一種優(yōu)化決策面的改進(jìn)隱寫方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及信息安全技術(shù)領(lǐng)域，尤其涉及一種優(yōu)化決策面的改進(jìn)隱寫方法。
【背景技術(shù)】
[0002] 隱寫是指將秘密信息隱藏在載體中進(jìn)行隱秘通信的技術(shù)；隱寫分析則是對檢測對 象進(jìn)行分析，判斷其是否為含密載體，并進(jìn)一步估計秘密信息大小和嵌入位置，最終提取 秘密信息的過程。隱寫過程中，對高位平面進(jìn)行數(shù)據(jù)嵌入時，其隱藏容量在增大的同時會引 起安全性的迅速下降。
[0003] 目前，一般使用智能優(yōu)化的方法解決隱寫過程中的可優(yōu)化問題，從而提高隱寫安 全性。比如，針對LSB±l(LeastSignificantBitsMatching，LSBM)隱寫算法，學(xué)者們采用 不同智能優(yōu)化手段提高其安全性，例如李曉霞等[1]采用粒子群優(yōu)化JPEG隱寫域中±1序 列，保持了PSNR值。劉光杰等[2]利用遺傳優(yōu)化達(dá)到保持圖像二階統(tǒng)計特征的目的。郭艷 卿等[3]采用二進(jìn)制粒子群優(yōu)化JPEG隱寫中的±1序列，保持了相對熵值。于麗芳等[4] 采用粒子群優(yōu)化使圖像隱寫引起的分塊效應(yīng)變化最小。Ghasemi等[5]通過遺傳優(yōu)化保持 了LSBM在小波域中隱寫性能。上述優(yōu)化策略同樣適用LSB±k隱寫。當(dāng)LSB±1隱寫算法 擴充至最低k個位平面上時，就會得到LSB±k隱寫，LSB±k可應(yīng)用于大容量的信息隱藏。 對于其他的隱寫算法，同樣可以采用上述優(yōu)化方法實現(xiàn)對安全性的提高。
[0004] 但是，上述改進(jìn)方式都是通過智能優(yōu)化的手段盡量保持隱寫前后的某種特征不變 來提高隱寫安全性，即只優(yōu)化其中某種特征不變。然而，目前多數(shù)隱寫分析算法都是采用高 維特征，因此，若只優(yōu)化其中某種特征不變，仍可以通過其它特征進(jìn)行有效的隱寫分析，從 而導(dǎo)致隱寫信息的安全性下降。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種優(yōu)化決策面的改進(jìn)隱寫方法，從而解決現(xiàn)有技術(shù)中存 在的前述問題。
[0006] 為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：
[0007] -種優(yōu)化決策面的改進(jìn)隱寫方法，包括如下步驟：
[0008] S1，按照隱寫算法對載體圖像進(jìn)行隱寫得到載密圖像集；
[0009] S2,根據(jù)所述載密圖像集，提取載體圖像與載密圖像特征，經(jīng)過訓(xùn)練分類器得到?jīng)Q 策面；
[0010] S3,以所述決策面為指導(dǎo)，采用智能優(yōu)化算法優(yōu)化所述隱寫算法嵌入過程中可優(yōu) 化的部位，使得所述載體圖像與所述載密圖像特征在所述決策面不可區(qū)分，得到新的載密 圖像集；
[0011] S4,以所述新的載密圖像集做為S2中的所述載密圖像集，按照S2-S3的方法操作 j-Ι次，得到一系列的決策面DpDyD,i，以及一系列的載密圖像集Sd1;其中，j、η 為自然數(shù)，2彡j彡η，2彡η彡100 ;
[0012] S5,以決策面D,i為優(yōu)化目標(biāo)，將一系列的載密圖像集SdS^S,i放入分類器進(jìn)行 訓(xùn)練，采用智能優(yōu)化算法對所述隱寫算法中的所述嵌入過程可優(yōu)化的部位進(jìn)行優(yōu)化，使決 策面D,i失效，得到載密圖像集S
[0013]S6,判斷j是否等于n，若是，則執(zhí)行S7-S8,若否，返回S4;
[0014]S7,根據(jù)所述載密圖像集Si，提取載密圖像特征，經(jīng)過訓(xùn)練分類器得到?jīng)Q策面Dn， 并輸出決策面集D={DuDyDj;
[0015]S8,在所述決策面集D={DpD2*"Dn}中隨機選擇決策面，對該決策面進(jìn)行智能優(yōu) 化，得到特征變化具有隨機性的載密圖像。
[0016] 優(yōu)選地，所述隱寫算法包括空域LSB±k，LSBM隱寫算法及頻域隱寫PM算法。
[0017] 優(yōu)選地，所述智能優(yōu)化算法包括二進(jìn)制離散混合蛙跳算法、二進(jìn)制粒子群優(yōu)化算 法、遺傳優(yōu)化算法和蟻群優(yōu)化算法。
[0018] 優(yōu)選地，S3包括如下步驟：
[0019]S301，設(shè)置優(yōu)化初始值和優(yōu)化目標(biāo)；
[0020]S302,根據(jù)所述智能優(yōu)化算法優(yōu)化初始值及優(yōu)化目標(biāo)，通過優(yōu)化迭代，得到最優(yōu) 解；
[0021] S303,采用所述最優(yōu)解，對所述載體圖像進(jìn)行隱寫，得到載密圖像。
[0022] 優(yōu)選地，S301中，所述優(yōu)化初始值的設(shè)置方法為：將所述載體圖像中需要修改像 素值的位置轉(zhuǎn)換為一個t維的向量：X1=[Xu，xl2，…xlt]T，其中，t的長度為圖像像素值與 秘密信息不相同個數(shù)的總和，Xll，xl2，…，^的取值為1和〇,分別表示加k和減k操作。
[0023] 優(yōu)選地，S301中，所述優(yōu)化目標(biāo)的設(shè)置方法為：通過對t維向量中每個個體的適應(yīng) 度函數(shù)進(jìn)行求解，確定最大的適應(yīng)度函數(shù)值。
[0024] 優(yōu)選地，所述t維向量中每個個體的適應(yīng)度函數(shù)為：
[0025] f(X,) =F(fc,fs,D^ =L(fc,D^XL(fs,Ds)
[0026] 其中，f。，fs分別表示載體圖像c和載密圖像s的特征向量，D,表示隨機選擇的決 策面，L(f。，D)，L(fs，D)分別是f。和fs在決策面D」上的投影。
[0027] 優(yōu)選地，采用二進(jìn)制粒子群優(yōu)化算法，S302采用如下如下方法進(jìn)行實施：
[0028]S3021a，在一個D維的搜索空間中，隨機生成m個粒子群體P= {XpXyXj， 設(shè)置每個粒子的初始值，即設(shè)置每個粒子的初始位置，計算粒子群每個個體的適應(yīng)度 值以&)，并隨機初始化每個粒子的速度；每個粒子不斷地更新自己的速度和位置；對 于每個粒子在第t次迭代中，第i個粒子的當(dāng)前位置表示為Xjt) = (Xu(t)，Xl2(t)，··· xid(t))，其中，i= 1，2,…m;d= 1，2,…D，m表示粒子數(shù)，D表示D維空間，當(dāng)前速度表 示為Vi(t) = (Vjt),Vi2(t),…Vid(t))，其中，i= 1，2,…m;d= 1，2,…D，m表示粒子 數(shù)，D表示D維空間，每次迭代中，迄今為止粒子個體搜索到的自身最好的位置用pbjt)= (pbidthpbiJt)，..·pbjt))表示，記作pbest;群體中所有粒子搜索至lj的全局最優(yōu)的位置 用gb(t) = (gbJthgbJth-gbZt))表示，記作gbest;
[0029]S3022a，在每次迭代中，每個粒子根據(jù)下列規(guī)則以所述當(dāng)前速度、所述自身最好的 位置和以及所述全局最優(yōu)的位置來調(diào)整自己的飛行速度和位置，
[0030] Vid(t+1) = 〇*Vid(t)+c1*r1*(pbid(t)-Xid(t))+c2*r2*(gb(t)-Xid(t))
[0031] Xid(t+1) =Xid(t)+Vid(t+1)
[0032] 其中，Vld(t+1)和Vld(t)分別表示粒子在第t+1代和第t代的速度，Xld(t+1)和 Xid(t)分另丨」表示粒子在第t+Ι代和第t代的位置，其中，i= 1，2,...m;d= 1，2, ...D，m表示 粒子數(shù)，D表示D維空間，&^為（0, 1)上的隨機數(shù)；ω是慣性權(quán)重，調(diào)整粒子群的搜索范 圍，Cl，c2為學(xué)習(xí)因子，為一非負(fù)的常數(shù)，表示粒子受個體認(rèn)知和社會認(rèn)識的影響程度，調(diào)節(jié) 向pbest和gbest方向飛行的最大移動步長；
[0033] 在求解&(t+Ι)過程中，采用以下策略保證粒子群個體位置的解取為0和1 :
[0034]
[0035]S3023a，判斷& (t+Ι)是否滿足精度的近似解，或已達(dá)要求的迭代次數(shù)，若滿足，則 停止，并輸出& (t+Ι)的最佳個體近似解，即以該代的全局最優(yōu)的位置作為問題的解；否則， t: =t+Ι，重復(fù)S3022a，進(jìn)行判斷，如此循環(huán)直到滿足終止條件。
[0036] 優(yōu)選地，采用二進(jìn)制離散混合蛙跳算法，S302采用如下方法進(jìn)行實施：
[0037]S3021b，隨機生成含有F個青蛙的群體P= {XdX2，…，XF}。按所述t維向量中每 個個體的適應(yīng)度函數(shù)計算每個青蛙位置適應(yīng)度值f(Xi)，并將其降序排列；將排序后的青蛙 平均分配到P個族群，每個族群有q個青蛙，則青蛙個數(shù)F=pXq;
[0038]S3022b，將每個族群中適應(yīng)度函數(shù)值最小的青蛙依次選擇以下方式進(jìn)行更新，首 先按下式進(jìn)行更新：
[0039]Xiw(m+1) =XijW(m)+r(XijS-XijW(m))
[0040] 其中，XliW(m)為第i個子族群第m次迭代時適應(yīng)度值最小的青蛙位置，XliS為當(dāng) 前族群適應(yīng)度值最大的青蛙位置，re[0，1];若更新后青蛙新位置適應(yīng)度值大于原適應(yīng)度 值，則新位置取代舊位置，否則按下式進(jìn)行更新：
[0041]Xiw(m+1) =XijW(m)+r(Xb-XijW(m))
[0042] 其中，Xb為當(dāng)前整個群體適應(yīng)度值最好的青蛙位置，若更新后仍沒改進(jìn)，則隨機產(chǎn) 生一個解代替XliW，在以上求解XliW(m+l)過程中，采用以下策略保證青蛙個體的解取0和 1 ：
[0043]
[0044] 在族群內(nèi)重復(fù)以上操作，當(dāng)所有族群完成指定迭代次數(shù)搜索后