The invention proposes a generative information hiding method combining differential clustering and minimum error texture synthesis. Firstly, the clustering center is obtained by the difference mean clustering between sample blocks and random key template, and the multiple mapping relationship between secret information segmentation and sample blocks of cluster center is established. Then, combined with random placement, the appropriate sample blocks are selected from the sample block clustering center as the coding representation of secret information segments to encode secret information and place it in the designated position of the blank image. Finally, the nearest sample block is selected according to the minimum error texture synthesis strategy from all sample blocks to hide secret information and generate texture images. Compared with the existing methods, the proposed method can effectively hide secret information by generating high-quality texture images. Secret information segmentation and sample blocks of clustering center do not correspond one by one, and the recovery process depends entirely on the key and has strong anti-attack recovery ability.
【技术实现步骤摘要】
结合差异聚类和最小误差纹理合成的生成式信息隐藏方法
本专利技术属于图像信息安全和数字图像信号处理交叉领域，涉及一种信息隐藏方法，特别涉及一种结合差异聚类和最小误差纹理合成的生成式信息隐藏方法。
技术介绍
当前伴随着深度学习的不断深入和人工智能的继续发展以及量子计算机的初现端倪，使得传统以图像音频为主要传输介质的多媒体信息安全形势变得更为严峻。一方面，基于机器学习的隐写分类器维数不断提高，使得传统修改式信息隐藏隐匿信息不被发现的可能性越来越小，而另一方面，压缩技术的持续发展，也使得传统修改式信息隐藏可供利用的冗余空间越来越小，由此使得传统基于修改式嵌入的信息隐藏技术发展陷入了瓶颈。如何有效地进行下一代信息隐藏技术研究，来自北京和上海的专家于2014年5月召开的全国信息隐藏与多媒体安全专家研讨会首次提出了“无载体信息隐藏”。2015年3月武汉召开的第12届全国信息隐藏大会将无载体信息隐藏技术列入了未来信息隐藏的前沿阵地；2016年10月合肥召开的第13届全国信息隐藏大会将无载体信息隐藏正式定位为第2代信息隐藏技术；2018年3月广州召开的第14届全国信息隐藏大会对无载...
【技术保护点】
1.一种结合差异聚类和误差最小纹理合成的生成式信息隐藏方法，其特征在于包括以下步骤：第1步：输入分辨率为m×n的P阶灰度样本图像S＝(si,j)m×n,si,j∈{0,1,…,2
【技术特征摘要】
1.一种结合差异聚类和误差最小纹理合成的生成式信息隐藏方法，其特征在于包括以下步骤：第1步：输入分辨率为m×n的P阶灰度样本图像S＝(si,j)m×n,si,j∈{0,1,…,2P-1}，由第一密钥R1在S上伪随机截取K个分辨率均为fh×fv的样本小块P0,P1,…,PK-1；分别选取P0,P1,…,PK-1中心分辨率为ah×av的区域作为核心区域按式(1)确定边界距PK-1边界的最小垂直距离为eh，最小水平距离为ev；其中，设fv为样本小块的水平边界长度，fh为样本小块的垂直边界长度，av为核心区域的水平边界长度，ah为核心区域的垂直边界长度；eh为核心区域水平边界与样本小块水平边界之间的间距，ev为核心区域垂直边界与样本小块垂直边界之间的间距；式(1)中，符号表示向下取整；第2步：由第二密钥R2伪随机生成随机模板mi,j∈{0,1,…,2P-1}，将M中心分辨率为ah×av的区域作为核心区域MCore，依据相对于MCore的差异进行均值聚类，将P0,P1,…,PK-1划分为n0个类别将每个类别离聚类中心位置最近的样本小块作为编码样本小块其中n0≤K，n0为2的幂次且均值聚类的初始聚类中心由第三密钥R3伪随机指定，均值聚类的迭代次数由第四密钥R4伪随机指定；第3步：输入长度为l的2进制比特位串B，将其划分为L个包含log2n0个比特位编码单元，得到L个10进制数依次为B0,B1,…,BL-1；初始化分辨率为gh×gv的空白图像作为含密样本图像Q，以大小为ah×av的网格为单元划分Q，且水平方向上相邻两个网格之间的间距为ev，垂直方向上相邻两个网格之间的间距为eh；同时最外层网格单元水平边界与Q的水平边界之间的间距为eh，最外层网格单元的垂直边界与Q的垂直边界之间的间距为ev，即gh,gv满足的约束如式(2)所示，其中lh,lv分别是垂直方向和水平方向放置的ah×av大小网格的数量；初始化状态标记矩阵R中元素ri,j状态用于标记Q上第(i,j)位置ah×av网格的占用状态，不失一般性，ri,j＝0表示未占用，ri,j＝1表示占用；第4步：由第五密钥R5在Q上伪随机生成L个坐标(p′k,q′k),k＝0,1,…,L-1且满足式(3)和式(4)的约束；第5步：由B的哈希值确定编码单元Bk对应的编码样本块编号然后从中选取对应的编码样本块将其放置在Q上坐标起始位置为(p′k,q′k)且大小为fh×fv的矩形小块上，按式(5)计算(xc,yc)，将R中的元素标记为1，其中k＝0,1,…,L-1；第6步：顺序扫描R,对于rx,y＝0，根据(x,y)四周领域(x-1,y),(x,y+1),(x+1,y),(x,y-1)各元素rx-1,y,rx,y+1,rx+1,y,rx,y-1的状态，从P0,P1,…,PK-1中选择样本块作为将放置在Q上起始坐标为(x(eh+ah),y(ev+av))的fh×fv矩阵小块上；第7步：根据和Q周围((x-1)(eh+ah),y(ev+av)),(x(eh+ah),(y+1)(ev+av)),((x+1)(eh+ah),y(ev+av)),(x(eh+ah),(y-1)(ev+av))相邻位置已放置小块的重叠区域差异最小确定拼接优先级顺序，并按拼接优先级顺序和周围已放置小块的重叠边界块进行最小误差纹理合成；第8步：反复执行第6步～第7步，直至rx,y＝1，将Q作为嵌密后的样本图像输出。2.如权利要求1所述的一种结合差异聚类和误差最小纹理合成的生成式信息隐藏方法，其特征在于，第2步依据相对于MCore的差异进行均值聚类，将P0,P1,…,PK-1划分为n0个类别将每个类别离聚类中心位置最近的样本小块作为编码样本小块具体方法在于包括以下步骤：第2.1步：按式(6)计算相对于MCore的均方误差MSE0,MSE1,…,MSEK-1，其中第2.2步：由第三密钥R3从MSE0,MSE1,...,MSEK-1中随机选择n0个作为初始聚类中心初始化迭代次数IT＝0；第2.3步：将K个均方误差与n0个聚类中心逐一做差，选取绝对值差异最小的聚类中心所在的类别作为该均方误差对应的类别，从而将MSE0,MSE1,…,MSEK-1分成n0个类别；第2.4步：按式(7)更新聚类中心然后IT＝IT+1；式(7)中，|Ci|是类别Ci中的均方误差总数；第2.5步：反复执行第2.3步～第2.4步，直至IT≥rr，其中rr是由第四密钥R4产生的大于预设正整数ttt的随机整数；第2.6步：按式(8)选取每个类别中和对应聚类中心差异度最小的均方误差所对应的样本小块作为第i个编码样本块P′i，从而得到n0个编码样本块3.如权利要求1所述的一种结合差异聚类和误差最小纹理合成的生成式信息隐藏方法，其特征在于第3步输入长度为l的2进制比特位串B，将其划分为L个log2n0个比特位编码单元，得到L个10进制数依次为B0,B1,…,BL-1的具体方法在于包括以下步骤：第3.1步：将长度为l的2进制比特位串B，以log2n0个比特为1组，划分为L组，如式(9)所示，L和l之间满足的约束如式(10)所示：B＝b0||b1||…||bL-1(9)式(9)中，符号“||”为比特位串联符号；第3.2步：将b0,b1,…,bL-1转换为10进制数，从而可得到10进制数B0,B1,…,BL-1；第5步由B的哈希值确定编码单元Bk对应的编码样本块编号的具体方法在于包括以下步骤：第5.1步：将B的MD5值对应的2进制位串序列为BMD5＝(bi)128的奇数和偶数比特分别按式(11)映射为初始值x0∈(0,1)和系统参数μ∈(3.57,4]；第5.2步：将x0,μ代入式(12)迭代产生(0,1)范围内的随机数r0,r1,…,rL-1，为消除暂态效应，将前ITT,ITT≥0个随机数滤除；xt+1＝μxt(1-xt)(12)第5.3步：将rk,k＝0,1,…,L-1按式(13)量化为[0,n0-1]范围内的随机整数r′k,k＝0,1,…,L-1；第5.4步：将r′k,k＝0,1,…,L-1按式(14)转换为4.如权利要求1所述的一种结合差异聚类和误差最小纹理合成的生成式信息隐藏方法，其特征在于第6步顺序扫描R的具体方法是按光栅扫描顺序扫描R；第6步根据(x,y)四周领域(x-1,y),(x,y+1),(x+1,y),(x,y-1)各元素rx-1,y,rx,y+1,rx+1,y,rx,y-1的状态，从P0,P1,…,PK-1中选择最合适的样本块的具体方法在于包括以下步骤：第6.1步：根据(x,y)其四周领域(x-1,y),(x,y+1),(x+1,y),(x,y-1)各元素rx-1,y,rx,y+1,rx+1,y,rx,y-1的状态按式(15)确定其类型T，并将T映射为(t3t2t1t0)2，其中t0,t1,t2,t3＝1|0依次对应(x,y)的顶部(x-1,y)，右侧(x,y+1)，底部(x+1,y)和左侧(x,y-1)是否存在已经放置好的样本块，为1表示存在，为0表示不存在；T＝type(rx,y)(15)式(15)中，类型函数的具体处理功能如式(16)所示：第6.2步：记rx,y＝0位置所要放置的样本块为Pcur∈{P0,P1,…,PK-1}，(x,y)的顶部(x-1,y)，右侧(x,y+1)，底部(x+1,y)和左侧(x,y-1)可能存在的已经放置好的样本块依次记为P0,P1,P2,P3∈{P0,P1,…,PK-1,PΦ}，其中PΦ表示放置的样本块不存在，则可按式(17)从P0,P1,…,PK-1中选择合适的样本块式(17)中，||||2为矩阵2范数，为Pcur在i方向的边界区域，为Pi在方向的边界区域，若所有的ti＝0，则式(17)等价于从P0,P1,…,PK-1中随机选择一个样本块作为Pcur；对于分辨率fh×fv的样本块Pcur，i和之间的关系按式(18)确定，其中，0边界块和2边界块的大小均为eh×(2ev+av)，1边界块和3边界块的大小均为(2eh+ah)×ev；其中，0边界块为样本小块核心区域上边界与样本小块上边界之间的区域；1边界块为样本小块核心区域右边界与样本小块右边界之间的区域，2边界块为样本小块核心区域下边界与样本小块下边界之间的区域，3边界块为样本小块核心区...
【专利技术属性】
技术研发人员：邵利平，李国利，任平安，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。