基于时空相关性的视频隐写分析

视频中的扩频嵌入是一种典型的隐写方法,能够抵抗视频压缩、噪声添加等多种攻击。为了有效检测利用该方法嵌入的隐藏信息,将隐写过程建模为加性高斯噪声的叠加过程,分析了噪声叠加对视频序列的时间相关性和空间相关性的影响,提出了基于时空相关性的隐写分析算法。该算法利用视频序列中各帧的四方向差分直方图度量隐写对空间相关性的影响,同时利用相邻帧帧间差分的直方图度量隐写对时间相关性的影响。与现有算法相比,本文算法实现简单,实验结果表明本文算法具有更好的检测性能。     

基于运动矢量相位角和卷积码的大容量视频隐写算法

为提高视频隐写中秘密信息的嵌入容量,提出一种基于运动矢量相位角和卷积码的大容量视频隐写算法。通过研究视频流中每一个帧组里的Ｐ帧和Ｂ帧上的运动信息,将秘密信息经过交织变换,用相位角的值表示不同的数字序列并作为卷积码的基本生成矩阵,使用卷积码来嵌入秘密信息。实验表明,该算法具有嵌入容量大、不可见性好和稳健性强等特点,在保持良好视频质量的前提下,可以达到视频隐写中大容量嵌入的目的。     

基于准三维变换的视频隐写算法

结合离散余弦变换(DCT)的能量压缩能力和离散小波变换(DWT)的多分辨率特性,提出一种基于准三维变换的视频隐写算法。该算法利用二维小波变换描述视频序列的帧内信息,通过一维离散余弦变换描述视频序列的帧间信息,从而有效利用视频序列的空间及时间冗余,将秘密信息嵌入在DCT系数的量化过程中,保证了视频序列的稳定性及秘密信息提取的准确性。实验结果表明,该算法具有较好的视觉不可见性与较高的嵌入容量,且可实现秘密信息的盲提取。     

基于直方图平移的视频密文域大容量可逆信息隐藏

针对视频密文域可逆信息隐藏（RDH）嵌入容量不高的问题,提出一种基于直方图平移的视频密文域大容量可逆信息隐藏方案。首先,利用流密码算法对4×4亮度帧内预测模式和运动矢量差值（MVD）的符号位进行加密,形成视频密文域;其次,构造MVD的二维直方图,设计关于（0,0）对称的直方图平移算法;最后,在MVD密文域中进行直方图平移,实现可分离的视频密文域可逆信息隐藏。实验结果表明,与对比方案相比,所提方案的嵌入容量平均提升263.3%,加密视频的平均峰值信噪比（PSNR）最高不超过15.956 dB,含密的解密视频的平均PSNR均能达到30 dB以上。所提方案可以有效提升嵌入容量,适用于更多类型的视频序列。     

基于矢量直方图迁移的视频加密域可逆隐写方案

针对压缩域视频隐藏算法嵌入容量低、不可见性差的问题,提出了一种H.264/AVC加密域的可逆隐写方案。首先由嵌入容量和载体大小决定参考帧间隔参数,并根据需要决定是否对载体进行加密;然后,根据待嵌视频帧数生成嵌入密钥;最后通过压缩视频中矢量直方图迁移,实现运动矢量上的可逆信息嵌入。所提方案通过指定解码参考帧,克服了由于运动矢量修改而造成的失真累加效应。所提方案兼容基于运动矢量的视频加密算法,视频的解密和信息提取分别依赖解密密钥和嵌入密钥,两者之间相互分离,在视频密文域或者解密后的明文域中均能提取信息并无损恢复视频载体。信息的安全性依赖于嵌入密钥,密钥长度可以根据需要控制,最大长度等于可嵌入信息的帧数。实验表明该方案计算复杂度低,安全度高,并可以根据嵌入负载调整容量和不可见性,与BCH码可逆嵌入方案相比PSNR值提高3~5 dB,平均嵌入容量增加5~10倍。     

以运动矢量残差为载体的视频隐写算法

目的 以运动矢量（MV）为载体的视频隐写算法会破坏同一帧内相邻宏块或者相邻帧相同位置宏块的运动矢量之间的相关性,从而容易被基于运动矢量时空相关性（temporal-spatial correlation）特征的隐写分析算法检测到。为了解决这个问题,在H.264/AVC的视频编解码标准下构建了一种能抵抗基于运动矢量时空相关性隐写分析的视频隐算法。方法 通过分析运动矢量残差（MVD）与运动矢量时空相关性的联系,证明了保持运动矢量残差的统计特征的隐写算法能够很好地保持视频运动矢量的时空相关性;通过分析运动矢量残差的统计特征设置了一种能保持其直方图特征的嵌入规则,使用4个标记符和一个队列来记录修改载体造成的特征改变,并进行相应的补偿操作,将秘密信息嵌入到视频压缩过程中的熵编码之前的运动矢量残差中;结合可变长度的矩阵编码,有效降低了嵌入秘密信息对载体的修改量。结果 实验结果表明,该算法能较好地保持运动矢量残差在隐写前后的直方图特征,具有较好的视觉不可见性,对视频峰值信噪比（PSNR）和码率影响都不超过0.5%,满载嵌入的情况下基于运动矢量时空相关性的隐写分析算法对其的检测正确率只有70%左右。结论 本文算法以运动矢量残差为隐写嵌入的载体,使用保持其直方图特征的嵌入规则,结合了矩阵编码以减低对载体的修改量,能较好抵抗基于运动矢量时空相关性的隐写分析。     

应用五株采样提升算法的抗盲检测图像隐写算法

在分析图像盲检测算法原理的基础上,提出了一种在形态小波高频系数上进行消息嵌入的抗盲检测隐写算法.该算法利用五株采样提升实现图像的小波变换,在大于一定门限的小波高频系数中嵌入消息,并通过建立的嵌入信息表来修正嵌入规则以保持小波系数直方图近似不变,在门限处引入直方图调整策略以减小系数直方图在门限处的变化.由于通用盲检测算法大多基于概率密度函数的变化实现图像隐写的检测,因此本文算法可以获得对通用盲检测算法的抵抗能力.实验结果表明,本文算法在抵抗小波高阶统计量分析、直方图特征函数质心等盲检测算法能力方面,优于LSB匹配、像素值差分等隐写算法.     

基于运动矢量直方图不变的数字视频隐写算法

针对现有基于运动矢量(MV)的数字视频隐写算法对载体直方图统计特性带来较大改变这一问题,提出一种基于运动矢量直方图不变的数字视频隐写算法。利用保持直方图数据映射方法,把秘密信息隐藏在视频运动矢量中;同时,利用数据匹配编码对嵌入之前的秘密信息进行编码处理,得到了与视频运动矢量统计特征基本匹配的数据流,使算法接近于信息论下的完美安全。实验结果表明：算法有效控制了运动矢量直方图的改变,同时码率的增加也被有效地控制在1%以内,隐写分析检出率平均下降了30%~50%。     

基于帧间预测误差扩展的可逆视频水印

为了提高可逆视频水印的嵌入容量和嵌水印视频质量,提出一种使用运动估计和预测误差直方图修改的算法.在嵌入端,根据视频中相邻帧间的内容关系,对每一帧使用运动估计获得其像素的预测误差,生成预测误差直方图,并通过扩展位于直方图峰值点的预测误差来嵌入水印;在每帧的嵌入过程中会产生少量用于提取水印和还原视频的头信息,包括运动向量和边界表等,将其与水印一起嵌入到该帧的参考帧中.在提取端,先获取参考帧中的水印和头信息并还原参考帧,保证提取操作具有正确的上下文,然后根据获取的头信息和还原后的参考帧提取当前帧中的水印.实验结果表明,采用文中算法获得的预测误差直方图具有高度的集中性,并且对像素值的修改十分微小,比其他可逆水印算法具有更大的嵌入容量和更好的嵌水印视频质量.     

基于直方图统计分类隐写检测算法设计

为了提高隐写检测算法的检测性能,提出基于直方图统计分类的隐写检测算法。通过对图片信息的直方图特征参数的提取,使用构建基于人工神经网络的分类模式,实现对嵌入隐写信息的图片准确判定。详细分析基于直方图统计分类隐写算法的设计原理和过程,最后构建实验测试环境。测试结果表明,该隐写检测算法的检测成功率和误检率均优于Ezsteg0检测工具。     

博弈论模型下基于运动矢量的视频隐写算法

针对目前大多数视频隐写算法不满足Kerckhoffs准则进行了研究,在博弈论隐写模型的基础上,提出了一种新的基于运动矢量修改的H.264视频隐写算法.该算法利用人眼视觉特性中对运动矢量的方向和速度特性敏感程度不同计算失真代价函数,再根据博弈论相关理论结合失真代价函数得到每个运动矢量的嵌入概率,实现了一种在理论上满足Kerckhoffs准则的视频隐写算法.实验结果表明,与同类型视频隐写算法相比,在满嵌时该算法的PSNR和SSIM的平均变化值分别降低了18.5％和12％,具有较好的安全性和不可感知性.     

安全的MPEG压缩视频数字隐写算法

视频数字隐写具有隐藏容量大的优点,但是通常在获得隐藏容量的间时,却忽视了安全性.为了在二者之间取得平衡,利用纠错码信息隐藏的原理,提出了一种以压缩视频为载体的数字隐写算法.该算法在进行秘密信息嵌入时,采用了二次嵌入的策略,即首先将秘密信息嵌入到纠错码码字,然后将得到的载密纠错码码字嵌入到与不采用差分编码的系数相对应的行程幅度对的幅度值,同时采用比特率控制策略来减小信息嵌入前后的视频流长度变化.实验及分析表明,该算法的隐写结果不仅具有较好的视觉和统计上的不可感知性,而且满足密码学中的"Kerchhoff准则".此外,该算法在确保一定的嵌入容量的情况下,能够使视频流长度在信息嵌入前后保持近似不变.     

基于预处理的位平面复杂度分割隐写改进算法

位平面复杂度分割(BPCS)隐写易受复杂度直方图攻击,为了弥补这一缺陷,提出了一种基于预处理的改进隐写算法。算法针对载密图像进行统计特征的量化分析,求导出逆向预处理的补偿规则,进而对嵌入信息引起的复杂度变化进行逆向的预处理补偿。实验结果表明,改进的算法在保证隐蔽性的同时具有很好的抗复杂度直方图攻击的能力,由于补偿过程是在隐藏秘密信息之前发生的,算法也较好地保持了BPCS大容量隐写的优点。     

A high capacity multi-image steganography technique based on golden ratio and non-subsampled contourlet transform

Hiding sensitive information in a host image (or 2D signal) is a challenging task. Several image steganography techniques have been proposed in recent years, which either have low embedding capacity, or the embedded images are vulnerable. The proposed technique, which is based on Golden Ratio and Non-Subsampled Contourlet Transform (GRNSCT) model provides both high embedding capacity as well as the confidentiality of the embedded images. The high embedding capacity is achieved via a combination of mosaic process and two level NSCT (Non-Subsampled Contourlet Transform), while confidentiality is attained via double layer encryption based on shuffling method of a deck of cards. Several types of security evaluation metrics, such as, key sensitivity, histogram, and information entropy, are utilized to assess the robustness of the embedded images. The experimental results demonstrate that the proposed multi-image steganography technique achieves 24 bpp (bits per pixel) embedding capacity, or 300% payload with PSNR up to 42.38 dB (decibels), which is better than the existing techniques.