基于狀態視圖的流媒體圖像信息置亂隱藏算法

楊盼盼，趙繼春

（北京市農林科學院農業信息與經濟研究所，北京 100097）

（?通信作者電子郵箱langaoyue9b5@163.com）

0 引言

流媒體圖像信息置亂隱藏是把流媒體圖像某些私密信息進行順序顛倒、信息編碼與解碼。信息置亂隱藏方法在很久之前便已存在，被大量使用在信息領域、密碼研究領域中。對流媒體圖像實施置亂隱藏的算法主要是圖像加密與圖像置亂。和常規圖像信息加密相比，流媒體圖像加密具有加密密鑰空間大、難以破解的優勢，而且加密后圖像原始信息容易受到影響。而圖像置亂隱藏算法可以更好地把信息隱藏于圖像之中，破解難度顯著［1］。此外，和常規圖像信息置亂隱藏相比，流媒體圖像信息置亂隱藏更復雜，流媒體的載體數據具有隨機性，傳輸規模較大，隱秘數據隨時產生、及時傳輸，存在安全性不高的問題，導致流媒體圖像信息置亂隱藏更為困難、復雜。

針對圖像信息置亂隱藏問題的研究較多，如:文獻［2］中提出減少相鄰位平面間冗余度的加密圖像可逆信息隱藏算法，該算法能夠在保證圖像信息置亂隱藏的前提下，不影響圖像原始像素的相關性。文獻［3］中提出了面向全容量的高性能彩色圖像可逆信息隱藏算法，該算法對圖像信息的置亂隱藏效果較好。但是，文獻［2］算法與文獻［3］算法僅被驗證在常規圖像信息置亂隱藏中存在較好的應用性，針對流媒體圖像信息而言，兩種算法的應用性有待探究。

目前，針對流媒體圖像信息置亂隱藏問題的研究較少，文獻［4］中通過基于混沌加密及數字水印的自適應算法，完成對彩色向魯棒性水印算法的整體設計，通過水印技術實現網絡流媒體的信息隱藏，但是該方法的時間復雜度較高，加密空間較大，無法抵御運算能力較強的攻擊；文獻［5］中將流媒體應用與信息隱藏緊密結合，以音頻數據為對象，提出了一種分層的流媒體隱蔽傳輸系統模型，在此基礎上實現了流媒體信息的置亂隱藏，但是該方法的隱藏類型不夠全面，隱蔽通信的安全性有待提高。

針對上述問題，本文將狀態視圖引入圖像信息置亂隱藏，提出了基于狀態視圖的流媒體圖像信息置亂隱藏算法。狀態視圖可以直觀審視流媒體圖像信息等各種信息，基于此可有效進行流媒體圖像信息置亂隱藏，為流媒體圖像信息置亂隱藏帶來極大便利。在本文中，該算法依次采用基于限鄰域經驗模式分解（Neighborhood Limited Empirical Mode Decomposition，NLEMD）的流媒體圖像增強算法、基于狀態視圖的高效編碼和解碼算法，首先實現流媒體圖像增強，然后完成流媒體圖像信息置亂隱藏，并通過實驗驗證了本文方法的有效性。

1 基于狀態視圖的流媒體圖像信息置亂隱藏

1.1 基于NLEMD的流媒體圖像增強算法

為了有效實現流媒體圖像信息置亂隱藏，首先需要準確識別圖像信息，在流媒體圖像增強時核心方法在內蘊模式函數分量里選取最優像素點［6］。本文根據局部能量大小的標準實施選取，此標準不但顧及目前像素，而且考慮到近鄰像素間關聯性，通過高斯模板設成鄰域中像素能量的權系數實施局部能量計算［7］。模板大小設置使用4×4。假定高斯模板是NE，目前像素值是gij(x，y)，局部能量是QVij(x，y):

式中:i表示圖像分解層數；j表示圖像平滑程度；像素坐標依次是x、y。最優像素gi(x，y)是:

亮度的剩余量針對流媒體圖像整體亮度調節存在十分關鍵的作用，流媒體圖像的亮度必須均衡［8-10］。通常來講，流媒體圖像整體亮度合理的均值為0.65～0.85。流媒體圖像整體亮度的調節以兩個核心因素為主，分別是亮度均值gˉ、整體亮度對比度e。

流媒體圖像整體亮度均值的計算方法是:

其中流媒體寬度是K。流媒體圖像整體亮度對比度計算式為:

按照亮度均值gˉ、整體亮度對比度e和剩余量P，獲取流媒體圖像增強的最后剩余量調節值Pˉ是:

其中R屬于常數，取值范圍是0.65～0.85。

基于此，把需要實現信息置亂隱藏的流媒體圖像gorg(x，y)實施空間變換，從RGB（Red，Green，Blue）色彩模式（RGB color mode，RGB）空間變換至HSV（Hue，Saturation，Value）空間，在HSV 空間里，將亮度V 實施NLEMD 處理，但H、S 保持原樣，最后把HSV 空間變換至RGB 空間［11-12］。完成流媒體圖像增強的詳細步驟如下:

1）把需要實現信息置亂隱藏的流媒體圖像gorg(x，y)自RGB空間變換至HSV空間，得到色調Ho、飽和度So、亮度Vo；

2）把亮度Vo和權值?n相乘，得到一組灰度圖像g1(x，y)，g2(x，y)，…，gn(x，y)，灰度圖像的數量是n；

3）將g1(x，y)，g2(x，y)，…，gn(x，y)的灰度圖像實施H 層NLEMD，得到每幅灰度圖像的內蘊模式函數分量Q與剩余量P；

4）把n幅灰度圖像相應的內蘊模式函數分量中每個像素點實施對比，根據能量最大的標準使用像素點數據設成此層的內蘊模式函數分量［13］；

5）根據亮度Vo剩余量的整體亮度與局部對比度實施合理調節，得到剩余量均值；

6）根據色調、飽和度以及亮度三個分量，把HSV 空間變換至RGB空間，實現流媒體圖像增強。

1.2 基于狀態視圖的高效編碼和解碼算法

編碼是信息自一種模式或格式置換成其他模式的過程，解碼是編碼的逆操作［14］。置亂是把流媒體圖像的信息次序打亂，讓信息轉換為無順序可查的混亂圖像。為了實現流媒體圖像信息置亂隱藏，本文使用基于狀態視圖的高效編碼和解碼算法，對增強后的流媒體圖像信息進行置亂隱藏處理。

1.2.1 狀態視圖設計

狀態視圖屬于流媒體圖像加密的基礎，可以將圖像信息存儲在狀態視圖中自由查詢定義，定制流媒體圖像數據，聚焦特定的圖像信息，合并分離的圖像數據，創建分區視圖，簡化圖像操作流程，可以極大地方便對存在大量圖像信息的流媒體圖像進行置亂隱藏處理。同時，因為流媒體圖像中存在大量核心信息，為了對流媒體圖像以數值的形式進行研究，將流媒體圖像信息以Hilbert 曲線的形式描述，Hilbert 曲線是空間填充曲線家族的其中之一，能夠填充整個流媒體圖像。

針對1 階流媒體圖像信息的Hilbert 曲線來講，存在4 類基本模式:狀態0、狀態1、狀態2、狀態3，詳情如圖1所示。

圖1 流媒體圖像信息的Hilbert曲線狀態Fig.1 Hilbert curve states of streaming media image information

圖1 中，每幅圖片中括號外的數字是編碼，括號內的數字是坐標。差異狀態中，各個坐標和差異編碼值相呼應。針對編碼來講，設計狀態視圖的核心是建立坐標與流媒體圖像信息的Hilbert 曲線編碼值、坐標與下階狀態間映射關系。按照圖1 與流媒體圖像信息的Hilbert 曲線旋轉與翻轉標準，可建立編碼狀態視圖，解碼屬于編碼的逆處理，按照圖1 與流媒體圖像信息的Hilbert 曲線的旋轉和翻轉標準，可建立解碼狀態視圖，如表1所示。表1中，A=0，B=1，C=3，D=4。

表1 編碼狀態視圖Tab.1 Coding state view

1.2.2 編碼

建立流媒體圖像信息編碼狀態視圖后，能夠逐階迭代檢索狀態視圖，得到各階的編碼值與下階狀態，以此實現編碼。

而采用此類方法時，必須遍歷輸入的各階橫縱坐標，算法的復雜度是F(m)，且此類方法中，全部流媒體圖像輸入數據必須具備無差異的編碼時間，卻沒有分析差異輸入數據的差異，所以編碼速度較慢，需要將其進行優化。流媒體圖像信息編碼算法按照定理1完成。

定理1如果流媒體圖像信息橫坐標x1x2…xm與縱坐標y1y2…ym都是0，那么前m階編碼是0，第m+1 階的狀態是0或1。

證明m=1時，由于第1階狀態是0，x1與y1是0，則按照表1設定，第1階的編碼是AA（00），第2階狀態是B（1），定理1得證。

m=2 時，由于第2 階狀態是B（1），x2與y2是0，則按照表1設定，第2階的編碼是AA（00），第3階的狀態是A（0），定理1得證。

m值不小于3 時，由于第3 階的輸入和第1 階不存在差異，所以第3階的輸出和第1階一致，第4階的輸出和第2階一致，定理1得證。

使用定理1可實現流媒體圖像信息編碼。

1.2.3 解碼

流媒體圖像信息的Hilbert 解碼是把編碼映射至坐標，屬于編碼逆操作［15］。本文將流媒體圖像信息解碼方法描述成定理2。

定理2如果流媒體圖像信息編碼信息s1s2…s2m值是0，那么前m階相應的橫坐標與縱坐標值都是0，第m+1階的狀態是0或1。

證 明m=1 時，則第1 階狀態 是A（0），s1s2值 是AA（00），按照表1設定的狀態視圖可知，第1階坐標都是0，第2階狀態是1，定理2得證。

m=2 時，因為第2 階狀態是1，s3s4的狀態是AA（00），那么按照表1狀態視圖可知，第2階的坐標也是0，第3階的狀態是0，定理2得證。

m值不小于3 時，因為第3 階輸入和第1 階不存在差異，所以第3階的輸出和第1階一致，第4階的輸出和第2階一致，定理2得證。

使用定理2可實現流媒體圖像信息解碼。

由此，完整流媒體圖像信息置亂隱藏及解碼。

2 實驗與結果分析

2.1 視覺效果測試

為了測試本文算法對流媒體圖像信息置亂隱藏的有效性，以圖2為實驗對象，使用本文算法依次進行置亂隱藏。

圖2 實驗流媒體圖像Fig.2 Experimental streaming media images

使用本文算法置亂隱藏后的效果如圖3所示。

圖3 本文算法流媒體圖像信息置亂隱藏效果Fig.3 Scrambling and hiding effect of streaming media image information by proposed algorithm

將圖3 和圖2 對比后可知，本文算法可有效實現植物類、文字類流媒體圖像信息置亂隱藏，本文算法使用后，植物類、文字類流媒體圖像信息均以亂碼的形式呈現于人們眼前，信息全被隱藏。

在圖2 中，通過Word2010 版本中格式編輯程序，將其進行模糊化，結果如圖4所示。

圖4 模糊化流媒體圖像Fig.4 Blurred streaming media images

使用本文算法對模糊化流媒體圖像的增強效果如圖5所示。

如圖5 所示，使用本文算法增強后，植物類、文字類流媒體圖像信息得以銳化，圖像信息更加顯著，增強效果較好。

圖5 本文算法對模糊化流媒體圖像的增強效果Fig.5 Enhancement effect of blurred streaming media images by proposed algorithm

為了驗證本文算法對流媒體圖像信息置亂隱藏的應用性，分別使用文獻［2］中所提的減少相鄰位平面間冗余度的加密圖像可逆信息隱藏算法、文獻［3］中所提的面向全容量的高性能彩色圖像可逆信息隱藏算法對圖2 中信息進行置亂隱藏，效果依次如圖6～7所示。

圖6 文獻［2］算法置亂隱藏效果Fig.6 Scrambling and hiding effect of algorithm in reference［2］

圖7 文獻［3］算法置亂隱藏效果Fig.7 Scrambling and hiding effect of algorithm in reference［3］

將圖6～7 與圖3 進行對比可知，文獻［2］算法、文獻［3］算法對圖2 中信息進行置亂隱藏后，兩種流媒體圖像信息未被全部置亂與隱藏，相比之下，本文算法的置亂隱藏效果最好。

2.2 應用性能數值驗證

為了深度測試本文算法應用性能，通過置亂隱藏程度Ω評價本文算法、文獻［2］算法、文獻［3］算法對不同大小的流媒體圖像信息置亂隱藏效果。置亂隱藏程度Ω計算式如下:

其中:流媒體圖像信息熵與第m個分塊圖像信息熵依次是L、L(m)；第m個分塊里互相近鄰像素差值的均值是?(m)。

根據2.1 節實驗對比的置亂隱藏效果可得到三種算法對不同大小的流媒體圖像信息置亂隱藏度的對比如表2所示。

從表2 可以看出，本文算法對不同大小的流媒體圖像的信息置亂隱藏度始終大于文獻［2］算法、文獻［3］算法，且本文算法的信息置亂隱藏度均大于95%，表明本文算法對流媒體圖像信息的置亂隱藏性能較好。究其原因是本文算法在進行置亂隱藏前實現了圖像信息增強，能準確識別出需要隱藏的信息，進而達到了提高信息隱藏性能的效果。

表2 不同算法的信息置亂隱藏度Tab.2 Information scrambling and hiding degrees of different algorithms

3 結語

針對流媒體圖像信息置亂隱藏，本文提出了一種基于狀態視圖的流媒體圖像信息置亂隱藏算法，并使用該算法依次對植物類、文字類流媒體圖像信息進行置亂隱藏。測試結果表明:1）使用本文算法進行置亂隱藏，植物類、文字類流媒體圖像信息均以亂碼的形式呈現于人們眼前，信息全被隱藏；2）使用本文算法增強后，植物類、文字類流媒體圖像信息得以銳化，圖像信息更加顯著；3）本文算法對流媒體圖像信息的置亂隱藏效果可達到95%以上。

由于本文算法主要針對解決流媒體圖像存在的信息安全隱患問題，能夠有效提高流媒體圖像信息的置亂隱藏度，但該算法計算過程較為復雜，導致計算效率較低，在下一步的研究中將對上述問題進行優化，從而高效且準確地完成流媒體圖像信息置亂隱藏過程。