态
2011-11-23
未缴年费专利权终止 IPC(主分类):G06T1/00 授权公告日:20090819 终止日期:20100919 申请日:20060919
专利权的终止
2009-08-19
授权
授权
2007-05-23
实质审查的生效
实质审查的生效
2007-03-28
公开
公开
技术领域
本发明涉及信息隐藏检测领域，具体的说，本发明提出一种针对DCT域LSB隐写的隐写检测方法，包括对连续LSB嵌入和随机位置LSB嵌入的检测。
背景技术
随着信息隐藏技术的发展，针对各类隐写技术的隐写检测技术也日渐成熟。目前，基于图像的信息隐藏技术分为两种：基于空间域的隐藏技术和基于变换域的隐藏技术。基于空间域的隐藏技术相对简单，抗检测能力较弱。常用的变换域方法有：傅立叶变换、离散余弦变换、小波变换等。由于JPEG格式已成为最为普遍的图像存储格式，互联网上有着海量的JPEG图像，数码相机也以它作为照片存储格式，因此JPEG图像为DCT域隐藏技术提供了方便、充足的载体来源，基于DCT域的隐写方法也日益在数量及研究深度上占有优势。
基于DCT域的隐写检测算法中，PoVs检测法，即x2攻击的检测方法适用性很广，对连续嵌入可提供可靠的检测结果，但对于F5、OUTGUESS这样的嵌入位置随机、又采用矩阵编码或补偿嵌入的算法，就显得无能为力。
针对F5和OUTGUESS，Jessica提出了新的检测算法，主要思想之一是基于隐写前后图像在空域上的特性是极为接近的，将亮度分量频域解压后得到图像的最上及最左4行(或列)像素舍弃，作为对未隐写图像的估计，然后对估计的图像进行频域变换，与检测图像的DCT系数比较，计算出选取统计量的值(比如改写率β)，进而根据设定的判决准则判断是否有隐写发生，但这种方法并不精确。首先由于JPEG压缩过程中亮度分量与色度分量的采样比一般大于1，因此只能将亮度分量还原，对于彩色图像，无法将三个分量的变化完整统计；其次，还原时舍弃最上及最左4行(或列)像素并不一定最接近未隐写图像。实验表明：分别舍弃最上及最左的1～8行(或列)像素得到的图像与未隐写图像的接近程度是波动的；再次，计算出的改写率受图像本身内容影响大，因此β并不能真正反应改写率。另外以β作为统计量，简单设定门限，不仅漏检率高，也不灵敏。
发明内容
本发明所要解决的技术问题在于提供一种针对DCT域LSB隐写的隐写检测方法，能够对频域隐写工具，特别是OUTGUESS、F5等典型工具，实现高质量的检测，其正确检出率高，具有广泛的适用性。
为了实现上述目的，本发明提供了一种针对DCT域隐写的隐写检测方法，包括如下步骤：
1)输入或浏览选择待检测图像所在的文件夹路径，该路径下所有的JPEG图像都将被检测；
2)输入或浏览选择检测结果保存的文件名和路径，默认路径为检测执行程序所在路径；
3)当“设定基值”复选框被选中时，可改变条割8行(或列)像素时认为正常的最大门限，默认值为0.04(有效值为小于1的正数)；
4)当“设定差距”复选框被选中时，可改变条割若干行(或列)像素时认为异常的最低门限，默认值为0.05(有效值为小于1的正数)；
5)当“复制隐写文件到”复选框被选中时，输入或浏览选择可疑文件的复制路径，则检测过程中检测出的可疑文件将复制到该文件夹下，默认情况是不复制；
6)点击“检测”按钮，按照之前的设定执行隐写检测过程。检测结果报告能够显示图像是否有隐写，检测算法是否适用，有无经过出理、扫描等应用扩展。
上述的隐写检测方法，其特点在于：所述隐写检测过程进一步包括如下步骤：
1)多次还原估计未隐写图像；
2)选取、计算统计量；
3)确定检测判决准则。
其特征在于：在步骤1)中，未采用已有算法在估计未隐写图像时直接舍弃最上及最左4行(或列)像素的方法，因为这样并不一定最接近未隐写图像，而是分别舍弃最上及最左的1～8行(或列)像素，通过多次还原更准确的估计出未隐写图像。在步骤2)中，考虑到一个统计量受图像本身内容影响较大的弊端，采取改进方法，通过对多个统计量进行计算，在统计图像共性的基础上，又从个体的角度比较图像自身变化程度，减弱了个体差异带来的干扰，从而使检测效果得到明显改善。由于统计量的意义在于它反映了估计所得的未隐写图像与所检测图像间差异的大小，是定性指标，因此在步骤3)中通过制定合适的检测判决准则对统计量的各种情况进行权重分配，从而判断检测图像是否存在隐写。
上述的隐写检测方法，其特点在于：所述多次还原估计未隐写图像进一步包括如下步骤：
首先将图像的亮度分量的DCT系数解压，分别舍去最上及最左的c(c＝1，…，8)行(或列)像素，这样得到的8个图像在空间域上的特性应是非常接近未隐写图像的，同时去除了频域上的量化影响。
然后以一个3×3的核B对条割后的图像滤波：B22＝1-4e，B21＝B23＝B12＝B32＝e，Bij＝0(其他)，减弱由于块边界不连续产生的影响。
最后对滤波后的图像进行DCT，再以同样的量化矩阵进行压缩，得到的DCT系数为未隐写图像的估计值。
需要指出的是，对于c＝8得到的图像不进行滤波，因为它与原始图最为接近(采样块边界一样)，二者的差异是由量化、DCT及采样误差造成的，反映了图像本身波动的程度。另外，由于估计所得的图像舍弃了一些像素，所以在统计原始图像系数时，对c(c＝1，...，4)的估计图像要舍弃最右及最下一列(或行)的采样块系数；对c(c＝5，…，8)的估计图像要舍弃最左及最上一列(或行)的采样块系数，从而使它们比较的采样数相等，且最为接近。
上述的隐写检测方法，其特点在于：所述选取、计算统计量进一步包括如下步骤：
令hkl(d)表示频率(k，l)(1≤k，l≤8)处绝对值为d的AC系数，相应的隐写图像的系数直方图分布以Hkl表示。假设非0的AC系数改写率为β，那么隐写图像的Hkl期望值为：
Hkl(d)＝(1-β)·hkl(d)+β·hkl(d+1) 当d＞0；
Hkl(0)＝hkl(0)+β·hkl(1) 当d＝0.
如果得到了未隐写图像的估计值改写率β应使上式计算出的与实际的Hkl(d)最为接近，即：
