信息隐藏实验(LSB隐写,随机LSB隐写,RS隐写分析).doc

信息隐藏实验二 LSB隐写分析 姓名：周伟康 学号： 班级：  一：实验要求1、针对自己实现的隐写算法（嵌入、提取），计算隐蔽载体的PSNR值，通过PSNR值来评估隐写对图像质量的影响，并与主观感受做对比。 2、实现一种隐写分析方法，对隐蔽载体进行检测（卡方、RS……） 二：实验步骤 编写随机选点函数，完善顺序和随机两种LSB信息嵌入和提取。 %随机间隔选点函数 %[row, col] = randinterval(test, 60, 1983); function [row, col] = randinterval(matrix, count, key) [m, n] = size(matrix); interval1 = floor(m * n / count) + 1; interval2 = interval1 - 2; if interval2 == 0 error(载体太小，不能将秘密消息隐藏其内！); end rand(seed, key); a = rand(1, count); %initialize row = zeros([1 count]); col = zeros([1 count]); r = 1; c = 1; row(1,1) = r; col(1,1) = c; for i = 2 : count if a(i) = 0.5 c = c + interval1; else c = c + interval2; end if c n r = r + 1; if r m error(载体太小，不能将秘密消息隐藏其内！); end c = mod(c, n); if c==0 c = 1; end end row(1, i) = r; col(1, i) = c; end 选取8*8的矩阵测试 对比原始图像和隐藏信息后图像，计算隐蔽载体的均方差（MSE）进而计算峰值信噪比（PSNR），评估隐写对图像质量的影响。 %输入格式： F = compare(D:\课件\hide\pic\2.jpg,scover.jpg); function F = compare(original, hided) W = imread(original); E = imread(hided); if any(size(W)~=size(E)) error(尺寸不同，不能比较); end F = W - E; %F = double(F)/255; imshow(mat2gray(double(F)/255)); [psnr, mse] = qualify(F); function [PSNR, MSE] = qualify(Delta) %计算MSE和PSNR; MSE = sum(Delta(:) .^2)/prod(size(W)); PSNR = 10*log10(255^2/MSE); end title([差异对比 PSNR = ,num2str(psnr)]); end 测试代码： clc;clear; key = originalfile = D:\???t\hide\pic\b.bmp; messagefile = D:\???t\hide\pic\message.txt; scoverfile1 = D:\???t\hide\pic\scover1.bmp; scoverfile2 = D:\???t\hide\pic\scover2.bmp; getfile1 = D:\???t\hide\pic\secret1.txt; getfile2 = D:\???t\hide\pic\secret2.txt; [ste_cover, len_total] = LSBhide(originalfile,messagefile,scoverfile1); subplot(233); compare(originalfile,scoverfile1); x = LSBget(scoverfile1, len_total, getfile1); %% ff [ste_cover2, len_total2] = randLSBhide(originalfile, messagefile,scoverfile2,