[发明专利]一种规避预处理的载体选择方法

说明书

本发明涉及一种规避预处理的载体选择方法，包括括预处理失真计算阶段、嵌入失真计算阶段，以及失真融合及载体选择阶段，通过训练预分类器给出图像经过预处理的可能性，可能性越高表示预处理失真越大，对于嵌入失真，则利用当下的失真最小化框架计算。最后将两类失真融合，选择总失真最小的图像作为载体。本发明涉及的一种规避预处理的载体选择方法，通过规避预处理图像来避免选择预处理图像作为载体，提高了多载体隐写安全性。

技术领域

本发明涉及秘密数据技术领域，具体是指一种规避预处理的载体选择方法。

背景技术

隐写是一种通过公开信道传递秘密信息的技术。数字图像由于应用广泛成为了隐写中最常用的载体。为实现隐写，通常通过轻微修改载体内容来嵌入秘密信息。目前隐写主要通过最小化图像失真来保证安全性。另一方面，隐写分析旨在通过分析在公共信道上传送的图像来揭示秘密信息的存在性。目前隐写分析主要基于有监督学习，通过提取图像特征来训练隐写分析分类器，再用于判决可疑图像。近期基于深度学习的隐写分析将特征提取与分类过程融为一体，取得了较高的检测准确率。

当隐写者拥有大量可用图像时，可选择最合适的载体图像用于隐写。大多数载体选择方法经验性地选择图像。如先寻找可修改的DCT系数，再选择可修改系数数量多的图像作为载体。也有学者考虑图像内容，选择纹理复杂度高的图像作为载体。上述方法效果均不尽如人意。有学者提出了一种衡量图像负载能力的通用方法。首先将图像建模成高斯混合模型，之后计算图像的Fisher信息矩阵，将其映射为实数后用于评价图像负载能力。但此模型同样不能精确地描述自然图像。也有学者证明了图像隐写失真的一阶导数单调递增。之后又推导出了选择的图像的隐写失真的一阶导数应该相等。再根据这两个结论选出最优的载体图像并产生对应的含密图像。

现实场景下，隐写者持有的图像可能已经过某种预处理，如用来改善图像质量的对比度增强、图像去噪等操作。经过处理图像的统计特性与原始图像已然不同。具体来说，用于改善图像质量的操作通常增强图像内容而抑制纹理细节，而纹理复杂区域有利于掩盖隐写修改痕迹。纹理细节被削弱后修改痕迹会很容易被隐写分析检测到，并且含密图像中除嵌入失真外还包含了预处理失真。因此经过预处理的图像不适合作为载体。然而现有的载体选择方法仅关注于嵌入失真而忽略了预处理失真。

本发明提出了一种同时考虑嵌入失真与预处理失真的载体选择方法。其中预处理失真通过图像经过预处理的可能性来度量，可能性越高表示预处理失真越大。而嵌入失真则利用当下的失真最小化框架来计算。最后融合两类失真，选择总失真最小的图像作为载体。

发明内容

基础上述技术问题，本发明提供一种规避预处理的载体选择方法，对于预处理失真，通过训练预分类器给出图像经过预处理的可能性，可能性越高表示预处理失真越大。对于嵌入失真，则利用当下的失真最小化框架计算。最后将两类失真融合，选择总失真最小的图像作为载体。

本发明提供的技术方案为：

一种规避预处理的载体选择方法，包括预处理失真计算阶段、嵌入失真计算阶段，以及失真融合及载体选择阶段，对n幅备选图像{X1，X2，...，Xn}，具体步骤如下：