一种利用RGB颜色空间“有争议”像素的图像隐写算法

摘要

本发明公开了一种利用RGB颜色空间“有争议”像素的图像隐写算法：在RGB颜色空间里分别提取彩色图像image的红、绿、蓝三种颜色通道；使用隐写算法分别对红、绿、蓝三种颜色通道进行信息嵌入，并分别得到信息嵌入位置；制定“争议”规则，将“争议”程度不同的像素点赋予不同的权值；将彩色图像image进行灰度化处理，得到灰度图像，计算灰度图像中的每个像素的嵌入损失值，得到初步的灰度图像损失值；使用均值滤波器对灰度图像损失值进行平滑处理；选用STC编码按照灰度图像损失值在载体图像中嵌入秘密信息，得到隐写图像。本发明提高抗隐写分析性能，进而实现图像中的秘密信息的安全传输。

说明书

技术领域

本发明属于图像处理领域，更具体的说，是涉及一种利用RGB颜色空间“有争议”像素的图像隐写算法。

背景技术

隐写术可以通俗的理解为“囚徒问题”，隐写术最重要的特点是不可检测性，其目的是使通信双方能够进行隐蔽通信，而不被其他用户察觉通信痕迹。图像隐写是隐写术中的一个重要分支，数字图像具有信息冗余度大的特性，是理想的秘密信息载体。

图像自适应隐写大多主要是基于Filler等提出的最小化加性损失设计模型设计完成的，同样隐写和隐写分析也是在相互制约中相互促进。Tomas Pevny等利用邻域像素差分矩阵等特征设计了一种高度不可检测(Highly Undetectable steGanOgraphy，HUGO)自适应隐写算法，能够有效的遏制SPAM隐写分析算法，但面对更高维的富模型(Spatial RichModel，SRM)特征检测该算法的安全性时，安全性能大大降低。Holub等提出了小波获得权重法(Wavelet ObtainedWeights，WOW)，通过使用DB-8(Daubechies 8-tap)小波构造水平垂直以及对角方向上的滤波器组的方式设计损失函数，不仅在嵌入时间上有了很大的提升，并且对比于自适应隐写算法HUGO，其安全性能也有了明显提高。Holub等又将WOW算法的思想推广到任意嵌入域，提出了UNIWARD(UNIversal Wavelet Relative Distortion)，尤其是在JPEG域和单边信息域中，提高了隐写算法的全能性。Libin等在WOW算法的基础上，提出了HILL(Hill-pass,Low-pass,Low-pass,HILL)隐写算法，该方案结合KB预测算子和两个均值滤波器，相较于WOW和S-UNIWARD(Spatial-UNIWARD)隐写算法，其抗SRM隐写分析的性能十分显著。

自适应隐写算法可以分为两步进行设计：首先设计图像损失函数，然后根据图像中每个像素的嵌入损失值，对秘密信息进行编码嵌入。损失是指秘密信息嵌入图像之后的改变量以及对嵌入元素位置周围的信息特征的影响，其载体图像的改变量及修改影响越小，则图像损失越小，被隐写分析器检测出有秘密信息存在的概率就越小，通信就越安全。2011年Filler等在利用最小化加性损失设计模型的基础上，提出一种信息嵌入的校验格编码(Syndrome Trellis Coding，STC)方案，该方案能够很好的解决自适应隐写中的编码算法问题，其编码效率已接近理论上界，因此图像隐写可简化为只需设计图像损失函数。

发明内容

本发明的目的是为了克服现有技术中的不足，旨在研究图像隐写技术的基础上，提出一种利用RGB颜色空间“有争议”像素的图像隐写算法，具体涉及通过利用RGB颜色空间的差异，选取“有争议”像素嵌入信息的图像自适应隐写方法，该方法属于信息安全领域中的信息隐藏子领域，提高抗隐写分析性能，进而实现图像中的秘密信息的安全传输。

本发明的目的是通过以下技术方案实现的。

本发明的利用RGB颜色空间“有争议”像素的图像隐写算法，包括以下步骤：

第一步，在RGB颜色空间里分别提取彩色图像image的红、绿、蓝三种颜色通道，记为image_R、image_G、image_B；

第二步，使用隐写算法分别对image_R、image_G、image_B三种颜色通道进行信息嵌入，并分别得到信息嵌入位置；

第三步，制定“争议”规则：将信息嵌入位置被选中1次的像素点标记为“争议”较大点，设置权值为最大，将信息嵌入位置被选中2次的像素点标记为“争议”较小点，将信息嵌入位置被选中3次的像素点标记为无“争议”点；将“争议”程度不同的像素点赋予不同的权值；

第四步，将彩色图像image进行灰度化处理，得到灰度图像Gray，使用隐写算法计算灰度图像Gray中的每个像素的嵌入损失值，结合第三步的权值，得到初步的灰度图像损失值；

第五步，使用均值滤波器对灰度图像损失值进行平滑处理；

第六步，选用STC编码按照第五步平滑处理后得到的灰度图像损失值在载体图像中嵌入秘密信息，得到隐写图像。

与现有技术相比，本发明的技术方案所带来的有益效果是：

本发明提供了一种利用RGB颜色空间“有争议”像素的空域自适应隐写算法，通过使用典型隐写算法在彩色图像的不同颜色通道上进行隐写嵌入，对比不同的颜色空间的嵌入位置的差异，定义该像素的嵌入损失，结合STC编码技术按照损失值嵌入秘密信息，能够进一步优化秘密信息的嵌入位置，有助于提高抗隐写分析性能。

在具体实验中，当选取NRCS图像库的彩色图像、尺寸为1417×891的彩色图像作为载体图像，在信息嵌入率为0.4bbp(Bits per Pixel)时，总嵌入信息量高达505018比特。使用本发明算法得到的隐写图像，其使用SRM进行隐写分析的丢包率相较于原始隐写算法有所提高。

附图说明

图1是本发明方法实验算法流程图。

图2是本发明方法实验彩色图像及其RGB颜色通道分量；

图3是本发明方法实验使用WOW算法对R、G、B三通道嵌入信息的像素位置；

图4是本发明方法实验不同颜色通道之间的嵌入位置差异；

图5是本发明方法实验STC的编码过程。

具体实施方式

下面结合附图对本发明作进一步的描述。

本发明将“有争议”像素点的思想应用于彩色图片的不同颜色通道，提出了一种利用RGB颜色空间“有争议”像素的图像隐写算法。该算法首先在RGB颜色空间里提取彩色图像的红、绿、蓝三种颜色通道，使用隐写算法(比如：WOW算法)分别对三种颜色通道进行图像嵌入，得到信息的嵌入位置，按照三种颜色通道中像素被选为嵌入信息的次数对图像中的像素进行分类，再将原彩色图像进行灰度处理，利用同样的隐写算法计算该灰度图像中的每个像素的嵌入损失值，将“争议”程度不同的像素点赋予不同的失真权值，得到嵌入损失。最后结合STC编码按照损失值在载体灰度图像中嵌入秘密信息。

本发明的利用RGB颜色空间“有争议”像素的图像隐写算法，如图1所示，具体实现过程如下：

第一步，在RGB颜色空间里分别提取彩色图像image的红、绿、蓝三种颜色通道，记为image_R、image_G、image_B。

第二步，使用隐写算法(比如：WOW隐写算法)分别对image_R、image_G、image_B三种颜色通道进行信息嵌入，并分别得到信息嵌入位置。

第三步，制定“争议”规则：将信息嵌入位置被选中1次的像素点标记为“争议”较大点，设置权值为最大，将信息嵌入位置被选中2次的像素点标记为“争议”较小点，将信息嵌入位置被选中3次的像素点标记为无“争议”点。将“争议”程度不同的像素点赋予不同的权值。

第四步，将彩色图像image进行灰度化处理，得到灰度图像Gray，使用相同的隐写算法计算灰度图像Gray中的每个像素的嵌入损失值，结合第三步的权值，得到初步的灰度图像损失值。

第五步，为了防止信息嵌入到平滑区域，使用均值滤波器对灰度图像损失值进行平滑处理，增加嵌入信息区域相邻像素间的相关性，以提高隐写安全性。

第六步，秘密信息的嵌入和提取都可以通过现在已有的成熟编码算法实现，选用STC编码按照第五步平滑处理后得到的灰度图像损失值在载体图像中嵌入秘密信息，得到隐写图像。

本发明从彩色图像的RGB颜色空间的角度出发，提出一种“有争议”像素的信息嵌入策略。如图2所示，一张彩色图像可由三个不同的颜色矩阵表示，其中图2(a)为彩色图像，图2(b)～图2(d)分别表示图2(a)的红、绿、蓝颜色通道分量。三个颜色分量空间中表示图像会存在一定的差异，而这些差异性可以被用来作为嵌入信息时图像损失的参考。在此基础上提出了本发明的算法，首先使用一种隐写算法(比如：WOW隐写算法)对R颜色通道的图像进行信息嵌入，得到嵌入信息的位置，如图3(b)所示，同样，在信息嵌入率相同的情况下，使用该隐写算法分别对G颜色通道和B颜色通道进行秘密信息嵌入，得到如图3(c)和3(d)所示，图中的白色区域表示嵌入率为0.4bpp时的信息嵌入位置。其中，图3(a)为彩色图像。

通过对比图3，在不同的颜色通道上嵌入信息时，根据颜色空间分量的不同会有所差异，其中R通道和G通道的嵌入位置差异如图4(a)中白色区域所示，R通道和B通道的嵌入位置差异如图4(b)所示，G通道和B通道的嵌入位置差异如图4(c)所示。将三种颜色空间的差异进行合并，结果如图4(d)所示。

本发明中的“有争议”像素点可理解为某个像素在使用R颜色空间时被选中为信息嵌入位置，而在使用G颜色空间时，并没有被选中作为嵌入信息的像素点。为了增加信息的安全性，对图4(d)的嵌入信息像素做进一步的分类处理，并通过赋予不同的优先级将像素进行重分配，在三种颜色空间中使用相同的隐写，当像素被选中嵌入信息的次数为1次时，将其视为“争议”较大像素，当被选中2次时，将其视为“争议”较小像素，当被选中3次时，将其视为无“争议”像素。

将彩色图像进行三通道分离，并分别使用已有隐写算法对单一通道进行隐写嵌入，将得到的隐写嵌入位置按照“争议”大小进行分类；同时将该彩色图像进行灰度处理之后，按照相同的隐写算法得到每个像素的损失值，根据之前的分类对该损失值进行加权处理，得到图像损失值。

STC(Syndrome-Trellis Codes)编码是对于一般隐写嵌入操作(非二进制)过程中，能够最小化嵌入损失的一种嵌入方法。在基于双卷积码的维特比算法的基础上，使用校验格编码方式嵌入信息，能够实现两元、三元甚至是多元信息的嵌入。STC编码通过找到一个奇偶校验矩阵H建立一种表示图像的网格，之后结合像素的损失值以及维特比法则找到一条距离最小的路径，即最优路径。STC编码用到的奇偶校验矩阵如下，STC的编码过程如图5所示。

子矩阵：

奇偶校验矩阵：

奇偶校验矩阵H是由子矩阵组合得到，设子矩阵的宽和高分别为ω和h，则进一步可得到相对损失α＝1/ω以及约束长度h。消息接受者通过Hy^T＝m(其中，y表示嵌入信息后得到的隐写图像序列，m为原始嵌入的信息)即可计算出被发送的信息，和其他隐写术编码方案相比，STC编码适应性更高，适用于各种加性损失的度量，可通过改变参数来调节隐写速率和嵌入效率，能满足不同需求的应用环境。

尽管上面结合附图对本发明的功能及工作过程进行了描述，但本发明并不局限于上述的具体功能和工作过程，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以做出很多形式，这些均属于本发明的保护之内。