2. 长安大学 电子与控制工程学院, 西安 710064;
3. 西北工业大学 自动化学院, 西安 710072
2. School of Electronic and Control Engineering, Chang'an University, Xi'an Shaanxi 710064, China;
3. College of Automation, Northwestern Polytechnical University, Xi'an Shaanxi 710072, China
信息隐藏技术以秘密信息传输的“存在级”安全成为网络与信息安全领域的应用热点[1],其中载体的选择至关重要。现阶段,3D视频因能提供真实场景的立体感与视点交互而越来越受到人们的欢迎,是下一代视频系统发展的主要方向[2]。3D视频因采用多视点拍摄而带来大量的时间和空间冗余数据,应用的广泛性与数据的冗余性使得3D视频或将成为信息隐藏技术的首选载体[3-4]。
在基于3D视频的信息隐藏应用中,文献[5]依据帧内4×4块的预测模式与待嵌入比特之间的映射规则实现嵌入,但对于不同的测试序列差异性较大,统计建立的映射规则不具有普遍适用性。文献[6]通过纹理复杂度较高的帧内4×4亮度块调制预测模式,但拉格朗日率失真模型有35种预测模式,计算复杂度比较大。文献[7]提出一种基于运动矢量空间编码的高效率视频编码(High Efficiency Video Coding, HEVC)背景信息隐藏方法,根据给出的运动矢量空间构建与编码方法,定义运动矢量集合与该空间中点的映射关系,通过修改运动矢量集合映射值进行信息隐藏的方法,但嵌入容量很小。
为了解决目前基于3D视频的信息隐藏算法存在的容量小和算法复杂度高的问题,本文提出了一种基于3D-HEVC背景的信息隐藏算法。首先对多视点图进行前/背景分离,并对背景图进行 lαβ分解;然后选取α与β 分量进行离散余弦变换(Discrete Cosine Transform, DCT),选取DCT中频系数作为信息隐藏区域;最后把秘密信息作混沌置乱后进行重复嵌入。算法充分利用背景图和 α、β 分量的弱能量性使算法具有很好的不可见性,利用置乱和冗余策略则使算法具有较好的鲁棒性。
1 3D-HEVC背景图和 lαβ 颜色模型应用 1.1 3D-HEVC的信息隐藏应用HEVC是国际电信联盟电信标准分局和国际标准化组织联合制定的下一代视频编码标准,3D-HEVC则是基于HEVC的新3D标准,以多视点视频纹理加深度信息格式进行编码[8]。不同视点间的纹理图有重合的背景,即产生背景冗余信息,为信息隐藏提供嵌入信息的区域。视点图像的前景图能量较高,不可见性较差,因此不作为嵌入区域,而背景图的能量性较小,所以在背景图中相同的区域冗余嵌入信息,可抗击视频压缩攻击,提高算法的鲁棒性,冗余重复嵌入策略如图 1所示。
lαβ 颜色空间在信息隐藏技术中的最大优势在于基本上消除了RGB颜色空间的强相关性,而且 l、α、β 分量具有明显的能量差别,如图 2所示。信息隐藏则利用能量特性,在 α、β 两个低能量分量嵌入隐藏信息,较为容易地实现信息隐藏应用的不可见性要求[9]。
从3D视频解码器端取出多视点视频序列第一帧纹理图,通过深度信息阈值对其前景和背景进行分离,获取各自前景图和背景图, 分别记作wl和vl(l=0, 1, 2)。背景分离采用深度图信息阈值T进行分离,T通过视频序列的相机参数获取确定:小于阈值T为前景,大于阈值T为背景。从3个视点的背景图中各自取出一个8×8矩阵块进行块匹配,寻找重复块的位置直到遍历整个背景图。
视点0、视点1和视点2的背景图中取出的矩阵块分别记作A、B、C,两个块中相同像素点的个数记作n,则相似率为Qij=n/64,阈值T=0.85。块的匹配规则如表 1所示。
利用3D-HEVC背景和 lαβ 颜色空间分量权重特性,设计的信息隐藏算法具体步骤如下:
步骤1 首先根据载体预处理规则(表 1)对载体进行预处理操作,得到记录重复块位置的数组 X、Y、Z。
步骤2 根据数组X、Y、Z中的位置信息提取相应的块进行lαβ分解,分解出载体图像的3个分量子图分别记为lh、αh、βh (h=X,Y,Z)。
步骤3 αX进行DCT得到系数矩阵αij,对αij作zig-zag[10]排序生成矩阵B1×64,取8个中频系数(B20至B27)作为秘密信息的嵌入区域,对其进行编码处理生成序列C,规则如表 2所示。
步骤4 利用公式产生一组混沌序列,然后根据阈值函数对生成的混沌序列进行二值化处理,产生二维矩阵Pck,将Pck与秘密图像数据作异或操作,得到置乱序列N[j]。
步骤5 嵌入秘密信息N,嵌入规则如表 3所示。
步骤6 对αf、βh分量( f =Y, Z; h= X, Y, Z)图作相同的处理,重复块嵌入相同的秘密信息。
步骤7 将嵌入秘密信息后的DCT系数进行逆变换,生成含密图像α和β。
步骤8 将l、α和β重新合成RGB图像。
步骤9 将含密的背景图与前景图合成生成最终的带有秘密信息的视点图。
根据上述信息隐藏算法的实施步骤,信息的提取则首先需要依据载体预处理规则对含密图像进行预处理,得到记录重复块位置的数组X、Y、Z;其次根据数组X、Y、Z中的位置信息提取相应的块进行lαβ分解; 再次,依据信息嵌入过程中的步骤3和步骤5,作DCT,提取置乱的秘密信息;最后将置乱的含密信息作混沌变化得到秘密信息。
3 性能分析及实验仿真 3.1 不可见性实验对信息隐藏算法进行实验仿真,仿真环境为Matlab,载体图像为3幅1 024×768多视角灰度图像,隐藏信息为64×64 Baboon二值图像。图 3为可视化实验效果示意图。
如图 4所示,在100幅图像中进行信息隐藏,横坐标表示嵌入量,用 2k表示,0≤2k≤65 536 b,纵坐标为嵌入量对应的平均峰值信噪比(Peak Signal to Noise Ratio, PSNR),数据显示算法在k≤10时具有PSNR≥44.32 dB 的高不可见性。
按照 PSNR对本文算法和基于帧间和帧内算法进行评价,从而进行不可见性对比,本文算法、基于帧间的算法和基于帧内的算法的PSNR 分别为44.513 2 dB、38.327 0 dB和39.950 1 dB。本文算法比基于帧间和帧内算法不可见性分别提高16.1%和11.4%。
3.3 鲁棒性实验鲁棒性是基于视频信息隐藏技术的难点,本文算法利用的3D视频HEVC技术,最初的作用就是压缩,所以特别需要对算法的鲁棒性进行有效性验证。
由于本文设定嵌入信息为二值图像,故针对二值图像的数据恢复制定如下判别策略, 利用鲁棒性检验值Q进行定量衡量(0≤Q≤100),Q值大小与鲁棒性正相关。Q值如式(1) 所示:
$ Q = w \times p $ | (1) |
其中:w和p的计算式分别如式(2)、(3) 所示。
$ w = \frac{{n \times n}}{{\sum\limits_{i = 0}^{n-1} {\sum\limits_{j = 0}^{n-1} {f(i, j)\mathop \oplus \limits^-f(i + \mu, j + \eta )} } }} $ | (2) |
$ p = \frac{{\sum\limits_{i = 0}^{n-1} {\sum\limits_{j = 0}^{n-1} {f(i, j)\mathop \oplus \limits^-g(i, j)} } }}{{n \times n}} $ | (3) |
其中:n为是正方形二值图像的边宽;μ和η为纹理对比步长,μ, η∈{1, 2, …, k},k=(n-1)/2,文中实验为μ=1、η=1的结果。
图 5是在剪切、压缩、高斯噪声、椒盐噪声、滤波等攻击下提取秘密图像的实验结果,提取出的信息均可识别,证明算法在常见的噪声和滤波攻击时具有较好的鲁棒性。
由图 5可视化结果中的“椒盐噪声”实验可以看出 Q=33.55时,嵌入信息仍可识别,即当Q>33,便可识别出秘密图像。如图 6中本文算法的实验数据所示,进行剪切和压缩对比实验,当受到剪切率低于50%,压缩率低于73%时Q>33, 证明算法具有较好的鲁棒性。
分别对本文算法和基于帧间和帧内算法生成的含密图像进行随机剪切和压缩,按照鲁棒性检验值方法进行评价,如图 6所示。
本文算法剪切实验和JPEG2000实验的鲁棒性检验值的平均值约为51.323 7,而基于帧间的信息隐藏算法约为32.998 0,基于帧内的信息隐藏算法约为42.698 9。因此,本文算法相比基于帧间和帧内的信息隐藏算法鲁棒性分别提高55.5%和20.2%。
4 结语本文利用广泛应用的3D视频作为信息隐藏的掩体,给出了基于能量思维的3D视频信息隐藏应用普适方法。该方法可使秘密信息传输者根据应用要求计出具有高鲁棒性和安全性的信息隐藏算法。本文算法在嵌入秘密信息时,图像本身的灰度值发生了一定的变化,但在秘密信息的提取过程中运用原有阈值进行前景和背景的分离将产生一定的误差,后续将着力研究DCT中频系数块的大小与误差的关系,解决阈值的准确选取问题。
[1] | 汪然, 许漫坤, 平西建, 等. 基于分割的空域图像隐写分析[J]. 自动化学报, 2014, 40(12): 2936-2943. ( WANG R, XU M K, PING X J, et al. Steganalysis of spatial images based on segmentation[J]. Acta Automatica Sinica, 2014, 40(12): 2936-2943. ) |
[2] | 黄凯奇, 陈晓棠, 康运锋, 等. 智能视频监控技术综述[J]. 计算机学报, 2015, 38(6): 1093-1118. ( HUANG K Q, CHEN X T, KANG Y F, et al. Intelligent visual surveillance:a review[J]. Chinese Journal of Computers, 2015, 38(6): 1093-1118. doi: 10.11897/SP.J.1016.2015.01093 ) |
[3] | 周燕, 曾凡智, 赵慧民. 基于压缩感知的视频双水印算法研究[J]. 计算机科学, 2016, 43(5): 132-139. ( ZHOU Y, ZENG F Z, ZHAO H M. Double video watermarking algorithm based on compressive sensing[J]. Computer Science, 2016, 43(5): 132-139. ) |
[4] | 刘立冬. 基于H. 264压缩域的视频水印算法研究[D]. 杭州: 浙江大学, 2013: 20-28. ( LIU L D. Research on video watermarking algorithm based on H.264 compressed domain[D]. Hangzhou:Zhejiang University, 2013:20-28. ) |
[5] | 胡洋, 张春田, 苏育挺. 基于H.264/AVC的视频信息隐藏算法[J]. 电子学报, 2008, 36(4): 690-694. ( HU Y, ZHANG C T, SU Y T. Information hiding for H.264/AVC[J]. Acta Electronica Sinica, 2008, 36(4): 690-694. ) |
[6] | 王家骥, 王让定, 李伟, 等. 一种基于帧内预测模式的HEVC视频信息隐藏算法[J]. 光电子·激光, 2014, 25(8): 1578-1585. ( WANG J J, WANG R D, LI W, et al. An information hiding algorithm for HEVC based on intraprediction[J]. Journal of Optoelectronics·Laser, 2014, 25(8): 1578-1585. ) |
[7] | 李松斌, 王凌睿, 刘鹏, 等. 一种基于运动矢量空间编码的HEVC信息隐藏方法[J]. 计算机学报, 2016, 39(7): 1450-1463. ( LI S B, WANG L R, LIU P, et al. A HEVC information hiding approach based on motion vection space encoding[J]. Chinese Journal of Computers, 2016, 39(7): 1450-1463. doi: 10.11897/SP.J.1016.2016.01450 ) |
[8] | 刘双. 基于H. 264/AVC的视频信息隐藏技术研究[D]. 成都: 西南交通大学, 2015: 12-34. ( LIU S. Research on video information hiding technology based on H.264/AV[D]. Chengdu:Southwest Jiaotong University, 2015:12-34. ) |
[9] | 任帅, 石方夏, 张弢. 基于三维模型轮廓解析的信息隐藏算法[J]. 计算机应用, 2016, 36(3): 642-646. ( REN S, SHI F X, ZHANG T. Information hiding scheme for 3D model based on profile analysis[J]. Journal of Computer Applications, 2016, 36(3): 642-646. doi: 10.11772/j.issn.1001-9081.2016.03.642 ) |
[10] | DIENER R, MINARDI S, TEPPER J, et al. All-in-one 4-telescope beam combination with a zig-zag array of waveguides[C]//Proceedings of the SPIE 9907, Optical and Infrared Interferometry and Imaging V. Bellingham:SPIE, 2016:990731. |