基于细菌觅食优化边缘检测和XOR编码的图像隐写方法技术

本发明专利技术公开一种基于细菌觅食优化边缘检测和XOR编码的图像隐写方法，属于图像信息隐藏技术领域，包括如下步骤：步骤1，对于载体图像，模糊化其USAN区域面积，再进行模糊增强，并利用细菌觅食算法进行优化；步骤2，通过自适应阈值进行图像解模糊化，实现边缘检测；步骤3，对秘密信息进行加密处理；步骤4，利用XOR编码将秘密信息嵌入载体图像的边缘点和非边缘点，在嵌入时将所有像素点四等分，并保证当嵌入每一个四等分组的像素能按照最小像素改变原则进行秘密信息嵌入。此种方法具有较大的隐写容量，并可较好地保持载密图像的不可感知性，安全性高。

【技术实现步骤摘要】
基于细菌觅食优化边缘检测和XOR编码的图像隐写方法
本专利技术属于图像信息隐藏
，特别涉及一种基于细菌觅食优化边缘检测和XOR编码的图像隐写方法。
技术介绍
在信息技术不断发展的同时，信息安全问题也日显突出。近几年来，隐写术领域，即一门关于信息隐藏的技巧与科学，已成为了信息安全的焦点。由于数字图像具有数据量大、冗余性强等特征，因此以其为载体的图像隐写技术是目前研究热点之一。从消息嵌入域的角度，隐写方法可以分为空域隐写和变换域隐写。嵌入容量、不可感知性和安全性是评价图像隐写系统的三个主要指标，它们之间相互制衡，形成魔幻三角。按照是否自适应嵌入，隐写方法又可以分为自适应隐写和非自适应隐写，其中，自适应图像隐写算法是根据载体图像自身属性，将秘密信息嵌入到图像的纹理复杂(边缘)区域，该算法一定程度上提高了秘密信息的安全性，是目前隐写方法的发展趋势。基于边缘检测的自适应方法就是一种重要的隐写策略，如基于Sobel,Zerocrossing,Prewitt等边缘检测和不同嵌入方法相结合的隐写方法。但是这些方法由于嵌入前后边缘模式改变导致其秘密信息无法完整提取。W.Luoetal.[1]提出了一个边缘自适应的算法，将图像分成不重叠的小块，每一个小块的阈值由给定的秘密信息长度和每个小块中的连续像素对的差值决定实现，对于连续像素对的差值满足阈值的像素对进行嵌入。这个方法保持了一定的不可感知性和安全性，但是嵌入率太小。Chen等人在[2]基础上提出了模糊边缘检测和canny边缘检测的混合边缘检测[3]实现了边缘点提出数量的增长，然而作者在嵌入的时候在每一块的第一个像素里都会引入一个索引来记录每一块的边缘点，这极大的损耗了嵌入容量。A.Ioannidouetal.[4]等人提出了基于模糊边缘检测和Sobel检测以及模糊边缘检测和Laplacian检测实现了在彩色图像中的sharpregion中嵌入更大比特的秘密信息，用两个协议经过Triple-DES算法产生的头文件用来储存重要信息用于提取嵌入的秘密信息，不仅克服了Chen等人在嵌入上的缺陷，而且还成功地从灰度图扩展到彩色图像上。但是作者并没有对此算法的安全性进行分析。HayatAI-Dmour等人[5]对图片分成多块3*3大小的不重叠的子块，对于子块中的四个角落经过相应的计算与人为定义可调整的阈值进行比较，在子块的剩余位置用改进的XOR来嵌入秘密信息，将阈值存储在图像发送给接受者，接受者可以直接利用阈值提取边缘块从而提取秘密信息。此算法的优点在于秘密信息的嵌入不会改变对边缘块的判断，并且通过XOR方法嵌入效率高于传统的LSB方法，但缺点在于此算法的嵌入率不高，并且阈值是通过人工调整可能会造成边缘块的丢失。本文涉及的参考文献：[1]Luo,W.,Huang,F.,&Huang,J.(2010).Edgeadaptiveimagesteganographybasedonlsbmatchingrevisited.IEEETransactionsonInformationForensics&Security,5(2),201-214.[2]Amarunnishad,T.M.,Govindan,V.K.,&Mathew,A.T..(2008).Improvingbtcimagecompressionusingafuzzycomplementedgeoperator.SignalProcessing,88(12),2989-2997.[3]Chen,W.J.,Chang,C.C.,&Le,T.H.N..(2010).Highpayloadsteganographymechanismusinghybridedgedetector.ExpertSystemswithApplications,37(4),3292-3301.[4]Ioannidou,A.,Halkidis,S.T.,&Stephanides,G..(2012).Anoveltechniqueforimagesteganographybasedonahighpayloadmethodandedgedetection.ExpertSystemswithApplications,39(14),11517-11524.[5]Al-DmourH,Al-AniA(2016)AsteganographyembeddingmethodbasedonedgeidentificationandXORcoding.ExpertSystemswithApplications,46,293–306.[6]Morkel,T.,Eloff,J.H.,&Olivier,M.S.(2005).Anoverviewofimagesteganography.InProceedingsofthefifthannualinformationsecuritysouthafricaconference(issa2005),sandton,southafrica(pp.1–11).[7]Crandall,R.(1998).Somenotesonsteganography.Postedonsteganographymailinglist.[8]Verma,O.P.,&Parihar,A.S.(2016).Anoptimalfuzzysystemforedgedetectionincolorimagesusingbacterialforagingalgorithm.IEEETransactionsonFuzzySystems,25(1),114-127.[9]SmithS.M.，BradyJ.M.(1997).SUSAN-newapproachtolowlevelimageProcessing,ComputerVision，23(l):45-78.[10]Verma,O.P.,Hanmandlu,M.,Sultania,A.K.,Parihar,A.S..(2013).Anovelfuzzysystemforedgedetectioninnoisyimageusingbacterialforaging.MultidimensionalSystemsandSignalProcessing,24(1),181-198.[11]Pal,S.K.,&King,R.(1981).Imageenhancementusingsmoothingwithfuzzysets.IEEETransactionsonSystemsManandCybernetics,11(7),494-500.[12]Pan,W.T.(2012).Anewfruitflyoptimizationalgorithm:takingthefinancialdistressmodelasanexample.Knowledge-BasedSystems,26,69-74.[13]Eber本文档来自技高网...

【技术保护点】
1.一种基于细菌觅食优化边缘检测和XOR编码的图像隐写方法，其特征在于包括如下步骤：/n步骤1，对于载体图像，模糊化其USAN区域面积，再进行模糊增强，并利用细菌觅食算法进行优化；/n步骤2，通过自适应阈值进行图像解模糊化，实现边缘检测；/n步骤3，对秘密信息进行加密处理；/n步骤4，利用XOR编码将秘密信息嵌入载体图像的边缘点和非边缘点，在嵌入时将所有像素点四等分，并保证当嵌入每一个四等分组的像素能按照最小像素改变原则进行秘密信息嵌入。/n

【技术特征摘要】
1.一种基于细菌觅食优化边缘检测和XOR编码的图像隐写方法，其特征在于包括如下步骤：
步骤1，对于载体图像，模糊化其USAN区域面积，再进行模糊增强，并利用细菌觅食算法进行优化；
步骤2，通过自适应阈值进行图像解模糊化，实现边缘检测；
步骤3，对秘密信息进行加密处理；
步骤4，利用XOR编码将秘密信息嵌入载体图像的边缘点和非边缘点，在嵌入时将所有像素点四等分，并保证当嵌入每一个四等分组的像素能按照最小像素改变原则进行秘密信息嵌入。


2.如权利要求1所述的基于细菌觅食优化边缘检测和XOR编码的图像隐写方法，其特征在于：所述步骤1的具体内容是：
步骤11，计算载体图像的USAN区域面积s；
步骤12，利用高斯模糊函数模糊化USAN区域面积，获取其隶属度μ1(s)；
步骤13，使用模糊增强函数对图像进行模糊增强，并采用细菌觅食算法对模糊增强函数中的参数进行优化。


3.如权利要求2所述的基于细菌觅食优化边缘检测和XOR编码的图像隐写方法，其特征在于：所述步骤13的具体内容是：
步骤13A，采用如下模糊增强函数对图像进行模糊增强：



其中，α、β、γ为模糊增强函数的参数，它们为正数，且满足如下条件：
α＝[2-β+2-γ]-1
步骤13B，设定目标函数如下：
minJ＝H+|Sdf-Sf|
其中，H为模糊熵，Sdf为理想清晰度因素，Sf为清晰度因素；
模糊熵H的计算公式如下：



其中，L是USAN区域内像素点的总数目，smax、smin分别是USAN区域面积的最大值、最小值；
清晰度因素Sf的计算公式如下：



其中，QS、Qw分别为强、弱边缘点的模糊边缘质量因子，公式如下所示：



其中，FavgS、Favgw分别为平均强、弱边缘点的模糊边缘增强因子，FS、Fw分别为强、弱边缘点的模糊边缘增强因子。


4.如权利要求1所述的基于细菌觅食优化边缘检测和XOR编码的图像隐写方法，其特征在于：所述步骤2中，根据步骤1得到的优化结果，得到最优的模...

【专利技术属性】
技术研发人员：陈明志，谢加良，许春耀，王鸿辉，张瑞，翁才杰，周怡，饶庆裕，杨小权，
申请(专利权)人：北卡科技有限公司，
类型：发明
国别省市：福建;35