基于视觉感知与菱形编码的图像隐写算法

金 涛,何加铭,杨任尔,曾兴斌,樊玲慧

(1.宁波大学a.信息科学与工程学院;b.通信技术研究所,浙江宁波315211; 2.浙江省移动网应用技术重点实验室,浙江宁波315211)

基于视觉感知与菱形编码的图像隐写算法

金 涛1a,2,何加铭1b,2,杨任尔1b,2,曾兴斌1b,2,樊玲慧1b,2

(1.宁波大学a.信息科学与工程学院;b.通信技术研究所,浙江宁波315211; 2.浙江省移动网应用技术重点实验室,浙江宁波315211)

为提供较大的隐写容量和保持良好的载密图像质量,提出一种基于视觉感知和菱形编码的图像隐写算法。根据人类视觉系统,针对人眼对图像的高中低灰度区、纹理区及平滑区的敏感度的不同,在不同区域选择嵌入不同数量的秘密信息;同时为了尽可能减少对图像像素值的改变,采用改进的菱形编码来嵌入秘密信息。实验结果表明,与HVS-OPAP算法相比,该算法图像的嵌入容量提高了4.09%,获取的隐写图像具有更好的不可感知性,同时峰值信噪比平均提高了1.5 dB,而且该算法具有抗RS隐写分析能力,安全性更高。

隐写术;容量;人类视觉系统;像素值;菱形编码;RS隐写分析

1 概述

隐写术(steganography)是利用信息隐藏技术实现隐蔽通信的技术,其主要思想是将特定的秘密信息隐藏到某种公开的数字载体中,而载体本身并没有太大的变化,不会引起怀疑,从而达到隐蔽通信的目的[1]。在目前数字载体中,数字图像在互联网的应用最为广泛,因此,数字图像常用作隐蔽通信的载体[2]。

到目前为止,大部分已提出的隐写算法都是在每一个嵌入单元中嵌入固定数量的信息[3-9]。这些方法都没有考虑人眼对图像不同区域的视觉感知特性。因此,文献[10-12]中提到的另一类隐写算法考虑了人眼的视觉感知特性,在图像的不同区域嵌入不同数量的秘密信息。

文献[8]提出像素差(PVD)隐写算法。然而该算法只考虑的人眼对于边缘区域的敏感度,而且所引入的图像失真比较大,不适合要求具有较高图像质量的隐写系统。文献[9]提出了一种基于人类视觉系统(HVS)的改进的PVD算法(MF-PVD),该算法与PVD算法相比图像的失真度大为减小,具有更好的隐写性能。不过MF-PVD算法和PVD算法一样都是将秘密信息嵌入到图像的边缘区域和非边缘区域。最近文献[10]又提出了一种基于PVD和菱形编码的隐写算法,获得了更好的隐写性能。但是,他们的方法只考虑了像素对的差值,没有考虑图像的其他视觉特性。

文献[11]提出了基于HVS的图像复杂度最优像素调整算法(HVS-OPAP)。该算法中的图像块复杂度是由图像块的标准差决定的,标准差越大,意味着图像块越复杂。因此,HVS-OPAP算法在标准差越大的图像块中嵌入更多秘密信息。相比于PVD和MF-PVD,HVS-OPAP在相同的嵌入率下具有更好的图像质量。然而HVS-OPAP是基于OPAP算法的,而OPAP算法是采用LSB替换的方法的。因此, HVS-OPAP是不能够抵抗基于LSB的隐写分析方法的检测的。

本文提出了一种基于HVS和改进菱形编码(MAPPM)的隐写算法(HVS-MAPPM),考虑人眼对于图像纹理、灰度和边缘的敏感度不同,在保证不可感知性的前提下,提高可嵌入容量,并且采用改进的菱形编码,在嵌入过程中减少像素值的变化,减少图像的失真度。由于MAPPM具有比LSB替换更好的隐写性能,可以抵抗基于LSB的隐写分析方法的检测。

2 算法基本原理

2.1 基于视觉感知特性的图像区域划分

本文算法利用HVS特性进行信息隐藏,即人眼对于图像纹理和灰度的敏感度特性。纹理掩蔽效应表明,人的视觉系统对图像平滑区的改变非常敏感,视觉阈值较低;而对图像纹理复杂区的改变不是很敏感,其视觉阈值比较高[12]。灰度敏感度表明,人眼通常对中等灰度区变化最为敏感,而对低灰度区和高灰度区的变化不是很敏感[13]。因此,对于图像的纹理区、高灰度区和低灰度区,可以嵌入较多的秘密信息,而在图像的平滑区和中等灰度区,就嵌入较少的秘密信息。

根据人眼对于纹理和灰度的敏感特性,可以将图像划分为不同的区域,在不同的区域嵌入不同数量的秘密信息。本文算法将载体图像划分成8×8图像块,首先计算每一个图像块的信息熵,通过信息熵的大小来判断图像块是纹理复杂块还是平滑块。文献[14]表明,当熵的值为最大熵值的75%时,这个值是划分平滑区和非平滑区的阈值。而8×8图像块的最大阈值为6,则纹理块和平滑区的划分阈值为4.5。统计每个图像块的平均灰度,将图像块分为高灰度块、中等灰度块和低灰度块。文献[13]表明,对256级灰度图像,低灰度和中等灰度分界在灰度为75处,而高灰度和中等灰度的分界线在灰度180处。人眼灰度归一化敏感度曲线如图1所示。

图1 灰度归一化敏感度曲线

为了满足不可感知性同时又保证较大的隐藏容量,因此当图像块为平滑块或中等灰度块时,标记图像块的嵌入深度为1,表示嵌入较少的秘密信息;当图像块为纹理复杂块,同时又是高灰度块或低灰度块时,标记图像块的嵌入深度为3,表示嵌入较多的秘密信息。其他情况下,标记图像块的嵌入深度为2。

2.2 改进的菱形编码

Chao等人[15]在 2009年提出了菱形编码(Diamond Encoding,DE),该方法可以将一个L进制的秘密信息嵌入到一个像素对中,其中L=2k2+ 2k+1,k≥1,嵌入之后像素对改变最多不超过k,嵌入率为(1/2)lb(2k2+2k+1)bpp。对于一个像素对(x,y),嵌入一位L进制的秘密信息sL,首先按照式(1)计算像素对(x,y)的菱形特征值(DCV):

按照式(2)计算f(x,y)和sL的模距离,通过匹配邻域距离模板Dk,确定嵌入之后的像素对(a,b)。

其中,DE模板Dk由参数k决定,例如,当k=2时, DE模板D2如图2所示。

图2 邻域距离模板(L=13)

在提取秘密信息时,只简单计算载密图像像素对(a,b)的提取函数值f(a,b),即可得到秘密信息sL。

虽然DE算法大大提高了嵌入率,但是其秘密信息的进制是不能任意选取的,这取决于参数k的选取,而且随着k的增大,引入的失真会迅速增加。因此,文献[16]提出了一种改进的菱形编码算法APPM,该算法不仅可以任意的选取秘密信息的进制,而且引入的失真也比DE算法小。

APPM算法改变了DE算法的邻域距离模板,从而可以嵌入任意进制的秘密信息,并且f(x,y)= (x+cL×y)modL,其中参数cL取决于嵌入的秘密信息进制。秘密信息为8进制、16进制和32进制时的邻域距离模板如图3所示。

图3 邻域距离模板(L=8,16,32)

但是DE算法和APPM算法在嵌入过程中都可能会出现像素值溢出的情况,两者都按照式(3)来保证像素值在0～255之间。

其中,v为嵌入秘密信息后的像素值;L为秘密信息的进制。但是如果像素值被改变L会引起载密图像很大的失真,因此本文对APPM算法改进了像素值溢出的调整方式,提出了一种新的改进菱形算法MAPPM。设v为载体图像像素值,v′为嵌入秘密信息后的像素值,如果v′＞255或v′＜0,则按照式(4)改变v为,然后重新嵌入秘密信息。

其中,k为嵌入过程中像素改变的最大值。当像素v按照上述方法改变之后,再嵌入秘密信息,嵌入秘密信息之后的像素值v′将保持在0～255之间,而且该处理方式不会出现很大的失真。

3 嵌入与提取步骤

3.1 嵌入过程

嵌入过程如下:

第1步 读入载体图像和秘密信息。

第2步 估计隐藏容量。将载体图像划分成8×8的子块,对于每个子块Bi,根据人眼视觉感知特性计算每个子块的纹理复杂度和平均灰度值,确定每个子块的嵌入深度Di,其中纹理块和平滑区的划分阈值为4.5,低灰度和中等灰度区的划分阈值为75,而高灰度和中等灰度的划分阈值为180。如果嵌入深度为1,嵌入8进制的秘密信息;如果嵌入深度为2,则嵌入16进制的秘密信息;如果嵌入深度为3,则嵌入32进制的秘密信息。并计算每个子块的隐藏容量EiByte/block。

第3步 根据子块Bi的嵌入深度Di和隐藏容量Ei,将Ei字节的秘密信息转换成相应的进制,连续扫描图像块Bi的像素对。设像素对为(x,y),根据本文提出的MAPPM算法嵌入秘密信息,嵌入秘密信息后的像素对变为(x′,y′)。重复上述过程,直到Ei字节嵌入到图像块Bi中。

第4步 重复第3步,直到所有秘密信息嵌入到图像中,最终形成载密图像。

3.2 提取过程

在提取秘密信息前,将秘密图像的嵌入深度表、嵌入起止点等信息通过安全信道发送给接收方。

第1步 读入载密图像及发送方发送来的数据。

第2步 对载密图像进行8×8分块,根据秘密图像的嵌入深度表,确定每个子块B′i的嵌入深度。

第3步 根据载密图像子块B′i的嵌入深度,确定嵌入秘密信息进制。连续扫描图像块B′i的像素对。通过公式f(x,y)=(x+cL×y)modL直接计算得到相应进制的秘密信息,并将其转化为二进制。

第4步 重复第3步直到提取出所有秘密信息,最终生成秘密信息。

4 实验结果与分析

本节对提出的隐写算法进行仿真实验,实验所用图像为512×512的标准灰度图像,分别从视觉效果、嵌入容量和抗隐写分析性能3个方面来评价本文提出的隐写算法的性能。

4.1 视觉效果

实验通过HVS-MAPPM与其他基于HVS的算法(如HVS-OPAP和MF-PVD)在不同的嵌入率下的PSNR值进行比较,来评价隐写算法所获得的视觉效果。其中,测试图片为8张512×512的标准灰度图片,如图4所示。

图4 测试图片

表 1和表 2列出了 8张测试图片在嵌入280 000 bit和 400 000 bit后的各算法的所获得的PSNR。实验结果表明,HVS-OPAP的视觉效果要优于MF-PVD,本文提出的HVS-MAPPM的视觉效果最优。

表1 嵌入280 000 bit后各算法的PSNR dB

表2 嵌入400 000 bit后各算法的PSNR dB

例如当嵌入比特为280 000 bit时,HVS-OPAP和HVS-MAPPM算法的平均PSNR分别为47.82 dB和49.36 dB,PSNR提高了1.54 dB;当嵌入比特为400 000 bit时,HVS-OPAP和HVS-MAPPM算法的平均PSNR分别为46.39 dB和47.91 dB,PSNR提高了1.51 dB。因此,本文算法具有较好的视觉效果。

4.2 嵌入容量

嵌入容量是评价隐写算法的一个重要标准。本实验通过与HVS-OPAP和MF-PVD算法比较最大可嵌入容量和嵌入最大容量后的PSNR值来评价本文所提出算法的隐写性能。

表3列出了 MF-PVD、HVS-OPAP和 HVSMAPPM算法的最大可嵌入容量和嵌入最大容量后所得到的PSNR的比较结果。结果表明:HVS-OPAP的嵌入容量较MF-PVD算法有很大的提升,而本文提出的HVS-MAPPM的嵌入容量又大于HVS-OPAP,而且本文算法在提升了嵌入容量的同时,PSNR也有明显的提高,从而获得的载密图像具有更好的视觉效果。例如HVS-OPAP和HVS-MAPPM算法的平均嵌入容量分别为484 496 bit和504 328 bit,容量提升了4.09%;以最大容量嵌入后HVS-OPAP和HVS-MAPPM算法的平均PSNR分别为45.41 dB和46.88 dB,提高了1.47 dB。因此,本文算法具有更好的隐写性能。

表3 嵌入容量比较

4.3 抗隐写分析性能

本文采用 RS隐写分析方法来评价 HVSMAPPM算法的抗隐写分析能力。RS分析是基于隐写前后图像平滑度的变化来检测秘密信息的。对于一幅没有嵌入秘密信息的图像,RM≈R-M,SM≈S-M,但是当图像嵌入秘密信息之后,R-M和SM的值会增大,RM和S-M的值会减小,从而可以检测出是否嵌入了秘密信息。实验中的嵌入比率定义为实际嵌入比特与最大可嵌入比特的比率,实验结果如图5所示。

图5 RS隐写分析结果

图5为对图像Lena和Peppers进行RS隐写分析的分析结果。结果表明,RS隐写分析之后所得参数RM≈R-M,SM≈S-M,无法判定图像中是否隐藏了秘密信息,因此本文所提出的HVS-MAPPM算法具有很好的抗RS隐写分析性能。

5 结束语

本文提出一种基于人类视觉系统与改进菱形编码的隐写算法。该算法根据人眼视觉感知特性,在图像变化敏感区嵌入较少秘密信息,相反则嵌入较多秘密信息,并结合改进的菱形编码,在图像变化敏感区嵌入较高进制的秘密信息,相反则嵌入较低进制的秘密信息。实验结果表明,在嵌入相同数量的秘密信息后,本文提出的算法HVS-MAPPM获得了比MF-PVD和HVS-OPAP更好的视觉效果,而且有效提高了嵌入容量,具有更好的隐写性能;同时本文算法还具有抗RS隐写分析能力,安全性更高。

[1] 刘粉林,刘九芬,罗向阳,等.数字图像隐写分析[M].北京:机械工业出版社,2010.

[2] 王朔中,张新鹏,张卫明.以数字图像为载体的隐写分析研究进展[J].计算机学报,2009,32(7):1247-1263.

[3] 张新鹏,刘 焕,张颖春,等.融合方向编码和湿纸编码的高效信息隐藏[J].上海大学学报:自然科学版, 2010,16(1):1-4.

[4] Zhang Xinpeng,Wang Shuozhong.EfficientSteganographic Embedding by Exploiting Modification Direction[J].IEEE Communications Letters,2006,10 (11):781-783.

[5] Lin Kai Yung.Data Hiding by Exploiting Modification Direction Technique Using OptimalPixelGrouping [C]//Proc.of ICETC’10.[S.1.]:IEEE Press,2010: 121-123.

[6] Hong W.An EfficientPrediction-and-shifting Embedding Technique for High Quality Reversible Data Hiding[J].EURASIP Journal on Advances in Signal Processing,2010,10(1):105-118.

[7] Lee C F,Chang C C,Wang K H.An Improvement of EMD Embedding Method for Large Payloads by Pixel Segmentation Strategy [J]. Image and Vision Computing,2008,26(12):1670-1676.

[8] Wu D C,Tsai W H.A Steganographic Method for Imagesby PixelValue Differencing[J].Pattern Recognition Letters,2003,24(9):1613-1626.

[9] Wang C M.A High Quality Steganographic Method with Pixel Value Differencing and Modulus Function [J].Journal of Systems and Software,2008,81(1): 150-158.

[10] Hong W,Chen T S,Luo C W.Data Embedding Using Pixel Value Differencing and Diamond Encoding with Multiple Base Notational System[J].Journal of Systems and Software,2012,85(5):1166-1175.

[11] Lou D C.A Novel Adaptive Steganography Based on Local Complexity and Human Vision Sensitivity[J]. Journal of Systems and Software,2010,83(7):1236-1248.

[12] Qi Huiyan,Zheng Dong,Zhao Jiying.Human Visual System Based Adaptive Digital Image Watermarking [J].Signal Processing,2008,88(1):174-188.

[13] 潘 峰,李 军,杨晓元,等.基于图像复杂度的隐写方法研究[J].计算机应用研究,2011,27(8): 2712-2714.

[14] 王海洋.基于人眼灰度敏感特性的信息隐藏技术研究[D].长沙:中南林业科技大学,2011.

[15] Chao R M.A Novel Image Data Hiding Scheme with Diamond Encoding[J].EURASIP Journal on Information Security,2009,(2009).

[16] Hong Wien,Chen Tung-Shou.A Novel Data Embedding Method Using Adaptive Pixel Pair Matching[J].IEEE Transactions on Information Forensics and Security, 2012,7(1):176-184.

编辑 索书志

Image Steganographic Algorithm Based on Visual Perception and Diamond Encoding

JIN Tao1a,2,HE Jia-ming1b,2,YANG Ren-er1b,2,ZENG Xing-bin1b,2,FAN Ling-hui1b,2
(1a.College of Information Science and Engineering;
1b.Institute of Communication Technology,Ningbo University,Ningbo 315211,China;
2.Key Laboratory of Mobile Internet Application Technology of Zhejiang Province,Ningbo 315211,China)

In order to provide larger capacity of the hidden secret messages and maintain a good visual quality of stegoimage,a novel image steganography based on visual perception and Diamond Encoding(DE)is proposed.According to the Human Visual System(HVS),human eyes have different sensitivity on high gray areas,middle gray areas and low gray areas,texture areas and smooth areas.The different amounts of secret messages are embedded in the different areas of cover images.Especially,the modified DE is used to minimize the change of the image pixel value.Experimental results show that the proposed method can effectively improve the embedding capacity than HVS-OPAP algorithm by 4.09%, while stego-image has better imperceptibility,PSNR average of 1.5 dB,and RS steganalysis methods can not detect whether the secret information is embedded,so it has a better security.

steganography;capacity;Human Visual System(HVS);pixel value;Diamond Encoding(DE); RS stegannalysis

1000-3428(2014)10-0006-05

A

TP393

10.3969/j.issn.1000-3428.2014.10.002

浙江省移动网络应用技术重点实验室基金资助项目(2010E10005);浙江省新一代移动互联网用户端软件科技创新团队基金资助项目(2010R50009);浙江省重点科技创新团队基金资助项目(2012R10009-11,2012R10009-20);浙江省重大科技专项重点工业基金资助项目(2011C11042)。

金 涛(1989-),男,硕士研究生,主研方向:图像隐写算法;何加铭,教授;杨任尔、曾兴斌,副教授;樊玲慧,硕士研究生。

2013-09-16

2013-11-16E-mail:kingtao01@163.com

中文引用格式:金 涛,何加铭,杨任尔,等.基于视觉感知与菱形编码的图像隐写算法[J].计算机工程,2014, 40(10):6-10.

英文引用格式:Jin Tao,He Jiaming Yang Rener,et al.Image Steganographic Algorithm Based on Visual Perception and Diamond Encoding[J].Computer Engineering,2014,40(10):6-10.