[发明专利]一种基于同频子图滤波的JPEG图像隐写信息定位方法有效

专利信息
申请号: 201911344997.1 申请日: 2019-12-24
公开(公告)号: CN111047497B 公开(公告)日: 2022-10-04
发明(设计)人: 杨春芳;王杰;王平;宋晓锋;卢记仓;朱玛;刘粉林;罗向阳 申请(专利权)人: 中国人民解放军战略支援部队信息工程大学
主分类号: G06T1/00 分类号: G06T1/00
代理公司: 郑州联科专利事务所(普通合伙) 41104 代理人: 刘建芳
地址: 450001 河*** 国省代码: 河南;41
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 频子图 滤波 jpeg 图像 信息 定位 方法
【说明书】:

发明公开了一种基于同频子图滤波的JPEG图像隐写信息定位方法,本发明将JPEG图像中各8×8分块相同位置的系数进行组合,得到64幅隐密图像同频子图,然后对各个隐密图像同频子图低通滤波,估计载体图像同频子图,从而估计载体JPEG图像,得到载体JPEG图像的DCT系数的估计;接着计算多幅嵌入路径和嵌入率都相同的待检测隐密图像中每个位置的残差均值,根据残差均值实现隐密位置估计,并在计算残差时考虑JPEG图像隐写时不在特定系数中嵌入信息的特点,显著提高对JSteg隐写的隐密位置定位准确率。

技术领域

本发明涉及信息安全技术领域,尤其涉及一种基于同频子图滤波的JPEG图像隐写信息定位方法。

背景技术

目前,数字隐写是在数字图像、视频、音频和文本等多媒体数据的冗余中嵌入信息,以实现秘密通信的一种技术。针对不同的应用场景,研究者们已经提出了许多各具特点的隐写算法。这些隐写算法既可用于正常的安全通信,也容易被不法分子用窃取物联网隐私、商业机密等,以躲避安全防护。因此,为了保护物联网的安全和隐私,开展反向的隐写分析技术研究十分必要。

目前,针对以图像为载体的隐写算法,已经提出了一系列性能优异的隐写检测算法。这些隐写检测算法不仅能够较为准确的判断传统隐写的隐密图像,还能有效区分新型自适应隐写的隐密图像,甚至可估计出隐写嵌入的信息比率或对载体的更改比率。理论上,对于一个隐写系统,隐写分析者只要能够以超过随机猜测的概率正确区分载体和隐密对象,就认为该隐写系统已被攻破。然而,实际上,取证者通常并不满足于能够检测出隐密对象,更期待能够正确提取出嵌入的秘密信息。与隐密对象检测相比,隐写信息的提取要困难得多,很多时候不仅需要知道嵌入的信息长度和隐写位置选取机制,往往还需要知道嵌入的位置信息。

由于顺序隐写将隐写信息顺序的嵌入在载体的局部区域,含隐写信息的局部区域与其他区域的统计特性将出现明显差别。因此,早期隐写信息定位方面的研究主要集中于顺序隐写。研究者们针对顺序的空域最低有效位(least significant bit,LSB)替换隐写、扩频隐写和JSteg隐写等,陆续提出了多种隐写信息定位方法,如卡方检验方法、局部色调一致性方法、连续概率比检验与优化累加和方法、带权隐密图像优化方法、JPEG分块不连续性序列突变点估计方法等等。

与顺序隐写相比,随机隐写将隐写信息随机散布在整个载体,载体中不会出现统计特性明显异常的局部区域,这给随机隐写的隐写信息定位带来了困难。因此,早期对随机隐写的信息定位方面的研究很少,而且性能较差。如:2004年Davidson和Paul借鉴数据挖掘中异常点检测的思想,将隐密像素定位问题看作基于能量的图像异常点检测,提出了基于异常点检测的空域隐写信息定位算法,该算法对隐密位置判定的误差较大,而且对纹理复杂区域的隐密像素定位结果几乎无效;Ambalavanan和Chandramouli用Markov随机场对图像进行建模,利用图像与统计力学系统间的相似性,提出了基于贝叶斯估计的空域隐写信息定位算法,该算法对于LSB替换和LSB匹配隐写等对载体更改较小的隐写将失效。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军战略支援部队信息工程大学,未经中国人民解放军战略支援部队信息工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911344997.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top