一种用于隐写测评的图像纹理复杂度估计方法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
０ｉ ０２ ． ０３ ． ０． ４ ０５ ０６ ０７ ０ ０９ １ ０
２０ ０
０
００
纹理复杂度指标
图 ３ Ｂ ＳＢ ｓ 图库纹理 复杂度统计直 方圈 Ｏ Ｓ ａｅ
（ ） １ｂ水 平 方 向相 邻 像素 差值 二 维联合 分 布 ｄ图 （）
作者倚介 ： 邓
员、硕士
果（９７ ， ， １８ 一） 男 硕士研究 生， 主研方向 ： 隐写分析 ；
炜 ，博士 研究生 ；盛任农 ，副研 究
赵险峰 ，副研究员、博士 ；黄
性。在 隐写应 用中，图像相邻像素差值统计模型被广泛应用
收稿 日期 ：２ １一 一８ ０Ｉ１ ０ Ｏ
Ｅｍａ ：ｄｎｇ ｏ ｓｓａ． ． － ｉ ｅｇｕ ＠ｉｉ ｓｃ ｎ ｌ ．ｃ ａ ｃ
ｄ ，２ － ： Ｋ ｌ ＝ ？／ ｄ Ｅ
ｒ
ｒ
∑ ∑
一
） ｋ ×Ｃ
．
艇
其中，权值函数 ｗ ， ＝ ／ ＋ ＋ ＋ ） （， ） １（ √ 。图像纹理 １
｜ ¨Ｉ ＋ ■
特征越简单 ，局部像素相 似度越大 ，计算得到 的均匀性统计 量指标值越大，反之越小 。
摘
要： 在评估 图像 隐写算法安全性及隐写分析性能时 ，隐写嵌入率 等参数是重要 的评价指标 ，而图像 纹理差异对评价 的影响很容易被忽
略。为此，基于 图像高维统计模型 ， 出一种新 的针对 隐写应用的图像纹理复杂度度量方法 ，用于衡量图像间的纹理差异 。根据纹理复杂 提 度对 图像进行分 类 ，单独在每一 类不同纹理复杂度 的图像集 上评估隐写分析 的检测性 能。实验结果表 明 ，该方法能有效地评 价隐写的安
５ 实验 与结果 分析
５ 实验岛置 ． Ｉ
实验 采用公开 图像库 Ｂ Ｓ ａｅ ＯＳ Ｂ ｓ，包含 １ ０ ０ ０ ０张 ５ ２ １ｘ
图 ２ 相邻像素差值在统计 上曲分 布差异
３ 图像纹理复杂度估计方法
本文使 用图像 相邻 像素差值共生矩阵模型的均匀性统计 量来估计 图像 平均 纹理 复杂 度。首先 ，在 ４个方 向（。 ０， ０，９ 。 ４ 。 ３ 。上对相邻像素作差 ，一幅大小 ｍＸ ５，１ ５） ｎ的 ８位灰度 图
ｈ ｔｅ ｉ ａ ｔ ｆ ｍａ ｅｔｘｕ ｅｄｖ ｒｉ ｎ ｓ ｇ ｎ ｇ ａ ｈ ｓ ａｌ ｎ ￣ｄ Ｔ ｉ ｐ ｐ ｒ ｒｓ ｎｓａｎ ｗ ｍｃｏ ｇ ｘ ｕｅ ｃ ｍｐｅ ｉ ａ ｅ ｎ ｍｐ ｃ ｏ ｇ ｔｒ ｉｅｓ ｏ ｔ ａ ｏ ｒｐ ｙ ｉ ｕ ｕ ｌ ｉ ｏ ． ｈｓ ａ ｅ ｅｅ ｔ ｅ ｍｅ ｆｉ ｅｔ ｔ ｒ ｏ ｌ ｔ ｂ ｓｄ ｏ ｉ ｅ ｙ ｔ ｅ ｓ ｙｇ ｐ ｍａ ｅ ｘｙ
ｔ ｎ ｈｉ ｉ ｇ ｉ ｄｎ ｏ
ＤＯＩ １．９ ９ ．ｓ．０ ０３ ２ ． １ ． ．３ ： Ｏ３ ６ ／ｉ ｎ１０ —４ ８ ０ ２１ ０ ４ ｊｓ ２ ４
１ 概述
隐写将秘密消息嵌入在公开的数字图像、音频 和视频等
媒体 数据 中达 到秘密通信 的 目的。隐写分析的 目标在于 检测 隐藏 信息的存在 ，基于模式分类技术 的通用隐写分析方法分 析过程一般分 为 ３个阶段 ：提取 隐写分析特征 ，特征选择 Ｊ
・
２ Ｂ ｉｎ ｎｔｕｅｏ Ｅｅｔ ｎｃ ｅｈ ｏｏｙａ ｄ ｐｉａｉｎ Ｂ ｉｎ ０ ０ １ Ｃ ｉａ ． ｅ ｉｇＩｓｉ ｔ ｆ ｌｃ ｏ ｉ Ｔ ｃｎ ｌｇ ｎ Ａｐ ｌ ｔ ， ｅ ｉｇ１ ０ ９ ， ｈｎ ） ｊ ｔ ｒ ｃ ｏ ｊ
［ ｓｒ ｃｌＴ ｅｓ ｇｎ ｇａｈｃ ａ ｌａ ｌｋ ｏ ｔｃｔ ｖ ｌａｅｔｅｓｃ ｉ ｆ ｔｇｎ ｇａｈ ｎ ｅｆｒ ａ ｃ ｆ ｔｇｎ ｌｓｓｗｈｌ Ａｂｔａｔ ｈ ｔ ａ ｏ ｒｐ ｉ ｙｏ ｄｉ ａｗｅｌ ｎ ｗｎｍｅ ｉ ｏｅａｕｔ ｅｕ ｔ ｏ ｅ ａｏ ｒｐ ｙａｄｐ ｒ ｍ ｎｅｏ ｅ ａａｙｉ， ｉ ｅ ｐ ｓ — ｒ ｈ ｒ ｙ ｓ ｏ ｓ ｅ
ｅｆｃｉｅｙｕ ｅ ｏｅ ａｕ ｔ ｅｓ ｃ ｒｔ ｆｓｅ ａ ｏ ｒ ｐ ｙ ｆｅ ｔ ｌ ｓｄｔ ｖ ｌａｅｔ ｅ ｕ ｉ ｏ ｇ ｇ ａ ｈ ． ｖ ｈ ｙ ｔ ｎ
［ ｙｗｏｄ ｉｔ ｔｒ ｏ ｌｘｔ；ｍａｅｐｘ ［ ｏｒｌｔ ｎ ｓ ｇ ｏ ｒｐ ｙｅａｕ ｔ ｎ ｓ ｇｎ ｌｓ ｅｆｒ ａｃ ；ｔｇｎ ｇａｈ ｅｕｉ ； ｆｒ Ｋｅ ｒ ｓ ｅ ｕｅｃ ｍｐｅ ｉ ｉ ｇ ｉｅ ｃｒｅ ｉ ；ｔ ａ ｇａｈ ｖ ｌａｉ ； ｔ ａａｙｉ ｐｒｏ ｎ ｅ ｓ ａｏ ｒｐ ｙｓｃｒｙ ｉ ｏｍａ ｘ ｙ ａｏ ｅｎ ｏ ｅ ｓ ｍ ｅ ｔ ｎ
全性 。 ．
关蝴
：纹理复杂度 ；图像像素相关性 ；隐写测评 ；隐写分析性能 ；隐写安全 ； 息隐藏 信
Ｉ ａ ｅＴ ｘ ｕ ｅＣｏ ｐ ｅ ｉｙ Ｅｓｉ ａ ｉ ｎＡｐ ｒ ａ ｈ ｆ ｒ ｍ ｇ ｅ ｔ ｒ ｍ ｌｘ ｔ ｔｍ ｔｏ ｐ ｏ ｃ ｏ
Ｓ ｅ ａ ｇ ａ ｙ Ｅｖ ｌ ａ ｉ ｎ ｔ ｇ ｎ０ ｒ ｐｈ ａ ｕ ｔｏ
像 ｛ １ｉ∈【，５］ ＝１ ， ｍ， ，， ｎ ， Ｏ２ ５， ， …， Ｊ＝１ …，），图像像素 差值 Ｉ， ｉ ２ ２
“ 基于关联运算的隐写分析研究”（１２ ６ ） ４ ０ ３ １
２ 图像瞳写相关纹理复杂度估计
自然 图像 的 内在性质（ 续性 、光滑等） 图像采集 设备 连 和 （ 如数码相机等） 的一些后期处理（ 如插值、去噪和滤波等） 决定 了相邻像素 问高度相 关性 ，而 隐写嵌入操作会改变这种相关
和降维 ，通 过监督 学 习训练构造分类器 。图像纹理复杂度 Ｊ
理复杂 度图像相 比，统计上的分布更为分散。
是隐写分析性能评估过程中的一 个重 要参数 ，复杂度越低 ， 检测率越高 。在不考虑图像 纹理差异性 的情况 下，计算得到
的平均分类准确率并不能全面地反映隐写分析方法 的性能 。 另外 ，训 练集构造 的方式对通用隐写分析方法检测 准确率 的 提高有很大的影响。通常认为训练图像集越大越完备 ，相应 的隐写检 测准确率越高 。但是 ，在盲 目随机地增大训练图像 集大小 的同时，也会大幅度地增加分类器 的训练时 间，进而 降低 隐写 分析效率 。 针对 以上问题 ，本文提 出一种基于 图像高 维统计模型来
ｅ ） 平均分类准确率 不能全面反映 隐写分析方法 ，。
的性 能。本文将单独计算各 隐写分析方法在不 同纹理复杂 度 图像集上 的分类准确率 。
ｌ０ Ｏ ０
（） ｌａ水 平 方 向相 邻 像素 差值 二 维联合 分 布 ｃ图 （）
８ ０ ０
一
６ｏ ０
一
０ ｏ
一
Ｉ － Ｉ －
（） １ｂ水平 方 向相邻 像 素差值 分 布 ｂ图 （）
其 中，
为纹理复杂 度为 Ｃ的图像在 』 ｉ 中所 占的比例 。 如果
在 Ｂ Ｓ Ｂ ｓ 图像 库 上 评 估 ａ对 ｅ的 检 测 性 能 ， 由 于 Ｏ Ｓ ａｅ
Ｂ Ｓ Ｂ ｓ 图像 库中纹理复杂度指标在 ０３附近 的图像居多 ， Ｏ Ｓ ａｅ ． 见图 ３ ，计算得到 的平均分类准确率 Ａ Ｒ ｏｓ 。 Ｕ ｎｓ 将更接近于 ｓ
４ 第 ３ 卷 第 １ 期 ８
Ｖ０ ． ８ １３
・
Fra Baidu bibliotek
计
算
机
工
程
２１ ０ ２年 ７月
Ｊ ｌ ２ ２ ｕ ｙ ０１
Ｎ Ｏ．４ １
Ｃｏ ｕｔｒＥｎ ｉ ｅ ｒｎ ｍｐ ｅ ｇ ｎ ｅ ｉ ｇ
安全技 术 ・
一
文章编号：１０＿ ４ （ １ １— ｌ －ｏ 文献标识码：Ａ ００－ ２ ２ ２ ４ ０１＿ ３ ＿３ ８ ０ ） ６＿
■ ■
（） ａ纹理复杂度较低 （） ｂ纹理复杂度较高
衡量 图像纹理平均复杂度的方法 ，从图像 纹理 复杂度 的角度 考 虑训练图像集的完备性 ，并通过实验验 证图像纹理差异对
隐写 分 析 性 能 的 影 响 。
圈 １ 纹理复 杂度不同妁圈像
基 金项 目：国家 自然科学基金资助项 目 “ 非马尔可夫模 型下基于数 据关联的隐写分析 研究” ６ １０ ８ ） 北京市 自然科学基金资助项 目 （１７ ２ １；
嘶 ＝ 兮 ∞ 叭
■■■■■ ■隧嘲 ＝ Ｕ ＝ ＝
∞
的 图像 集 上计 算 隐 写分 析 方 法 ａ，得 到 的检 测 准 确率 为 Ａ Ｒ ｒ 。 Ｕａ ） 则在 多次随机构造 的测试集上计算得 到的平均 分类准 确率可 以表示为 ，
：
， Ｔｐ ￣ Ｕ ａａ ，） ：Ｚ＝ 。 Ａ Ｒ， ，ｒ ｌ ｅ
第 ３卷 ８
第 １ 期 ４
邓
果 ，赵 险峰 ，黄
炜 ，等 ：一种用于隐写测评 的图像纹理复杂度估计方法
度度量 函数 如下 ：
Ｃｏ ｐ ｅｉ （） ∑ ∑ ｗ ｄ， Ｅ ） ｍ ｌｘｔ Ｉ ＝ ｙ 【ｌ ， × ｄ
ｄ， ， — ｌ ｄ ｙ ｋＥＫ
１７ １
＋
∑ ∑ ｗ ， ） Ｃｋ ＋ （ ×
ＤＥＮＧ ｏ ， Ｇｕ ＺＨＡＯ ａ ．ｅ ｇ ， Ｘｉ ｎ ｆ ｎ ＨＵＡＮＧ ｅ Ｓ Ｗ ｉ ＨＥＮＧ ｎ ｎ ｎ ， Ｒｅ — ｏ ｇ
（． ｔｔ ｙＬ ｂｒｔｒ ｆｎｏｍａｏ ｅｕｉ ，ｎｔｕｅｏ Ｓ ｆ ｒ， ｈｎｓ Ａｃｄ ｍｙｏ Ｓ ｉ ｃｓＢ ｉｎ ０ １０ Ｃ ｉａ １ＳａｅＫｅ ａ ｏａｏｙｏ Ｉｆｒ ｔ ｎＳｃ ｒｙ Ｉｓｉ ｔ ｆ ｏ ｗａｅＣ ｉｅｅ ａｅ ｆ ｃｅ ｅ， ｅ ｉｇ１０ ９ ， ｈｎ ； ｉ ｔ ｔ ｔ ｎ ｊ
于建模相邻像素相关性。图像纹理复杂 度可 以用图像空 域相 邻像素 的统计相关性来表示 ， 一般地 ，图像纹理特征越简单 ， 局部像素相似度越大、变化越小 ，如 图 １和图 ２所示 。纹理 复杂度较低 的图像 ，相邻像 素差值集 中分布于 ０值附近 。相 反 ，纹理复杂度较高 的图像相邻像素差值变化剧烈 ，与低纹
ｍ ｅｈｉｈｄｍｅ ｓｏ ａ ａ ｅｓａｉｔｃ ｌｍｏ ｅ ｏｍ ｅ ｓｒ ｅｔｘｕ ｅｄｆｅｅ ｃ ｆｉ ａ ｅ ． ｔｎｓｖ ｘ ｅ ｉ ｎｔ ｒ ｏ ｄ ｃｅ ｏｍａ ｅｃ ｍｐａｉｏ ｇ ｉ ｎ ｉｎ ｌｉ ｇ ｔｔｓｉａ ｄ ｌｔ ａ ｕ ｅｔ ｅ ｔｒ ｉ ｒ ｎ ｅｏ ｇ ｓ Ｅｘｅ ｉｅｅ ｐ ｒｍｅ ｓａｅｃ ｎ ｕ ｔｄｔ ｋ ｏ ｍ ｈ ｍ ｒ ｓｎ ｏｆ ｅｄ ｔｃｉｎｐｅｆｒ ｎ ｃ ｎｄ ｒｄｆｅ ｅ ｔｅ ｅ ｄｎ ａｅ ｎ ｇ ｏ ｌｘｔｅ． ｐ ｒｍ ｅ ｔｌ ｅ ｕｔ ｄｉａｅｔ ｔｔｅｐｏ ｏ ｅ ｔｏ ａ ｅ ｈ ｔ ｅｅ ｔ ｒｏ ｍａ ｅｕ ｅ ｉ ｒｎ ｍｂ ｄ ｉｇｒｔｓａ ｄｉ ｏ ｍａ ｅｃ ｍｐｅ ｉ ｓ Ｅｘ ｅｉ ｎ ａ ｓ ｌ ｉ ｃ ｔ ｉ ｒ ｓｎ ｈａ ｒｐ ｓ ｄｍｅ ｄｃ ｎｂ ｈ ｈ
中 圈分类 Ｐ９・ 号ｔ ３１ １ Ｔ ４
种 用 于 隐 写 测评 的 图像 纹理 复杂 度估 计 方 法
邓 果 ，赵险．Ｉ，黄 ｜ 炜 ，盛任农
（． １ 中国科 学院软件 研究所信 息安全 国家重 点实验室 ，北京 １０ ９ ；２ 北京 电子技术应用研究所 ，北京 １ ０ ９ ） ０ １０ ． ００１
（） ｌ ） 平 方 向相 邻像 素 差值 分布 ａ图 （ 水 ａ
４ 考虑纹理因素的隐写测评方法
假设评测使 用的 图像 集 ，由不同纹理复 杂度的 图像组
杂度 指标 。 ㈨ ｅ㈣入率为 ｒ ， 针对 ㈣ ㈣ 隐写算法 （ ｏ ｇ㈣ ） 在纹理复杂度为 Ｃ ｉ
成， 复杂度指标集合为 Ｃ， Ｃ中包括 ｃ ｃ， Ｃ ，共 ｎ种复 设 。２ ｎ ， …，
２０ ０
０
００
纹理复杂度指标
图 ３ Ｂ ＳＢ ｓ 图库纹理 复杂度统计直 方圈 Ｏ Ｓ ａｅ
（ ） １ｂ水 平 方 向相 邻 像素 差值 二 维联合 分 布 ｄ图 （）
作者倚介 ： 邓
员、硕士
果（９７ ， ， １８ 一） 男 硕士研究 生， 主研方向 ： 隐写分析 ；
炜 ，博士 研究生 ；盛任农 ，副研 究
赵险峰 ，副研究员、博士 ；黄
性。在 隐写应 用中，图像相邻像素差值统计模型被广泛应用
收稿 日期 ：２ １一 一８ ０Ｉ１ ０ Ｏ
Ｅｍａ ：ｄｎｇ ｏ ｓｓａ． ． － ｉ ｅｇｕ ＠ｉｉ ｓｃ ｎ ｌ ．ｃ ａ ｃ
ｄ ，２ － ： Ｋ ｌ ＝ ？／ ｄ Ｅ
ｒ
ｒ
∑ ∑
一
） ｋ ×Ｃ
．
艇
其中，权值函数 ｗ ， ＝ ／ ＋ ＋ ＋ ） （， ） １（ √ 。图像纹理 １
｜ ¨Ｉ ＋ ■
特征越简单 ，局部像素相 似度越大 ，计算得到 的均匀性统计 量指标值越大，反之越小 。
摘
要： 在评估 图像 隐写算法安全性及隐写分析性能时 ，隐写嵌入率 等参数是重要 的评价指标 ，而图像 纹理差异对评价 的影响很容易被忽
略。为此，基于 图像高维统计模型 ， 出一种新 的针对 隐写应用的图像纹理复杂度度量方法 ，用于衡量图像间的纹理差异 。根据纹理复杂 提 度对 图像进行分 类 ，单独在每一 类不同纹理复杂度 的图像集 上评估隐写分析 的检测性 能。实验结果表 明 ，该方法能有效地评 价隐写的安
５ 实验 与结果 分析
５ 实验岛置 ． Ｉ
实验 采用公开 图像库 Ｂ Ｓ ａｅ ＯＳ Ｂ ｓ，包含 １ ０ ０ ０ ０张 ５ ２ １ｘ
图 ２ 相邻像素差值在统计 上曲分 布差异
３ 图像纹理复杂度估计方法
本文使 用图像 相邻 像素差值共生矩阵模型的均匀性统计 量来估计 图像 平均 纹理 复杂 度。首先 ，在 ４个方 向（。 ０， ０，９ 。 ４ 。 ３ 。上对相邻像素作差 ，一幅大小 ｍＸ ５，１ ５） ｎ的 ８位灰度 图
ｈ ｔｅ ｉ ａ ｔ ｆ ｍａ ｅｔｘｕ ｅｄｖ ｒｉ ｎ ｓ ｇ ｎ ｇ ａ ｈ ｓ ａｌ ｎ ￣ｄ Ｔ ｉ ｐ ｐ ｒ ｒｓ ｎｓａｎ ｗ ｍｃｏ ｇ ｘ ｕｅ ｃ ｍｐｅ ｉ ａ ｅ ｎ ｍｐ ｃ ｏ ｇ ｔｒ ｉｅｓ ｏ ｔ ａ ｏ ｒｐ ｙ ｉ ｕ ｕ ｌ ｉ ｏ ． ｈｓ ａ ｅ ｅｅ ｔ ｅ ｍｅ ｆｉ ｅｔ ｔ ｒ ｏ ｌ ｔ ｂ ｓｄ ｏ ｉ ｅ ｙ ｔ ｅ ｓ ｙｇ ｐ ｍａ ｅ ｘｙ
ｔ ｎ ｈｉ ｉ ｇ ｉ ｄｎ ｏ
ＤＯＩ １．９ ９ ．ｓ．０ ０３ ２ ． １ ． ．３ ： Ｏ３ ６ ／ｉ ｎ１０ —４ ８ ０ ２１ ０ ４ ｊｓ ２ ４
１ 概述
隐写将秘密消息嵌入在公开的数字图像、音频 和视频等
媒体 数据 中达 到秘密通信 的 目的。隐写分析的 目标在于 检测 隐藏 信息的存在 ，基于模式分类技术 的通用隐写分析方法分 析过程一般分 为 ３个阶段 ：提取 隐写分析特征 ，特征选择 Ｊ
・
２ Ｂ ｉｎ ｎｔｕｅｏ Ｅｅｔ ｎｃ ｅｈ ｏｏｙａ ｄ ｐｉａｉｎ Ｂ ｉｎ ０ ０ １ Ｃ ｉａ ． ｅ ｉｇＩｓｉ ｔ ｆ ｌｃ ｏ ｉ Ｔ ｃｎ ｌｇ ｎ Ａｐ ｌ ｔ ， ｅ ｉｇ１ ０ ９ ， ｈｎ ） ｊ ｔ ｒ ｃ ｏ ｊ
［ ｓｒ ｃｌＴ ｅｓ ｇｎ ｇａｈｃ ａ ｌａ ｌｋ ｏ ｔｃｔ ｖ ｌａｅｔｅｓｃ ｉ ｆ ｔｇｎ ｇａｈ ｎ ｅｆｒ ａ ｃ ｆ ｔｇｎ ｌｓｓｗｈｌ Ａｂｔａｔ ｈ ｔ ａ ｏ ｒｐ ｉ ｙｏ ｄｉ ａｗｅｌ ｎ ｗｎｍｅ ｉ ｏｅａｕｔ ｅｕ ｔ ｏ ｅ ａｏ ｒｐ ｙａｄｐ ｒ ｍ ｎｅｏ ｅ ａａｙｉ， ｉ ｅ ｐ ｓ — ｒ ｈ ｒ ｙ ｓ ｏ ｓ ｅ
ｅｆｃｉｅｙｕ ｅ ｏｅ ａｕ ｔ ｅｓ ｃ ｒｔ ｆｓｅ ａ ｏ ｒ ｐ ｙ ｆｅ ｔ ｌ ｓｄｔ ｖ ｌａｅｔ ｅ ｕ ｉ ｏ ｇ ｇ ａ ｈ ． ｖ ｈ ｙ ｔ ｎ
［ ｙｗｏｄ ｉｔ ｔｒ ｏ ｌｘｔ；ｍａｅｐｘ ［ ｏｒｌｔ ｎ ｓ ｇ ｏ ｒｐ ｙｅａｕ ｔ ｎ ｓ ｇｎ ｌｓ ｅｆｒ ａｃ ；ｔｇｎ ｇａｈ ｅｕｉ ； ｆｒ Ｋｅ ｒ ｓ ｅ ｕｅｃ ｍｐｅ ｉ ｉ ｇ ｉｅ ｃｒｅ ｉ ；ｔ ａ ｇａｈ ｖ ｌａｉ ； ｔ ａａｙｉ ｐｒｏ ｎ ｅ ｓ ａｏ ｒｐ ｙｓｃｒｙ ｉ ｏｍａ ｘ ｙ ａｏ ｅｎ ｏ ｅ ｓ ｍ ｅ ｔ ｎ
全性 。 ．
关蝴
：纹理复杂度 ；图像像素相关性 ；隐写测评 ；隐写分析性能 ；隐写安全 ； 息隐藏 信
Ｉ ａ ｅＴ ｘ ｕ ｅＣｏ ｐ ｅ ｉｙ Ｅｓｉ ａ ｉ ｎＡｐ ｒ ａ ｈ ｆ ｒ ｍ ｇ ｅ ｔ ｒ ｍ ｌｘ ｔ ｔｍ ｔｏ ｐ ｏ ｃ ｏ
Ｓ ｅ ａ ｇ ａ ｙ Ｅｖ ｌ ａ ｉ ｎ ｔ ｇ ｎ０ ｒ ｐｈ ａ ｕ ｔｏ
像 ｛ １ｉ∈【，５］ ＝１ ， ｍ， ，， ｎ ， Ｏ２ ５， ， …， Ｊ＝１ …，），图像像素 差值 Ｉ， ｉ ２ ２
“ 基于关联运算的隐写分析研究”（１２ ６ ） ４ ０ ３ １
２ 图像瞳写相关纹理复杂度估计
自然 图像 的 内在性质（ 续性 、光滑等） 图像采集 设备 连 和 （ 如数码相机等） 的一些后期处理（ 如插值、去噪和滤波等） 决定 了相邻像素 问高度相 关性 ，而 隐写嵌入操作会改变这种相关
和降维 ，通 过监督 学 习训练构造分类器 。图像纹理复杂度 Ｊ
理复杂 度图像相 比，统计上的分布更为分散。
是隐写分析性能评估过程中的一 个重 要参数 ，复杂度越低 ， 检测率越高 。在不考虑图像 纹理差异性 的情况 下，计算得到
的平均分类准确率并不能全面地反映隐写分析方法 的性能 。 另外 ，训 练集构造 的方式对通用隐写分析方法检测 准确率 的 提高有很大的影响。通常认为训练图像集越大越完备 ，相应 的隐写检 测准确率越高 。但是 ，在盲 目随机地增大训练图像 集大小 的同时，也会大幅度地增加分类器 的训练时 间，进而 降低 隐写 分析效率 。 针对 以上问题 ，本文提 出一种基于 图像高 维统计模型来
ｅ ） 平均分类准确率 不能全面反映 隐写分析方法 ，。
的性 能。本文将单独计算各 隐写分析方法在不 同纹理复杂 度 图像集上 的分类准确率 。
ｌ０ Ｏ ０
（） ｌａ水 平 方 向相 邻 像素 差值 二 维联合 分 布 ｃ图 （）
８ ０ ０
一
６ｏ ０
一
０ ｏ
一
Ｉ － Ｉ －
（） １ｂ水平 方 向相邻 像 素差值 分 布 ｂ图 （）
其 中，
为纹理复杂 度为 Ｃ的图像在 』 ｉ 中所 占的比例 。 如果
在 Ｂ Ｓ Ｂ ｓ 图像 库 上 评 估 ａ对 ｅ的 检 测 性 能 ， 由 于 Ｏ Ｓ ａｅ
Ｂ Ｓ Ｂ ｓ 图像 库中纹理复杂度指标在 ０３附近 的图像居多 ， Ｏ Ｓ ａｅ ． 见图 ３ ，计算得到 的平均分类准确率 Ａ Ｒ ｏｓ 。 Ｕ ｎｓ 将更接近于 ｓ
４ 第 ３ 卷 第 １ 期 ８
Ｖ０ ． ８ １３
・
Fra Baidu bibliotek
计
算
机
工
程
２１ ０ ２年 ７月
Ｊ ｌ ２ ２ ｕ ｙ ０１
Ｎ Ｏ．４ １
Ｃｏ ｕｔｒＥｎ ｉ ｅ ｒｎ ｍｐ ｅ ｇ ｎ ｅ ｉ ｇ
安全技 术 ・
一
文章编号：１０＿ ４ （ １ １— ｌ －ｏ 文献标识码：Ａ ００－ ２ ２ ２ ４ ０１＿ ３ ＿３ ８ ０ ） ６＿
■ ■
（） ａ纹理复杂度较低 （） ｂ纹理复杂度较高
衡量 图像纹理平均复杂度的方法 ，从图像 纹理 复杂度 的角度 考 虑训练图像集的完备性 ，并通过实验验 证图像纹理差异对
隐写 分 析 性 能 的 影 响 。
圈 １ 纹理复 杂度不同妁圈像
基 金项 目：国家 自然科学基金资助项 目 “ 非马尔可夫模 型下基于数 据关联的隐写分析 研究” ６ １０ ８ ） 北京市 自然科学基金资助项 目 （１７ ２ １；
嘶 ＝ 兮 ∞ 叭
■■■■■ ■隧嘲 ＝ Ｕ ＝ ＝
∞
的 图像 集 上计 算 隐 写分 析 方 法 ａ，得 到 的检 测 准 确率 为 Ａ Ｒ ｒ 。 Ｕａ ） 则在 多次随机构造 的测试集上计算得 到的平均 分类准 确率可 以表示为 ，
：
， Ｔｐ ￣ Ｕ ａａ ，） ：Ｚ＝ 。 Ａ Ｒ， ，ｒ ｌ ｅ
第 ３卷 ８
第 １ 期 ４
邓
果 ，赵 险峰 ，黄
炜 ，等 ：一种用于隐写测评 的图像纹理复杂度估计方法
度度量 函数 如下 ：
Ｃｏ ｐ ｅｉ （） ∑ ∑ ｗ ｄ， Ｅ ） ｍ ｌｘｔ Ｉ ＝ ｙ 【ｌ ， × ｄ
ｄ， ， — ｌ ｄ ｙ ｋＥＫ
１７ １
＋
∑ ∑ ｗ ， ） Ｃｋ ＋ （ ×
ＤＥＮＧ ｏ ， Ｇｕ ＺＨＡＯ ａ ．ｅ ｇ ， Ｘｉ ｎ ｆ ｎ ＨＵＡＮＧ ｅ Ｓ Ｗ ｉ ＨＥＮＧ ｎ ｎ ｎ ， Ｒｅ — ｏ ｇ
（． ｔｔ ｙＬ ｂｒｔｒ ｆｎｏｍａｏ ｅｕｉ ，ｎｔｕｅｏ Ｓ ｆ ｒ， ｈｎｓ Ａｃｄ ｍｙｏ Ｓ ｉ ｃｓＢ ｉｎ ０ １０ Ｃ ｉａ １ＳａｅＫｅ ａ ｏａｏｙｏ Ｉｆｒ ｔ ｎＳｃ ｒｙ Ｉｓｉ ｔ ｆ ｏ ｗａｅＣ ｉｅｅ ａｅ ｆ ｃｅ ｅ， ｅ ｉｇ１０ ９ ， ｈｎ ； ｉ ｔ ｔ ｔ ｎ ｊ
于建模相邻像素相关性。图像纹理复杂 度可 以用图像空 域相 邻像素 的统计相关性来表示 ， 一般地 ，图像纹理特征越简单 ， 局部像素相似度越大、变化越小 ，如 图 １和图 ２所示 。纹理 复杂度较低 的图像 ，相邻像 素差值集 中分布于 ０值附近 。相 反 ，纹理复杂度较高 的图像相邻像素差值变化剧烈 ，与低纹
ｍ ｅｈｉｈｄｍｅ ｓｏ ａ ａ ｅｓａｉｔｃ ｌｍｏ ｅ ｏｍ ｅ ｓｒ ｅｔｘｕ ｅｄｆｅｅ ｃ ｆｉ ａ ｅ ． ｔｎｓｖ ｘ ｅ ｉ ｎｔ ｒ ｏ ｄ ｃｅ ｏｍａ ｅｃ ｍｐａｉｏ ｇ ｉ ｎ ｉｎ ｌｉ ｇ ｔｔｓｉａ ｄ ｌｔ ａ ｕ ｅｔ ｅ ｔｒ ｉ ｒ ｎ ｅｏ ｇ ｓ Ｅｘｅ ｉｅｅ ｐ ｒｍｅ ｓａｅｃ ｎ ｕ ｔｄｔ ｋ ｏ ｍ ｈ ｍ ｒ ｓｎ ｏｆ ｅｄ ｔｃｉｎｐｅｆｒ ｎ ｃ ｎｄ ｒｄｆｅ ｅ ｔｅ ｅ ｄｎ ａｅ ｎ ｇ ｏ ｌｘｔｅ． ｐ ｒｍ ｅ ｔｌ ｅ ｕｔ ｄｉａｅｔ ｔｔｅｐｏ ｏ ｅ ｔｏ ａ ｅ ｈ ｔ ｅｅ ｔ ｒｏ ｍａ ｅｕ ｅ ｉ ｒｎ ｍｂ ｄ ｉｇｒｔｓａ ｄｉ ｏ ｍａ ｅｃ ｍｐｅ ｉ ｓ Ｅｘ ｅｉ ｎ ａ ｓ ｌ ｉ ｃ ｔ ｉ ｒ ｓｎ ｈａ ｒｐ ｓ ｄｍｅ ｄｃ ｎｂ ｈ ｈ
中 圈分类 Ｐ９・ 号ｔ ３１ １ Ｔ ４
种 用 于 隐 写 测评 的 图像 纹理 复杂 度估 计 方 法
邓 果 ，赵险．Ｉ，黄 ｜ 炜 ，盛任农
（． １ 中国科 学院软件 研究所信 息安全 国家重 点实验室 ，北京 １０ ９ ；２ 北京 电子技术应用研究所 ，北京 １ ０ ９ ） ０ １０ ． ００１
（） ｌ ） 平 方 向相 邻像 素 差值 分布 ａ图 （ 水 ａ
４ 考虑纹理因素的隐写测评方法
假设评测使 用的 图像 集 ，由不同纹理复 杂度的 图像组
杂度 指标 。 ㈨ ｅ㈣入率为 ｒ ， 针对 ㈣ ㈣ 隐写算法 （ ｏ ｇ㈣ ） 在纹理复杂度为 Ｃ ｉ
成， 复杂度指标集合为 Ｃ， Ｃ中包括 ｃ ｃ， Ｃ ，共 ｎ种复 设 。２ ｎ ， …，