一種基于混沌置亂和圖像融合的信息隱藏算法研究

蔡正保

(1.安徽大學計算機科學與技術學院,安徽 合肥 230601;2.安徽國防科技職業學院信息技術學院,安徽 六安 237011)

0 引言

在信息技術快速發展的大環境下,用戶可以便捷地共享數字媒體信息,數字媒體的安全問題倍受人們重視。數字圖像簡單且直觀,同時包含豐富的亮度、紋理等信息,在生產生活中常常被選作信息交流的媒介[1]。然而,因特網中大量的圖像數據傳輸以及交互引起了諸如非法篡改、隱私泄露等眾多復雜問題,若得不到妥善處理會引起一系列不良后果[2]。若采用常用的圖像隱藏算法對秘密圖像進行簡單隱藏,黑客很可能利用現有的攻擊手段提取出秘密圖像。因而,采用常規、普通的算法對秘密圖像進行隱藏很可能不是一個好的方案[3]。還需要進一步尋找、探索新的信息隱藏算法。本文探索了一種采用混沌置亂技術和圖像融合技術相結合的方法對秘密圖像進行隱藏。

1 混沌置亂

混沌系統具有對初始值以及參數的不可預測性、敏感性、遍歷性、類白噪聲性等優良特性,經常被用于信息隱藏領域。混沌系統運用初值能夠精確地重構混沌序列[4],這與密碼學的一些相關研究高度關聯。混沌映射能夠生成沒有規則的混沌序列,可以運用混沌映射后獲得的混沌序列來對圖像的像素進行無規則分布,獲得圖像像素的無序排列。這種經過混沌排列后的圖像像素隨機分布,呈現出混沌特性,可稱作圖像的混沌置亂[5]。混沌序列在信息隱藏技術中的主要用途有:增加破解難度,提高算法的安全性;對于脆弱性算法,造成脆弱性隱體被攻擊后提取失敗;有利于分散突發錯誤[6]。

Logistic映射是一種應用比較普遍的混沌系統,Logistic混沌序列能夠呈現出優良的隨機性、復雜性以及相關性,也就是對混沌序列進行準確預測似乎不具備可能性[7]。其系統方程可描述為如公式(1)的形式:

(1)

在μ取值為2時,Logistic映射模型將全部呈現混沌現象,能覆蓋[-1,1]的范圍,遍歷特性明顯,最具有混沌性質。所以,可直接將μ取值為2,便可獲得Logistic映射的簡化公式,如公式(2)所示:

(2)

把公式(2)參照二次方程的形式進行改進,此時,xn為變量,而xn+1為參數,可以推導出方程的兩個解,如公式(3)和(4)所示:

(3)

(4)

要想從xn+1推導出其前一個值,會有兩種可能的數值,并且這兩個數值的正負符號相反。在這種情況下,若在每一次迭代過程中記下當時值的符號,在逆運算時便能夠在兩個解中挑選出正確的解,符號用S來記錄。此時,對于x,可有公式(5):

(5)

圖1 混沌置亂加解密原理

依據以上思路,將數字圖像的某種信息作為以上算法的初始值,進行迭代運算,便可對圖像信息加密。本文將秘密圖像的低頻分量和高頻分量系數作為Logistic映射的初始值來對秘密圖像進行混沌置亂。

2 圖像融合

圖像融合是把兩個或者兩個以上的數字圖像進行信息提取并融合到一個圖像中,如軍事融合圖像的安全傳輸、醫學融合圖像的網絡傳輸與遙感融合圖像的信息傳輸等特殊應用[8]。圖像融合和圖像加密在諸多應用中有著緊密的聯系,將二者有機地結合起來可以有效地提高數據處理效率,增強數據傳輸的安全性[9]。

由于現代生產生活中信息量和信息復雜度都比較大,使用傳統方法不能很好地處理這些信息量,需要探索新方法、新技術,或者優化傳統方法。最終找到一個合理的方法或技術,運用多種資源來分析處理這些信息,從而使得目標圖像能夠更加完整、清晰地顯示出來[10]。

在分析已有文獻[11-12]所述的圖像隱藏方法的基礎上,采用一種圖像隱藏效果較好的算法。

對于鄰域Q,能夠定義出待融合圖像以(j,k)作為中心點的窗口能量計算公式:

(6)

其中,l為小波分解尺度,V表示原始載體圖像P和需要隱藏的秘密圖像y;Gl,V(j,k)是載體圖像P或秘密圖像y在尺度l方向以(j,k)作為中心點的小波系數值。

(2)低頻分量融合。對于圖像P、y的低頻分量DP、Dy的全部元素信息,統計出來其3×3的鄰域能量WP(j,k)、Wy(j,k),再做歸一化處理,如公式(7)和(8)所示:

(7)

(8)

進行歸一化,得出鄰域能量,再依據公式(9)進行融合:

H(j,k)=WP×DP(j,k)+Wy×Dy(j,k).

(9)

(10)

其中,V表示載體圖像P或秘密圖像y;h=X,Y,Z,其中,X、Y、Z分別表示垂直、水平、對角三個方向上的高頻分量。

(11)

(4)低頻和高頻系數小波重構。小波重構是關鍵一環,把通過融合獲得的低頻和高頻系數做小波重構操作,便可以輸出最終的融合圖像。

3 基于混沌置亂和圖像融合的信息隱藏算法

3.1 圖像隱藏

選用的載體圖像為P,待嵌入的秘密圖像為y,P和y均為數字圖像。

(5)小波重構。把通過融合所獲得的低頻和高頻系數做小波重構操作,便可以輸出最終的融合圖像。

圖像隱藏算法的詳細流程如圖2所示。

圖2 圖像隱藏算法流程

3.2 圖像恢復

圖像恢復主要是秘密信息的提取,其算法與圖像隱藏算法互為逆運算。

(1)小波分解。此時的融合圖像P′也就是含密圖像,對含密圖像進行小波分解操作,獲得低頻和高頻系數。

(2)高頻分解。對高頻系數進行分解,獲得載體圖像的高頻分量和秘密圖像的混亂高頻分量。

(3)低頻分解。對低頻系數進行分解,獲得載體圖像的低頻分量和秘密圖像的混亂低頻分量。

(4)去亂。對秘密圖像混亂的高頻分量和低頻分量進行去亂處理,得到去亂后的高頻分量和低頻分量。

(5)小波重構。對秘密圖像的高頻分量和低頻分量進行三層小波重構,獲得秘密圖像信息,即提取出秘密圖像。

圖像提取算法的詳細流程如圖3所示。

圖3 圖像提取流程

4 仿真和討論

運用MATLAB軟件來仿真本文的圖像隱藏算法,根據實驗結果對算法的各項數據進行評價。為檢驗算法的各項性能指標,選取兩幅256×256灰度圖像Lena、cameraman作為載體圖像;選用兩幅128×128灰度圖像boat、airplane作為秘密圖像;再將兩個秘密圖像分別嵌入載體圖像。實驗的原始圖像及結果圖像如圖4和圖5所示。

圖4 載體圖像Lena和秘密圖像boat及其實驗結果

圖5 載體圖像cameraman和秘密圖像airplane及其實驗結果

為驗證本文算法的優劣,這里運用了文獻[11]、文獻[12]所述算法對圖像進行了隱藏,并對運用三種方法隱藏秘密圖像所得的實驗數據進行記錄(表1)。表1中峰值信噪比(PSNR)數據驗證了三種方法對圖像進行隱藏后肉眼不能感知載體圖像的變化,而本文所述的算法相較于另外兩種算法更勝一籌。

表1 肉眼不能感知載體圖像失真的實驗數據

為了更好地檢測本文算法、文獻[11]算法、文獻[12]算法對載體圖像造成的影響,可采用更多的圖像評價指標進行實驗驗證。這里參照統計學失真標準對圖像進行統計、計算,運用信息熵、平均值和標準差這三個圖像評價參數來比較載體圖像和含密圖像的前后變化,仿真實驗數據如表2所示。根據表2的數據統計得出,使用本文算法處理后的載體圖像和含密圖像的前后評價參數變化很小,比另外兩種算法對載體圖像自身的影響更小。

表2 載體圖像和含密圖像的圖像參數

從圖4和圖5的圖像實驗結果以及表1和表2的仿真實驗數據可以得出,綜合運用混沌置亂和圖像融合的隱藏算法提高了算法本身的安全性能,在實際應用中可以很好地保證含密圖像的視覺效果,使秘密圖像的隱藏效果也較好。

對于算法魯棒性的檢測,可以在仿真實驗中對含密圖像做任意涂改、加入椒鹽噪聲、剪切等處理操作。圖6、圖7、圖8分別展示了受到任意涂改、加入2%椒鹽噪聲、12.5%剪切這三種常規圖像攻擊后的含密圖像以及提取出的秘密圖像。

圖6 任意涂改攻擊的圖像

圖7 加入2%椒鹽噪聲攻擊的圖像

圖8 12.5%剪切攻擊的圖像

從圖6、圖7、圖8可以看出,本文算法在遭受以上幾種常見的攻擊后,從含密圖像中依然能夠提取出較為清晰的秘密圖像。

同樣,對文獻[11]、文獻[12]所述算法在受到幾種攻擊情況下進行了實驗仿真,并將三種算法所得的實驗數據進行記錄(表3)。由表3看出本文算法的歸一化相關系數NC值較大,由此驗證了本文算法能較好地應對上述三種常見圖像攻擊,魯棒性好,相對于同類算法有一定的優越性。因此,運用基于混沌置亂和圖像融合的信息隱藏算法進行仿真實驗,能夠獲得較好的實驗結果。

表3 各種攻擊的客觀評測結果

5 結語

本文所述的信息隱藏算法,將原始載體圖像和待隱藏的秘密圖像做小波分解操作,得到各自的高頻、低頻分量,把秘密圖像的高頻、低頻分量分別進行混沌置亂,再與載體圖像的高頻、低頻分量進行圖像融合運算,得到高頻系數和低頻系數;將高頻系數和低頻系數進行小波重構,獲得含密圖像,完成對秘密圖像的隱藏。對算法進行實驗驗證和仿真操作,得到具體圖組和仿真實驗數據。采用混沌置亂技術對秘密圖像高頻、低頻分量進行預處理,可以大幅度提高秘密圖像的安全性,運用圖像融合的方法可以輸出一幅更易于人類視覺感知、方便計算機處理分析的優質圖像,進一步提高算法的抗攻擊能力。

基于混沌置亂和圖像融合的信息隱藏算法具有失真度小、不可見性和安全性高以及在面對常見圖像攻擊魯棒性好的特點。但也存在數據處理比較慢等缺陷,有待于在現有研究基礎上進一步改進。隨著信息隱藏技術的發展,國內外對混沌置亂和圖像融合技術的研究也將逐步深入。