一種基于Gibbs抽樣的圖像隱寫方法
【專利摘要】本發(fā)明公開了一種基于Gibbs抽樣的圖像隱寫方法。首先，基于領域聚類的思想對隱寫圖像進行陣列分割，并對分割子陣列進行Gibbs抽樣和STC編碼；其次，充分利用子陣圖像的方向信息(包括水平、垂直以及對角)，采用加權求和的方式給出了隱寫失真函數，維持了圖像高階統計特征。并利用Gibbs抽樣理論實現信息的嵌入，從而在最小化嵌入失真的同時維持了隱寫圖像的特征模型。在Fisher準則的框架內優(yōu)化函數參量，有效避免了圖像特征集合過渡優(yōu)化問題。實驗顯示，本文方法在降低圖像模型畸變的同時，有效提升了隱寫圖像的分類誤差，增強了隱寫的安全性。
【專利說明】
一種基于G i bbs抽樣的圖像隱寫方法
技術領域
[0001]本發(fā)明涉及圖像隱寫方法，具體地，涉及一種基于Gibbs抽樣的圖像隱寫方法。
【背景技術】
[0002] 圖像隱寫算法的主要目的就是在以圖像為載體，傳輸秘密信息，要求隱寫過程中， 畸變低、效率高、檢測誤差低。隨著圖像大數據信息技術的發(fā)展，圖像隱寫技術的需求越來 越高，逐漸成為現代圖像處理的研究熱點。目前，針對圖像隱寫算法的研究主要集中在隱寫 畸變效應和載體圖像模型保持兩個方面。其中，隱寫畸變效應的研究目的是降低隱寫對載 體圖像造成的畸變干擾，STCXSyndrome-trellis code)編碼技術實現了隱寫與畸變效應的 編碼規(guī)則問題，但是，如何建立有效的失真度量函數，是該方面研究的重點。現有研究種失 真函數的選擇多數假設圖像干擾為加性高斯白噪聲，嚴格限制了失真函數優(yōu)化與圖像寫隱 分析的同步性，導致隱寫嵌入過程中的畸變影響無法度量和優(yōu)化。為克服這一缺陷，在充分 考慮鄰幀圖像關聯性的基礎上，提出了 Gibbs采樣失真度量方法，初步探索了隱寫過程中圖 像畸變特性度量及同步優(yōu)化問題。但是，該方法只考慮相鄰幀圖像的關聯問題，精度和范圍 都無法滿足現代圖像寫隱技術的需求。針對載體圖像模型保持的研究，目前多數都是針對 圖像某單一特征進行保持和優(yōu)化，而忽略其他特征信息，雖然計算簡單，但是安全性較差。 其中比較具有代表性的是基于局部復雜度的自適應隱寫方法，較好地保持了圖像一階直方 圖特征模型，但是圖像高階特征畸變嚴重。

【發(fā)明內容】

[0003] 本發(fā)明的目的在于，針對上述問題，提出一種基于Gibbs抽樣的圖像隱寫方法。該 方法首先基于領域聚類的思想對隱寫圖像進行陣列分割，并對分割子陣列進行Gibbs抽樣 和STC(Syndrome-trellis code)編碼;接著，充分利用子陣圖像的方向信息(包括水平、垂 直以及對角），采用加權求和的方式給出了隱寫失真函數，維持了圖像高階統計特征。并利 用Gibbs抽樣理論實現信息的嵌入，從而在最小化嵌入失真的同時維持了隱寫圖像的特征 模型。推導了失真函數與子陣列的統計相關性，在Fisher準則的框架內優(yōu)化函數參量，有效 避免了圖像特征集合過渡優(yōu)化問題。仿真結果顯示，本文方法在降低圖像模型畸變的同時， 提升了嵌入的安全性。
[0004] 為實現上述目的，本發(fā)明采用的技術方案是：
[0005] 包括以下步驟：
[0006] 步驟1、采用STC編碼方法初始化隱寫圖像像素陣列；
[0007] 步驟2、對初始化陣列進行分割，利用子陣圖像的方向信息，包括
[0008] 水平、垂直以及對角，采用加權求和的方式構造隱寫失真函數；
[0009] 步驟3、采用Gibbs抽樣方法將需隱寫信息嵌入陣列；
[0010] 步驟4、利用上述計算結果更新陣列。
[0011] 本發(fā)明的技術方案具有以下有益效果：
[0012] 建立了圖像隱寫特征的集合模型，實現了隱寫圖像的多特征交叉實現，維持了較 好的安全性、抗檢測能力，并維持了圖像高階統計特征，從而保持較好的隱寫安全性的同 時，增強了模型的保持能力，優(yōu)化了模型的畸變失真。
[0013] 下面通過附圖和實施例，對本發(fā)明的技術方案做進一步的詳細描述。
【附圖說明】
[0014] 圖1為具體實施例算法流程示意圖
[0015] 圖2a為單幅隱寫圖像的輸入效果，圖2b為單幅隱寫圖像的輸出效果。
[0016] 圖3a為水平方向的離散度加權和，3b為垂直方向的離散度加權和，3c為對角方向 的離散度加權和。
[0017] 圖4為NIP與ITP特征比較圖。
[0018] 圖5為SPAM與NIP特征比較圖。
[0019] 圖6為SPAM與本發(fā)明特征集合比較圖。
【具體實施方式】
[0020] 以下結合附圖對本發(fā)明的優(yōu)選實施例進行說明，應當理解，此處所描述的優(yōu)選實 施例僅用于說明和解釋本發(fā)明，并不用于限定本發(fā)明。
[0021 ]步驟1、采用STC編碼方法初始化隱寫圖像像素陣列；
[0022] 假定隱寫目標圖像x的特征空間參量I，則隱寫目標圖像的集合可以表示為x = (X1，X2, . . .，Xn) G In，嵌入信息后隱寫圖像構成的集合表示為Y，單個圖像可以表示為Y，其 取值范圍滿足Y的概率分布表示為廠以=」'）=y，在給定隱寫秘密容量m時，隱寫 圖像的最優(yōu)分布需要滿足滿映射嵌入的條件下，失真度最小，表示為 min imizeE^D] = ^cp(v) ￡)(}')
[0023] < _ ' ￡l (1) 從好=-D(p(.V) log (p(.F)=， m K
[0024] 隱寫圖像的分布特征進行STC(Syndrome-trellis code)編碼后為
[0027] 式(2)、（3)中，A的取值主要取決于式(1)的約束條件。
[0028] 其中[叫為最小失真度，為Y的概率分布，D(y)為隱寫圖像的元素 向量，s. t. H為約束函數，m為給定隱寫秘密容量。
[0029] 步驟2、對初始化陣列進行分割，利用子陣圖像的方向信息，包括水平、垂直以及對 角，采用加權求和的方式構造隱寫失真函數；
[0030] 為構造滿足條件的失真函數，需要明確隱寫圖像的相鄰關系，在給定相鄰關系判 定準則的基礎上進行隱寫圖像的陣列分割。假設載體圖像集合為k={1，2, . . .，n}，利用n = {n(i) | iGK}表示劃分鄰域圖像集合，如果n(i)滿足以下三個條件：
[0031] 1) "⑴〔.貧；
[0032] 2)
[0033] 3y V/,/e/f,/e n(/)^./eri(/)
[0034] 則可以將n(i)中對應的圖像元素表示為該圖像的相鄰元素，進而基于該準則進行 圖像子陣分割，在分辨率為mXn2圖像x中，可以將劃分的子陣表不為
[0036] 其中Kst為s行，t列圖像元素，分割過程中，為便于圖像鄰域的表示，給出了圖像基 團的定義。在隱寫圖像分割子集滿足幻情況下，可以將c定義為同類子集組成的基團， 在元素基團集合中，只有最大值的基團才能描述圖像高階統計特性，因此，在進行基團建模 過程中，只需要采用極值基團建立相應的失真函數，將定義失真函數的基團定義為C。
[0037] 隱寫優(yōu)化問題等效為圖像在加性高斯噪聲擾動情況下的失真最小求解問題。Xl、Xl 為基團內兩個元素，有
[0038] 水平方向： D] ； (.v) = xt -x；,i = 1,2,,
[0039] ./二 1，:2,，".，.《% (.5.)
[0040] 隱寫信息以后，對載體圖像的畸變表示為 _ u，)= s K/W-尾 w| .Vy.x.ec.ceC1 .(6).
[0042] 其中，y為寫入秘密后的圖像，破,(*)為寫隱在水平方向的變化參量，D (y)為參量矩 陣。同理，可以獲取垂直方向和對角方向的畸變參量為， 其中HcXy)主要是反應相應方向基團變化的大小，則寫隱圖像全局失真函數可以表示為
[0043] ^(.1，)^^0)//，(>') ( 7) e'e.e
[0044] CzdUC^UC^UC4 (8)
[0045] D(--) = Zw//，.(v)
[0046] CidududUC4 (10)
[0047] co度量失真畸變的取值為
[0049]基于(4)式可以將圖像元素局部失真函數表示為 (12)
[0050] PX':.'')=
[0051 ] 6、(：2、(：3、(：4為各個方向上失真函數的基團，《為度量失真畸變的取值，0心>^) 為圖像元素局部失真函數。
[0052] Di, j的變化范圍在正負半軸成對稱狀態(tài)，設置-T彡Di, j彡T，則在滿足條件的區(qū)域 內，可以將度量失真函數的參量9表示為
[0053] 0 = (0-T,0-t+i,...,0T-i,0T) (13)
[0054] 權值《計算為
[0056] 步驟3、將吉布斯抽樣信息嵌入原矩陣；
[0057] 在圖像集合采集服從％分布的一個樣本，通過吉布斯抽樣，得出隱寫圖像集合Y上 定義式(15)
[0060] 其中，IH)為yi轉化為y7 i的條件概率，為吉布斯抽樣后隱寫圖像集 合。在吉布斯抽樣掃描中，針對訪問對象〇進行全局掃描，計算
[0061] 其中I。⑴為圖像〇(i)的特征空間參量，尺a<，卜v)為全局掃描后隱寫圖像集 合。
[0062] 步驟4、利用上述計算結果更新陣列。
[0063] 進一步的，可在Fisher準則的框架內優(yōu)化函數參量：
[0064]具體為采用具有較強抗檢測性能的Fisher線性分類器對參量集合0進行優(yōu)化。 [0065]優(yōu)化參量樣本集合為UGRmXN，假設隱寫圖像通過陣列分割為兩類子陣列，陣列1的 元素數為N 1，陣列2的元素個數為N2,整體優(yōu)化隱寫元素個數為見+他=1兩個子陣參數優(yōu)化 訓練構成的子集分別為譏和1] 2。通過投影變換3 @ ?足、）可以將m維矢量表示為標量％，即 v j = 5Tu j，u j G U。Fi sher分類器的準則函數可以表示為
的均值，相應的映射樣本離散度為 (17) %矢量矩陣通過投影變換到一維空間樣本集合
[0068] ~=KV/ _ W/,l，Z = U v'丨， (18：)
[0069] 通過S投影變換，利用拉格朗日變換可以獲取極值點
[0070] S*=(Ss)-HM1-M2) (19) rn〇7ii
2 為隱寫元素投影樣本的均值向量。名 i=l Uj￡b,： 為計算的離散度總和。在給定元素集合的條件下，可以通過Fisher準則獲取極值為
[0074] 為確保隱寫算法的安全性，需要展現較差的分類效果，失真函數的優(yōu)化目標是為 了取得較小的JFmax值。圖1為含優(yōu)化的本發(fā)明算法流程示意圖。
[0075] 為對本發(fā)明方法的優(yōu)越性進行分析，以下針對理論分析進行了兩類仿真實驗。第 一類是單幅隱寫圖像的離散度加權仿真;第二類是多幅圖像隱寫分類誤差對比仿真。
[0076]離散值加權和越大，越集中，圖像隱寫的畸變影響就越小。實驗結果如圖2a、2b和 圖3a_3c所示。其中圖2a、2b為單幅隱寫圖像的輸入輸出效果。圖3a_3c為不同方向的離散度 加權和，可以看出，單幅隱寫圖像的特征元素為45000*45000,通過圖3a-3c的離散加權分布 可以看出，本文方法的圖像特征元素加權在三個方向上都保持了較高的集中度，魯棒性較 強。
[0077]針對多幅圖像隱寫分類誤差計算，定義分類誤差Pe的計算表達式為
[0079] 根據前面的分析可以知道，為了保持失真度小，需要PE具有較穩(wěn)定的隱寫特性;為 了保持安全性，需要Pe的值盡可能的大。針對仿真抽取的5000維特征，分別采用SPAM特征、 NIP特征和ITF特征進行不同隱寫像素的分類誤差仿真分析，具體的結果如圖4、圖5、圖6所 示。從圖4中可以看出，NIP特征優(yōu)于ITF特征，能夠保持較好的安全性，具有很好的模型保持 特性，在隱寫像素超過15以后，分類誤差趨于穩(wěn)定;從圖5中可以看出，SPAM特征具有較優(yōu)秀 的隱寫安全性，在像素超過15以后，分類誤差趨于穩(wěn)定;從圖6中可以看出，本文方法明顯由 于SPAM特征，能夠快速的趨于穩(wěn)定，在像素超過4以后，就保持了平穩(wěn)的收斂狀態(tài)，并且維持 在較高的誤差范圍，保持隱寫安全性的同時，較好地保持了模型的失真畸變。
[0080] 最后應說明的是：以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明， 盡管參照前述實施例對本發(fā)明進行了詳細的說明，對于本領域的技術人員來說，其依然可 以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換。 凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的 保護范圍之內。
【主權項】
1. 一種基于Gibbs抽樣的圖像隱寫方法，其特征在于，包括以下步驟： 步驟1、采用STC編碼方法初始化隱寫圖像像素陣列； 步驟2、對初始化陣列進行分割，利用分割后子陣圖像的方向信息， 采用加權求和的方式構造隱寫失真函數，所述方向信息，包括水平、垂直以及對角； 步驟3、采用Gibbs抽樣方法將需隱寫信息嵌入陣列； 步驟4、利用上述計算結果更新陣列。2. 權利要求1所述的圖像隱寫方法，其特征在于，步驟2構造隱寫失真函數過程為： 明確隱寫圖像的相鄰關系，在相鄰關系判定準則的基礎上進行隱寫圖像的陣列分割： 假設載體圖像集合為k={1，2, . . .，n}，利用ri={ri(i) I iGK}表示劃分鄰域圖像集合， 如果n(i)滿足以下三個條件：則可以將n(i)中對應的圖像元素表示為該圖像的相鄰元素，進而基于該準則進行圖像 子陣分割； 將圖像分割子集C定義為同類子集組成的基團，進行基團建模，采用極值基團建立相應 的失真函數，將定義失真函數的基團定義為C; 隱寫優(yōu)化問題等效為圖像在加性高斯噪聲擾動情況下的失真最小求解問題;X1、&為基 團內兩個元素，有水平方h·隱寫信息以后，對載體圖像的畸變表示為其中，y為寫入秘密后的圖像，為寫隱在水平方向的變化參量，D(y)為參量矩陣； 同理，可以獲取垂直方向和對角方向的畸變參i其中HcXy)是表示相應方向基團變化的大小，則寫隱圖像全局失真函數可以表示為 C = C1UC2UC3UC4 C = C1UC2UC3UC4圖像元素局部失真函數為其中，ω為度量失真畸變的取值，Pi(/iy~i)為圖像元素局部失真函數，C1X2X 3為三個 方向上失真函數的基團，Di, j的變化范圍在正負半軸成對稱狀態(tài)，設置KDi, j$T，則在滿 足條件的區(qū)域內，可以將度量失真函數的參量Θ表示為 θ = ( θ-χ , 0-t+i , . . . , θχ-? , θχ) 〇3. 權利要求2所述的圖像隱寫方法，其特征在于，步驟3采用Gibbs抽樣方法將需隱寫信 息嵌入陣列過程為： 在圖像集合采集服從％分布的一個樣本，通過吉布斯抽樣，得出隱寫圖像集合Y上定義 式其中= W I I 為yi轉化為的條件概率，乂)為吉布斯抽樣后隱寫圖 像集合;在吉布斯抽樣掃描中，針對訪問對象σ進行全局掃描，計j⑴ e 1。")， 其中I。⑴為圖像〇(i)的特征空間參量，丨為全局掃描后隱寫圖像集合。4. 權利要求2所述的圖像隱寫方法，其特祉在亍，隱與失真函數通過多次優(yōu)化獲得。
【文檔編號】G06T1/00GK105894436SQ201610200934
【公開日】2016年8月24日
【申請日】2016年3月31日
【發(fā)明人】羅永有, 黃超, 姜思佳, 黃力, 宋偉奇
【申請人】柳州城市職業(yè)學院