[發(fā)明專利]基于多尺度LTP特征的隱寫分析方法和隱寫分析裝置

有效

• 申請?zhí)枺?/td>: 201610222066.4
• 申請日: 2016-04-11
• 公開（公告）號: CN107292315B
• 公開（公告）日: 2021-02-05
• 發(fā)明（設計）人: 林秋燕;李曉龍;郭宗明
• 申請（專利權(quán)）人: 北京大學;北大方正集團有限公司;北京北大方正電子有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 北京友聯(lián)知識產(chǎn)權(quán)代理事務所(普通合伙) 11343
• 代理人: 尚志峰;汪海屏

本發(fā)明提供了一種基于多尺度LTP特征的隱寫分析方法和隱寫分析裝置，其中，隱寫分析方法包括：基于貪心算法選擇用于計算多尺度LTP圖像特征的特征參數(shù)，以得到包含多組特征參數(shù)的參數(shù)集合，所述參數(shù)集合中的每組特征參數(shù)包括濾波器參數(shù)，以及以載體圖像中的任一像素點為起始點的路徑參數(shù)；根據(jù)所述每組特征參數(shù)，計算得到一組多尺度LTP圖像特征，以得到對應于所述參數(shù)集合的多組多尺度LTP圖像特征，并將所述多組多尺度LTP圖像特征進行組合，以生成載體圖像的圖像特征；通過支持向量機算法對所述載體圖像的圖像特征進行分析，以確定所述載體圖像中是否有隱藏的信息。本發(fā)明提出了更加適用于隱寫分析技術(shù)的多尺度LTP特征，提高了對載體圖像的檢測準確率。

技術(shù)領(lǐng)域

本發(fā)明涉及信息技術(shù)領(lǐng)域，具體而言，涉及一種基于多尺度LTP特征的隱寫分析方法和一種基于多尺度LTP特征的隱寫分析裝置。

背景技術(shù)

信息隱藏技術(shù)是一項利用多媒體數(shù)據(jù)載體進行數(shù)字隱藏的信息處理方法，廣泛應用于軍事、政治、商業(yè)等領(lǐng)域中。圖像隱寫是信息隱藏技術(shù)的主要分支之一，其目的是發(fā)出者利用特定嵌入方法和密鑰在一個數(shù)字圖像中嵌入一段秘密信息，使得只有知曉其對應嵌入方法和密鑰的接收者才能夠準確地得到嵌入的信息，而其他人即使獲取到載體圖像也無法知曉其隱藏的秘密信息。

圖像隱寫包括隱寫術(shù)(Steganography)與隱寫分析(Steganalysis)兩大分支。隱寫術(shù)實現(xiàn)把秘密信息嵌入到載體圖像中，而隱寫分析是一種與隱寫術(shù)相對抗的逆向分析技術(shù)，目的是判斷截獲的數(shù)字載體是否存在隱藏信息。因而，隱寫術(shù)和隱寫分析存在著矛和盾的對立關(guān)系，但同時也存在著相輔相成的依存關(guān)系，一些強大的隱寫分析技術(shù)成為了檢測新的隱寫算法可靠性與安全性的基準。

目前，大多數(shù)通用的隱寫分析方法是建立在機器學習框架下，包括特征提取和分類器設計兩個步驟。特征提取是指根據(jù)圖像像素值和坐標關(guān)系獲取反映圖像統(tǒng)計特性的信息；分類器是指利用圖像特征判斷該圖像屬于自然圖像還是屬于含秘密信息的隱秘圖像。在隱寫分析技術(shù)中，分類器常選擇經(jīng)典的線性SVM(Support Vector Machine，支持向量機)，而特征提取是目前研究的熱點也是隱寫分析中至關(guān)重要的環(huán)節(jié)，它的好壞將直接影響到檢測率的高低。

局部二值模式(Local Binary Pattern，LBP)是一個簡單而有效的局部特征，其利用圖像中鄰域像素點的大小關(guān)系描述圖像局部統(tǒng)計特性，具有計算簡單、識別率高、抗噪性強等優(yōu)點，并且實驗表明了LBP特征在隱寫分析領(lǐng)域具有一定的潛力?；诖耍嚓P(guān)技術(shù)中提出了基于雙線性差值算法的隱寫分析技術(shù)，但是由于好的隱寫術(shù)會盡可能降低隱秘圖像和原始圖像的差異性，一般隱秘圖像的像素值較原始圖像至多增加或者減少1，在這樣的情況下，通過雙線性差值算法從隱秘圖像和原始圖像計算出的雙線性差值可能并沒有差別。因而，雙線性差值的方法使得LBP特征模糊化了被篡改的隱寫信息，加大了隱寫分析的難度，即雙線性差值的方法并不適用于隱寫分析技術(shù)。

因此，如何提出適用于隱寫分析技術(shù)的方案，以提高對載體圖像(即隱秘圖像)的檢測準確率成為亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

本發(fā)明正是基于上述技術(shù)問題至少之一，提出了一種新的基于多尺度LTP特征的隱寫分析方案，能夠在LBP特征的基礎上，提出更加適用于隱寫分析技術(shù)的多尺度LTP特征，同時能夠確保選擇的特征參數(shù)在維度和識別力中取得更好的平衡，提高了對載體圖像的檢測準確率。

有鑒于此，根據(jù)本發(fā)明的第一方面，提出了一種基于多尺度LTP特征的隱寫分析方法，包括：基于貪心算法選擇用于計算多尺度LTP圖像特征的特征參數(shù)，以得到包含多組特征參數(shù)的參數(shù)集合，其中，所述參數(shù)集合中的每組特征參數(shù)包括濾波器參數(shù)，以及以載體圖像中的任一像素點為起始點的路徑參數(shù)；根據(jù)所述每組特征參數(shù)，計算得到一組多尺度LTP圖像特征，以得到對應于所述參數(shù)集合的多組多尺度LTP圖像特征，并將所述多組多尺度LTP圖像特征進行組合，以生成所述載體圖像的圖像特征；通過支持向量機算法對所述載體圖像的圖像特征進行分析，以確定所述載體圖像中是否有隱藏的信息。