《信息隐藏技术》课件_第2章.pptx

第二章基于数字图像的

信息隐藏区域;

信息隐藏算法的设计方法和思路就是在选定信息隐藏区域以及制定好信息隐藏规则后,按照一定的顺序将两者进行合理的组织,所以信息隐藏区域以及信息隐藏规则是信息隐藏算法设计的两个关键步骤,如图2-1所示;

能量是基于数字图像的信息隐藏区域选择所必须考虑的问题,最直接的影响是满足信息隐藏算法的不可见性和鲁棒性。目前常用的方法主要是基于最低有效位、变换域中高频

区域系数的能量特性来实现信息隐藏,因为经过频域变换生成的高频系数,能量低且信息量小,对整个数字图像的贡献微乎其微,对其进行修改后可以使隐藏信息“稀释”到载体图像中,满足系统对不可见性的要求。;

2.1.1多小波理论在信息隐藏技术中的应用

多小波是指由两个或者两个以上的函数作为尺度分量生成的小波,它是小波理论的新发展。

1.GHM(Geronimo、Hardin、Massopust)多小波变换

GHM多小波变换是最早构造并应用最广的多小波,它具有紧支撑、二阶逼近、尺度函数的整数平移相互正交和高阶消失矩与对称性等显著特点。;

1)GHM多小波的L(n)和H(n);

2)GHM多小波前置滤波器Pre(n)和后置滤波器Post(n);

3)实现与特性分析

图2-2是在Matlab7.0.0.19920平台上实现的GHM多小波对Lena彩色图像进行一阶分解的实例。

从图2-2可以看出,经过GHM多小波变换后,一阶最低分辨率子图(LL1)的4个分量子图(LL2、LH2、HL2和HH2)清晰可见。根据黄卓君等人的研究可知,GHM多小波经过一次多小波变换后的能量分布如表2-1所示。;

;

;

4)GHM多小波与信息隐藏算法设计思路

GHM多小波的最低分辨率子图的4个分量的能量分布近似于4.5∶2.2∶2.2∶1.1,利用其能量分布特点进行算法设计,在中间能量区域(LH2和HL2)进行信息隐藏,而将高能量分量(LL2)作为信息恢复和篡改判断单元,低能量分量(HH2)作为篡改判断单元。这样的设计使得算法在不可见性、鲁棒性、抗分析性和嵌入容量上达到一个较为均衡的水平(详见5.4节)。根据信息隐藏算法(记作GHM-CT)设计初期的实验,如果将主体信息隐藏到LL2中,则算法在鲁棒性方面具有一定的优势,但在嵌入信息量和不可见性方面就略低于本书目前讲授的GHM-CT隐藏算法性能。;

2.CL(Chui、Lian)多小波理论

通常一幅图像经过多小波变换后,绝大部分能量集中于最低分辨率子图,但经过CL多小波变换的图像而言,其最低分辨率子图的绝大部分能量又进一步集中于它的第一个分量上。;

1)CL多小波的L(n)和H(n);

2)CL多小波前置滤波器Pre(n)和后置滤波器Post(n);

3)实现与特性分析

图2-3是在Matlab7.0.0.19920平台上实现的CL多小波变换对Lena彩色图像进行一阶分解的实例。;

经过CL多小波变换后,LL1子图像的4个分量图只有LL2清晰,占据了图像的主要能量。表2-2是CL多小波经过一阶变换后的能量分布。;

4)CL多小波与信息隐藏算法的鲁棒性

CL多小波变换的特点在于LL2的高能量与LH2、HL2、HH2低能量的对立分布,利用以上分布特性,在算法设计时选择在高能量背景下的低能量区域去实施具体的信息隐藏,在满足高能量分量子图的不可见性的前提下,使整个含密图像具有较强的鲁棒性;

3.CARDBAL2二阶平衡多小波理论

Lebrun等人构造了从一阶到四阶的平衡多小波。本书将应用二阶变换图像经过二阶平衡多小波(记作CARDBAL2)变换后,能量不但汇聚在最低分辨率子图像上,而且还平均分布在最低分辨率子图像的4个分量上。;

1)CARDBAL2多小波L(n)和H(n)的确定;

2)实现与特性分析

图2-4是CARDBAL2多小波对Lena彩色图像进行分解的实例,最低分辨率子图的4个分量,亮度较为平均且清晰可见。表2-3是经过CARDBAL2多小波变换后的能量分布。;

;

;

3)CARDBAL2多小波与信息隐藏算法性能的倾向性

CARDBAL2多小波变换的最大特点在于LL2、LH2、HL2和HH2的能量接近,为信息隐藏算法提供了特性相近的多个区域。利用多个相同特性的区域,使算法很好地实现信

息隐藏性能的要求,因为在以上能量和性质接近的多个隐藏区域中同时嵌入具有某种性能倾向的隐藏信息可以使算法在这种性能方面具有一定的优势。;

4.GHM、CL以及CARDBAL2多小波的应用规律补充

涉及到三种多小波变换,分别是GHM多小波变换、CL多小波变换以及CARDBA