基于自注意力机制的图像隐写分析方法

针对自适应图像隐写分析难度大、现有的模型难以对图像有利区域进行针对性分析的问题,提出了一种基于自注意力机制的图像隐写分析模型(self-attention steganalysis residual network,SA-SRNet)。该模型将自注意力机制引入SRNet(steganalysis residual network),引导模型更加关注图像全局对隐写分析有利的区域及图像长距离之间的依赖关系,解决了硬注意力机制在训练时容易陷入局部最优的问题。首先,奖励机制利用强化学习使模型找到对隐写分析最有利的检测点;其次,自注意力机制根据检测点生成注意力重点图像;最后,替换机制用注意力重点图像替换识别错误的图像,提高训练集的质量和模型的判别能力。实验在BOSSbase 1.01数据集上进行,结果表明SA-SRNet可获得比SRNet更好的隐写分析准确率,最多可提高1.8%。     

基于视觉感知与菱形编码的图像隐写算法

为提供较大的隐写容量和保持良好的载密图像质量,提出一种基于视觉感知和菱形编码的图像隐写算法。根据人类视觉系统,针对人眼对图像的高中低灰度区、纹理区及平滑区的敏感度的不同,在不同区域选择嵌入不同数量的秘密信息;同时为了尽可能减少对图像像素值的改变,采用改进的菱形编码来嵌入秘密信息。实验结果表明,与HVS-OPAP算法相比,该算法图像的嵌入容量提高了4.09%,获取的隐写图像具有更好的不可感知性,同时峰值信噪比平均提高了1.5dB,而且该算法具有抗RS隐写分析能力,安全性更高。     

基于视觉特性的JPEG图像自适应隐写算法

提出一种基于视觉特性的图像隐写算法。该算法利用亮度和纹理阈值等人类视觉系统特性,并结合图像各个局部分块的亮度与纹理特征,将图像划分为强嵌入区、次嵌入区、弱嵌入区,计算各个局部分块亮度和纹理,分别嵌入不同比特数的秘密信息。实验结果表明,该算法能够增加图像秘密信息的嵌入容量,提高抗检测性能,以及保持较高的峰值信噪比。     

基于隐写编码和Markov模型的自适应图像隐写算法

如何构造大容量、低失真和高统计安全的隐写算法一直是隐写研究的难点和热点.提出一种兼顾感知失真和二阶统计安全的自适应图像隐写算法设计思路.算法将载体各部分的平滑度引入隐写编码的生成过程,自适应地利用一簇隐写编码在载体各部分的合理运用降低载密图像失真度;在隐秘信息嵌入方式上利用基于Markov链模型的动态补偿方法提高载密图像统计安全性;算法对载体最低有效位和次最低有效位进行嵌入以保证嵌入容量.实验表明算法在相同嵌入量下相较双层随机LSB匹配算法以及仅使用一种隐写编码的算法,失真度更低且载体统计分布的改变更小,而在失真度和统计分布改变相近时嵌入容量更大.     

基于视觉感知机理的大容量彩色图像盲隐写算法

针对现有彩色图像隐写算法大多将灰度图像的算法直接用于彩色通道,未能运用彩色视觉感知机理的问题,提出一种YUV空间上的、基于视觉感知机理的大容量彩色图像盲隐写算法。主要方法是在Y分量上通过标准差来分析载体图像的局部复杂性,利用视觉感知机理将信息分成两部分隐写于Y和V分量中,灵活性较差的U分量则作为隐写信息的通道指示器,无需大的改变。大量实验结果表明,所提算法与其他方法相比在嵌入大容量信息后依然能够保持很好的不可感知性,而且可以抵抗直方图对比和RS隐写分析方法,因而所提算法是合理、简洁、有效的。     

基于注意力机制的高容量通用图像隐写模型

随着深度学习与隐写技术的发展,深度神经网络在图像隐写领域的应用越发广泛,尤其是图像嵌入图像这一新兴的研究方向.主流的基于深度神经网络的图像嵌入图像隐写方法需要将载体图像和秘密图像一起输入隐写模型生成含密图像,而最近的研究表明,隐写模型仅需要秘密图像作为输入,然后将模型输出的含密扰动添加到载体图像上,即可完成秘密图像的嵌入过程.这种不依赖载体图像的嵌入方式极大地扩展了隐写的应用场景,实现了隐写的通用性.但这种嵌入方式目前仅验证了秘密图像嵌入和恢复的可行性,而对隐写更重要的评价标准,即隐蔽性,未进行考虑和验证.提出一种基于注意力机制的高容量通用图像隐写模型USGAN,利用注意力模块, USGAN的编码器可以在通道维度上对秘密图像中像素位置的扰动强度分布进行调整,从而减小含密扰动对载体图像的影响.此外,利用基于CNN的隐写分析模型作为USGAN的目标模型,通过与目标模型进行对抗训练促使编码器学习生成含密对抗扰动,从而使含密图像同时成为攻击隐写分析模型的对抗样本.实验结果表明,所提模型不仅可以实现不依赖载体图像的通用嵌入方式,还进一步提高了隐写的隐蔽性.     

结合视觉感知特性和湿纸编码的视频隐写算法

利用双树复小波变换提取出视频图像的运动特征图、对比敏感图、纹理特征图和场景变化情况,综合确定视觉不敏感点,从而构造出用于嵌入秘密信息的隐写位置图,并结合湿纸编码实现了信息的隐写。算法不需要接收者知道具体的嵌入位置便能够实现信息的提取,避免了重复获得隐写位置图的大量运算,并且不必考虑增加冗余以修正隐写操作引起的隐写位置重新判断误差,提高了提取效率和安全性。实验表明,算法具有较高的嵌入容量和良好的隐写不可见性,可以满足隐蔽通信的要求。     

联合多重对抗与通道注意力的高安全性图像隐写

目的 现有基于对抗图像的隐写算法大多只能针对一种隐写分析器设计对抗图像,且无法抵御隐写分析残差网络(steganalysis residual network,SRNet)、Zhu-Net等最新基于卷积神经网络隐写分析器的检测。针对这一现状,提出了一种联合多重对抗与通道注意力的高安全性图像隐写方法。方法 采用基于U-Net结构的生成对抗网络生成对抗样本图像,利用对抗网络的自学习特性实现多重对抗隐写网络参数迭代优化,并通过针对多种隐写分析算法的对抗训练,生成更适合内容隐写的载体图像。同时,通过在生成器中添加多个轻量级通道注意力模块,自适应调整对抗噪声在原始图像中的分布,提高生成对抗图像的抗隐写分析能力。其次,设计基于多重判别损失和均方误差损失相结合的动态加权组合方案,进一步增强对抗图像质量,并保障网络快速稳定收敛。结果 实验在BOSS Base 1.01数据集上与当前主流的4种方法进行比较,在使用原始隐写图像训练后,相比于基于U-Net结构的生成式多重对抗隐写算法等其他4种方法,使得当前性能优异的5种隐写分析器平均判别准确率降低了1.6%;在使用对抗图像和增强隐写图像再训练后,相比其他4种方法,仍使得当前性能优异的5种隐写分析器平均判别准确率降低了6.8%。同时也对对抗图像质量进行分析,基于测试集生成的2 000幅对抗图像的平均峰值信噪比(peak signal-tonoise ratio,PSNR)可达到39.925 1 dB,实验结果表明本文提出的隐写网络极大提升了隐写算法的安全性。结论 本文方法在隐写算法安全性领域取得了较优秀的性能,且生成的对抗图像具有很高的视觉质量。     

基于图像颜色特征的隐写分析算法

提出基于图像颜色特征的隐写分析算法,该算法利用24位BMP图像的颜色特征,采用攻击的方法,根据原始图像和隐写图像在被攻击前后颜色数目和相近颜色对数目变化的不同,提取特征向量,利用支持向量机进行分类,取得了比较好的检测结果.     

基于JPEG图像结构特征的隐写分析算法

该算法用来检测JPEG图像中是否藏有秘密信息。根据JPEG图像的结构特征,首先提取量化矩阵,然后根据图像与该量化矩阵的关系判断是否含有秘密信息。本文在理论上分析了算法的正确性,并在实验上验证了算法的有效性。     

基于视觉注意机制的异源图像融合

针对融合规则不能真实反映观察者视觉感知特点的问题,提出一种异源图像多尺度融合算法。应用视觉注意机制,计算异源图像间的视觉显著度匹配系数,并根据这一系数对小波变换近似系数进行自适应融合,在小波细节系数融合中使用带有方向连续性检查的选大值方法,采用视觉显著度差对融合算法的视觉保持一致性进行评价。测试结果表明,与传统算法相比,该算法在客观性能指标和主观视觉一致性方面都有所提高。     

综合视觉注意模型的显著性局部特征提取算法研究

图像检索过程中往往会提取大量的局部特征,这将加大图像检索的计算量和复杂度,影响其应用。针对这一问题,提出了一种应用综合视觉注意模型的显著性分析提取局部特征的方法:在图像尺度空间中提取关键点,利用模糊增长技术查找原始图像的显著性区域,计算其综合视觉显著性权值并分类,提取SIFT描述因子,保留最突出的局部特征以提高检索性能。相比于传统的局部特征提取算法,本方法在图像检索精度和检索速度方面都具有明显优势。     

基于Arnold变换的图像信息伪装算法

在对图像以二维Arnold变换置乱的基础上,根据八邻域内像素之间的相关性来确定LSB(最低有效位)的替换方式,提取时只需提取置乱图像的LSB即可。该算法结合了图像置乱技术和改进的LSB嵌入方案,使嵌入的数据获得了抗检测和抗提取的双层安全保障。实验结果表明,该算法能够有效地抵抗RS(Regular Singular)和SPA(Sample Pair Analysis)隐写分析,并保持了图像的直方图统计特征,此外,适用于灰度图像和彩色图像,易于实现。     

基于变步长量化的安全图像隐写

图像隐写通过将信息隐藏在载体图像中进行秘密传送,实现隐蔽通信.提出了VSQS图像隐写算法,利用密钥控制生成高斯序列并取整,用于对经伪随机排列后的图像像素进行变步长量化,根据量化像素与秘密信息之间的关系来修改像素,实现信息的嵌入.同时给出了该算法的一种扩展(称为TLQS隐写).实验结果表明,VSQS和TLQS图像隐写可提供较大的隐藏容量,并能抵抗几种常见的隐写分析方法.     

基于PDF文档作为掩体的信息隐写方法

日前应用极为广泛的PDF文档,发现了其中存在可以用作信息隐写的隐密信道。通过采用以一定的冗余换取安全性的策略,并使用基于混沌模型的随机选择隐写单元的方法,使隐写系统满足Kerckhoffs原理。分析和实验结果表明,该文隐写方法可嵌入任意大小的信息,并保持在PDF阅读器中显示的透明性,具有较好的简单实用性。     

针对图像自适应显示的视觉注意力模型

图像在移动设备上的使用越来越广泛,但是各种不同的显示环境需要对图像进行自适应的显示,针对这个问题作者提出了基于视觉注意力的图像自适应显示的方法,而其基础是针对图像视觉注意力的建模。该文提出了一种有效地描述视觉注意力的模型,区别于把图像作为一个整体进行考虑的方法,把图像分解成一系列的注意力对象,并通过对视觉注意力对象的尺寸估计、区域约束分割、基于区域的显著度计算等步骤确定注意力对象的属性。实验结果证明了该模型的有效性。     

Cropping and Noise Resilient Steganography Algorithm Using Secret Image Sharing

This paper proposes an image steganography scheme, in which a secret image is hidden into a cover image using a SIS （secret image sharing） scheme. Taking advantage of the fault tolerance property of the （k, n）-threshold SIS, where using any k of n shares （k ≤ n）, the secret data can be recovered without any ambiguity. In order to increase the security of the secret information to digital attacks, the proposed steganography algorithm becomes resilient to cropping and impulsive noise contamination using SIS scheme. Among many SIS schemes proposed until now, the Lin and Chan＇s scheme is selected as the SIS, due to its lossless recovery capability of a large amount of secret data. Stego-image quality and hiding capacity depend on the prim number used in polynomial. The proposed scheme is evaluated from several points of view, such as imperceptibility of the stego-image respect to its original cover image using the PSNR, quality of the extracted secret image, robustness of hidden data to cropping operation, impulsive noise contamination and the combination of both attacks. The evaluation results show a high quality of the extracted secret image from the stego-image when it suffered more than 20% cropping and/or high density noise contamination.     

基于局部复杂度和初级视觉特征的自底向上注意信息提取算法

借鉴心理学中有关视觉注意的研究成果,提出了一种新的自底向上的注意信息提取算法.自底向上的注意信息由图像中每个点对应区域的显著性构成,区域的尺度自适应于局部特征的复杂度.新的显著性度量标准综合考虑了局部复杂度、统计不相似和初级视觉特征这3个方面的特性.显著区域在特征空间和尺度空间中同时显著.获取的自底向上的注意信息具有旋转、平移、比例缩放不变性和一定的抗噪能力.以该算法为核心,构建了一个注意模型,将其应用于多幅自然图像的实验证明了算法的有效性.     

几种基于JPEG图像的隐写术比较研究

随着计算机网络的快速发展和应用,信息安全问题日益突出。在这样的情况下,出现了一种隐藏通信技术——隐写术,深入研究Outguess、F5和YASS算法,通过大量样本分析,掌握其算法的本质和加密图像的特点。通过对这几种算法的深入研究和对比,简要对隐写术的发展和应用做了探讨。     

一种基于视觉感知的色彩量化算法

提出一种色彩量化算法.该算法将图像中的区域细分为边缘、内部平滑区域和内部纹理区域3个部分,并根据它们对视觉感知的重要程度赋予不同的量化权重,以达到强化视觉上相对重要的边缘和内部平滑区域、弱化视觉上相对不重要的复杂纹理区域的目的.另外,为了在量化效果和时间性能上取得折衷,对HSV色彩空间固定V值的蜂窝状分割量化算法进行改进,实现一种可在整个色彩空间完成动态分割的量化算法.在保证时间性能比原有算法略有改善的前提下,减少色彩量化的误差.实验结果表明,本文算法只需要为数较少的量化色彩就能达到较好的量化效果,特别适用于基于内容的图像检索等应用场合.