一种基于同频子图滤波的JPEG图像隐写信息定位方法与流程
本发明涉及信息安全技术领域，尤其涉及一种基于同频子图滤波的jpeg图像隐写信息定位方法。
背景技术：
目前，数字隐写是在数字图像、视频、音频和文本等多媒体数据的冗余中嵌入信息，以实现秘密通信的一种技术。针对不同的应用场景，研究者们已经提出了许多各具特点的隐写算法。这些隐写算法既可用于正常的安全通信，也容易被不法分子用窃取物联网隐私、商业机密等，以躲避安全防护。因此，为了保护物联网的安全和隐私，开展反向的隐写分析技术研究十分必要。
目前，针对以图像为载体的隐写算法，已经提出了一系列性能优异的隐写检测算法。这些隐写检测算法不仅能够较为准确的判断传统隐写的隐密图像，还能有效区分新型自适应隐写的隐密图像，甚至可估计出隐写嵌入的信息比率或对载体的更改比率。理论上，对于一个隐写系统，隐写分析者只要能够以超过随机猜测的概率正确区分载体和隐密对象，就认为该隐写系统已被攻破。然而，实际上，取证者通常并不满足于能够检测出隐密对象，更期待能够正确提取出嵌入的秘密信息。与隐密对象检测相比，隐写信息的提取要困难得多，很多时候不仅需要知道嵌入的信息长度和隐写位置选取机制，往往还需要知道嵌入的位置信息。
由于顺序隐写将隐写信息顺序的嵌入在载体的局部区域，含隐写信息的局部区域与其他区域的统计特性将出现明显差别。因此，早期隐写信息定位方面的研究主要集中于顺序隐写。研究者们针对顺序的空域最低有效位(leastsignificantbit,lsb)替换隐写、扩频隐写和jsteg隐写等，陆续提出了多种隐写信息定位方法，如卡方检验方法、局部色调一致性方法、连续概率比检验与优化累加和方法、带权隐密图像优化方法、jpeg分块不连续性序列突变点估计方法等等。
与顺序隐写相比，随机隐写将隐写信息随机散布在整个载体，载体中不会出现统计特性明显异常的局部区域，这给随机隐写的隐写信息定位带来了困难。因此，早期对随机隐写的信息定位方面的研究很少，而且性能较差。如：2004年davidson和paul借鉴数据挖掘中异常点检测的思想，将隐密像素定位问题看作基于能量的图像异常点检测，提出了基于异常点检测的空域隐写信息定位算法，该算法对隐密位置判定的误差较大，而且对纹理复杂区域的隐密像素定位结果几乎无效；ambalavanan和chandramouli用markov随机场对图像进行建模，利用图像与统计力学系统间的相似性，提出了基于贝叶斯估计的空域隐写信息定位算法，该算法对于lsb替换和lsb匹配隐写等对载体更改较小的隐写将失效。
2008年，ker等首次在拥有多幅嵌入位置相同隐密图像的条件下，提出了基于带权隐密残差的空域lsb替换隐写的信息定位算法。之后，在该条件下，研究者们提出了多种具有较高定位准确率的隐写信息定位算法。如：chiew和pieprzyk结合像素所在分块的局部熵对ker所提出的方法进行了改进，提出了基于带权隐密残差和局部熵的二值图像替换隐写的信息定位算法；ker和lubenko通过对隐密图像进行小波滤波，并将得到的小波残差逆变换为空域残差，提出了基于小波滤波的空域lsb匹配隐写的信息定位算法；quach利用隐markov模型对载体图像进行建模，然后利用viterbi译码算法寻找载体图像的最优估计，提出了基于最大后验概率估计的lsb替换和lsb匹配隐写的信息定位算法；之后quach又利用markov随机场模型对载体图像进行建模，然后利用二次伪二进制优化算法(quadraticpseudo-binaryoptimization，qpbo)寻找载体图像的最优估计，提出了基于最大后验概率(maximumaposteriori，map)的lsb替换和lsb匹配隐写的信息定位算法；gui等通过4邻域均值和沿8个不同方向的map估计得到9幅估计的载体图像，融合它们对应的残差提高了基于map的隐写信息定位算法对lsb匹配隐写的信息定位精度；liu等通过对隐密图像进行jpeg压缩再解压，较为准确地估计出遭受过jpeg压缩的空域载体图像，提出基于jpeg重压缩的lsb替换和lsb匹配隐写信息定位算法，以很高的精度定位出隐写信息。；yang等分析证明了最低多位替换隐写的最优隐密子集性质，利用小波滤波估计载体图像，提出了基于最优隐密子集的最低多位(multipleleastsignificantbits,mlsb)替换隐写的信息定位算法。与早期的隐写信息定位算法相比，上述算法对随机隐写信息的定位精度有了很大提高，在一些特定条件下，部分算法已经被用于估计组奇偶隐写的分组和确定随机隐写的隐密像素嵌入顺序，甚至被用于恢复隐写密钥，实现隐写信息的提取。然而，上述算法都只是针对以空域图像为载体的lsb替换、lsb匹配和mlsb替换隐写。
jpeg是国际上第一个数字图像压缩标准，也是至今一直在使用的、应用最广的图像压缩标准。根据该标准压缩生成的jpeg图像是目前应用最为广泛的图像格式。
实际上，互联网上jpeg图像的应用更为广泛，jpeg图像隐写和隐写分析已经成为信息隐藏领域研究的热点。
jpeg压缩的主要过程如下所示。首先将图像转换至ycbcr颜色空间，如当压缩前的图像为r、g、b三颜色空域图像，将其转换为用y、cb、cr三颜色表示。其次，根据设置的采样方式对色度和饱和度进行下采样。如当设置的采样方式为yuv411或yuv422时，对y、cb、cr三个分量采取4:1:1或者4:2:2的比例采样。然后，将采样后的每个分量分成8×8的不重叠分块。接着，将每个8×8分块中的数据减去128，并对其进行离散余弦变换(dct)。再利用设置的量化表对变换得到的每个8×8的dct系数分块进行量化。最后，将量化后的dct系数进行哈弗曼编码，得到jpeg图像。jpeg解压缩是jpeg压缩的逆过程。
以jpeg图像为载体的随机隐写，是从jpeg图像中随机选取量化后的dct系数，然后将信息嵌入其中。在这里可将其描述为先根据给定的隐写密钥对jpeg图像中量化后的dct系数进行伪随机置乱，再从置乱后的系数序列中按顺序选取一定数量的系数嵌入信息。由于有的jpeg图像隐写算法认为部分特定位置或特定取值的系数不可用于嵌入信息，在置乱时可能仅将可嵌入信息的系数进行置乱。因此，根据伪随机置乱时是否剔除不可嵌入系数，可将jpeg图像随机隐写中的嵌入位置选取方法分为两类：剔除不可嵌入系数的伪随机置乱方法和未剔除不可嵌入系数的伪随机置乱方法。
当jpeg图像隐写采用未剔除不可嵌入系数的伪随机置乱方法时，以典型的jsteg隐写为例，嵌入过程如下所示。
(1)对jpeg图像进行哈弗曼解码，或者对空域图像进行jpeg压缩至对dct系数量化后，得到量化后的dct系数；
(2)根据隐写密钥对整幅jpeg图像中所有量化后的dct系数进行置乱，得到置乱后的dct系数矩阵；
(3)从置乱后的dct系数矩阵中依次选取系数，对于选取的系数执行下列操作：
1)若当前选取的系数为dct系数或取值为0、1的ac系数等jsteg隐写的不可嵌入系数，则认为该系数不可嵌入信息，将其跳过，选取下一系数；
2)若当前选取的系数为jsteg隐写的可嵌入系数，用秘密信息中当前待嵌入的比特替换选取的系数的最低有效位，选取下一系数，并读取下一比特待嵌入信息。
3)当秘密信息嵌入结束，或者选取的系数占所有系数的比率超过一定阈值，嵌入结束。
(4)将嵌入信息后的系数矩阵逆置乱；
(5)将隐密系数矩阵进行哈弗曼编码，生成隐密jpeg图像。
研究者们已经提出了很多以jpeg图像为载体的隐写算法，并设计了很多有效的隐写检测算法。但由于jpeg图像中dct系数间较弱的相关性，载体图像的准确估计较为困难。而且很难将多幅隐密图像中的隐密位置进行对齐，得到不同隐密图像中都隐藏信息的位置，或者都不隐藏信息的位置。这些原因使得目前尚未见到jpeg图像隐写的信息定位算法。
技术实现要素：
本发明的目的是提供一种基于同频子图滤波的jpeg图像隐写信息定位方法，能够对jpeg图像的隐密位置估计，从而实现jpeg图像隐写信息定位。
本发明采用的技术方案为：
一种基于同频子图滤波的jpeg图像隐写信息定位方法，包括以下步骤：
a：对于给定的t幅嵌入位置相同的待检测隐密图像，采用基于同频子图滤波的载体jpeg图像估计方法，估计出每幅待检测隐密图像对应的载体jpeg图像每个位置中量化后的dct系数，得到载体jpeg图像每个位置的估计dct系数；
b：计算每幅待检测隐密图像中每个位置的实际dct系数与所述的估计dct系数之间的残差；若某幅待检测隐密图像中某个位置的实际dct系数为不可嵌入系数，则将该幅隐密图像中该位置的残差置0；
c：将所有隐密图像相同位置的残差进行求均值,得到待检测隐密图像的每个位置的残差均值；
d：根据每个位置的残差均值，对其是否为隐密位置进行判断，从而判断出所有隐密的实际dct系数的位置；对于一幅隐密图像，若某个实际dct系数所在位置为估计的隐密位置，且该实际dct系数为可嵌入系数，则该实际dct系数被判定含嵌入的秘密信息，判定该实际dct系数所在位置为隐密位置。
具体的，所述的步骤a具体包括以下步骤：
a1：将待检测隐密图像进行哈弗曼解码，得到量化后的实际dct系数组成的矩阵s；
其中，m表示待检测隐密图像的高，n表示待检测隐密图像的宽，m和n均为8的整倍数；sp,q为矩阵s中第p+1行，q+1列的实际dct系数，即为待检测隐密图像的(p,q)位置的量化后实际dct系数，0≤p≤m-1，0≤q≤n-1；
a2：将矩阵s进行隐密图像同频子图划分；将矩阵s中所有8×8分块相同频谱，即待检测隐密图像的8×8分块中相同位置的实际dct系数进行组合，对于8×8分块中64个不同的位置，共得到64幅隐密图像同频子图，s(i,j)表示8×8分块中(i,j)位置处的隐密图像同频子图，0≤i≤7,0≤j≤7；
其中
a3：利用低通滤波器对64幅隐密图像同频子图进行低通滤波flow(s(i,j)),得到估计的量化后载体图像同频子图
其中
a4：将载体图像同频子图进行组合，得到估计的载体jpeg图像；将载体图像同频子图中的估计dct系数，置于对应的实际dct系数所在的位置，得到载体jpeg图像中每个位置的估计dct系数：
其中
具体的，所述的步骤a3具体包括以下步骤：
a3.1：对待检测隐密图像中的所有同频子图分别进行小波分解：使用8-tapdaubechies滤波器对隐密图像同频子图s(i,j)进行分解，得到隐密图像同频子图s(i,j)的四个子带，所述的四个子带包括低频子带l、水平子带h、垂直子带v和对角子带d；
l(x,y),表示隐密图像同频子图s(i,j)的低频子带l中(x,y)位置的小波系数值，h(x,y)表示隐密图像同频子图s(i,j)的水平子带h中(x,y)位置的小波系数值，v(x,y)表示隐密图像同频子图s(i,j)的垂直子带v中(x,y)位置的小波系数值，d(x,y)表示隐密图像同频子图s(i,j)的对角子带d中(x,y)位置的小波系数值，1≤x≤he,1≤y≤wi，he表示四个子带中任一子带的高，wi表示四个子带中任一子带的宽；
a3.2：分别在隐密图像同频子图s(i,j)的水平子带h、垂直子带v和对角子带d中进行最小局部方差求解：利用公式(5)，在水平子带h、垂直子带v和对角子带d，利用4个正方形d×d邻域的最大后验估计，得到载体图像同频子图每个小波系数的局部方差；
其中
a3.3：利用维纳滤波器分别对水平子带h、垂直子带v和对角子带d的小波系数进行低通滤波：
hlow(x,y)表示低通滤波后的水平子带hlow中(x,y)位置的估计系数值；
vlow(x,y)表示低通滤波后的垂直子带vlow中(x,y)位置的估计系数值；
dlow(x,y)表示低通滤波后的对角子带dlow中(x,y)位置的估计系数值；
a3.4：将低频子带l和低通滤波后的水平子带hlow、低通滤波后的垂直子带vlow、低通滤波后的对角子带dlow进行逆小波变换，得到载体图像中估计dct系数。
本发明将jpeg图像中各8×8分块相同位置的系数进行组合，得到64幅隐密图像同频子图，然后对各个隐密图像同频子图低通滤波，估计载体图像同频子图，从而估计载体jpeg图像，得到载体jpeg图像的dct系数的估计；接着计算多幅嵌入路径和嵌入率都相同的待检测隐密图像中每个位置的残差均值，根据残差均值实现隐密位置估计，并在计算残差时考虑jpeg图像隐写时不在特定系数中嵌入信息的特点，显著提高对jsteg隐写的隐密位置定位准确率。
附图说明
图1为本发明的方法流程图；
图2为本发明的方法示意图；
图3为本发明的载体jpeg图像估计方法示意图；
图4为本发明的隐密图像同频子图划分方法示意图；
图5为本发明t幅嵌入路径和嵌入率都相同的隐密图像示意图；
具体实施方式
如图1和图2所示，本发明所述的基于同频子图滤波的jpeg图像隐写信息定位方法，包括以下步骤：
a：对于给定的t幅嵌入位置相同的待检测隐密图像，采用基于同频子图滤波的载体
jpeg图像估计方法，估计出每幅待检测隐密图像对应的载体jpeg图像每个位置中量化后的dct系数，得到载体jpeg图像每个位置的估计dct系数，即得到估计的载体
jpeg图像。
具体的，如图3所示，所述的步骤a具体包括以下步骤，
a1：将待检测隐密图像进行哈弗曼解码，得到量化后的实际dct系数组成的矩阵s；
其中，m表示待检测隐密图像的高，n表示待检测隐密图像的宽，m和n均为8的整倍数；sp,q为矩阵s中第p+1行，q+1列的实际dct系数，即为待检测隐密图像的(p,q)位置的量化后实际dct系数，0≤p≤m-1，0≤q≤n-1；
a2：将矩阵s进行隐密图像同频子图划分；将矩阵s中所有8×8分块相同频谱，即待检测隐密图像所有8×8分块相同位置的实际dct系数进行组合，对于8×8分块中64个不同的位置，共得到64幅隐密图像同频子图，s(i,j)表示8×8分块中(i,j)位置处的隐密图像同频子图，0≤i≤7,0≤j≤7；
其中
a3：利用低通滤波器对64幅隐密图像同频子图进行低通滤波flow(s(i,j)),得到估计的量化后载体图像同频子图
设定步骤a2中s(i,j)的k+1行，l+1列的实际dct系数为si+8k,j+8l，步骤a3中
a4：将载体图像同频子图进行组合，得到估计的载体jpeg图像；将载体图像同频子图中的估计dct系数，置于对应的实际dct系数所在的位置，得到载体jpeg图像中每个位置的估计dct系数：
jpeg图像中每个8×8的实际dct系数分块的不同位置代表了不同的频谱，每个位置的系数代表了不同频谱上的能量。(0,0)位置的系数为直流系数dc，其它位置的系数为交流系数ac，左上角位置的系数为低频系数，右下角位置的系数为高频系数。因为jpeg图像中相邻的8×8分块的图像内容间通常具有较强的相关性，所以量化后的dct系数矩阵中相邻8×8分块中相同频谱能量，即相同位置系数间也具有较强的相关性。因此，应当可通过将jpeg图像中所有8×8分块相同频谱，即相同位置的系数进行组合，得到64幅隐密图像同频子图，然后对各个隐密图像同频子图低通滤波，实现载体jpeg图像的估计，从而解决了载体jpeg图像难以获得的问题。
b：计算每幅待检测隐密图像中每个位置的实际dct系数与所述的估计dct系数之间的残差；若某幅待检测隐密图像中某个位置的实际dct系数为不可嵌入系数，则将该幅隐密图像中该位置的残差置0；
c：将所有隐密图像相同位置的残差进行求均值,得到待检测隐密图像的每个位置的残差均值；
d：根据每个位置的残差均值，对其是否为隐密位置进行判断，从而判断出所有隐密的实际dct系数的位置；对于一幅隐密图像，若判断出某个实际dct系数所在位置为估计的隐密位置，且该实际dct系数为可嵌入系数，则该实际dct系数被判定含嵌入的秘密信息，判定该实际dct系数所在位置为隐密位置。
当采用未剔除不可嵌入系数的伪随机置乱方法选取嵌入位置时，对于t幅嵌入路径和嵌入率都相同的待检测隐密图像s1,s2,…,st，相同位置(i,j)的实际dct系数s1(i,j),s2(i,j),…,st(i,j)应属于如图5所示的下列两种情况之一。图5中黑方块表示不可嵌入系数，白方块表示未嵌入信息的可嵌入系数，网格方块表示嵌入信息的可嵌入系数，圆圈中数字表示系数在置乱前图中的位置。
1)当位置(i,j)是隐密位置时，隐写者将根据系数是否可嵌入来确定是否嵌入信息，此时s1(i,j),s2(i,j),…,st(i,j)属于第一种情况：s1(i,j),s2(i,j),…,st(i,j)中任一系数st(i,j)要么是不可嵌入系数，要么是嵌入信息的隐密系数；
2)当位置(i,j)是非隐密位置时，不管系数是否可嵌入，隐写者都将不在其中嵌入信息，此时s1(i,j),s2(i,j),…,st(i,j)属于第二种情况：s1(i,j),s2(i,j),…,st(i,j)中任一系数st(i,j)都是未嵌入信息的非隐密系数。
因此，对于每一幅待检测隐密图像，若判断出某个实际dct系数所在位置为估计的隐密位置，且该实际dct系数为可嵌入系数，则该实际dct系数被判定含嵌入的秘密信息，判定该实际dct系数所在位置为隐密位置。
本实施例中，步骤a3所述的低通滤波flow(s(i,j)),具体采用小波滤波的方式，得到估计的量化后dct系数子图
所述的步骤a3具体包括以下步骤：
a3.1：对待检测隐密图像的每幅同频子图中的实际dct系数进行小波分解：使用8-tapdaubechies滤波器对隐密图像同频子图s(i,j)进行分解，得到隐密图像同频子图s(i,j)的四个子带，所述的四个子带包括低频子带l、水平子带h、垂直子带v和对角子带d；
l(x,y),表示隐密图像同频子图s(i,j)的低频子带l中(x,y)位置的小波系数值，h(x,y)表示隐密图像同频子图s(i,j)的水平子带h中(x,y)位置的系数值，v(x,y)表示隐密图像同频子图s(i,j)的垂直子带v中(x,y)位置的小波系数值，d(x,y)表示隐密图像同频子图s(i,j)的对角子带d中(x,y)位置的小波系数值，1≤x≤he,1≤y≤wi，he表示四个子带中任一子带的高，wi表示四个子带中任一子带的宽；
a3.2：分别在隐密图像同频子图s(i,j)的水平子带h、垂直子带v和对角子带d中进行最小局部方差求解：利用公式(5)，在水平子带h、垂直子带v和对角子带d，利用4个正方形d×d邻域的最大后验估计，得到载体图像同频子图每个小波系数的局部方差；
a3.3：利用维纳滤波器分别对水平子带h、垂直子带v和对角子带d的小波系数进行低通滤波：
hlow(x,y)表示低通滤波后的水平子带hlow中(x,y)位置的估计系数值；
vlow(x,y)表示低通滤波后的垂直子带vlow中(x,y)位置的估计系数值；
dlow(x,y)表示低通滤波后的对角子带dlow中(x,y)位置的估计系数值；
a3.4：将低频子带l和低通滤波后的水平子带hlow、低通滤波后的垂直子带vlow、低通滤波后的对角子带dlow进行逆小波变换，得到载体图像中估计dct系数。
以下对步骤d中的，根据每个位置的残差均值，对其是否为隐密位置进行判断进行论证：
令c1,c2,…,ct表示t幅待检测隐密图像s1,s2,…,st对应的载体图像，st表示第t幅待检测隐密图像，ct表示第t幅待检测隐密图像对应的载体图像，p0表示s1(i,j),s2(i,j),…,st(i,j)中不可嵌入系数的比率，p1表示s1(i,j),s2(i,j),…,st(i,j)中可嵌入系数的比率，st(i,j)表示第t幅待检测隐密图像(i,j)位置实际dct系数，ct(i,j)表示第t幅待检测隐密图像对应的载体图像(i,j)位置的dct系数，r(i,j)表示(i,j)位置上所有待检测隐密图像和载体图像的dct系数绝对差值的均值，即(i,j)位置的待检测隐密图像的实际dct系数和对应的载体图像的dct系数之间的残差
1≤t≤t；
当隐写嵌入的信息为伪随机信息，且对每个可嵌入系数的平均修改幅度为α时，若位置(i,j)是隐密位置，则(i,j)位置系数绝对差值的均值r1(i,j)≈p1α。
若位置(i,j)是非隐密位置，则(i,j)位置系数绝对差值的均值r0(i,j)＝0。
由r1(i,j)和r0(i,j)可见，隐密位置和非隐密位置载体图像和待检测隐密图像相同位置系数绝对差值的均值存在明显差异，因此，可以根据每个位置的残差均值，判断出该位置是否为隐密位置。
具体的，所述的步骤b中，在估计得到每幅待检测隐密图像对应的载体图像后，对于每幅待检测隐密图像中每个位置的实际dct系数与所述的估计dct系数之间的残差，既可以采用公式(7)中求取绝对值的方法计算，也可根据隐写算法对实际dct系数的更改方式，采用其它合适的方法计算。
以典型的jsteg隐写为例，该隐写通过替换可嵌入系数的lsb嵌入信息。现有空域lsb替换隐写信息定位方面的研究结果表明，ws(weightedstego-image)残差根据lsb替换时对样本更改的不对称性(即只能将偶数加1，将奇数减1)调整差值符号，在lsb替换隐写信息定位中表现出优异的性能。因此，能够将其应用于jsteg隐写时本发明步骤b中残差的计算，并根据系数是否可嵌入对其进行调整。由于jsteg隐写将值为0和1的系数，以及dc系数视为不可嵌入系数，因此每幅待检测隐密图像的jsteg隐写的ws残差计算公式如下：
其中，rt(i,j)表示采用jsteg隐写的隐密图像，所有待检测隐密图像和估计的载体图像对中，(i,j)位置实际dct系数与估计dct系数绝对差值的均值，即(i,j)位置实际dct系数与估计dct系数之间的ws残差；
st表示第t幅隐密图像；
st(i,j)表示第t幅待检测隐密图像(i,j)位置的实际dct系数，
mod(i,8)表示计算i除以8的余数。
以下对本发明所述的jpeg图像隐写信息定位方法进行实验。
本实施例在matlab中将来自bossbase1.0图像库的10000幅512x512的pgm格式图像，以质量因子75进行jpeg压缩，得到10000幅jpeg图像。然后从10000幅载体jpeg图像中随机选取非零系数数量在30000～50000之间的1000幅载体图像。再利用randperm函数对1～512x512的整数进行置乱，得到伪随机路径path。最后，从1000幅载体jpeg图像中选取位于伪随机路径path前部的比率为q∈{0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9}的可嵌入系数，利用jsteg隐写在选取的系数中嵌入伪随机信息，分别生成10个不同嵌入比率的测试隐密图像集。
下面将以生成的10个隐密图像集为样本，测试本文所提出算法的有效性，并比较其与其它算法的性能。
为了测试采用同频子图滤波和式(8)给出的jsteg隐写ws残差的优势，对全图的系数进行低通小波滤波，以本发明中对隐密图像同频子图进行小波滤波；然后，分别计算式(8)给出的jsteg隐写的ws残差和未将不可嵌入位置残差置0的原始ws残差，实现两种不同残差计算方式下的jsteg隐写信息定位算法。最后，比较两种基于同频子图滤波的jsteg隐写信息定位算法(sfsw-jsteg和sfs4-jsteg)与基于全图系数小波滤波的隐写信息定位算法(wiw-jsteg和wiw)的性能差异。
sfsw-jsteg(同频子图小波滤波+jsteg隐写不可嵌入系数的残差置0)：采用同频子图小波滤波估计载体dct系数，然后在计算待检测隐密图像的实际dct系数和估计的载体图像dct系数之间的jsteg隐写的残差时将不可嵌入系数的残差置0，最后根据所有待检测图像同一位置残差的平均值实现隐写信息定位。
sfs4-jsteg(同频子图4邻域滤波+jsteg隐写不可嵌入系数的残差置0)：采用同频子图4邻域滤波估计载体dct系数，然后在计算待检测隐密图像的实际dct系数和估计的载体图像dct系数之间的jsteg隐写的残差时将不可嵌入系数的残差置0，最后根据所有待检测图像同一位置残差的平均值实现隐写信息定位。
wiw-jsteg(全图空域小波滤波+jsteg隐写不可嵌入系数的残差置0)：对全图的实际dct系数进行小波滤波估计出载体dct系数，然后在计算待检测隐密图像的实际dct系数和估计的载体图像dct系数之间的jsteg隐写的残差时将不可嵌入系数的残差置0，最后根据所有待检测图像同一位置残差的平均值实现隐写信息定位。
wiw(全图系数小波滤波+未将jsteg隐写不可嵌入系数的残差置0)：对全图的实际dct系数进行小波滤波估计出载体dct系数，然后在计算待检测隐密图像的实际dct系数和估计的载体图像dct系数之间的jsteg隐写的残差时不将不可嵌入系数的残差置0，最后根据所有待检测图像同一位置残差的平均值实现隐写信息定位。
表1给出四种不同的隐写信息定位算法sfsw-jsteg、sfs4-jsteg、wiw-jsteg和wiw对不同数量嵌入率q＝0.5的隐密图像中的隐密位置(即嵌入路径前50％位置)的定位准确率。
表2给出不同嵌入率下，四种不同的隐写信息定位算法sfsw-jsteg、sfs4-jsteg、wiw-jsteg和wiw对1000幅嵌入路径和嵌入率都相同的隐密图像中隐密位置的定位准确率。从表1和表2中可看出，四种算法都能以超过随机猜测的正确率定位出隐密位置，而且随着拥有的隐密图像数量的增多和嵌入率的变大，对隐密位置定位的正确率明显提高。两种基于同频子图滤波的jsteg隐写信息定位算法对隐密位置的定位正确率明显高于基于全图系数小波滤波的隐写信息定位算法。尤其是基于同频子图小波滤波的jsteg隐写信息定位算法sfsw-jsteg表现得最为优秀。而基于全图系数小波滤波的隐写信息定位算法wiw的性能最差，这一方面是因为jpeg图像中相邻位置系数间的相关性较弱，使得通过全图系数小波滤波对载体图像系数的估计精度较差；另一方面是因为wiw算法未能考虑jsteg隐写的特点，未将jsteg隐写不可嵌入系数的残差置0。
表1在不同隐密图像数量下四种隐写信息定位算法的准确率
表2在不同嵌入率下四种隐写信息定位算法对1000幅图像中隐密位置定位的准确率
- 还没有人留言评论。精彩留言会获得点赞！