[发明专利]一种基于小波变换、奇异值分解、海森堡分解和果蝇优化算法的图像隐藏方法

权利要求书

1.一种基于小波变换、奇异值分解、海森堡分解和果蝇优化算法的图像隐藏方法，其特征在于，包括如下步骤：

1)水印的嵌入：宿主图像A顺序采用3级小波变换、海森堡分解、奇异值分解、逆奇异值分解、逆海森堡分解和逆3级小波变换对水印进行嵌入，得到嵌入水印后的图像WA；

2)水印的提取：图像WA顺序采用小波变换、海森堡分解、奇异值分解、逆奇异值分解对水印进行提取，得到提取的水印

3)图像隐藏：采用果蝇优化算法找出步骤1)、步骤2)中的水印嵌入、水印提取使得嵌入水印的图像同时符合隐蔽性和强鲁棒性，且使评价函数得到最优值时取得的水印嵌入系数α，称为最优嵌入系数，依据水印嵌入最优系数α将水印嵌入到宿主图像中得到嵌入水印的图像。

2.根据权利要求1所述的基于小波变换、奇异值分解、海森堡分解和果蝇优化算法的图像隐藏方法，其特征在于，所述步骤1)为：

(1)对宿主图像A进行3级小波变换得到图像A的低频近似分量系数、水平高频细节分量系数、垂直高频细节分量系数、对角高频细节分量系数依次为LL、LH，LH和HH；

(2)依据LL＝P×H×P^T对系数LL进行海森堡分解得到系数P和H，其中P是LL的酉矩阵，H是LL的海森堡矩阵；

(3)依据对系数H进行奇异值分解得到系数HS_w，其中HU_w是H的酉矩阵，HS_w是H的对角矩阵，HV_w是H的另一个酉矩阵；

(4)依据将水印图像W进行奇异值分解得到系数S_w，其中U_w是W的酉矩阵，S_w是W的对角矩阵，V_w是W的另一个酉矩阵；

(5)依据结合嵌入系数α修改系数HS_w，进行水印的嵌入得到其中是嵌入水印信息的H的对角矩阵；

(6)依据通过对系数进行逆奇异值分解得到系数H^*，其中H^*是嵌入水印信息的H矩阵；

(7)依据LL^*＝P×H^*×P^T通过对系数H^*进行逆海森堡分解得到系数LL^*，其中LL^*是嵌入水印信息的图像A的低频近似分量；

(8)通过逆3级小波变换得到嵌入水印后的图像WA。

3.根据权利要求1所述的基于小波变换、奇异值分解、海森堡分解和果蝇优化算法的图像隐藏方法，其特征在于，所述步骤2)为：

(1)对嵌入水印的图像WA进行小波变换得到图像WA的低频近似分量系数、水平高频细节分量系数、垂直高频细节分量系数、对角高频细节分量系数依次为LL_w、LH_w、HL_w和HH_w；

(2)依据对LL_w进行海森堡分解得到系数H_w，其中P_w是LL_w的酉矩阵，H_w是LL_w的海森堡矩阵；

(3)依据对系数H_w进行奇异值分解得到系数其中是H_w的酉矩阵，是H_w的对角矩阵，是H_w的另一个酉矩阵；

(4)依据结合嵌入系数α对系数进行修改得到系数其中是从H_w提取的水印信息的对角矩阵；

(5)依据对系数进行逆奇异值分解得到提取的水印W^*。

4.根据权利要求1所述的基于小波变换、奇异值分解、海森堡分解和果蝇优化算法的图像隐藏方法，其特征在于，所述步骤3)为：

(1)初始化水印过程参数和果蝇优化算法参数：水印过程参数包括嵌入系数数组α_k(k＝1，2，...，n)、权重初始化λ和比例系数ω_i(i＝1，2)，

果蝇优化算法参数包括果蝇种群的初始位置InitX_axis，InitY_axis，最大迭代次数maxgen、果蝇种群的大小sizepop；

(2)对嵌入水印的图像WA实施以下多种攻击：伽马校正(0.8)攻击、缩放(512→256→512)攻击、缩放(512→1024→512)攻击、均值滤波(3×3)攻击、维纳滤波(3×3)攻击、中值滤波(3×3)攻击、高斯噪声(均值0，方差0.001)攻击、锐化(0.8)攻击、对比度调整(20％)攻击、散斑噪声(0.001)攻击、JPEG 2000压缩(压缩比为12)攻击、高斯低通滤波(3×3)攻击、JPEG压缩(品质因数50％)攻击和运动模糊(角度4，长度7)攻击，得到提取的水印(i＝1，2，...，N)，计算峰值信噪比PSNR(A，WA)和归一化互相关通过公式计算目标函数的值；

(3)采用果蝇优化算法确定最优嵌入系数，包括如下过程：

a.确定一个果蝇个体靠嗅觉的寻找食物的距离坐标:(X_i＝X_axis+RandomValue、Y_i＝Y_axis+RandomValue)；

b.令估算的距离和味道浓度判决值分别为：S_i＝1/Dist_i；

c.设在果蝇种群中的味道浓度判决函数为Smell_i＝Function(S_i)；

(4)令Function(S_i)作为步骤(2)中的目标函数；

(5)步骤(3)还包括：

d.寻找在果蝇种群中有最大味道浓度的果蝇([bestSmell bestIndex]＝max(Smell))；

e.保存最好的味道浓度值以及对应的x，y坐标(Smellbest＝bestSmell、X_axis＝X(bestIndex)、Y_axis＝Y(bestIndex))；

(6)在达到最大迭代次数maxgen之前，重复步骤(3)，寻找更优的目标函数的值；直到达到最大的迭代次数maxgen，输出最优的目标函数值对应的坐标，得到对应的最优嵌入系数。