使用Daubechies小波增强图像隐写安全性 下载: 1148次
1 引言
隐写术可以通俗地理解为“囚徒问题”[1],隐写术最重要的特点是不可检测性,其目的是使通信双方能够进行隐蔽通信,而不被其他用户察觉。图像隐写是隐写术中的一个重要分支,数字图像具有信息冗余度大的特性,是理想的秘密信息载体。
图像隐写[2-13]的性能一般可从两个方面进行评估,一是信息嵌入率,希望其尽可能大;二是图像损失,希望其尽可能小。Filler等[14]在利用最小化加性损失设计模型[15-16]的基础上,提出一种信息嵌入的校验格编码(STC)方案,该方案能够很好地解决自适应隐写中的编码算法问题,其编码效率已接近理论上界,因此图像隐写可简化为图像损失函数设计。
在最小化损失模型的隐写框架下,设计安全性更高的自适应隐写算法成为趋势,较为成熟的自适应隐写方法主要考虑与损失分配直接相关的修改概率和嵌入位置。隐写和隐写分析[17-21]相互制约,也相互促进。Pevn
为进一步提高隐写的安全性,改善隐写损失函数的性能,受图像滤波处理等[23]技术的启发,在WOW算法的基础上,结合使用不同阶数Daubechies小波设计隐写损失函数。首先从Daubechies小波的构造原理入手,分析Daubechies小波对于图像纹理细节的敏感程度,在水平、垂直和对角三个方向对图像的纹理区域进行探测和提取,然后使用Hölder范数定义损失函数。当信息的嵌入率较大时,秘密信息可能会被嵌入到平滑区域,文献[ 11]提到使用聚焦改变位置的方式,能够有效地抑制此类情况发生。本文使用均值滤波器对损失函数进行平滑处理,并使用STC按照最终得到的各个像素的损失值在载体图像中嵌入秘密信息。通过SRM隐写分析的实验结果表明,在相同嵌入率的情况下,所提算法具有更高的安全性。
2 相关基础
2.1 WOW算法中的损失函数
Holub等[4]提出了一种利用DB-8小波设计隐写损失滤波器的方案,该方案首先使用DB-8小波构造方向滤波器组,DB-8小波系数的离散图如
图 1. DB-8小波系数。(a)一维低通滤波系数;(b)一维高通滤波系数
Fig. 1. Coefficients of DB-8 wavelets. (a) One-dimensional low-pass filter; (b) one-dimensional high-pass filter
使用下式分别从水平、垂直、对角三个方向上提取图像的纹理特征,划定可嵌入信息的纹理复杂区域,即
式中:
式中
使用方向滤波器组从水平、垂直和对角三个方向对图像进行残差提取的效果图如
图 2. 利用WOW算法分解载体图像的结果。(a)载体图像;(b)水平方向;(c)垂直方向;(d)对角方向
Fig. 2. Decomposition of cover image by using WOW algorithm. (a) Cover image; (b) horizontal direction; (c) vertical direction; (d) diagonal direction
2.2 STC
STC[14]是一般隐写嵌入操作(非二进制)过程中,能够最小化嵌入损失的一种嵌入方法。在基于双卷积码的维特比算法的基础上,使用校验格编码方式嵌入信息,能够实现两元、三元甚至是多元信息的嵌入。STC通过找到奇偶校验矩阵
式中奇偶校验矩阵
设子矩阵
3 Daubechies小波性能分析及隐写算法设计
3.1 Daubechies小波定义及性能分析
尺度函数是正交多分辨分析中非常重要的部分。在多分辨实例中,尺度函数往往被描述成较为简单的方式,但在一般情况下,尺度函数的构造仍然是一个困难问题。1988年, Daubechies等[24]给出了尺度函数的一般迭代算法,其中包含了紧支尺度函数的构造方法。设
是共轭滤波器,即:
而且
式中
且(9)式同时满足以下两个条件:1) 存在一个实数
紧支撑小波的重要性是在信号的小波分解时,可提供有限数量的数字滤波器。在实际应用中,按照上述计算方法,对于任意给定的滤波器阶数,都能够计算出对应阶数的Daubechies小波系数值。
Daubechies小波具有较好的正则性,即该小波作为稀疏基时,所引入的光滑误差不易被察觉,使得信号重构过程比较光滑。随着Daubechies小波阶数的增加,消失矩的阶数也逐渐增大,其中消失矩越高,光滑性越好,但会使时域紧支撑性减弱,计算量加大,导致实时性变差。在使用Daubechies小波处理图像时,能够利用上述特性,因此可将Daubechies小波用于自适应图像隐写的设计中。
在已有的WOW算法基础上,使用Daubechies小波系数作为构造滤波器组的一维滤波器原件,使用一维高低通滤波器组合,得到可探测三个方向的滤波器组。使用DB-1~DB-20小波构造滤波器嵌入图像进行对比实验,将得到的最优结果与典型隐写算法进行比较,具体的分析以及设计优化过程将在实验部分给出。构造的方向滤波器组能够从水平、垂直以及对角三个方向对原始图像进行分解,对每个方向因嵌入秘密信息造成的相对变化程度进行合并,得到损失函数。滤波器组的优势在于能从不同的方向上进行纹理分析,得到反映图像纹理复杂程度的残差图像,能够有效地抑制从单一方向进行建模的隐写分析算法的检测能力,降低了被检测出秘密信息的可能性,提高了算法的安全性。将Bossbase1.01数据库中的1013.pgm灰度图像经过本文算法的滤波器组后,得到三个方向残差图像,如
图 4. 使用所提算法分解载体图像的结果。(a)载体图像;(b)水平方向;(c)垂直方向;(d)对角方向
Fig. 4. Decomposition of cover image by using proposed algorithm. (a) Cover image; (b) horizontal direction; (c) vertical direction; (d) diagonal direction
3.2 算法设计
虽然在UNIWARD算法[5]的文献中曾经提到过使用Daubechies 2-tap、 Daubechies 4-tap、Daubechies 8-tap以及Daubechies 20-tap,并未发现预期实验结果,此后也没有深入研究。文献[ 4]中算法通过使用DB-8小波从三个方向上构建了滤波器组,在水平、垂直以及对角方向的纹理成分复杂、建模较困难的区域嵌入秘密信息。使用不同阶数的Daubechies小波设计构造滤波器组,在三个方向上分析图像的纹理复杂度,在纹理丰富的区域进行信息嵌入。所提算法的设计流程如下:
1) 给定一个阶数
以及复数和三角函数等运算,化简可得到:
(10)式等号左边为从
2) 将小波系数按照水平、垂直以及对角方向构建滤波器组,计算残差以及信息嵌入匹配度,信息嵌入匹配度表示为
式中
3) 使用Hölder范数将水平、垂直以及对角方向上的信息嵌入匹配度进行合并,得到损失函数,还增加了对Hölder范数参数
式中
4) 为了防止信息嵌入到平滑区域,对已定义的损失函数进行优化,使用均值滤波器对图像的损失进行平滑,以提高隐写安全性。
5) 使用STC按照步骤4)得到的最终图像损失值将秘密信息嵌入。
4 实验分析
实验分为三个部分,分别是Daubechies小波阶数选取、实验参数确定、算法安全性对比。
计算机配置为Intel Core i3 2.39G CPU,8.00 GB RAM,实验的软件环境为MATLAB R2016a。安全性实验采用的数据集为BOSSbass1.01(10000张图)[25],使用隐写算法对图片逐一进行秘密信息嵌入,隐写分析则是借助集成分类器[26]对载密图像的SRM特征(34671维)[17]和SRMQ1特征(12753维)[17]进行分类判定,根据分类判定结果的准确性,得到对应隐写算法的安全性能。由于集成分类器是采用随机森林的方式设计的,具有随机性,因此程序采用默认的10次运行结果。二分类集成分类器是最小化同等先验概率下分类错误
式中
4.1 Daubechies小波阶数选取
为获得安全性较高的Daubechies小波阶数,分别使用DB-1~DB-20小波系数构建方向滤波器组,在嵌入率依次为0.05、0.10、0.20、0.30、0.40、0.50 bit/pixel时,在载体图像中嵌入随机秘密信息,由于提取34671维的SRM特征以及12753维的SRMQ1特征耗时较长,在对比不同阶数Daubechies小波安全性的实验中,只对BOSSbase1.01的前2000张图像进行实验,得到如
由
4.2 实验参数的确定
自适应隐写的意义在于,隐写算法能够根据图像本身内容的不同,智能地选取信息的嵌入位置以及设置相应位置的像素变化程度。当信息的嵌入率较大或图像本身的内容较为平坦时,信息极有可能嵌入到容易建模的区域。为了防止上述情况发生,同时减少噪声对分析图像纹理区域的干扰,在得到的图像损失值后,增添了均值滤波器,能够在很大程度上抑制孤立点的影响,提高信息嵌入的安全性。使用阶数为1×1、3×3、…、19×19阶的均值滤波器对嵌入损失值进行平滑。在嵌入率为0.40 bits/pixel时,隐写安全性的变化如
如
在文献[
4]中,当Hölder范数的参数
图 5. 不同嵌入率下使用Daubechies小波的安全性能比较。(a) SRM-0.05 bit/pixel;(b) SRM-0.1 bit/pixel;(c) SRM-0.2 bit/pixel;(d) SRM-0.3 bit/pixel;(e) SRM-0.4 bit/pixel;(f) SRM-0.5 bit/pixel;(g) SRMQ1-0.05 bit/pixel;(h) SRMQ1-0.1 bit/pixel;(i) SRMQ1-0.2 bit/pixel;(j) SRMQ1-0.3 bit/pixel;(k) SRMQ1-0.4 bit/pixel;(l) SRMQ1-0.5 bit/pixel
Fig. 5. Comparison of security performance using Daubechies wavelets under different embedding rates. (a) SRM-0.05 bit/pixel; (b) SRM-0.1 bit/pixel; (c) SRM-0.2 bit/pixel; (d) SRM-0.3 bit/pixel; (e) SRM-0.4 bit/pixel; (f) SRM-0.5 bit/pixel; (g) SRMQ1-0.05 bit/pixel; (h) SRMQ1-0.1 bit/pixel; (i) SRMQ1-0.2 bit/pixel; (j) SRMQ1-0.3 bit/pixel; (k) SRMQ1-0.4 bit/pixel; (l) SRMQ1-0.5 bit/pixel
表 1. 不同阶数均值滤波器的实验结果
Table 1. Experimental results of different orders'filter
|
4.3 实验安全性对比
使用BOSSbase1.01图像集中的10000张灰度图像作为载体图像,将所提算法与HUGO-DB、WOW、S-UNIWARD、无方向性滤波器(non-directional F)以及HILL等典型的隐写算法进行对比实验,在嵌入率依次为0.05、0.10、0.20、0.30、0.40、0.50 bit/pixel时,使用集成分类器分别对使用上述隐写算法得到的载密图像的SRM特征和SRMQ1特征进行隐写分析,实验数据以及数据变化如
表 2. 使用SRM特征得到的实验结果
Table 2. Experimental results under SRM characteristics
|
表 3. 使用SRMQ1特征得到的实验结果
Table 3. Experimental results under SRMQ1 characteristics
|
图 7. 所提算法与其他典型隐写算法的安全性对比。(a) SRM特征;(b) SRMQ1特征
Fig. 7. Experimental results of proposed algorithm and other famous steganographic algorithms. (a) SRM features; (b) SRMQ1 features
5 结论
在WOW算法的理论基础上,结合用于图像纹理分析的Daubechies小波,提出了一种空域图像隐写算法。通过分析DB-1~DB-20小波作为构造方向滤波器组的基本原件时载密图像的安全性变化,选取综合安全性最高的Daubechies 11-tap小波,能够在极大程度上抑制从单一方向隐写分析建模的可能性;并使用均值滤波器平滑处理损失值,同时也对滤波器尺寸以及Hölder范数的参数进行优化,得到最终的隐写方案。分别使用SRM和SRMQ1两种图像特征进行抗隐写分析实验。研究结果表明,在同等信息嵌入率下,所提算法的安全性明显优于WOW、S-UNIWARD、non-directional F以及HUGO隐写算法,但相较于HILL算法,在抗检测性能上还存在一定差距,未来可考虑结合提取图像纹理特征更为精确的方式提高算法安全性。
[1] Li B, He J H, Huang J W, et al. A survey on image steganography and steganalysis[J]. Journal of Information Hiding and Multimedia Signal Processing, 2011, 2(2): 142-172.
[2] PevnyT, FillerT, BasP. Using high-dimensional image models to perform highly undetectable steganography[C]∥International Conference on Information Hiding, 2010: 161- 177.
[4] HolubV, FridrichJ. Designing steganographic distortion using directional filters[C]∥IEEE International Workshop on Information Forensics and Security, 2012: 234- 239.
[6] 王龙飞, 郭继昌, 田煜衡. 基于无方向性滤波器的空域自适应隐写算法[J]. 激光与光电子学进展, 2017, 54(2): 021003.
[12] DenemarkT, FridrichJ. Improving steganographic security by synchronizing the selection channel[C]∥ACM Workshop on Information Hiding and Multimedia Security, 2015: 5- 14.
[13] LiB, WangM, Huang JW, et al. A new cost function for spatial image steganography[C]∥IEEE International Conference on Image Processing, 2014: 4206- 4210.
[19] TangW, LiH, LuoW. Adaptive steganalysis against WOW embedding algorithm[C]∥ACM Workshop on Information Hiding and Multimedia Security, 2014: 91- 96.
[20] XuG. Deep convolutional neural network to detect J-UNIWARD[C]∥ACM Workshop on Information Hiding and Multimedia Security, 2017: 67- 73.
[21] 李军, 陈思佳, 雷苗, 等. 全光学压缩光学图像隐藏技术[J]. 光学学报, 2017, 37(11): 1110003.
[23] 王志军, 于之靖, 马凯, 等. 一种自适应中值梯度倒数加权的图像滤波算法[J]. 激光与光电子学进展, 2017, 54(12): 121001.
[25] BasP, FillerT, Pevn T. "Break our steganographic system": the ins and outs of organizing BOSS [M]. Heidelberg: Springer, 2011: 59- 70.
Article Outline
郭继昌, 魏慧文, 何艳红, 顾翔元. 使用Daubechies小波增强图像隐写安全性[J]. 激光与光电子学进展, 2019, 56(3): 031004. Jichang Guo, Huiwen Wei, Yanhong He, Xiangyuan Gu. Enhancing Image Steganographic Security Using Daubechies Wavelet[J]. Laser & Optoelectronics Progress, 2019, 56(3): 031004.