[發明專利]一種基于局部紋理模式的二值圖像隱寫分析方法

有效

• 申請號: 201810064364.4
• 申請日: 2018-01-23
• 公開（公告）號: CN108460715B
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 盧偉;陳家亮;方艷梅
• 申請（專利權）人: 中山大學
• 主分類號: G06T1/00
• 分類號: G06T1/00;G06K9/46;G06K9/62
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 陳衛

1.一種基于局部紋理模式的二值圖像隱寫分析方法，其特征在于，包括以下步驟：

S1.構建十三宮格像素點塊模板；具體包括：構造一個5×5大小的十三宮格像素點塊模板，其中每一宮格是一個小的正方形，表示一個像素，十三個宮格構成一個二值圖像掃描窗口，其中包含3×3大小的九宮格，其余四個宮格分別位于九宮格的正上方，正下方，正左方和正右方；對掃描窗口中的十三宮格按照一定的順序進行編號：0，1，2……12，其中標號為0的宮格位于掃描窗口的中心位置

S2.利用塊模板掃描圖像得到二值圖像局部紋理模式；

S3.統計每個二值圖像局部紋理模式出現的頻率；

S4.將局部紋理模式出現的頻率級聯形成特征向量，利用集成分類器進行學習分類。

2.根據權利要求1所述的一種基于局部紋理模式的二值圖像隱寫分析方法，其特征在于，選用BIVC圖像庫作為圖像庫。

3.根據權利要求2所述的一種基于局部紋理模式的二值圖像隱寫分析方法，其特征在于，所述的S2步驟包括以下步驟：

S21.用BCPC，Connpre，GIM，EAG，DPDC，PPCM和SHUFFLE七種隱寫方法分別對BIVC圖像庫中的二值圖像嵌入隱秘信息分別構造不同隱寫方案對應的數據集，每種隱寫方案對應的訓練集也包含5000張二值圖像，共有八個數據集；

S22.利用集成分類器進行學習分類，利用S21得到的一種隱寫方法對BIVC進行信息嵌入的數據集D1和原無載密信息的BIVC數據集D2，在訓練過程中，從D1、D2中隨機選取一定數量的二值圖像，作為訓練集，剩下的二值圖像作為測試集，使用集成分類器對訓練集進行學習訓練，訓練得出模型利用測試集進行測試以驗證結果的可靠性；

S23.對于訓練集中的任一圖像H，利用掃描窗口依次從左往右，從上到下掃描圖像H，其中掃描步長設置為1；得到由十三宮格像素塊掃描得出的二值圖像局部紋理模式。

4.根據權利要求3所述的一種基于局部紋理模式的二值圖像隱寫分析方法，其特征在于，所述的S3步驟具體包括：根據S2步驟的方法和S1步驟的十三宮格編號方法，統計出在二值圖像中局部紋理模式的分布情況以及計算出每個二值紋理模式塊的出現頻率，每個二值圖像只有黑色和白色兩種像素級別，在十三宮格像素塊中，每個宮格只有兩種像素情況，每個宮格任意組合可以得到8192種局部紋理模式，根據每個局部紋理模式出現的頻率得出局部紋理模式直方圖。

5.根據權利要求4所述的一種基于局部紋理模式的二值圖像隱寫分析方法，其特征在于，所述的S4步驟具體包括：

S41.根據局部紋理模式頻率直方圖，形成二值圖像隱寫分析的特征向量，將形成的特征向量交給集成分類器進行學習；

S42.經過集成分類器學習后得到二值圖像隱寫分析模型，利用該模型區分出待檢測的圖像是載密圖像還是載體圖像。

6.根據權利要求5所述的一種基于局部紋理模式的二值圖像隱寫分析方法，其特征在于，所述的S41步驟包括：

S411.對于待檢測的二值圖像，利用十三宮格像素掃描塊對其進行掃描，得到每個二值圖像的局部紋理分布情況以及每個模式塊出現頻率；

S412.將每個模式塊的出現頻率級聯形成特征向量，將特征向量輸入到二值圖像隱寫分析模型中，得出分類結果；

S413.如果分類模型對待檢測的二值圖像分類為載密圖像，那么該圖像包含秘密信息；如果對待檢測的二值圖像分類為載體圖像，那么該二值圖像不包含秘密信息。