基于LBP人脸纹理特征的差分直方图移位无损信息隐藏算法

针对信息隐藏算法中提高嵌入量与增强鲁棒性之间的矛盾问题,提出一种多载体信息隐藏算法。使用多幅人脸表情图像作为载体,采用局部二值模式（LBP）纹理特征识别人脸表情区域来嵌入加密信息;计算出载体区域的相邻像素差值矩阵,通过对差值矩阵的对应元素的直方图进行移位构造出嵌入空间来实现加密信息的可逆隐藏与载体图像的无损恢复。算法分析证明了比现有算法具有更大的嵌入容量并保持较高的鲁棒性的优势,在最大嵌入容量达到0.561时具有38.421 dB的信噪比（PSNR）,且在识别的嵌入区域PSNR值达到46.286。鲁棒性实验表明,该算法对于滤波攻击可以与原始信息图像的相似度大于99%;面对剪切、平移攻击时,秘密图像归一化系数◢NC◣最小为0.743和0.728,远大于其他算法。从与其他算法的对比实验结果看,该算法是有效的。     

基于尺度不变局部特征的零低频信息隐藏算法

针对目前信息隐藏算法抵抗隐写分析能力弱的问题,提出一种基于尺度不变（BRISK）局部特征的零低频信息隐藏算法。首先,对载体图像进行一阶CL多小波变换,在低频◢LL◣▼2▽中提取BRISK特征点生成图像特征矩阵;其次,利用zig-zag和Logistic混沌置乱对秘密信息做去相关性处理;再次,将图像特征与加密信息通过对比特征值形成关联序列;最后,将关联序列嵌入到高频◢HL▼2▽、HH▼2▽◣的低3位。算法将高能量区域的特征矩阵与两次加密信息所构建的关联信息隐藏于高频区域,有利于算法的鲁棒性和抗分析性。在高阶统计量对200幅图片的分析测试下,最大检出率低于7.516%,表明所提算法具有良好的抗分析性。     

基于压缩感知和GHM多小波变换的信息隐藏算法

针对基于秘密信息置乱方法等类型的信息隐藏算法不可见性低和抗攻击性弱这一问题,提出了一种基于压缩感知和GHM多小波变换的信息隐藏算法。首先,将载体图像进行一次GHM多小波变换,再对所得到的中间能量区域进行一次小波变换得到HH分量,将HH分量进行奇异值分解;其次,将秘密图像进行小波变换,将得到的小波系数进行压缩感知得到观测矩阵,再对观测矩阵元素进行奇异值分解;最后,利用秘密图像的奇异值替换掉载体图像的奇异值来完成秘密信息的嵌入。实验结果表明,相比两种加密算法,算法不可见性（PSNR值）分别提高5.99%和22.11%;对低通滤波、椒盐噪声、高斯噪声、JPEG压缩等常见攻击具有良好的鲁棒性,相关系数（NC）平均增强了4.11%和11.53%。     

基于直方图移位的AMBTC域无损信息隐藏

针对秘密信息的安全传输,提出了一种信息隐藏算法,将混沌置乱变换及行程压缩编码同时应用于秘密信息预处理,旨在改善隐藏载体的嵌入容量和鲁棒。该算法将直方图移位技术应用于信息嵌入过程,在绝对矩阵块截断编码（AMBTC）生成的高低平均值序列上隐藏预处理后的秘密信息,实现了载体的无损隐藏并提升了嵌入容量,且嵌入容量高于直接在由AMBTC生成的高低平均值序列上进行隐藏的算法。实验结果表明,在受到某些攻击后仍保证提取出的秘密信息具有较高的可辨识度,归一化系数始终高于0.6,证明了该算法在鲁棒性和隐藏效率方面的优势。因此,提出的信息隐藏方法能达到秘密信息安全传输的目的,同时具有很好的抗攻击性。     

特征点标注与聚类的三维模型信息隐藏算法

针对三维模型信息隐藏无法有效抵抗联合攻击问题,提出一种新的基于特征点标注与聚类的隐藏算法。首先对三维模型进行边折叠操作,对其全部顶点进行标注排序;其次,利用局部高度理论和Mean Shift聚类分析算法对标注排序后的顶点进行能量划分;最后,利用Logistic混沌映射置乱和遗传算法对隐藏信息和载体信息进行优化匹配与修改,实现信息的最终隐藏。隐藏区域的数据按照能量权重进行了全局和局部的标注与筛选,有利于算法的鲁棒性和不可见性。实验结果表明,与基于三维内切球和轮廓标注的三维模型信息隐藏算法相比,该算法抵御单个或联合攻击的鲁棒性有明显的提高,且具有几乎相同程度的不可见性。