摘 要： 提出一種基于視覺特性的圖像隱寫算法。該算法利用亮度和紋理閾值等人類視覺系統特性，并結合圖像各個局部分塊的亮度與紋理特征，將圖像劃分為強嵌入區、次嵌入區、弱嵌入區，計算各個局部分塊亮度和紋理，分別嵌入不同比特數的秘密信息。實驗結果表明，該算法能夠增加圖像秘密信息的嵌入容量，提高抗檢測性能，以及保持較高的峰值信噪比。
關鍵詞： 自適應隱寫；JPEG圖像；人類視覺特性；峰值信噪比
0 引言
JPEG格式圖像作為一種在互聯網上被廣泛應用的格式[1]，以此格式為載體的隱寫算法也越來越多。較早出現的JSteg隱寫算法[2]用秘密信息比特直接替換JPEG圖像中量化后DCT系數的最低比特位。WESTFELD A[3]提出了F3算法與F4算法，并在F4算法的基礎上，加入了置亂與矩陣編碼提出了F5算法，該算法減少了嵌入需要改動的DCT系數量，進一步提高了算法的隱蔽性。
基于人眼視覺特性的隱寫方法得到了較快的發展，如BPCS[4]、PVD[5]、Wang C M等人[6]利用模函數對PVD進行的改進算法；在JPEG圖像中，向德生等人[7]利用局部小波子塊的亮度與紋理特征，自適應嵌入強度因子來嵌入水印；龔發根等人[8]針對JPEG圖像提出一種自適應數據隱藏算法。然而，以上算法并沒有全面考慮圖像各區域的復雜程度，以及不同的區域嵌密對圖像造成的失真，所以綜合性能不高。鑒于以上問題，本文提出一種基于視覺特性的JPEG圖像自適應隱寫方法，本算法充分利用了區域的亮度和紋理特征的視覺特性，在提高秘密信息嵌入量的同時，仍可以保持較好的視覺隱蔽性。
1 基于視覺特性的JPEG圖像自適應隱寫算法
高質量JPEG圖像經過壓縮所得的系數對圖像復雜度描述雖然不及空域像素值準確，但仍能表現其一些特性。本文算法結合圖像的亮度和紋理特性，進一步細劃了嵌入區域，將圖像分塊劃分為強嵌入區（R1）、次嵌入區（R2）和弱嵌入區（R3）3個區域，亮度較高且紋理復雜的為強嵌入區，亮度較低且紋理簡單的為弱嵌入區，余下的為次嵌入區。通過設定閾值D，再計算出亮度L和紋理T的大小，在3個區域中分別采用不同比特數進行嵌入。
在算法中，設定亮度閾值DL12=32，DL23=85，紋理閾值DT12=N/2，DT23=N，N為所有圖像塊非零AC系數的平均個數。將區間劃分為強嵌入區R1∈{DL≥DL12}∩{DT≥DT12}，次嵌入區R2∈{DL12≤DL≤DL23}∩{DT12≤DT≤DT23}，弱嵌入區R3∈{DL≤DL12}∩{DT≤DT12}。在3個區域中分別采用m1 bit、m2 bit、m3 bit的LSB嵌入，根據前面提到的各個區域信息嵌入量的關系得出m1≥m2≥m3。
具體的嵌入過程如下：
（1）對原始JPEG載體圖像進行熵解碼。
（2）選取載體圖像的每個8×8分塊中的量化后的DCT系數，根據設定的閾值DL、DT，將圖像劃分為強嵌入區、次嵌入區、弱嵌入區，依次嵌入m1 bit、m2 bit、m3 bit的秘密信息。
（3）在圖像分塊中，計算量化后非零DCT交流系數N（n）的個數，來確定該分塊的紋理復雜度，同時計算塊中各像素在相應亮度分量上的亮度平均值ρB：
其中，F（0，0）為直流DC系數。
（4）根據步驟（2），找出分塊Bk所屬的區間，通過式（2）來確定要嵌入的秘密信息k的值：
其中，為了準確地提取秘密信息，交流的第一個系數不用來嵌入而用來確定該塊屬于哪個區，具體的操作為：利用LSB和次LSB兩位，00代表該塊屬于R1，01為R2，10為R3。
（5）把二進制秘密信息m用混沌調制加密為m′，截取k bit的秘密信息嵌入到像素塊Bk的像素Bk（i，j）中，修改過后的像素為B′k（i，j），Bk的像素塊變為載密的像素塊B′k。
（6）把所有的B′k合為一個整體，對整體圖像進行熵編碼，形成載密圖像。
2 實驗結果
實驗選用一幅256×256×8的標準灰度圖像Lena圖像為原始載體圖像。圖像文件均為標準JPEG文件格式。
表1是本文算法與原始算法在不同圖像下的嵌入對比數據。從測試結果發現，本文算法平均嵌入容量比原始算法高出了7 909 bit，PSNR的值也上升了 0.617 dB，這是由于數據嵌入過程中充分地考慮了視覺特性的結果。
3 分析
3.1 隱蔽差異性分析
載體圖像和載密圖像的差異圖可以反映出隱寫算法在載體圖像中嵌入的位置，從而可以分析出算法視覺特性利用的充分性。圖1為本文算法與原始算法差異放大圖。
實驗結果表明，圖1（a）對紋理區與較暗區域的改動更加充分，主要集中在Lena的頭發部分、背景等紋理復雜和亮度較暗的區域，而圖1（b）對紋理區的改動相對分散，利用不充分。
3.2 抗檢測性能分析
實驗選擇二階多項式核的支持向量機作為分類器，用CCPEV-548D[9]檢測本文提出算法。
圖2給出了本文算法與原始算法隨嵌入率變化的錯誤檢測率對比圖。實驗結果表明，隨著嵌入率的上升，兩種算法的最小平均錯誤檢測率都降低，抗檢測性能都有所下降。但是，本文算法的最小平均錯誤檢測率要略微高于舊算法，換言之，抗檢測性能要好于原始算法。
4 結論
本文算法將自適應方法引入，通過直接對量化系數的計算，確定圖像塊的區域亮度和紋理特征，將信息更多地隱藏在紋理區域和較亮或較暗的區域，最后從嵌入秘密信息容量、PSNR、抗檢測等方面，分析算法對隱寫結果的影響。實驗結果表明，本文算法是一個行之有效的算法。
參考文獻
[1] 周清雷，黃明磊.JPEG圖像的信息隱藏方法[J].計算機工程與設計，2010，31（19）：4178-4181.
[2] UPHAM D. JPEG-Jsteg-v4[EB/OL].[1993-05-26]（2014-11-01）. http：//www.funet.fi/pub/crypt/steganography/jpeg-jsteg-v4.diff.gz.
[3] WESTFIELD A． F5-Asteganographic algrithm high capacity despite better steganalysis. IH2001， 2001：289-302．
[4] KAWAGUCHI E， EASON R O. Principle and applications of BPCS-Steganography[A]， Proceedings of SPIE： Multimedia Systems and Applications[M]. Bellingham， WA： SPIE， 1999：464-472.
[5] Wu Dachun， TSAI W H. A steganographic method for images by pixel-value differencing[J].Pattern Recognition Letters， 2003，24（9-10）：1613-1626.
[6] WANG C M， WU N I， TSAI C S， et al. A high quality steganographic method with pixel-value differencing and modulus function [J]. Journal of Systems and Software，2008， 81（1）：150-158
[7] 向德生，熊岳山，朱更明.基于視覺特性的灰度水印自適應嵌入與提取算法[J].中國圖象圖形學報，2006，11（7）：1026-1035.
[8] 龔發根，秦拯.分塊自適應JPEG圖像數據隱藏算法[J].計算機應用研究，2010，27（10）：3884-3888.
[9] JOHNSON N， JAJODIA S. Steganalysis of images created using current steganography software[C]. Proceedings of the 2nd International Information Hiding Workshop， Berlin/Heidelberg： Springer， 1988：273-289.