本发明专利技术公开了一种基于图像归一化和PCA相结合的多信息隐藏方法，属于计算机图像处理与信息安全技术领域。本发明专利技术基于图像归一化和不变质心理论,对于几何攻击具有很好的抵抗能力；在隐藏信息嵌入之前，采用混沌技术对隐藏图像进行加密处理，可有效提高隐藏信息的隐秘性和安全性；基于视觉系统的照度掩蔽和纹理掩蔽特性，设计感知掩蔽模板来确定每个子块隐藏信息嵌入的强度因子，进而将隐藏信息嵌入图像的多个子空间之中，可有效提高载体图像的信息嵌入容量。
【技术实现步骤摘要】
本专利技术涉及一种基于图像归一化和PCA相结合的多信息隐藏方法，属于计算机图像处理与信息安全
技术介绍
图像信息隐藏技术的基本原理是利用图像信息中普遍存在的冗余性向其中嵌入秘密信息，从而达到隐蔽重要信息的目的。其主要研究如何将秘密数据嵌入到图像数据中以及如何选择嵌入位置的问题，关键问题在于信息嵌入算法的设计，及其如何处理隐藏信息的鲁棒性、不可感知性、以及所嵌入的数据量这三者之间的关系。较早的信息隐藏算法都是空间域上的，这类算法通过直接修改载体数字信息，如图像的像素，从而将秘密信息直接加载在数据上，其优点是快捷，并且对于载体图像的几何变换、压缩等操作具备一定的抵抗能力。虽然通过空间域算法进行信息隐藏的方法比较容易实现，但对隐秘载体的极小修改都具有很大的脆弱性，如果攻击者想破坏秘密信息，只需简单地应用信号处理技术就可以做到。在许多情况下，甚至有损压缩也会导致信息的丢失，而在信号频域嵌入信息比在时域嵌入信息更具有鲁棒性，现有的鲁棒性较好的隐藏系统实际都是运作在某种频域上的。变换域算法比空间域算法具有更好的抵抗压缩、裁剪和其他一些图像处理方法攻击的能力，同时还保持了对人类视觉的隐蔽性。特征子空间变换算法是近年来发展起来的一种信息隐藏方法，该方法通过对数字图像的特征空间进行分解，将隐藏信息嵌入到图像的各个子空间中，能有效的实现多信息的隐藏，并具有较好的鲁棒性。特征子空间可以分为信号子空间和噪声子空间，由于人眼对小噪声不太敏感，将信息隐藏在噪声子空间中可以增强其不可感知性。同时，由于不同子空间之间的相互独立性，在不同子空间中进行信息隐藏可以增加嵌入的数据量，而基于不同子空间可以实现多信息的隐藏。近年来，基于特征子空间的信息隐藏方法也受到人们越来越多的重视，并逐渐成为一种重要的信息隐藏方法。主成份分析是一种极为重要的特征子空间提取方法，其目的是通过线性变换寻找一组最优的单位正交向量基(即主元)，并用其中部分向量的线性组合来重建样本，使重建后的样本和原样本在最小均方意义下的误差最小。由于子空间之间的正交性，不同子空间中的信息将独立存在，互不干扰，因此，在不损害图像质量的前提下，可以通过增加子空间的个数来嵌入信息以提高载体图像的信息嵌入容量，该方法对一些常规的信号处理攻击具有良好的鲁棒性。然而，与大多数的图像数字信息隐藏方法一样，基于主成份分析的数字图像信息隐藏对几何攻击也缺乏足够的抵抗力，当出现图像平移、旋转或缩放等常规的几何变换时，就很难以从载体图像中提取出隐藏信息。图像归一化就是通过计算图像的归一化参数，然后经过一系列变换，将待处理的原始图像转换成标准形式图像，而该标准形式图像对平移、旋转、翻转、缩放等仿射变换具有不变特性。目前，大多数的图像归一化参数都是基于图像的几何矩来计算的，通过几何不变矩确定的变换参数可以把经过某种不可预测的仿射变换的原始图像归一化为标准形式图像，该方法在计算机视觉、模式识别等领域中有着广泛的应用。而在数字水印领域，图像归一化技术主要被应用于水印同步，即在水印嵌入和水印提取之前先对图像进行归一化，以消除几何变换的影响，进而有效抵抗对数字水印的几何攻击。
技术实现思路
本专利技术针对以上问题的提出，而研制一种基于图像归一化和PCA相结合的多信息隐藏方法，其有效的融合了图像归一化的抗几何攻击能力和PCA可以任意增加子空间个数来增加隐藏信息不影响鲁棒性的数据压缩能力，基于图像归一化和不变质心理论，提出了一种基于图像归一化和PCA相结合的多信息隐藏方法。本专利技术采取以下步骤步骤一对于原始载体为256级灰度图像F= {f (i, j), I ^ i ^ m, I ^ j ^ m},图像大小为mXm，隐藏信息为二值图像W = {w(i, j), I彡i彡S，I彡j彡s}，图像大小为sXs ;对载体图像进行基于几何不变矩的归一化处理，求得归一化图像I及其图像质心，以及相应的变换参数R ；步骤二、取嵌入区域并将其分块；步骤三、确定隐藏信息的强度因子；步骤四、以生成Logistic混沌序列的初始参数为加密密钥，对隐藏信息进行混沌置乱；步骤五、计算St的KL变换系数；步骤六、用修改后的子空间特征向量Μ;’替换原来的Ui,进行KL逆变换求得重构后的样本向量，再加上步骤二中减去的均值μ C1,并变换为sXs的图像子块，然后重新排列成嵌入隐藏信息区域图像；步骤七、将嵌入隐藏信息区域图像与原始图像其余部分进行合并成含隐藏信息载体图像，对含隐藏信息载体图像按变换参数R进行逆归一化，获得嵌入隐藏信息后的载体图像F’，完成隐藏信息的嵌入；步骤八、图像信息的提取；步骤九、采用隐藏图像置乱过程中的密钥Κ(μ，Xtl)，重新生成混沌序列，然后以置乱过程的逆过程，对提取出的置乱隐藏信息进行反置乱变换，恢复出隐藏信息EW。在传统的PCA信息隐藏技术的基础上，为抵抗图像的几何攻击，对原始载体图像采用了基于几何不变矩的图像归一化技术，实现图像的几何校正。步骤三所述的确定隐藏信息嵌入的强度因子，其特征在于在采用PCA算法求取图像子空间之间，采用基于视觉系统的照度掩蔽和纹理掩蔽特性，设计感知掩蔽模板α=C1 · (1-NVF)+C2 · NVF来确定每个子块隐藏信息嵌入的强度因子。 本专利技术原理本专利技术提出了一种基于图像归一化和PCA相结合的多信息隐藏方法，该方法在进行信息嵌入之前，首先对隐藏信息进行混沌加密处理，然后采用基于几何不变矩的图像归一化来消除平移、旋转、翻转、缩放等仿射变换的影响，使其具有仿射不变性。然后，对归一化图像质心周围进行分块，并采用PCA方法求取其样本向量和总体散布矩阵。之后，为了获得较好的图像感知质量和较高的稳健性，本方法基于视觉系统的照度掩蔽和纹理掩蔽特性，依据不同子块的局部特性来确定每个子块嵌入隐藏信息的强度因子。为了自适应地调节隐藏信息强度并保证隐藏信息的不可见性，利用人类视觉系统(Humanvisual system, HVS)的特性来设计感知掩蔽模板。最后，基于每个子块嵌入隐藏信息的强度因子，将置乱后的隐藏图像嵌入到分块图像的子空间中，实现信息隐藏。同样，在信息提取之前，对受到几何攻击的含隐藏信息图像进行基于几何不变矩的逆变换，再用主成份分析的方法来提取水印本专利技术与现有技术相比具有以下优点1、由于PCA是利用特征子空间变换算法将数字图像的特征空间进行分解，同时由于不同子空间之间的相互独立性，在不同子空间中进行信息隐藏增加了嵌入的数据量，从而实现了多信息隐藏。同时由于是在信息嵌入之前进行基于几何不变矩的图像归一化，有效的消除了几何变换影响，很好的抵抗对数字水印的几何攻击。在隐藏信息提取过程中，使用的变换矩阵与原始图像相同，这不仅可以在相同子空间中提取隐藏信息，同时也增加了隐藏信息的安全性。2、以往的信息隐藏方法都是空间域上的，大多只是从嵌入的原始位置中提取信息，遭受几何攻击后的信息提取往往不能令人满意，而且对隐秘载体的极小修改都会产生很大的脆弱性，很多情况下，甚至有损压缩也会导致信息的丢失。鉴于此，我们提出在信息嵌入之前进行混沌加密处理，几何不变矩的图像归一化，消除几何变换的影响，其关键在于水印提取之前要准确计算出受到几何攻击参数，对受到几何攻击的含水印图像进行逆变换，再用主成份分析方法提取水印，该方本文档来自技高网...
【技术保护点】
一种基于图像归一化和PCA相结合的多信息隐藏方法，其特征在于：包括以下步骤：?步骤一：对于原始载体为256级灰度图像F＝{f(i,j),1≤i≤m,1≤j≤m}，图像大小为m×m，隐藏信息为二值图像W＝{w(i,j),1≤i≤s,1≤j≤s}，图像大小为s×s；对载体图像进行基于几何不变矩的归一化处理，求得归一化图像I及其图像质心，以及相应的变换参数R；?步骤二、取嵌入区域并将其分块；?以归一化图像I的质心为中心点，首先将一幅图像F分成N个大小为s×s的子块,对每一子块重新排列得到n＝s×s维的矢量xi,i＝1,2，...,N，为了使其均值为零，需要减去其均值向量即：?A＝(x1?μ0,x2?μ0,...,xN?μ0)（1）?式中A称为训练样本矩阵，是样本的总体均值，这时，KLT中的自相关矩阵R变成了协方差矩阵，其最大似然估计即总体散布矩阵：?由于AAT和ATA有相同的特征值，且AAT对应于特征值λi的特征向量ui与ATA相应的特征向量vi具有下列关系：?则对任意X中的样本xx可表示为：?其中yj＝xiTuj(j＝1,2,...,n)，y＝[y1,y2,...,yn]T。选取y的前d个分量?作为特征，则可证为方差最大（即能量最大）的d个分量，与?对应的子空间被称为信号子空间，进而得到样本向量A和总体散布矩阵St；?步骤三、确定隐藏信息的强度因子?设计感知掩蔽模板如下:?α＝c1·(1?NVF)+c2·NVF（5）?所述c1和c2用于调节隐藏信息嵌入强度,c1可被用于调节含隐藏信息图像的视觉质量。噪声可见函数(Noise?visibility?function,NVF)采用如下形式:?其中,k是调整参数,每幅图像有不同的调整参数，表示窗口内原始图像的局部方差；表示原始图像局部方差的最大值；?步骤四、以生成Logistic混沌序列的初始参数为加密密钥,对隐藏信息进行混沌置乱，其包括步骤如下：?（1）输入密钥K(μ，x0)，产生混沌序列X，将X按升序排列，即[X′,l]＝sort(X),X“为升序排列的混沌序列，l为索引序列；?（2）将隐藏信息W转换为一维向量，然后以索引序列l重排为置乱隐藏信息W“；?步骤五、按公式（9）计算St的KL变换系数，取其特征值yi,i∈[1,2，..,N]所对应的子空间特征向量ui，其中，N为切分的子块数，然后，在ui嵌入置乱隐藏信息W“，具体公式为：?其强度因子αj根据不同子块的局部特性按公式（10）计算得到；?步骤六、用修改后的子空间特征向量替换原来的ui，进行KL逆变换求得重构后的样本向量，再加上步骤二中减去的均值μ0，并变换为s×s的图像子块，然后重新排列成嵌入隐藏信息区域图像；?步骤七、将嵌入隐藏信息区域图像与原始图像其余部分进行合并成含隐藏信息载体图像，对含隐藏信息载体图像按变换参数R进行逆归一化，获得嵌入隐藏信息后的载体图像F“，完成隐藏信息的嵌入；?步骤八、图像信息的提取?提取过程如下：?（1）利用基于矩的图像归一化技术，对待检测图像F“进行归一化处理，以得到相应的归一化图像I“；?（2）与隐藏信息嵌入时相同，同样对归一化图像I“的嵌入隐藏信息区域进行提取并分块，然后变换为样本向量按公式（2）求得其总体散布矩阵St′；?（3）利用隐藏信息嵌入时的KL变换矩阵对St′进行特征提取，求出对应于yi,i∈[1,2,...,N]的子空间特征向量ui′；?（4）根据各图像子块嵌入时的强度因子，设定阈值判定函数进行嵌入隐藏信息EW的提取，公式如下：?步骤九、采用隐藏图像置乱过程中的密钥K(μ，x0)，重新生成混沌序列，然后以置乱过程的逆过程，对提取出的置乱隐藏信息进行反置乱变换，恢复出隐藏信息EW。?FDA00002557348100011.jpg,FDA00002557348100012.jpg,FDA00002557348100013.jpg,FDA00002557348100014.jpg,FDA00002557348100021.jpg,FDA00002557348100022.jpg,FDA00002557348100023.jpg,FDA00002557348100024.jpg,FDA00002557348100025.jpg,FDA00002557348100026.jpg,FDA00002557348100027.jpg,FDA00002557348100031.jpg,FDA00002557348100032.jpg...
【技术特征摘要】
1.一种基于图像归一化和PCA相结合的多信息隐藏方法，其特征在于包括以下步骤步骤一对于原始载体为256级灰度图像F = {f (i, j), I ^ i ^ m, I ^ j ^ m},图像大小为mXm，隐藏信息为二值图像W = {w(i, j)，I彡i彡s, I彡j彡s}，图像大小为sXs ; 对载体图像进行基于几何不变矩的归一化处理，求得归一化图像I及其图像质心，以及相应的变换参数R ；步骤二、取嵌入区域并将其分块；以归一化图像I的质心为中心点，首先将一幅图像F分成N个大小为sX s的子块，对每一子块重新排列得到n = sX s维的矢量Xi，i = 1，2，......
【专利技术属性】
技术研发人员：周昌军，候彩霞，张强，
申请(专利权)人：大连大学，
类型：发明
国别省市：
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。