（電路與系統(tǒng)專業(yè)論文）糾錯編碼與優(yōu)化算法在圖像隱寫中的應用研究.pdf

摘要 摘要 隨著i n t e m e t 的迅速發(fā)展和應用 信息安全問題日益突出 信息隱藏技術(shù)作為 隱藏通信和知識產(chǎn)權(quán)保護等的主要手段正得到廣泛的研究與應用 j p e g 是應用相當廣泛的圖像格式 以j p e g 為隱蔽載體的隱寫算法主要有 j s t e g j p h i d e o u t g u e s s0 1 3 o u t g u e s s0 2 f 5 等 本文重點研究了基于j p e g 圖像的隱寫方法 結(jié)合糾錯編碼理論與優(yōu)化算法思想 在現(xiàn)有d c t 域隱寫方法 的基礎(chǔ)上提出了新的改進方法 主要完成了以下三方面的工作 1 提出一種基于格雷碼的d c t 域隱寫算法 研究了隱寫術(shù)與糾錯編碼的關(guān)系 并將格雷碼應用到d c t 域的圖像隱寫中 來 提高了嵌入效率 在相同數(shù)量的嵌入量下 可以獲得比f 5 更好的圖像質(zhì)量 通過對嵌入方式的改進 較好的保持了原始圖像的d c t 系數(shù)直方圖特性 提高 了j p e g 圖像中隱寫信息的安全性 2 提出一種基于蜜蜂進化算法的s p e g 隱寫方法 該方法首先利用由蜜蜂進化算法搜索到的最優(yōu)置換矩陣將秘密信息進行置 換 接著修改了j p e g 標準量化表以便能夠嵌入較多的信息 將置換結(jié)果嵌入到 量化后d c t 系數(shù)的d c 和中低頻a c 區(qū)域中 最后利用j p e g 熵編碼得到隱藏了 信息的j p e g 格式文件 實驗結(jié)果表明 與直接嵌入方法相比較 該方法提高了 含密圖像的質(zhì)量和安全性 與基于遺傳算法的信息隱藏方法相比 該算法所花費 時間更少 3 基于一種f i b o n a c e i 矩陣和人眼視覺模型的量化表修改隱寫方法 該方法將f i b o n a c c i 矩陣與人眼視覺系統(tǒng)模型應用到j p e g 圖像隱寫中 首 先構(gòu)造了一個8x8 的k f i b o n a c c i 矩陣 再根據(jù)人眼視覺系統(tǒng)模型對其作出修改 將最終所得結(jié)果作為新的量化表 之后將要隱藏的信息嵌入到量化后d c t 系數(shù) 的d c 和中低頻a c 區(qū)域 實驗結(jié)果表明 該方法易于實現(xiàn) 相比其它量化表構(gòu) 造方法 提高了嵌入容量 同時可以有效抵御分類攻擊 關(guān)鍵字 信息隱藏隱寫術(shù) p e g 圖像 糾錯編碼 格雷碼 蜜蜂進化算法 f i b o n a c c i 矩陣 圖書分類號 t n 9 1 1 7 3 摘要 a b s t r a c t w i t l it h er a p i dd e v e l o p m e n ta n da p p l i c a t i o no fi n t e r n e t t h ei s s u eo fi n f o r m a t i o n s e c u r i t yh a sb e c o m ev i s i b l e t e c h n o l o g yo fi n f o r m a t i o nh i d i n ga sa m a i n m e t h o do f h i d d e nc o m m u n i c a t i o na n dp r o t e c t i o no f k n o w l e d g ec o p y r i g h th a sb e e nw i d e l yu s e d a n dd e v e l o p e d j o i n tp h o t o g r a p h i ce x p e r t g r o u p j p e g i saf a m o u sf i l ef o ri m a g e s t h e s t e g a n a l y t i co fj s t e g j p h i d e o u t g u e s so 13o u t g u e s s0 2 f 5a l lu s ej p e gi m a g ea s t h ec a r r i e r i nt h i st h e s i sw ef o c u s e do nr e s e a r c ho f p e gs t e g a n o g r a p h y c o m b i n i n g w i t ht h et h e o r yo fe r r o r c o r r e c t i n gc o d e sa n do p t i m i z a t i o na l g o r i t h m w ep r o p o s e d n e wi n f o r m a t i o nh i d i n gm e t h o d si nd c td o m a i no nt h eb a s eo ft h ee x i s t i n gm e t h o d s s o m ew o r k sh a v eb e e nc o m p l e t e da sf o l l o w s 1 a s t e g a n o g r a p h ym e t h o db a s e do ng o l a yc o d ei nd c td o m i n w es t u d yt h er e l a t i o n sb e t w e e ns t e g a n o g r a p h i ca l g o r i t h m sa n de r r o r c o r r e c t i n g c o d e s a n dp r o p o s ea s t e g a n o g r a p h ym e t h o db a s e d0 ng o l a yc o d ei nd c t d o m i n t h e e x p e r i m e n t a lr e s u l t ss h o wt h a tt h ep r o p o s e dm e t h o di m p r o v e st h ee f f i c i e n c y a c h i e v e s ab e t t e ri m a g eq u a l i t yt h a nf 5a l g o r i t h ma tt h es a m ec a p a c i t y a n dk e e pt h ep r o p e r t yo f d c tc o e f f i c i e n t sh i s t o g r a m w h i c ha c h i e v e sab e t t e rs e c u r i t y 2 j p e gs t e g a n o g r a p h yb a s e do nb e ee v o l u t i o n a r yg e n e t i ca l g o r i t h m t h ep r o p o s e dm e t h o df i r s td e r i v e sa no p t i m a ls u b s t i t u t i o nm a t r i xb yb e g af o r t r a n s f o r m i n gt h es e c r e tm e s s a g e s b ym e a n so ft h es u b s t i t u t i o ns t r a t e g y t h eq u a l i t yo f s t e g o i m a g e si si m p r o v e d n e x t i tm o d i f i e st h es t a n d a r dj p e gq u a n t i z a t i o nt a b l ef o r t h ep u r p o s eo fa c c o m m o d a t i n gm o r es e c r e tm e s s a g e s t h et r a n s f o r m e dm e s s a g e s 鋤陀 t h e nh i d d e ni nt h ec o v e r i m a g ew i t hi t sd c t o m i d d l ef r e q u e n c yc o m p o n e n t so ft h e q u a n t i z e dd c t c o e f f i c i e n t sm o d i f i e d f i n a l l y aj p e gf i l ei sg e n e r a t e dt h r o u g hj p e g e n t r o p yc o d i n g t h ee x p e r i m e n t a lr e s u l t ss h o w t h a tt h ep r o p o s e dm e t h o da c h i e v e sa b e t t e r i m a g eq u a l i t y a n ds e c u r i t yt h a ns t e g a n o g r a p h i cm e t h o dw i t h o u t o p t i m a l s u b s t i t u t i o n a n di t c o s t sl e s sc o m p u t a t i o nt i m et h a nt h eg e n e t i ca l g o r i t h m b a s e d i n f o r m a t i o nh i d i n gm e t h o d 3 q u a n t i z a t i o nt a b l ew i t hk f i b o n a c c im a t r i xa n dh u m a nv i s u a ls y s t e mm o d e lf o r 皿e gs t e g a n o g r a p h y w ep r o p o s e dt h ea p p l i c a t i o no fk f i b o n a c c im a t r i xa n dh u m a nv i s u a ls y s t e m m o d e lo ni m p l e m e n t i n gaj p e gs t e g a n o g r a p h i cs y s t e m t h ep r o p o s e dm e t h o d c o n s t r u c ta n8 8k f i b o n a c c im a t r i xf i r s ta n dm o d i f i e di ta c c o r d i n gt oh u m a nv i s u a l 2 摘要 s y s t e mm o d e l t h ef i n a lr e s u l ti sc h o s e na st h en e wq u a n t i z a t i o nt a b l e t h e n t h es e c r e t m e s s a g ei sh i d d e ni nt h ec o v e r i m a g ew i t hi t sm i d d l e f r e q u e n c yo f t h eq u a n t i z e dd c t c o e f f i c i e n t sm o d i f i e d t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h ep r o p o s e dm e t h o di se a s y t o p e r f o r m w h i c h n o to n l yc a r lh i d eal a r g e ra m o u n to fi n f o r m a t i o n i nt h e c o v e r i m a g ec o m p a r e d t oo t h e rm e t h o d s b u ta l s oc a nr e s i s tc a t e g o r y a t t a c k e f f e c t i v e l y k e yw o r d s d a t ah i d i n g s t e g a n o g r a p h y j p e gi m a g e e r r o rc o r r e c t i n gc o d e s g o l a y c o d e b e ee v o l u t i o n a r yg e n e t i ca l g o r i t h m f i b o n a c c im a t r i x c l a s s i f i c a t i o nc o d e 硼n 91 1 7 3 3 第1 章緒論 第1 章緒論 1 1 信息隱藏技術(shù)概述 隨著計算機網(wǎng)絡技術(shù)的發(fā)展 多媒體信息的交流已經(jīng)達到了前所未有的廣度 和深度 同時 信息安全 版權(quán)保護等問題也隨之而來 信息安全的概念是隨著 信息技術(shù)的發(fā)展而不斷拓寬和深化的 從早期的通信安全 發(fā)展到計算機安全 信息系統(tǒng)安全 現(xiàn)已拓展到對信息基礎(chǔ)設施 信息應用服務和信息內(nèi)容等實施全 面保護的信息安全保障 信息安全的內(nèi)涵也不斷豐富 由單一的通信信息的保密 拓展到對信息的保密性 完整性 真實性 可控性 信息基礎(chǔ)實施的可用性以及 信息交互行為的不可否認性等的全面保護 信息安全己成為國家安全部分的重要 組成部分 為經(jīng)濟發(fā)展 社會穩(wěn)定 國家安全和公眾權(quán)益提供保障 密碼技術(shù) c r y p t o g r a p h y 作為信息安全的核心 最早被研究和利用 利用加 密技術(shù)把明文變換為密文 然后通過公開信道進行傳送 無論是采用傳統(tǒng)的密鑰 系統(tǒng) 如d e s 還是公鑰系統(tǒng) 如r a s l 其保護方式都是控制文件的存取 即將文件加密成密文 使非法用戶不能解讀 隨著計算機計算能力的不斷提高 這種通過增加密鑰長度來提高系統(tǒng)安全性的方法越來越不可靠 信息系統(tǒng)正面臨 著信息的保密性 完整性和可控性的威脅 另外 由于加密只能隱藏秘密信息的 內(nèi)容 并不能隱藏通信發(fā)生的事實 密文的傳輸容易引起敵人或第三方的注意 即使密碼的強度足以使得攻擊者無法破解出明文 但攻擊者有足夠的手段來對其 進行破壞 干擾通信的進行 密文容易引起攻擊者注意是密碼學的一個顯著弱點 正是在這樣的背景下 2 0 世紀9 0 年代中期 現(xiàn)代信息隱藏技術(shù) i n f o r m a t i o n h i d i n g 從國外興起 它是 f j 集多學科技術(shù)和理論于一身的新興技術(shù)領(lǐng)域 信息 隱藏利用人的感覺器官對數(shù)字信號的感覺冗余 以數(shù)字媒體或文件為載體 采用 空域隱藏或變換域隱藏等技術(shù) 將需要隱藏的秘密信息隱藏于載體信息之中 1 9 9 6 年5 月 在英國劍橋大學召開的第一屆國際信息隱藏學術(shù)研討會 f i r s t i n t e r n a t i o n a lw o r k s h o po i li n f o r m a t i o nh i d i n g 標志著 f l 新興的交叉學科 信息隱藏的正式誕生 并自此之后開始迅速的發(fā)展 為網(wǎng)絡化多媒體信息的安全 保存和傳送開辟了一條全新的途徑 該技術(shù)和密碼技術(shù)不同之處在于 前者隱藏 信息的 內(nèi)容 而后者則隱藏信息的 存在事實 它利用易于迷惑對方的載體 宿主信號 掩護欲傳遞的秘密消息 通過將消息嵌入宿主信號而不引起視 聽 覺 和統(tǒng)計可察覺的畸變來保證其安全性 因而十分容易欺騙非法攔截者 大大降低 了被攻擊和破壞的可能性 一個廣義的信息隱藏系統(tǒng)模型 2 可用圖1 1 表示 主要由三部分組成 信息 嵌入過程 即利用嵌入密鑰實現(xiàn)秘密信息的隱藏過程 信息提取過程 接收方即 4 第l 章緒論 利用提取密鑰提取嵌入的秘密信息 密鑰生成過程 根據(jù)一些安全參數(shù)生成嵌入 密鑰和提取密鑰 這里的待隱藏消息可以是文字 圖像 音頻 視頻 或者是其他任何可以用 比特流表示的數(shù)據(jù) 用來隱藏信息的原始數(shù)據(jù)稱之為載體 又被稱為掩體信號 f q u e e n q u e e n 一 咖記為下一代新蜂王 c f 即為下一個新種群 否則 用q u e e n 替代c o 中的最差個體 作為下一 2 9 第3 章艱卜蜜蜂進化鱈0 上的j p e g 隱 弓方法 個新種群 s t e p8 檢驗是否達到停止條件 如果達到 輸出最優(yōu)結(jié)果 否則轉(zhuǎn)向s t e p 2 3 3 5 分塊最優(yōu)替換算法 在用b e g a 尋找全局最優(yōu)置換矩陣的基礎(chǔ)上 我們又提出了用b e g a 算法 在掩體圖像的每一個8 8 子塊尋找最優(yōu)置換矩陣的方法 由于針對每個子塊搜 索不同的置換矩陣 搜索過程細化 因此能夠得到更優(yōu)的效果 但是也需要更 多的存儲空i h j 具體方法只要將尋找全局最優(yōu)置換的步驟 3 3 4 應用到每個 子塊即可實現(xiàn) 在此不再贅述 3 4 實驗結(jié)果 實驗選取5 1 2 5 1 2 的8 b i t 灰度圖像作為掩體圖像 見圖3 1 0 秘密信息采 用1 2 8 7 2 的8 b i t 狄度圖像 采用全局的b e g a 優(yōu)化算法 得到s t e g o 圖像 見 圖3 11 同時 還與直接嵌入方法 w a n g 的基于遺傳算法的方法 的基于 粒子群算法的方法及分塊b e g a 算法做了比較 b c o l u m b i a 圖3 1 0掩體圖像 a l e n a p s n r 3 7 1 1 b c o l u m b i a p s n r 3 8 9 1 c p e p p e r s p s n r 3 8 8 0 圖3 1 1 經(jīng)本文提出算法得到的s t e g o 圖像 表3 1 給出了秘密信息不經(jīng)過置換而直接嵌入掩體圖像的方法和本文兩種 算法入信息后所得的s t e g o 圖像的p s n r 值 可以看出 經(jīng)過置換后得到的圖像 3 0 一 第3 章摹于蜜蜂進化算法的 p e g 隱寫方法 質(zhì)量優(yōu)于未經(jīng)置換的方法 經(jīng)過搜索最優(yōu)置換矩陣 遺傳算法 粒子群算法 和我們提出的方法基本都得到了最優(yōu)解 取得了較好的圖像質(zhì)量 由于分塊優(yōu)化針對每個子塊搜索不同的置換矩陣 把嵌入過程細化 因此 采用分塊優(yōu)化后的圖像質(zhì)量優(yōu)于全局優(yōu)化方法 表3 l 不同嵌入算法所得的s t e g o 圖像p s n r 值 單位 d b 為了比較b e g a 算法的性能 我們在相同的計算機仿真環(huán)境下 p e n t i u m4 p c 機 l g 內(nèi)存 m a 廿a b7 6 o 分別用標準遺傳算法 s g a 粒子群算法 蜜蜂進化算法尋找最優(yōu)置換矩陣 在已知最優(yōu)解的情況下 它們找到最優(yōu)解所 消耗的時間如表3 2 所示 從表3 2 可以看出 由于b e g a 加強了遺傳算法的 開采能力 使得全局b e g a 優(yōu)化方法更快接近最優(yōu)解 消耗時間明顯少于用標準 遺傳算法優(yōu)化的方法 但與粒子群算法比較 本文算法不盡理想 比粒子群算法耗時較長 這是 由于粒子群優(yōu)化算法是通過粒子間的相互作用發(fā)現(xiàn)復雜搜索空間中的最優(yōu)區(qū) 域 是一類隨機全局優(yōu)化技術(shù) 粒子群優(yōu)化算法沒有遺傳操作 如交叉 c r o s s o v e r 和變異 m u t a t i o n 而是利用個體在解空間中的隨機速度來改變個體 其解群相 對進化代數(shù)而言 表現(xiàn)出更強的隨機性 在粒子群優(yōu)化算法中g(shù) b e s t 將信息傳給 其他粒子 是單向的信息流動 多數(shù)情況下 所有的粒子可能更快地收斂于最 優(yōu)解 表3 2 利用不同優(yōu)化方法找到最優(yōu)置換矩陣所花費的時間 單位 秒 3 1 第3 章基于蜜蜂進化算法的j p e g 隱寫方法 3 5 本章小結(jié) 本章提出了一種基于蜜蜂進化算法的j p e g 隱寫方法 該方法修改了標準 的j p e g 量化表 將秘密信息經(jīng)過置換操作后再嵌入掩體圖像量化后的d c t 系 數(shù)中 其中 置換方式是利用性能優(yōu)異的蜜蜂進化算法搜索得到的 在尋找全 局最優(yōu)置換矩陣方法的基礎(chǔ)上 本文同時還提出了尋找局部最優(yōu)置換矩陣的分 塊優(yōu)化方法 實驗結(jié)果表明 這兩種方法得到的s t e g o 圖像質(zhì)量均好于直接嵌入 方法 且由于嵌入過程中采用的置換矩陣 提高了安全性 與標準遺傳算法相 比 b e g a 算法性能更加優(yōu)越 縮短了搜索時間 一3 2 第4 章基于f i b o n a c c i 矩陣和人眼視覺模型的隱寫方法 第4 章基于f i b o n a c c i 矩陣和人眼視覺模型的隱寫 方法 7 頁 4 1 概述 在j p e g 標準中 j p e g 推薦的缺省量化表只是作為d c t 系數(shù)量化眾多例 子中的一個 有其應用的局限性 而且j p e g 標準允許用戶重新定義量化表來 控制壓縮比和壓縮質(zhì)量 在上一章中 我們在嵌入隱秘信息時 就先對j p e g 的缺省量化表進行了修改 用修改后的量化表對d c t 系數(shù)進行量化 將秘密信 息嵌入到量化后的d c t 系數(shù)中頻a c 分量的l s b 這樣提高了嵌入容量 事實 上 如何修改量化表也是j p e g 隱寫中的一個重要問題 本章在此基礎(chǔ)上 對 于量化表的構(gòu)造與修改作了更加深入細致的研究 提出了一種基于f i b o n a c e i 矩陣和人眼視覺模型的改進版本 在保證圖像質(zhì)量的前提下提高了隱藏容量 并能夠抵御分類攻擊 本章共分為五節(jié) 第二節(jié)介紹了幾種典型的量化表構(gòu)造方法 第三節(jié)描述 我們提出的新量化表構(gòu)造方法 第四節(jié)給出實驗結(jié)果 最后是本章小結(jié) 4 2 相關(guān)工作 下面將分別介紹幾種典型的量化表構(gòu)造方法 4 2 1j p e g 缺省量化表 j p e g 提供了兩個量化表 亮度量化表和色調(diào)量化表 由于我們實驗中只用 到亮度量化表 所以只給出第一個 如圖4 1 所示 在j p e g 壓縮過程中 量化表并沒有唯一標準 因此可以修改j p e g 量化表以 控制壓縮比與壓縮質(zhì)量 量化步長取得較大 壓縮比就較高 重建的原始圖像 質(zhì)量較差 反之 量化步長取得較小 壓縮比就較低 重建的原始圖像質(zhì)量較 好 1 6111 01 62 44 05 16 l 1 21 21 41 92 65 86 05 5 1 41 31 62 44 05 76 95 6 1 41 72 22 9 5 1 8 78 0 6 2 1 82 2 3 75 6 6 81 0 91 0 37 7 2 4 3 55 56 48 11 0 4 1 1 39 2 4 96 47 88 71 0 31 2 11 2 01 0 1 7 2 9 2 9 5 9 81 1 2 1 0 0 1 0 39 9 圖4 1 缺省量化表 3 3 第4 章基于f i b o n a c c i 矩陣和人眼視覺模型的隱寫方法 第4 章基于f i b o n a c c i 矩陣和人眼視覺模型的隱寫 方法 7 頁 4 1 概述 在j p e g 標準中 j p e g 推薦的缺省量化表只是作為d c t 系數(shù)量化眾多例 子中的一個 有其應用的局限性 而且j p e g 標準允許用戶重新定義量化表來 控制壓縮比和壓縮質(zhì)量 在上一章中 我們在嵌入隱秘信息時 就先對j p e g 的缺省量化表進行了修改 用修改后的量化表對d c t 系數(shù)進行量化 將秘密信 息嵌入到量化后的d c t 系數(shù)中頻a c 分量的l s b 這樣提高了嵌入容量 事實 上 如何修改量化表也是j p e g 隱寫中的一個重要問題 本章在此基礎(chǔ)上 對 于量化表的構(gòu)造與修改作了更加深入細致的研究 提出了一種基于f i b o n a c e i 矩陣和人眼視覺模型的改進版本 在保證圖像質(zhì)量的前提下提高了隱藏容量 并能夠抵御分類攻擊 本章共分為五節(jié) 第二節(jié)介紹了幾種典型的量化表構(gòu)造方法 第三節(jié)描述 我們提出的新量化表構(gòu)造方法 第四節(jié)給出實驗結(jié)果 最后是本章小結(jié) 4 2 相關(guān)工作 下面將分別介紹幾種典型的量化表構(gòu)造方法 4 2 1j p e g 缺省量化表 j p e g 提供了兩個量化表 亮度量化表和色調(diào)量化表 由于我們實驗中只用 到亮度量化表 所以只給出第一個 如圖4 1 所示 在j p e g 壓縮過程中 量化表并沒有唯一標準 因此可以修改j p e g 量化表以 控制壓縮比與壓縮質(zhì)量 量化步長取得較大 壓縮比就較高 重建的原始圖像 質(zhì)量較差 反之 量化步長取得較小 壓縮比就較低 重建的原始圖像質(zhì)量較 好 1 6111 01 62 44 05 16 l 1 21 21 41 92 65 86 05 5 1 41 31 62 44 05 76 95 6 1 41 72 22 9 5 1 8 78 0 6 2 1 82 2 3 75 6 6 81 0 91 0 37 7 2 4 3 55 56 48 11 0 4 1 1 39 2 4 96 47 88 71 0 31 2 11 2 01 0 1 7 2 9 2 9 5 9 81 1 2 1 0 0 1 0 39 9 圖4 1 缺省量化表 3 3 第4 章基于f i b o n a c c i 矩陣和人跟視覺模型的隱寫方法 4 2 2 基于人眼視覺系統(tǒng)的量化表構(gòu)造 人類視覺系統(tǒng) h u m a nv i s u a ls y s t e m 簡稱h v s 有著廣泛的應用領(lǐng)域 包括圖像處理 圖像壓縮和計算機視覺等 m a n n o s 與s a k r i s o n 3 5 最早將h v s 應用于圖像編碼 他們根據(jù)調(diào)制傳遞函數(shù) m o d u l a t i o nt r a n s f e rf u n c t i o n m t f 建模 設計了h v s 的非線性點變換模型 之后d a l y 在此基礎(chǔ)上提出了一階低 對比度m t f 3 6 如式4 1 所示 并成功用于圖像壓縮 h 州 p o 1 9 2 o 1 1 甜 v e x p 0 1 1 4 f u i 7 r f 甜 吵 1 o d t h e r w i s e 4 1 其中f u v 表示徑向空間頻率 與視距 視角有關(guān) 單位是周 度 厶表示 峰值處的頻率 假設高分辨率計算機屏幕的點距為0 2 5 r a m 寬高比為1 1 則一副5 1 2 x 5 1 2 圖像顯示尺寸為1 2 8 r a m x1 2 8 m m 一般視距為圖像高度四倍 在此假設基礎(chǔ)上 由人眼視覺模型得到了一個權(quán)重矩陣日 材 v 如下式所示 h u 1 1 o 咖1 咖01 1 o 9 5 9 90 8 7 4 6 o 7 6 8 40 6 5 71 1 0 0 0 01 0 0 0 01 1 0 9 2 8 30 8 4 0 40 7 3 7 l0 6 3 0 6 1 0 0 0 01 0 0 0 00 9 5 7 1 0 8 8 9 8 0 8 1 9 20 7 3 7 10 6 4 7 l0 5 5 5 8 1 0 0 0 01 0 0 0 00 8 8 9 8 0 7 6 1 70 6 6 6 9 0 5 9 1 20 5 9 1 60 4 4 9 5 0 9 5 9 9 0 9 2 8 3 0 8 1 9 2 0 6 6 6 9 0 5 4 1 9 0 4 5 6 4 0 3 9 3 00 3 3 9 3 o 8 7 4 6 o 7 6 8 4 0 6 5 7 1 0 8 4 0 4 0 7 3 7 1 o 6 3 0 6 0 7 3 7 1 0 6 4 7 l 0 5 5 5 8 0 5 9 1 2 o 5 1 9 6 0 4 4 9 5 0 4 5 6 4 0 3 9 3 0 0 3 3 9 3 0 3 5 9 8 0 2 9 4 8 0 2 4 8 0 o 2 9 4 8 o 2 2 7 8 0 1 8 2 8 0 2 4 8 0 0 1 8 2 8 0 1 3 9 1 4 2 c h a n g 等人將人類視覺系統(tǒng)模型與標準量化表結(jié)合 提出了一種基于h v s 的量化表 3 7 見圖4 2 這個量化表就是基于h v s 模型設計的 如下式 c 助謝 南 加 她y 8 g 表示步長 當q 取不同的值 可以得到不同的量化表 得到如圖4 2 的亮度量化表 圖4 2 基于h v s 的量化表 一3 4 4 3 c h a n g 等人取q 1 6 4 5 9 6 7 5 8 5 2 2 2 a 4 6 雹n 1 2 5 1 1 4 0 8 2 2 2 3 4 s 7 8 8 9 2 7 5 4 4 5 1 l 2 2 3 4 5 6 7 7 0 4 0 5 1 7 r r 2 2 3 3 4 4 m m埔射m 釘弘 6 6 7 8 o 2 5 9 r l 2 2 2 2 6 6 6 6 7 9 2 5 1 1 1 1 l l 2 2 6 6 6 6 7 8 1 4托坫垢坫 掩殂斛 第4 章基 i f i b o n a c c i 矩陣和人暇視覺模型的隱寫方法 4 2 3 基于f i b o n a c c ip c o d e s 的量化表構(gòu)造 y e s n a0y i l d i z 等人提出了一種f i b o n a c c ip c o d e s 數(shù)列的量化表 該量化表 接近于j p e g 缺省量化表 3 8 1 本節(jié)將介紹f i b o n a c c ip c o d e s 數(shù)列并給出基于 f i b o n a c c ip c o d e s 數(shù)列的量化表 f i b o n a c c ip c o d e s 數(shù)列 f 定義為 f 0 f 0 4 4 當p 不同時 根據(jù)式 4 9 將會產(chǎn)生不同的f i b o n a c c ip c o d e s 數(shù)列 例如 當 網(wǎng)時 f i b o n a c c io c o d e 數(shù)列為l 2 4 8 1 6 即2 而當p l 時 f i b o n a c c il c o d e 數(shù)列則為f i b o n a c c i 數(shù)列1 l 2 3 5 8 1 3 p 的 值越大 則f i b o n a c c ip c o d e s 數(shù)列最初的1 越多 下面給出了p 取值從l 到5 的f i b o n a c c ip c o d e s 數(shù)列 這些數(shù)列的取值范 圍都在0 到2 5 5 之間 符合量化表構(gòu)造要求 丸 f 1 2 4 8 3 2 6 4 1 2 8 2 5 6 j f 6 l f l l 2 3 5 8 13 2 1 3 4 5 5 8 9 1 4 4 歡 f 1 9 1 1 2 3 4 6 9 13 19 2 8 4 1 6 0 8 8 12 9 18 9 九 f 1 l l 1 2 3 4 5 7 1 0 1 4 1 9 2 6 3 6 5 0 6 9 9 5 1 3 1 1 8 1 2 5 0 九 f 1 1 9 l 1 l l 2 3 4 5 6 8 9 11 9 15 2 0 2 6 3 4 4 5 6 0 8 0 1 0 6 1 4 0 18 5 2 4 5 九 f 1 9 l 1 1 l 1 2 3 4 5 6 7 9 12 16 21 2 7 3 4 4 3 s 5 71 9 2 l19 15 3 19 6 2 51 y i l d i z 法中構(gòu)造的量化表定義如下 p 砟 1 5 伊p 1 4 緲p 1 4 9 1 5 a 1 6 緲p 1 9 伊p 2 0 a 2 0 礦 1 4 a 1 4 9 p 1 5 9 1 6 9 1 7 9 p 2 0 9 2 0 9 p 2 0 緲 1 4 9 p 1 4 緲p 1 5 緲 1 7 矽p 1 9 a 2 0 緲 2 1 a 2 0 伊 1 5 9 p 1 5 9 p 1 6 9 1 7 a 2 0 緲p 2 2 a 2 2 伊p 2 1 緲p 1 5 a 1 6 a i s 緲p 2 0 9 p 2 1 9 p 2 3 緲 勱9 p 2 1 伊 1 6 9 p 1 8 9 p 2 0 緲 2 1 a 2 2 9 p 2 3 9 2 3 a 2 2 a 2 0 緲p 2 1 9 p 2 1 尹 2 2 a 2 2 9 p 2 4 緲p 2 4 2 3 伊p 2 1 9 2 2 a 2 2 緲 2 2 9 p 2 3 a 2 2 伊 2 3 9 p 2 2 當p 5 時 計算得到f i b o n a c c ip c o d e s5 量化表如下 3 5 4 5 第4 章基于f i b o n a c c i 矩陣和人眼視覺模型的隱 l 方法 5 圖4 3f i b o n a c c ip c o d e s5 量化表 此量化表符合視覺特性 用此量化表替代j p e g 缺省量化表用于壓縮過程 中時 取得的壓縮質(zhì)量較好 而當用此量化表代替j p e g j s t e g 方法中的j p e g 缺 省量化表時 得到s t e g o 圖像質(zhì)量比j p e g j s t e g 方法稍好 但是并沒有大的改進 4 3 本文提出的算法 為了改進信息隱藏量與s t e g o 圖像質(zhì)量 并且受到k f i b o n a c c i 矩陣構(gòu)造方 法的啟發(fā) 本文構(gòu)造了一種基于f i b o n a c c i 矩陣 3 9 和人眼視覺模型的新量化表 下面首先介紹f i b o n a c c i 矩陣 然后并給出新量化表的構(gòu)造步驟 4 3 1f i b o n a c c i 矩陣 由法國數(shù)學家盧卡斯 愛瓦德命名的斐波納契數(shù)列 f i b o n a e c in u m b e r s 自 問世以來 引起了許多學者的關(guān)注 并且得到了廣泛的應用 4 0 f i b o n a c c i 數(shù)列以 的定義為 e 五 1 e 昧l r 2 4 6 根據(jù)上式就可得到如下的f i b o n a e c i 數(shù)列 1 l 2 3 5 8 1 3 2 1 3 4 5 5 8 9 1 4 4 對于k 2 的正整數(shù) k f i b o n a c c i 序列k g k 定義為 g 七x g x 一 o g 七x g 七x l 4 7 并且當n k 2 時 g g g 仗l 一 g g x 一 g 七l 量 4 8 g 七l 稱為k f i b o n a c c i 序列的第刀項 例如 當k 2 時 g 2 k 就變?yōu)閒 i b o n a c c i 序列識 而若k 3 則g 3 l 0 g 3 2 g o 3 1 以此類推 則3 f i b o n a c e i 序列為 0 l l 2 4 7 1 3 2 4 4 4 8 1 1 4 9 2 7 4 5 0 4 設 g n g k n k 2 4 9 一3 6 鈴鈣鈴n刀蛇m蛇 5 5 1 2 2 嶼強巧鈴鈐刀昵妮m螂m 3 5 5 2巧舊強2 鈣釕釕勉m m m 蛇扒 鈣釕死勉蛇m 甜 卯鈴饑蛇蛇屹m坫殂弭 訂蛇 2 2 2 6 q 4 1 2心挖他m扒弭刀蛇 眨眨 扒為 第4 章基于f i b o n a c c i 矩陣和人眼視覺模型的隱 l 方法 5 圖4 3f i b o n a c c ip c o d e s5 量化表 此量化表符合視覺特性 用此量化表替代j p e g 缺省量化表用于壓縮過程 中時 取得的壓縮質(zhì)量較好 而當用此量化表代替j p e g j s t e g 方法中的j p e g 缺 省量化表時 得到s t e g o 圖像質(zhì)量比j p e g j s t e g 方法稍好 但是并沒有大的改進 4 3 本文提出的算法 為了改進信息隱藏量與s t e g o 圖像質(zhì)量 并且受到k f i b o n a c c i 矩陣構(gòu)造方 法的啟發(fā) 本文構(gòu)造了一種基于f i b o n a c c i 矩陣 3 9 和人眼視覺模型的新量化表 下面首先介紹f i b o n a c c i 矩陣 然后并給出新量化表的構(gòu)造步驟 4 3 1f i b o n a c c i 矩陣 由法國數(shù)學家盧卡斯 愛瓦德命名的斐波納契數(shù)列 f i b o n a e c in u m b e r s 自 問世以來 引起了許多學者的關(guān)注 并且得到了廣泛的應用 4 0 f i b o n a c c i 數(shù)列以 的定義為 e 五 1 e 昧l r 2 4 6 根據(jù)上式就可得到如下的f i b o n a e c i 數(shù)列 1 l 2 3 5 8 1 3 2 1 3 4 5 5 8 9 1 4 4 對于k 2 的正整數(shù) k f i b o n a c c i 序列k g k 定義為 g 七x g x 一 o g 七x g 七x l 4 7 并且當n k 2 時 g g g 仗l 一 g g x 一 g 七l 量 4 8 g 七l 稱為k f i b o n a c c i 序列的第刀項 例如 當k 2 時 g 2 k 就變?yōu)閒 i b o n a c c i 序列識 而若k 3 則g 3 l 0 g 3 2 g o 3 1 以此類推 則3 f i b o n a c e i 序列為 0 l l 2 4 7 1 3 2 4 4 4 8 1 1 4 9 2 7 4 5 0 4 設 g n g k n k 2 4 9 一3 6 鈴鈣鈴n刀蛇m蛇 5 5 1 2 2 嶼強巧鈴鈐刀昵妮m螂m 3 5 5 2巧舊強2 鈣釕釕勉m m m 蛇扒 鈣釕死勉蛇m 甜 卯鈴饑蛇蛇屹m坫殂弭 訂蛇 2 2 2 6 q 4 1 2心挖他m扒弭刀蛇 眨眨 扒為 第4 章基于f i b o n a c c i 矩陣和人脹視覺模型的隱寫方法 根據(jù)k f i b o n a c c i 序列 可以定義一種t x 門矩陣 k 一對稱f i b o n a c c i 矩陣 它們的數(shù)學表達式如下 七 對稱f i b o n 戚矩陣r g i s k l 其中 g c 七 驢 9 c 七 萎 主 9 1 i j 4 1 0 上式中 g l 當j oi f j g g l o 根據(jù) 4 1 0 式 當j f 1 時 g 七 1 g l g 而當歹 2 時 q k 2 g 川g l g 9 2 而g 3 g j 一2 9 i g 9 2 毋9 3 因此 f f hi j 時 就 有 g 七l g f g g i l g j l 9 2 9 一 2 g l g 一 l 因此 計算可得到r 3 6 吼 3 6 4 3 2 本文提出的量化表構(gòu)造方法 4 1 2 4 1 3 新量化表的構(gòu)造方法如下所示 第一步 在上面給出的 4 1 0 式中 取l c 3 和n 8 時 計算出的一個8 8 的 量化表 8 如圖4 4 所示 ll 24 71 32 4 4 4 l236l l2 03 76 8 2361 l2 03 76 81 2 5 46l l2 23 97 21 3 32 4 4 71 12 23 97 11 3 02 柏4 4 l 1 32 0 3 77 21 3 02 4 04 4 28 1 2 2 43 76 8 1 3 32 4 04 4 28 1 61 4 9 8 4 4 6 81 2 52 4 44 4 18 1 21 4 9 82 7 5 2 3 7 2 g 塒 gg 卜g1 lg gg l 朋og 3 o 7 2 地kb加竹記m瑚 7 n 加剪饑m 4 6 n 挖勢記 2 3 6 加 2 3 6 u 加 l 1 2 4 7 b 勰鉈毋 m姍扔拋體卯 的舛啪 呈扔n 卯乾鈕跖m塒 6 m m拍弘鈕舛m 4 6 9怕舶鉈 m 2 3 5 9 m 砑舛的 2 3 6 m 埯打乾 2 4 6 n 協(xié)硌 第4 章基于f i b o n a c c i 矩陣和人脹視覺模型的隱寫方法 圖4 4 q 3 8 圖4 5 q t b q 3 8o h u v 第二步由q t b q 3 3 圓h u v 計算得到新豹量化表 h u v 由式得到 圓表示點乘 x 代表取x 不超出的最大整數(shù) 新量化表如圖4 5 所示 第三步原則上 j p e g 量化表的值應小于2 5 5 因此 本文將上述量化表做了 進一步修改 如圖4 6 所示 系數(shù)值為l 2 的改為8 1 6 系數(shù)值2 7 3 3 8 2 分別用1 4 5 2 5 4 得到的新量化表如下圖所示 圖4 6 新量化表 4 3 3 基于新量化表的j p e g 隱寫過程 得到新量化表后 開始信息嵌入過程 j p e g 信息隱藏方法的嵌入與提取功能 框圖分別如圖4 7 和圖4 8 所示 圖4 7 嵌入過程功能框圖 1 嵌入過程 圖4 8 提取過程功能框圖 3 8 8 2 9診妗竹巧舛 勰輪毋m m 擬 拼 8 7 4 9 4 m 蛤垮 笏相酗鰣b掩h 1 6 7 2 9 6 托們n垢打乾鑼跖啪拋 6 m m拍弘 舛m 4 6 9 m 拍鉈田螄 m 3 5 9 鉗毋 m m 3 6 m 托 鉈 8 陌怕4 6 n 略硌 第4 章齲于f i b o n a c c i 矩陣和人i l 睦視覺模型的隱 弓方法 該方法的嵌入過程分為以下幾個步驟 步驟l 壓縮原始數(shù)據(jù) 如果要隱藏的數(shù)據(jù)是圖像或視頻 可以采用有損或無 損壓縮算法 但要隱藏若是文本文件 特別是含有計算機程序的文件 只要有一位變了就可能全部無效 所以這種文件只能采用無損壓縮的 方法 步驟2 用混沌映射式 4 1 4 對已壓縮的數(shù)據(jù)進行加密 x 腫l 緞 q x 上o s 口s 4 0 x n 1 4 1 4 步驟3 將掩體圖像分為不重疊的8 8 的塊 對每一塊進行d c t 變化 并用如 圖4 6 所示的量化表對得到的d c t 系數(shù)進行量化 以便將要隱藏信息 嵌入到量化后d c t 系數(shù)的d c 系數(shù)和a c 系數(shù)的中 低頻部分 步驟4 將秘密信息嵌入到每一塊量化后d c t 系數(shù)的d c 分量和a c 分量的中 低頻部分 每一系數(shù)中嵌入兩位秘密信息 其算法如下 c o j c o o j f 一m o d c o o 1 2 2 m 禾1 5 式中 c o o 代表量化后o 處的d c 系數(shù)或a c 系數(shù)的中低頻部分 e o 代表嵌入信息后的相應系數(shù) m 代表要嵌入兩位信息的十進制值 其嵌入順序如圖4 9 所示 i q 7 7 i f z 乃 q 幼 啜乃 嘶乃 哪乃 圖4 9 嵌入順序 步驟5 用j p e g 的熵編碼 霍夫曼編碼 游程編碼及d p c m 對嵌入秘密信息 后的每一塊進行壓縮 得到一個含有修改后的量化表和所有壓縮數(shù)據(jù)的 胍g 文件 步驟6 將混沌映射的初始值 和參數(shù)口 以及j p e g 文件傳送給接收方 2 提取過程 提取過程分由以下幾個步驟 步驟i收到j p e gs t e g o 圖像文件后 用j p e g 熵解碼對j p e g 文件中的壓縮 數(shù)據(jù)進行解壓縮 j p e g 文件中包含量化表和所有壓縮數(shù)據(jù) 在對所有 3 9 第4 章璀卡f i b o n a c c i 矩阼 f 1