一种通用的数字图像隐形信息检测方法技术

本发明专利技术公开的一种通用的数字图像隐形信息检测方法，不含隐形信息的原始图像与含有隐形信息的含秘图像经“量化攻击”前、后的小波分解系数的统计量的变化程度是不同的，以原始图像经“量化攻击”前、后的小波分解系数的统计量为训练样本，用一类支持向量机做分类器，能可靠的识别多种由不同隐写算法生成含秘图像。该方法可对多种隐写算法进行检测，属于通用的隐形信息检测方法。

【技术实现步骤摘要】

本专利技术涉及一种隐形信息识别方法，更具体地说，涉及一种用一类支持向量机做分类器的。
技术介绍
信息隐藏技术是将隐秘信息隐藏在其他媒体中，通过媒体的传输，实现隐秘信息的传递。它的最大特点在于藏有隐秘信息的载体在外观上与普通载体是一样的，没有表明重要信息的存在，因此，被隐藏的隐秘信息也称为“隐形信息”。信息隐藏技术包括隐写术(Steganography)和数字水印(Digital Watermarking)技术。数字水印技术主要用于防伪和版权保护，而隐写术可用于秘密通信，属于信息安全的范畴。隐写技术也可被不法分子利用，从事非法活动，有报道称，恐怖分子利用隐写技术通过互联网传递秘密信息、组织恐怖袭击等。针对这种情况，各国安全机构展开了隐形信息分析技术(Steganalysis)的研究，它的核心内容就是隐形信息的检测和提取。隐写分析技术近几年来受到了较多的关注，获得了较大的发展，但还没有形成成熟的、系统化的理论体系。隐写分析技术的提高有利于防止隐写术的非法应用，可以起到防止机密资料流失、揭示非法信息、打击恐怖主义、预防灾难发生的作用，从而保证国家的安全和社会的稳定。目前，隐写分析研究方法大致分为两大类专用隐写分析方法和通用隐写分析方法。专用隐写分析可分为空域隐写分析和变换域隐写分析。空域隐写分析的攻击对象主要是空域LSB隐写术，包括EzStego，S-Tools，Stash，Steghide，Gifshuffle，Stagano，BPCS等。在1999年出版的“Springer Verlag”中的“Attacks on steganograplucsystems.Proc.3rd Int’l Workshop in Information Hiding”采用Chi-squ，统计量统计调色板图像嵌入秘密消息前后出现近似颜色对概率比，可以可靠检测连续嵌人秘密消息的调色板图像，但对随机嵌入的真彩色图像检测无效。在2001年出版的“Ottawa CA”中的“Reliable detection of LSBsteganography in grayscale and color images.Pro ACM”，“Special Sessionon Multimedia Security and Watermarking”提出的RS检测法(regulargroupsand singular groups)把图像像素分成规则类、异常类和不可使用类，根据待测图像LSB(least significant bit)置换操作前后每类像素组的变化曲线可以可靠检测灰度和真彩色图像并估计嵌入量，但算法的检测结果直接受载体图像随机性、噪声和秘密信息嵌入位置影响。在2004年第15期软件学报中张涛等人的“基于差分直方图实现LSB信息伪装的可靠检测”定义差分直方图的转移系数作为LSB平面与图像其余比特平面之间的弱相关性度量，并在此基础上构造载体图像与隐藏图像的分类器。在2003年出版的“IEEE Processing”中的“Steganalysis using image qualityunetrics”提出的IQM’s(image quality metrics)方法，采用变量分析技术来分析和选取可用于区分载体图像和隐藏图像的质量度量，根据选取的图像质量特征采用多元回归对图像进行分类。该方法对多种隐写术的检测有效，但是需要对分类器进行训练，性能一般。在2004年出版的“San Jose CA”中的“Steganalysis using color waveletstatistics and one-class support vector machines”，“SPIE Symposium onElectronic Imaging”采用QFM分析图像小波域系数及其预测误差的高阶统计量，再分别采用Fisher线性判别式、线性与非线性支持矢量机来判别和归类的方法，对DCT域隐写术和以自然图像为载体的隐写术效果较好。该方法需要对分类器进行训练，对嵌入量低的空域隐写术和Outguess的检测无效。
技术实现思路
本专利技术所要解决的技术问题是为了解决现有隐形信息检测技术的检测效果较低或受限或无效的缺点；提供，该方法可对数字图像中利用多种隐写算法进行隐藏的隐形信息进行检测。本专利技术解决的技术问题可以通过以下技术方案来实现。，包含以下步骤1、利用量化攻击方法对原始图像进行量化去噪攻击，获得原始图像的去噪图像；2、对原始图像和原始图像的去噪图像进行多层小波变换，获得小波分解系数的统计量；3、以原始图像经量化攻击前、后的小波分解系数的统计量为训练对照样本，用一类支持向量机做分类器，对含秘图像进行量化去噪攻击，获得含秘图像的去噪图像；4、对含秘图像和含秘图像的去噪图像进行多层小波变换，获得小波分解系数；5、用分类器对原始图像的去噪图像和含秘图像的去噪图像的小波分解系数进行分类比较，从而对含秘图像进行隐形信息识别。本专利技术采用的图像“去噪攻击”的基本原理是虽然隐写算法层出不穷，如果按嵌入方法对其分类，可将隐写算法分为三大类1)基于扩频技术的；2)基于量化调制的；3)基于LSB的嵌入方法。它们都可表示为一个信号加到原始图像中。设c是原始图像，s＝c+w是含秘图像，w是被嵌入的隐秘信息。通过去噪攻击可使隐形信息从含秘图像中消去，按上述加性模型隐藏信息，对图像的去噪实际上是对原始图像的MAP(Maximum aPosteriori)估计＝argmax{lnPw(y|)+lnPw()}∈RN(1)假设图像为xj～N(xj，σxj2)，隐密信息为w～N(0，σw2I)，用Wiener滤波器可得到xj的MAP估计 x^=y^+U‾x2σw2+U^x2(y-y^)----(2)]]>如果假设图像为广义高斯(General Gauss，GG)分布x～GG(，σx2I)，w～N(0，σx2I)，x的MAP估计问题是软萎缩法(soft-shrinkage)x^=y‾+max(0,|y-y‾|-T)sign(y-y^)----(3)]]>式中T=σw2σx2,,]]>如用硬萎缩法(hard-shrinage)＝y+(y-y)λ(|y-y|＞T)(4)式中λ{·}表示门限函数，如果它的值大于T，保持输入值不变，否则设置为0，式(3～4)去噪的主要思想是将图像分解为低频y和高频(y-y)两部分，这两部分被分别处理。y-y部分中的小幅值表示图像的平坦区域(小波系数也具有相同的性质)。高幅值部分属于图像的边缘和纹理。从式(3～4)可以看出去噪主要是对图像平坦区域噪声的抑制。本专利技术所述的量化与去噪攻击的关系是一个典型的信号(如图像)是结构相关的，好的编码器利用结构相关性对数据进行压缩，而且噪声没有结构冗余信息，不容易被压缩。因此，一个好的数据压缩方法(量化方法)可提供一个适当的模型来识别信号和噪声。量化与消噪之间的联系为，对于门限去噪法，当系数的幅值小于门限时被置零，而大于门限的系数保持不变。对于量化去噪，当系数的幅值小于本文档来自技高网...

【技术保护点】
一种通用的数字图像隐形信息检测方法，其特征在于：包含以下步骤：［１］利用量化攻击方法对原始图像进行量化去噪攻击，获得原始图像的去噪图像；［２］、对原始图像和原始图像的去噪图像进行多层小波变换，获得小波分解系数的统计量；［３］、以原始图像经量化攻击前、后的小波分解系数的统计量为训练对照样本，用一类支持向量机做分类器，对含秘图像进行量化去噪攻击，获得含秘图像的去噪图像；［４］、对含秘图像和含秘图像的去噪图像进行多层小波变换，获得小波分解系数；［５］、用分类器对原始图像的去噪图像和含秘图像的去噪图像的小波分解系数进行分类比较，从而对含秘图像进行隐形信息识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：黄继风，林家骏，
申请(专利权)人：上海师范大学，
类型：发明
国别省市：31[中国|上海]