一种基于小波绝对矩的图像lsb匹配隐写的密钥还原方法
【技术领域】
[0001] 本发明设及信息安全技术领域，尤其设及一种基于小波绝对矩的图像LSB匹配隐 写的密钥还原方法。
【背景技术】
[0002] 数字隐写是在图像、视频或音频等多媒体数据的冗余中嵌入秘密信息，W实现隐 蔽通信的一种技术。随着计算机网络和多媒体技术的发展，数字隐写已经成为信息安全领 域的重要技术之一，其可被用于个人和企业间的保密通信。与之同时，企业员工或者政府职 员也可能利用数字隐写将内部信息隐藏于看似正常的数字图像、音频或视频等多媒体数据 中泄露出去，W逃避监管。在众多的隐写方法中，LSB匹配隐写由于其实现简单和隐蔽性强 的特点，已经被推广至多种不同的数字媒体，并发展出许多各具特点的改进版本。因此，对 LSB匹配隐写的取证已经成为取证隐写分析方向的研究重点之一。
[0003] 当前，LSB匹配隐写取证方面的研究，不仅包括LSB匹配隐写的隐密图像检测，还包 括LSB匹配隐写的嵌入率估计和隐密位置估计。其中，LSB匹配隐写的隐密图像检测是当前 LSB匹配隐写取证方面研究的重点，检测方法主要可分为两类:基于通用特征的检测方法和 基于特定特征的检测方法。前者主要利用一些通用盲检测特征(如共生矩阵）训练分类器实 现LSB匹配隐写的隐密图像检测，后者主要利用一些针对LSB匹配隐写的特定隐写检测特征 (如直方图特征函数和小波绝对矩)实现检测。LSB匹配隐写的嵌入率估计的主要方法有最 大似然估计法、基于相邻像素对转移的方法和基于机器学习的方法等。LSB匹配隐写的隐密 位置估计方法主要有基于贝叶斯的隐密位置估计方法和基于小波绝对矩的隐密位置估计 方法。
[0004] 上述方法丰富了 LSB匹配隐写取证的手段，为防止LSB匹配隐写被不法分子滥用提 供了技术支持。然而，隐写取证的最终目的在于恢复嵌入的秘密信息。而很多隐写软件在嵌 入信息时都要根据隐写密钥选取一定数量的像素 W嵌入信息。因此，如何正确还原隐写密 钥已经成为LSB匹配隐写取证中至关重要的一个环节。
【发明内容】
[0005] 本发明的目的是提供一种基于小波绝对矩的图像LSB匹配隐写的密钥还原方法， 能够在已知嵌入位置选取机制，且在嵌入位置仅由隐写密钥确定的前提下判别隐写密钥的 真伪，并确定疑似隐写密钥。
[0006] 本发明采用下述技术方案：
[0007] -种基于小波绝对矩的图像LSB匹配隐写的密钥还原方法，对于密钥空间或者密 钥字典中每个可能的隐写密钥，分别依次执行W下步骤：
[0008] A:设置隐写信息长度估计值L，采用已知的嵌入位置选取机制，根据每个可能的隐 写密钥k生成长度为L的巧聯路径化血，Pathk= ili2…iL，其中ii，i2，…，iL分别为根据可能 的隐写密钥k得到的第1，2，…，L个可能的嵌入位置；
[0009] B:采用小波绝对矩剩余计算方法计算待检测图像中每个位置的小波绝对矩剩余， 然后分别计算位于待检测图像中测试路径内的所有位置的小波绝对矩剩余的绝对平均值 馬W及待检测图像中位于测试路径外的所有位置的小波绝对矩剩余的绝对平均值環;：
[0010] C:计算位于测试路径内的所有位置的小波绝对矩剩余的绝对平均值和位于测 试路径外的所有位置的小波绝对矩剩余的绝对平均值馬的差值dk，=馬-瑪；
[0011] D:从计算得到的多个可能的隐写密钥所对应的差值dk中，选取1个或多个最大的 差值dk所对应的隐写密钥作为还原的疑似隐写密钥。
[0012] 所述的步骤B中，位于测试路径内的所有位置的小波绝对矩剩余的绝对平均值馬 的计算方法如下：
[0013] Bll:采用滤波器对待检测图像进行一级小波分解，得到低频子带、水平子带H、垂 直子带V和对角子带D;
[0014] B12:基于N个不同尺寸的窗口分别计算水平子带H、垂直子带V和对角子带D中每个 位置i的局部方差的最大后验概率估计VI，计算公式如下：
[0015] -
- - - (1)
[0016] 其中?表示小波子带W中W第i个位置的系数为中屯、的NXN邻域中所有系数的 平方均值，胖￡化，￥，〇}，^7含二0. 5;
[0017] B13:将低频子带置0,对水平子带H、垂直子带V和对角子带D的每个系数进行 quasi-Wiener 滤波：
[001引
但)
[0019]其中，Rw,康示经过滤波后的小波子带W的第i个位置的系数，W康示滤波前的小波 子带W的第i个位置的系数；
[0020] B14:将步骤B13中得到的系数Rw,1逆小波变换至空域，将变换后每个位置的值作为 对应位置的小波绝对矩剩余ri;
[0021] B15:求得测试路径内的所有位置的小波绝对矩剩余的绝对平均值馬。
[0022] 所述的步骤B中，位于测试路径外的所有位置的小波绝对矩剩余的绝对平均值巧 的计算方法如下：
[0023] B21:采用滤波器对待检测图像进行一级小波分解，得到低频子带、水平子带H、垂 直子带V和对角子带D;
[0024] B22:基于N个不同尺寸的窗口分别计算水平子带H、垂直子带V和对角子带D中每个 位置i的局部方差的最大后验概率估计VI，计算公式如下：
[0025] 巧料' =max化 min(，布，? V杳.Z''，'，'去.，）) !
[0026] 其中v^^，，表示小波子带W中W第i个位置的系数为中屯、的NXN邻域中所有系数的 平方均值，we化，V，D}，巧号=0,百；
[0027] B23:将低频子带置0,对水平子带H、垂直子带V和对角子带D的每个系数进行 quasi-Wiener 滤波：
[002引
；
[0029] 其中，其中，Rw,1表示经过滤波后的小波子带W的第i个位置的系数，Wi表示滤波前 的小波子带W的第i个位置的系数；
[0030] B24:将步骤B23中得到的系数Rw,1逆小波变换至空域，将变换后每个位置的值作为 对应位置的小波绝对矩剩余ri;
[0031] B25:求得位于测试路径外的所有位置的小波绝对矩剩余的绝对平均值瑪。
[0032] 采用8-化P化Ubechies滤波器对待检测图像进行一级小波分解。
[0033] 采用4个不同尺寸的窗口分别计算水平子带H、垂直子带V和对角子带D中每个位置 i的局部方差的最大后验概率估计VI。
[0034] 本发明对密钥空间或者密钥字典中每个可能的密钥，首先生成长度为L的测试路 径，然后利用小波绝对矩剩余计算方法分别计算位于待检测图像中测试路径内的所有位置 的小波绝对矩剩余的绝对平均值馬W及待检测图像中位于测试路径外的所有位置的小波 绝对矩剩余的绝对平均值巧，最终根据它们的差值為=馬-巧确定判别隐写密钥的真 伪，极大地提高了隐写密钥真伪判断的效率和准确度。
【附图说明】
[0035] 图1为本发明的流程示意图。
【具体实施方式】
[0036] W下结合附图和实施例对本发明作W详细的描述：
[0037] 如图1所示，本发明所述的基于小波绝对矩的图像LSB匹配隐写的密钥还原方法， 对于密钥空间或者密钥字典中每个可能的隐写密钥，分别依次执行W下步骤：
[0038] A:设置隐写信息长度估计值L，采用已知的嵌入位置选取机制，根据每个可能的隐 写密钥k生成长度为L的测试路径化血，化thk=ili2…iL，其中il，i2,…，iL分别为根据可能 的隐写密钥k得到的第1，2，…，L个可能的嵌入位置。
[0039] B:采用小波绝对矩剩余计算方法计算待检测图像中每个位置的小波绝对矩剩余， 然后分别计算位于待检测图像中测试路径内的所有位置的小波绝对矩剩余的绝对平均值 运W及待检测图像中位于测试路径外的所有位置的小波绝对矩剩余的绝对平均值巧。
[0040] 所述的步骤B中，位于测试路径内的所有位置的小波绝对矩剩余的绝对平均值馬 的计算方法如下：
[0041] Bll:采用滤波器对待检测图像进行一级小波分解，得到低频子带、水平子带H、垂 直子带V和对角子带D;滤波器可采用8-化P化ubechies滤波器。
[0042] B12:基于N个不同尺寸的窗口分别计算水平子带H、垂直子带V和对角子带D中每个 位置i的局部方差的最大后验概率估计VI，计算公式如下：
[00创 V巧'!' = n獄(0, min(Vj)!/.V再，V心.,1 在.)巧^) (1)
[0044] 其中V#，,?表示小波子带W中W第i个位置的系数为中屯、的NXN邻域中所有系数的 平方均值，We化，V，D}，化5;本实施例中，可采用4个不同尺寸的窗口。
[0045] B13:将低频子带置0,对水平子带H、垂直子带V和对角子带D的每个系数进行 quasi-Wiener 滤波：
[0046]
恒）
[0047] 其中，Rw,1表示经过滤波后的小波子带W的第i个位置的系数，Wi表示滤波前的小波 子带W的第i个位置的系数；
[004引B14:将步骤B13中得到的系数Rw,1逆小波变换至空域，将变换后每个位置的值作为 对应位