【正文】 參考文獻(xiàn)[1]Birgit Pfitzmann. Information hiding terminology[C].Proeeedings of Information Hiding: first intemational workshop，Calnbridge，UK，May30June 1，1996，Berlin: SpringerVerlag，1996，P:15.[2]劉粉林，劉九芬，羅向陽，數(shù)字圖像隱寫分析[M].北京：機(jī)械工業(yè)出版社，2010：58117.[3]Aura T, Invisible Communications[D].EET 1995, Technical Report, Helsinki University of Technology, Finland, 995.[4], , N. M. Techniques for data hiding[S]. IBM System Journal, 1996, 35(3amp。通過主觀和客觀質(zhì)量?jī)蓚€(gè)方面對(duì)隱寫算法進(jìn)行了直觀的評(píng)價(jià)。3嵌入圖像信息比率估計(jì)實(shí)驗(yàn)結(jié)果從實(shí)驗(yàn)結(jié)果來看，使用最大似然估計(jì)法估計(jì)隱藏圖像的嵌入容量與實(shí)際嵌入容量相符，因此，該方法能有效的估計(jì)以標(biāo)準(zhǔn)灰度圖像為載體的隱藏圖像的嵌入容量。1嵌入圖像信息比率估計(jì)實(shí)驗(yàn)結(jié)果圖45 177。3嵌入。177。同時(shí)，在嵌入容量相同時(shí)，k取值越大，PSNR越小，說明失真也是越來越多。(a)嵌入容量為40% （b）嵌入容量為60% （c）嵌入容量為80%圖43 不同嵌入容量下嵌入信息后的圖像表43 不同嵌入容量下的PSNR嵌入容量40%60%80%PSNR綜合上述實(shí)驗(yàn)結(jié)果，隱寫算法在k取不同值以及嵌入容量不同時(shí)，人的感官無法察覺，說明主觀質(zhì)量上并沒有明顯的差異。(a)嵌入容量為40% （b）嵌入容量為60% （c）嵌入容量為80%圖41 不同嵌入容量下嵌入信息后的圖像表41 不同嵌入容量下的PSNR嵌入容量40%60%80%PSNR當(dāng)=2時(shí)，通過隱寫密鑰設(shè)置嵌入容量分別為40%、60%和80%時(shí)，得到嵌入信息后的圖像如圖42所示，再用10幅不同的圖進(jìn)行原圖和加密圖PSNR的比較，值列于表42?？陀^質(zhì)量評(píng)價(jià)采用PSNR進(jìn)行計(jì)算。它是原圖像與處理圖像之間均方誤差相對(duì)于的對(duì)數(shù)值(信號(hào)最大值的平方，n是每個(gè)采樣值的比特?cái)?shù))，它的單位是dB。通常在經(jīng)過影像壓縮之后，輸出的影像通常都會(huì)有某種程度與原始影像不一樣。實(shí)驗(yàn)中共用到下面所列4幅BMP圖片。軟件環(huán)境為Windows7 旗艦版，Matlab 。并對(duì)實(shí)驗(yàn)結(jié)果以及數(shù)據(jù)進(jìn)行對(duì)比和分析，以便于對(duì)本文的課題有更加深入的認(rèn)識(shí)與理解。旨在使讀者對(duì)隱寫算法以及隱寫算法的信息比率估計(jì)有一個(gè)更加直觀的認(rèn)識(shí)與理解，同時(shí)也希望可以引發(fā)讀者的思考，從而使得隱寫算法以及隱寫算法的信息比率估計(jì)這兩方面的研究更加的完善與深入。最后，掃描結(jié)束時(shí)，確定式(314)取最大值時(shí)，、三個(gè)參數(shù)的取值，即為隱寫信息比率的最大似然估計(jì)值。之后，確定參數(shù)的搜索范圍，進(jìn)一步設(shè)置的搜索范圍，以及他們的搜索步長(zhǎng)。k隱寫算法信息比率估計(jì)流程圖該方法大致的意思就是先對(duì)待檢測(cè)圖像進(jìn)行分割，構(gòu)成相同或者相似的區(qū)域。此方法可以大致用下面的流程圖（圖32）描述。因此，嘗試用局部方差來識(shí)別隱秘圖像中相同或相似結(jié)構(gòu)的區(qū)域，并認(rèn)為這類區(qū)域內(nèi)的和大致相等。 此外，F(xiàn)ridrich等在上述估計(jì)過程中采用了平穩(wěn)的廣義高斯模型對(duì)原始圖像的高頻成分進(jìn)行描述。為了降低搜索的復(fù)雜程度，根據(jù)秘密圖像高頻成分方差等于原始圖像和隱寫信號(hào)的高頻成分方差之和的特點(diǎn)，確定了大致的搜索范圍，且減少了搜索維數(shù)。(314)則采用如下的最大似然估計(jì)器可得到隱寫信息比率p的估計(jì)值: (315)上式在估計(jì)信息比率的同時(shí)，也必須估計(jì)參數(shù)和，而且函數(shù)并非凸函數(shù)，有幾個(gè)局部極大值，這些使得式(315)的求解相當(dāng)復(fù)雜。因此，服從概率密度函數(shù)為的分布，其中 (312)隱寫信息比率的最大似然估計(jì)式(312)中的參數(shù)和在圖像的不同像素位置很可能會(huì)發(fā)生變化，然而在未知的情況下估計(jì)出每一像素位置的和是不可能的，因此，F(xiàn)ridrich等采用平穩(wěn)模型，將和近似為和。類似地，可得到取其他值時(shí)的概率如下： (310)由上述分析可知，隱秘圖像高頻成分可表示為原始圖像高頻成分與隱寫信號(hào)高頻成分的和： (311)其中，服從分布,服從分布。濾波后的隱寫信號(hào)高頻成分具有單峰的對(duì)稱離散分布，根據(jù)式(34)中的高通濾波器，可得隱寫信號(hào)高頻成分的取值 (37)為了便于描述，該取值可表示為如下形式： (38)其中，表示當(dāng)前位置的隱寫信號(hào)與4個(gè)相鄰位置的隱寫信號(hào)的差值的和，其最大值幅度只能是8，因此，=8，7，…，7，8。由于是線性的，將該濾波器應(yīng)用于隱秘圖像將得到隱秘圖像的高頻成分, (35)其中，為原始圖像的高頻成分，為隱寫信號(hào)的高頻成分。因此，需要一個(gè)交換，使得原始圖像經(jīng)過該交換后可用一個(gè)通用的模型進(jìn)行描述，同時(shí)隱寫信號(hào)經(jīng)過該變換后能夠得到閉合形式的概率密度函數(shù)（PDF），即可以得到分布函數(shù)的解析式。高頻成分統(tǒng)計(jì)模型用表示隱寫信號(hào)，表示原始圖像像素，表示秘密圖像像素，其中表示嵌入比率,和表示隱寫信號(hào)和像素在圖像中的位置，,和分別表示圖像的高和寬，則177。而用該濾波器對(duì)隱寫信號(hào)濾波后，得到的高頻信號(hào)分布可以建模一個(gè)含隱寫信息比率的離散分布。本小節(jié)重點(diǎn)介紹基于最大似然估計(jì)的隱寫的信息比率估計(jì)。比如基于差分直方圖和相對(duì)熵的177。圖31 隱寫算法嵌入過程流程圖 隱寫算法的分析與LSB和MLSB等替換隱寫相比，隱寫不僅能夠保持良好的視覺隱蔽性，而且能夠行之有效地抵抗多種現(xiàn)有的LSB替換隱寫檢測(cè)方法。該方法是將要嵌入的秘密信息調(diào)制成具有特定概率分布的噪聲，并用調(diào)制后的信號(hào)替代圖像獲取設(shè)備帶來的噪聲，例如高斯白噪聲，這樣就可以使攻擊者無法區(qū)分這些噪聲是由圖像獲取裝置產(chǎn)生的還是由隱寫所生成的。最后，判定是否超出范圍[0，255]，如果超出的話，截?cái)嘀磷钹徑闹?，然后輸出圖像；如果沒有超出范圍，則直接輸出圖像。然后，再讀入要隱藏的信息，并轉(zhuǎn)換為信息比特。隱寫算法的嵌入過程大致可以用圖31嵌入流程圖表示（以取奇數(shù)為例）。它的基本思想是：當(dāng)將要被嵌入的隱秘信息比特與像素值的LSB不同時(shí)，對(duì)像素值進(jìn)行隨機(jī)加或者減的操作，使所得像素值的LSB等于秘密信息比特。但是它們將被嵌入的隱藏信息比特與載體像素的LSB或MLSB不相同時(shí)，只是對(duì)像素的LSB或MLSB進(jìn)行翻轉(zhuǎn)，一旦檢測(cè)者掌握了這種翻轉(zhuǎn)規(guī)律，就可以使用多種方法對(duì)LSB等位平面替換隱寫技術(shù)進(jìn)行非常有效地檢測(cè)。 177。1隱寫。最為典型的空間域隱寫算法就是LSB替換隱寫，該方法的優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，嵌入量大，但能夠被現(xiàn)有的多種算法有效地檢測(cè)。 本章小結(jié)本章主要介紹了信息隱藏技術(shù)的早期模型“囚犯問題”、數(shù)字隱寫系統(tǒng)的一般模型、常見的空間域數(shù)字隱寫算法和變換域數(shù)字隱寫算法，以及一些常見的分別針對(duì)空間域隱寫算法和變換域隱寫算法的專用隱寫分析算法和幾類具有代表性的通用隱寫分析算法。此后，Luo等人[30]擴(kuò)展Lie的算法，進(jìn)一步從空域，DCT域和小波域提取特征值實(shí)現(xiàn)對(duì)所有格式圖像的通用隱寫分析。該算法從空域和DCT域提取圖像的特征值，并將創(chuàng)門結(jié)合起來作為特征向量以判斷圖像中是否存在隱藏信息。基于多域特征的隱寫分析上述算法基本上都是從單一的某個(gè)嵌入域提取特征值組成特征向量。在Fridrich圖像校準(zhǔn)的基礎(chǔ)上提出對(duì)JPEG圖像局部校準(zhǔn)的新思想，并應(yīng)用馬爾科夫轉(zhuǎn)移概率矩陣提取特征向量，實(shí)現(xiàn)了一種通用型JPEG隱寫分析算法。黃方軍等人對(duì)CHEN算法[28]進(jìn)行改進(jìn)，在Fridrich圖像校準(zhǔn)的基礎(chǔ)上提出對(duì)JPEG圖像局部校準(zhǔn)的新思想，并應(yīng)用CHEN中馬爾科夫轉(zhuǎn)移概率矩陣提取特征向量，提取一組324維的特征向量，實(shí)現(xiàn)了一種通用型JPEG隱寫分析算法。最后，結(jié)合SHI論文中原始的324維特征，構(gòu)造一組486維特征向量。作者把JPEG圖像中所有DCT塊內(nèi)同一頻率的系數(shù)值單獨(dú)提取出來組成一個(gè)二維系數(shù)矩陣，共得到64個(gè)矩陣。作者使用LibSVM工具構(gòu)造分類器，實(shí)現(xiàn)了對(duì)Outguess, F5和MB1算法的有效檢測(cè)。作者重新構(gòu)造一個(gè)DCT系數(shù)矩陣，對(duì)每一個(gè)88大小的DCT系數(shù)塊內(nèi)系數(shù)以ZigZag排序，組成矩陣的一行。結(jié)果顯示對(duì)Cox算法檢測(cè)率能達(dá)到79%，對(duì)Piva算法檢測(cè)率達(dá)到88%,對(duì)LSB替換嵌入的檢測(cè)率能達(dá)到91%。對(duì)于每個(gè)子帶，分別計(jì)算第一和第二階統(tǒng)計(jì)矩作為統(tǒng)計(jì)特征，可得到18維特征向量?；谛〔ǜ唠A統(tǒng)計(jì)矩的隱寫分析Shi等人提出使用小波特征函數(shù)統(tǒng)計(jì)矩的方法提取統(tǒng)計(jì)特征，實(shí)現(xiàn)一種基于圖像的信息隱藏盲檢測(cè)算法[26]。該特征向量主要反映的是DCT系數(shù)的一階和部分二階統(tǒng)計(jì)特性。此方法得到的校準(zhǔn)圖像具有與干凈圖像近似的統(tǒng)計(jì)特征分布。該算法首先使用裁剪壓縮的方法對(duì)圖像進(jìn)行預(yù)處理。該算法只需從載體圖像中提取COM特征訓(xùn)練二元分類器，然后使用Mahalanobis距離來衡量測(cè)試圖像與訓(xùn)練庫的相似度，實(shí)現(xiàn)秘密信息檢測(cè)。最后，使用費(fèi)希爾判別式來構(gòu)造分類器[20]，對(duì)載體圖像和秘密圖像提取72維特征并訓(xùn)練分類器，實(shí)驗(yàn)表明對(duì)Jsteg、Outguess[21]和Ezstego[22]等隱寫術(shù)都有不錯(cuò)的檢測(cè)效果。此外，雖然經(jīng)過小波分解，但各子帶系數(shù)之間仍然在空間上、各方向上和規(guī)模上存在微弱的相關(guān)性。這種方法是使用正交鏡像濾波器（Quadrature Mirror Filters，QMFs）對(duì)圖像進(jìn)行三層小波分解。通過檢測(cè)這些統(tǒng)計(jì)特征的變化，就可以判斷秘密信息是否存在?；贗QM的隱寫分析Avcibas等人[14][15][16][17][18]根據(jù)秘密信息潛入前后圖像的質(zhì)量度量變化來檢測(cè)秘密信息是否存在，通過幾種圖像質(zhì)量度量（Image—Quality Measures，IQM）的線性回歸模型建立回歸方程來構(gòu)建檢測(cè)裝置。 通用隱寫分析算法統(tǒng)計(jì)特征的提取是通用隱寫分析技術(shù)中最關(guān)鍵的一環(huán)。 F5算法通過置亂機(jī)制和矩陣編碼，只需修改較少的DCT系數(shù)就可以嵌入大量的秘密消息，F(xiàn)5算法不是基于比特替換，因此卡方檢驗(yàn)對(duì)它是無效的，F(xiàn)ridrich [12]提出了通過比較依靠估計(jì)得到的載體圖像的DCT系數(shù)直方圖和載密圖像的直方圖，利用所估計(jì)的系數(shù)被改動(dòng)的概率來對(duì)嵌入的消息進(jìn)行檢測(cè)，該算法可對(duì)隱藏軟件OutGuess進(jìn)行檢測(cè)，但當(dāng)JPEG圖像的質(zhì)量因子在解壓時(shí)發(fā)生了改變，或者圖像內(nèi)容中包含了與圖像塊大小相當(dāng)?shù)囊?guī)則幾何圖形時(shí)，檢測(cè)的可靠性和準(zhǔn)確性將會(huì)降低。 JSteg算法對(duì)非0、1的DCT系數(shù)采用順序LSB替換的方法隱藏信息，這使構(gòu)成奇偶變換對(duì)的系數(shù)數(shù)目趨于一致，運(yùn)用卡方檢驗(yàn)可以有效地檢測(cè)出JSteg算法嵌入的消息，但這個(gè)方法運(yùn)算量大，對(duì)隨機(jī)嵌入無效。 在BPCS算法的檢測(cè)方面，張新鵬等[10]根據(jù)BPCS算法是基于圖像塊替換隱藏的特點(diǎn)，運(yùn)用圖像的復(fù)雜度直方圖作為特征統(tǒng)計(jì)量，分析其在進(jìn)行BPCS隱寫前后的變化，可實(shí)現(xiàn)可靠檢測(cè)，并可估計(jì)出嵌入的信息量。 張濤[7]提出的DIH(Diferential Image Histogram)算法利用載體圖像和載密圖像的差分直方圖在嵌入消息前后的差異找出隱蔽信息的痕跡，進(jìn)而對(duì)隱蔽信息的大小做出估計(jì)。 [6]提出的RS(Regular and Singular)算法在隱寫分析技術(shù)中占有重要的地位，通過分析LSB替換對(duì)區(qū)域內(nèi)像素的灰度差值和的影響，以二次方程來描述差值和與嵌入的消息長(zhǎng)度之間的關(guān)系，通過求解方程來估計(jì)消息長(zhǎng)度，該算法首次實(shí)現(xiàn)了對(duì)隨機(jī)位置LSB替換的可靠檢測(cè)，并為針對(duì)LSB替換的檢測(cè)打下了基礎(chǔ)。針對(duì)空間域的檢測(cè)目前空間域的檢測(cè)主要集中于針對(duì)LSB替換、LSB匹配、BPCS算法等典型的空間域隱寫算法的檢測(cè)。 專用隱寫分析算法該類檢測(cè)方法一般針對(duì)某一種或某一類隱寫算法，通過載體對(duì)象與載密對(duì)象的統(tǒng)計(jì)分析，尋找二者之間具有強(qiáng)區(qū)分能力的統(tǒng)計(jì)特征，利用這些統(tǒng)計(jì)特征的差異去設(shè)計(jì)相應(yīng)的檢測(cè)算法。前者由于假定已知隱寫方法的相關(guān)知識(shí)，因此往往具有較好的檢測(cè)效果，有的甚至能比較準(zhǔn)確地估計(jì)隱藏信息的長(zhǎng)度，但這類檢測(cè)方法的適用面比較窄，而且由于實(shí)際檢測(cè)中往往無法獲得隱寫方法的相關(guān)知識(shí)，因此實(shí)用性不強(qiáng)。圖像隱寫檢測(cè)可分為兩大類，一類是針對(duì)某一（些）特定隱寫方法的檢測(cè)，稱為專用隱寫分析算法。秘密信息的破譯與提取、秘密信息長(zhǎng)度的估計(jì)、秘密信息的存在性檢測(cè)甚至隱寫算法類型的估計(jì)等都屬于隱寫分析的范疇。常見的變換域隱藏軟件有 JpegJsteg、JPHide、Outguess、PictureMarc 等。變換域算法采用離散余弦變換或者小波變換等壓縮算法，能夠有效地抵抗濾波、量化、壓縮、幾何變形等操作，魯棒性較好。變換域隱藏的秘密信息能量均勻散布到所有的像素中，而空間域算法只改變某些像素的若干個(gè)低比特位，比較而言前者更能保持載體圖像的表面視覺特征，進(jìn)而保證了秘密信息的隱蔽性。典型的小波域隱寫算法有基于BPCS和IWT的密寫，還有中頻系數(shù)對(duì)隱寫方法等等。1988年Mallat提出多分辨率分析概念，為此前各種小波基的構(gòu)造建立了統(tǒng)一的框架。1982年Stromberg構(gòu)造了第一個(gè)正交小波基。他與Grossman等人首先提出了“小波”概念，建立了完整的連續(xù)小波變換的幾何體系。另外還有F5隱寫、Outgues