一种基于图像平滑度变化量特征的隐写分析方法

摘要

一种基于图像平滑度变化量特征的隐写分析方法包括图像平滑度提取方法和图像平滑度变化量特征提取方法两大部分；图像平滑度提取方法包括线段覆盖方法和平滑度计算两部分；线段覆盖方法包括0度方向线段覆盖、45度方向线段覆盖、90度方向线段覆盖和135度方向线段覆盖，在线段覆盖后选取参数并计算图像平滑度；图像平滑度变化量特征提取包括隐写前图像平滑度特征计算，用待分析的隐写方法进行隐写，隐写后图像平滑度特征计算和计算平滑度变化量特征四个步骤。本发明能够分析灰度图像基于LSB的隐写和基于直方图修改的隐写，对于这两类隐写方法，本发明具有较高准确率。

说明书

技术领域

本发明属于信息隐藏检测领域，特别是涉及一种基于图像平滑度变化量特征的隐写分析方法。

背景技术

自20世纪90年代初以来，信息隐藏作为信息安全中的重要课题引起了国际学术界的重视。首先是对保护多媒体产品版权的数字水印研究急剧升温，公开发表的论文逐年上升，不少开发数字水印产品的公司应运而生。在过去十几年中，正向隐藏技术与反向检测技术的斗争愈演愈烈，成为信息安全领域令人瞩目的研究焦点。

由于现代信息隐藏技术是一种新的隐蔽通信技术，因而在军事、安全、通信和企业界具有广泛的应用前景，与之相应的信息隐写技术(Steganography)日益得到重视。信息隐写技术是信息隐藏技术的重要分支，很早就出现了一些简单的隐写方法。到世纪之交开始了对这一领域的广泛探索。隐写是以表面上正常的数字载体，如图像、音频和视频等作为掩护，在其中嵌入秘密信息，隐藏的数据既不改变载体信号的视听觉效果，也不改变计算机文件的大小和格式，因而可实现不为人知的隐蔽通信。载密媒体通常与大量正常媒体资料混在一起，通过各种渠道特别是互联网进行传播。不同于传统密码通信的是，“正在进行通信”这一事实本身也被隐藏起来了，因而可用于重要消息的安全传递。近年来，随着互联网技术的广泛使用，隐写技术得到了蓬勃发展。该技术已经被军事机构、政府部门、金融机构等涉及国计民生的重要部门所采用。然而，信息隐写也是一把双刃剑，敌对势力、恐怖分子等也可利用它从事破坏社会安定、危害国家安全的非法活动。目前互联网上已出现上千种信息隐藏软件，应用这些软件并不需要高深的专业知识，相关资料显示：一些恐怖组织、非法团体和敌对势力曾利用信息隐藏技术进行隐蔽传输。由此可见，开展信息隐藏检测技术研究，对发现、跟踪公开信道中基于隐蔽通信的不法行为，对维护国家和军队信息安全，具有极为重要的现实意义。

到现在为止，针对图像的不同的载体类型已有许多隐写方法，其中LSB(least significant bit)隐写出现的最早，由于其方法简单，数据量大而被广泛应用。同时针对LSB隐写的分析开展了大量的研究，出现了许多有效的分析方法。为了提高安全性，研究者针对LSB隐写不断进行改进，提出了多种修正的LSB密写法，能抵御某些隐写分析方法。

在现有研究中，可逆图像信息隐写方法根据嵌入域的不同主要可分为空域方法和变换域方法。其中空域方法应用较为广泛，最早的可逆信息隐写方法是由Barton在1997年提出。随着研究的深入，近年来学者们提出大量的空域可逆信息隐写方法，这些方法大致分为使用数据压缩的可逆信息隐写、基于直方图修改的可逆信息隐写(Histogram Modification，HM)和基于差值扩展的可逆信写等方法。基于直方图修改的可逆隐写方法通过改变图像的直方图，将秘密信息嵌入图像，此类方法具有较高的图像质量。

与隐写相对应，隐写分析的目的在于揭示媒体中隐蔽隐写的存在性，甚至只是指出媒体中存在隐写信息的可疑性。可逆图像信息隐写分析是近两年来信息安全领域提出的新问题。目前关于可逆图像隐写方法的隐写分析尚处于起步阶段，相关研究成果较少，主要包括基于特征统计的隐写分析，如RCM(reversible contrast mapping)可逆图像隐写分析，基于载密图像特征异常的隐写分析，如基于直方图位移的可逆图像隐写分析等，但从检测意义上说，部分传统的隐写检测方法对于可逆隐写分析同样适用。

目前，按照隐写分析针对的隐写方法来分，可以分为针对特定方法的特定隐写分析方法和通用盲检测方法。一种特定隐写分析方法只分析一种特定的隐写方法，具有较高的准确率，但当此种隐写方法改进后，针对该隐写方法的隐写分析方法就不再适用，例如经典LSB隐写方法提出后，出现了针对经典LSB隐写方法的卡方分析方法，RS隐写分析方法等，此后，改进的LSB隐写方法被提出以抵抗这些针对经典LSB隐写的隐写分析方法，例如直方图补偿密写，最小直方图失真(least histogram abnormality，LHA)密写等。而通用隐写分析方法由于其通用性，分析的隐写方法较多，但同时准确率也较低，针对不同的隐写方法，通常具有不同的效果。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种基于图像平滑度变化量特征的隐写分析方法，结合了特定隐写方法和盲检测方法的优势，具有一定的普适性，同时具有较高的准确率。

本发明解决其技术问题所采用的技术方案：一种基于图像平滑度变化量特征的隐写分析方法，包括图像平滑度提取方法和图像平滑度变化量特征提取两大部分。图像平滑度提取方法包括线段覆盖方法和平滑度计算两部分。线段覆盖方法包括0度方向线段覆盖、45度方向线段覆盖、90度方向线段覆盖和135度方向线段覆盖，在线段覆盖后选取参数并计算图像平滑度。平滑度变化量特征提取包含计算图像平滑度，用待分析的隐写方法对图像进行隐写，计算隐写后图像平滑度和计算平滑度变化量特征四个步骤。提取平滑度变化量特征后，利用支持向量机对训练样本的特征进行模型训练和对待测样本特征进行分类，支持向量机技术属于公知技术，本发明主要介绍平滑度变化量特征提取过程，而平滑度提取方法是平滑度变化量特征提取所用到的一种基本操作。

0度方向线段覆盖过程为：

(1)按行方向逐行扫描整个灰度图像，获得一维数组P0；

(2)设置线段容量C，将数组P0中每个像素除以C并向下取整；

(3)依次用线段覆盖一维数组P0中相邻的具有相同像素值的像素；

(4)统计不同长度线段的频数，获得频数数组f0。

45度方向线段覆盖过程为：

(1)按45度方向Z形扫描整个灰度图像，获得一维数组P45；

(2)设置线段容量C，将数组P45中每个像素除以C并向下取整；

(3)依次用线段覆盖一维数组P45中相邻的具有相同像素值的像素；

(4)统计不同长度线段的频数，获得频数数组f45。

90度方向线段覆盖过程为：

(1)按列方向逐列扫描整个灰度图像，获得一维数组P90；

(2)设置线段容量C，将数组P90中每个像素除以C并向下取整；

(3)依次用线段覆盖一维数组P90中相邻的具有相同像素值的像素；

(4)统计不同长度线段的频数，获得频数数组f90。

135度方向线段覆盖过程为：

(1)按135度方向反向Z形扫描整个灰度图像，获得一维数组P135；

(2)设置线段容量C，将数组P135中每个像素除以C并向下取整；

(3)依次用线段覆盖一维数组P135中相邻的具有相同像素值的像素；

(4)统计不同长度线段的频数，获得频数数组f135。

图像平滑度计算过程为：

对于4个方向的线段覆盖，分别计算图像平滑度，计算过程为：

(1)选取阈值K，表示长度不小于K的线段为长线段；

(2)计算长线段所占的比例，此比例即为图像平滑度，计算公式为：

$S_{\mathrm{dir}}\left(K\right)=\frac{{\Sigma }_{i=K}^{t_{\mathrm{dir}}}{f}_{\mathrm{dir}}\left(i\right)\times i}{{\Sigma }_{i=1}^{t_{\mathrm{dir}}}{f}_{\mathrm{dir}}\left(i\right)\times i},$dir＝0，45，90，135，K＝3，4，5

Sdir(K)为图像在dir方向阈值K下的图像平滑度，tdir为在dir方向上线段覆盖中最长线段的长度，dir方向为0度方向、45度方向、90度方向和135度方向。

平滑度变化量特征提取过程为：

(1)计算一幅图像在0度方向、45度方向、90度方向、135度方向上，不同阈值K下的平滑度S1；

(2)用待分析的隐写方法对图像进行隐写；

(3)计算隐写后图像在0度方向、45度方向、90度方向、135度方向上，不同阈值K下的平滑度S’；

(4)计算隐写后图像的各平滑度的变化量，此变化量作为特征，计算公式为：

$R_{\mathrm{dir}}\left(K\right)=\frac{S_{\mathrm{dir}}\left(K\right)-{S_{\mathrm{dir}}}^{,}\left(K\right)}{S_{\mathrm{dir}}\left(K\right)},$dir＝0，45，90，135，

Rdir(K)为图像在dir方向上，阈值K下的图像平滑度变化量，Sdir(K)为隐写前图像在dir方向上的平滑度，Sdir’(K)为隐写后图像在dir方向上的平滑度。

本发明与现有技术相比所具有的优点是：

(1)本发明提出的隐写分析方法适用于分析基于LSB的隐写方法和基于直方图修改的隐写方法，而不是只针对某单一隐写方法的隐写分析，适应性强；

(2)本发明提出的隐写分析方法与通用盲检测方法相比，具有较高的准确率；

(3)本发明通过四个方向的线段覆盖，可以计算获得图像在四个方向上的图像平滑度，对于某些隐写过程中有方向选择问题的隐写方法，具有很好的分析效果；

(4)本发明提取的图像平滑度计算方法灵活多变，通过调整线段容量C和阈值K，可以获得多个图像平滑度，以满足不同的应用要求。

附图说明

图1为本发明中的特征值输入示意图；

图2为本发明中的待测图像文件分析示意图；

图3为本发明中的平滑度变化量特征提取示意图；

图4为本发明中的沿0度逐行扫描示意图；

图5为本发明中的一维图像数组线段覆盖示意图；

图6为本发明中的沿45度Z形扫描示意图；

图7为本发明中的沿90度逐列扫描示意图；

图8为本发明中的沿135度反向Z形扫描示意图。

具体实施方式

本发明的基于线段覆盖的隐写分析方法的框架如图1和图2：提取隐写样本图像文件和干净样本音频文件的平滑度变化量特征作为支持向量机的特征值，提取带测图像文件的平滑度变化量特征值输入支持向量机；支持向量机根据特征值生成训练模型，训练待测图像文件的平滑度变化量特征，判断待测图像文件时候含有隐写信息。支持向量机简称SVM，是现有分类器的一种，本发明选中支持向量机进行分类操作，而分类标准采用图像文件的平滑度变化量特征构成的特征向量。本发明注意到，如果图像文件中含有基于LSB隐写和基于直方图修改隐写的隐写信息，经过再次隐写后，图像的平滑度量变化不大；如果图像文件中不含有LSB隐写和直方图隐写的隐写信息，经过再次隐写后，图像的平滑度变化量较大。因此，本发明提出，提取隐写样本图像文件和干净样本图像的平滑度变化量特征作为支持向量机的特征值，支持向量机以平滑度变化量为训练向量特征，即可根据待测图像文件的平滑度变化量特征得到待测图像文件是否含有隐写信息的结论。为了保证准确率，隐写样本图像文件和干净样本图像文件的数量应当有数千个，将多个隐写样本图像文件和干净样本图像文件的平滑度变化量特征输入支持向量机，即可生成训练模型。

无论是对隐写样本图像文件和干净样本图像文件，还是待测图像文件，采用统一的平滑度变化量特征提取方式，才能够方便进行分类判断。其中，利用支持向量机对干净样本图像文件的特征和隐写样本图像文件的特征生成训练模型和利用训练模型和待测图像文件的特征对待测图像文件进行分类，属于已有公知技术。参见图3，本发明的关键在于平滑度变化量特征的提取方式，包括图像平滑度计算方法和图像平滑度变化量特征提取两大部分，平滑度计算方法是平滑度变化量特征提取方法所用到的一种基本操作。

一、图像平滑度计算方法

图像平滑度计算方法采用线段覆盖方法，首先用线段在0度方向、45度方向、90度方向、135度方向四个方向上覆盖图像，然后统计不同长度线段的频数，用长线段所占的比例表示图像在0度方向、45度方向、90度方向、135度方向四个方向上的图像平滑度，通过调整图像平滑度计算公式中的参数，可以获得多个图像平滑度。

0度方向线段覆盖过程为：

步骤1.如图4所示，按0度方向逐行扫描整个图像，获得一维像素数组P0，数组长度为图像像素个数，例如：灰度图像二维数组为IMG[m][n]，m为图像高度，n为图像宽度，图像像素个数len＝m×n，P0为：

P0[1……len]＝[IMG[1][1……n]，IMG[2][1……n]，……，IMG[m][1……n]]；

步骤2.设定线段容量为C，将一维像素数组P0中所有像素值除以C并向下取整，如下：

步骤3.依次用线段覆盖P0中相邻的具有相同像素值的像素，如图5所示，某一图像的P0线段覆盖(部分)；

步骤4.依次统计各条线段长度(一条线段的长度为该线段覆盖的像素点的个数)，获得线段长度数组L0，L0[i]表示第i条线段的长度，数组L0的长度为lenl0，最长线段的长度t0＝max(L0[1……lenl0]；统计不同长度线段的频数，获得频数数组f0，f0的长度为t0，计算公式为：

$f_0\left(i\right)=\underset{j=1}{\overset{{\mathrm{lenl}}_0}{\Sigma }}\mathrm{sign}\left(L_0\right[j]-i),$其中：

$\mathrm{sign}\left(x\right)=\left(\begin{array}{cc}1,& x=0\\ 0,& x\ne 0\end{array}\right),$lenl0为数组L0的长度，f0(i)表示在0度方向上长度为i的线段的数目；

例如，图5所示部分图像可计算得出L0＝[2，1，3，1，1，5，1，1，1，……]，f0＝[6，1，1，0，1，……]。

45度方向线段覆盖过程为：

步骤1.如图6所示，按45度方向从左上角到右下角对图像进行Z形扫描，获得一维像素数组P45，数组长度为图像像素个数，例如：灰度图像二维数组为IMG[m][n]，m为图像高度，n为图像宽度，图像像素个数len＝m×n，P45为：

P₄₅＝zigzag(IMG)，其中：

zigzag(x)为Z形扫描函数，Z形扫描二维数组x；

步骤2.设定线段容量为C，将一维像素数组P45中所有像素值除以C并向下取整，如下：

步骤3.依次用线段覆盖P45中相邻的具有相同像素值的像素，P45覆盖过程与P0覆盖过程相同；

步骤4.依次统计各条线段长度(一条线段的长度为该线段覆盖的像素点的个数)，获得线段长度数组L45，L45[i]表示第i条线段的长度，数组L45的长度为lenl45，最长线段的长度t45＝max(L45[1……lenl45]，统计不同长度线段的频数，获得频数数组f45，f45的长度为t45，计算公式为：

$f_{45}\left[i\right]=\underset{j=1}{\overset{{\mathrm{lenl}}_{45}}{\Sigma }}\mathrm{sign}\left(L_{45}\right[j]-i),$其中：

$\mathrm{sign}\left(x\right)=\left(\begin{array}{cc}1,& x=0\\ 0,& x\ne 0\end{array}\right),$lenl45为数组L45的长度，f45(i)表示在45度方向上长度为i的线段的数目。

90度方向线段覆盖过程为：

步骤1.如图7所示，按90度方向逐列扫描整个图像，获得一维像素数组P90，数组长度为图像像素个数，例如：灰度图像二维数组为IMG[m][n]，m为图像高度，n为图像宽度，图像像素个数len＝m×n，P90为：

P90[1……len]＝[IMG[1……m][1]，IMG[1……m][2]，……，IMG[1……m][n]]；

步骤2.设定线段容量为C，将一维像素数组P90中所有像素值除以C并向下取整，如下：

步骤3.依次用线段覆盖P90中相邻的具有相同像素值的像素，P90覆盖过程与P0覆盖过程相同；

步骤4.依次统计各条线段长度(一条线段的长度为该线段覆盖的像素点的个数)，获得线段长度数组L90，L90[i]表示第i条线段的长度，数组L90的长度为lenl90，最长线段的长度t90＝max(L90[1……lenl90]；统计不同长度线段的频数，获得频数数组f90，一条线段长度为该线段覆盖的像素点的个数，f45的长度为t45，计算公式为：

$f_{90}\left[i\right]=\underset{j=1}{\overset{{\mathrm{lenl}}_{90}}{\Sigma }}\mathrm{sign}\left(L_{90}\right[j]-i),$其中：

$\mathrm{sign}\left(x\right)=\left(\begin{array}{cc}1,& x=0\\ 0,& x\ne 0\end{array}\right),$lenl90为数组L90的长度，f90(i)表示90度方向上长度为i的线段的数目。

135度方向线段覆盖过程为：

步骤1.如图8所示，按135度方向从右上角到左下角对图像进行反向Z形扫描，获得一维像素数组P135，数组长度为图像像素个数，例如：灰度图像二维数组为IMG[m][n]，m为图像高度，n为图像宽度，图像像素个数len＝m×n，P135为：

P₁₃₅＝zigzag2(IMG)，

其中zigzag2(x)为反向Z形扫描函数，反向Z形扫描二维数组x；

步骤2.设定线段容量为C，将一维像素数组P135中所有像素值除以C并向下取整，如下：

步骤3.依次用线段覆盖P135中相邻的具有相同像素值的像素，P135覆盖过程与P0覆盖过程相同；

步骤4.依次统计各条线段长度(一条线段的长度为该线段覆盖的像素点的个数)，获得线段长度数组L135，L135[i]表示第i条线段的长度，数组L135的长度为lenl135，最长线段的长度t135＝max(L135[1……lenl135]；统计不同长度线段的频数，获得频数数组f135，一条线段长度为该线段覆盖的像素点的个数，f135的长度为t135，计算公式为：

$f_{135}\left[i\right]=\underset{j=1}{\overset{{\mathrm{lenl}}_{135}}{\Sigma }}\mathrm{sign}\left(L_{135}\right[j]-i),$其中：

$\mathrm{sign}\left(x\right)=\left(\begin{array}{cc}1,& x=0\\ 0,& x\ne 0\end{array}\right),$lenl135为数组L135的长度，f135(i)表示135度方向上长度为i的线段的数目。

0度方向、45度方向、90度方向、135度方向上平滑度计算方法为：

步骤1.设定阈值K，表示长度大于等于K的线段为长线段，K值不同，长线段数目不同，计算得到的平滑度也不同；

步骤2.计算长线段所占的比例，计算时加入线段的长度作为权重，计算公式为：

$S_{\mathrm{dir}}\left(K\right)=\frac{{\Sigma }_{i=K}^{t_{\mathrm{dir}}}{f}_{\mathrm{dir}}\left(i\right)\times i}{{\Sigma }_{i=1}^{t_{\mathrm{dir}}}{f}_{\mathrm{dir}}\left(i\right)\times i},$dir＝0，45，90，135，K＝3，4，5，

Sdir(K)为图像在dir方向上，阈值K下的平滑度，dir为所计算的平滑度所在的方向，tdir为dir方向上线段覆盖中最长线段的长度；

0度方向上平滑度计算公式分别为：K＝3，4，5，

45度方向上平滑度计算公式分别为：K＝3，4，5，

90度方向上平滑度计算公式分别为：K＝3，4，5，

135度方向上平滑度计算公式分别为：K＝3，4，5；

本实例中0度方向、45度方向、90度方向、135度方向上的线段覆盖中，首先设置线段容量C，线段容量C控制着线段覆盖后长线段的数量，当C较大时长线段较多，当长线段较少时，计算出的平滑度数值较小，不利于用于分析；本例中C统一设定为1，在用于其它隐写分析方法时，若C为1时长线段较少，平滑度数值较小时，可改变C取值；阈值K也影响长线段的数量，K取值较小时，长线段较多，平滑度数值较大，本例中K取值为3、4、5。

二、图像平滑度变化量特征提取

图像平滑度变化量特征提取利用图像平滑度计算方法，计算图像在隐写前后的变化量作为特征，提取过程为：

步骤1.计算一幅图像在0度方向、45度方向、90度方向和135度方向上，不同阈值K下的平滑度S：

0度方向平滑度：K＝3，4，5，

45度方向平滑度：K＝3，4，5，

90度方向平滑度：K＝3，4，5，

135度方向平滑度：K＝3，4，5；

步骤2.用待分析的隐写方法对图像进行隐写，隐写信息为随机产生的信息，隐写容量采用待分析隐写方法单次隐写所能隐写的最大容量，例如，LSB隐写容量为1bpp；

步骤3.计算隐写后图像在0度方向、45度方向、90度方向和135度方向上，不同阈值K下的平滑度S’：

0度方向平滑度：K＝3，4，5，

45度方向平滑度：K＝3，4，5，

90度方向平滑度：K＝3，4，5，

135度方向平滑度：K＝3，4，5；

其中f0’，f45’，f90’，f135’为隐写后图像在0度，45度，90度，135度方向上线段覆盖后不同长度线段的频数，t0’，t45’，t90’，t135’为隐写后图像在0度，45度，90度，135度方向上线段覆盖中最长线段的长度；

步骤4.计算隐写后图像的各平滑度的变化量，此变化量作为特征，计算公式为：

$R_{\mathrm{dir}}\left(K\right)=\frac{S_{\mathrm{dir}}\left(K\right)-{S_{\mathrm{dir}}}^{,}\left(K\right)}{S_{\mathrm{dir}}\left(K\right)},$dir＝0，45，90，135，

Rdir(K)为图像在dir方向上，阈值K下的图像平滑度变化量，Sdir(K)为隐写前图像在dir方向上的平滑度，Sdir’(K)为隐写后图像在dir方向上的平滑度；

0度方向平滑度变化量：$R_0\left(K\right)=\frac{S_0\left(K\right)-{S_0}^{,}\left(K\right)}{S_0\left(K\right)},$

45度方向平滑度变化量：$R_{45}\left(K\right)=\frac{S_{45}\left(K\right)-{S_{45}}^{,}\left(K\right)}{S_{45}\left(K\right)},$

90度方向平滑度变化量：$R_{90}\left(K\right)=\frac{S_{90}\left(K\right)-{S_{90}}^{,}\left(K\right)}{S_{90}\left(K\right)},$

135度方向平滑度变化量：$R_{135}\left(K\right)=\frac{S_{135}\left(K\right)-{S_{135}}^{,}\left(K\right)}{S_{135}\left(K\right)};$

本实例中dir取值为0，45，90，135，而K取值为3，4，5，所以对于一副图像，本实例中取12个图像平滑度变化量作为特征值。

本发明未详细阐述的部分属于本领域公知技术。