【技术实现步骤摘要】
本专利技术涉及数字图像信息隐藏，特别是一种基于最小化失真隐写框架的图像自适应隐写算法。基于人工免疫算法对嵌入秘密信息后的载密图像执行后处理，从而进一步提升载密图像抵抗隐写分析器的性能。
技术介绍
1、随着计算机科学技术的发展，数字多媒体技术日益成熟，在数字多媒体技术为生活带来便利的同时，也存在各种安全隐患，例如信息被非法篡改和窃取等。因此如何保证信息在通信信道中传输的安全性是目前网络安全领域的研究热点之一。隐写术是信息隐藏领域中的一个重要分支，对网络安全意义重大。图像自适应隐写术作为当前安全性最高的隐写方案，可以被描述为最小化嵌入失真的信源编码问题，且考虑到代价函数设计的简单性，目前的研究通常基于简化的加性失真模型。
2、当前的自适应隐写算法，如文献1"universal distortion function forsteganography in an arbitrary domain",eurasip j.inf.secur.,vol.2014,no.1,pp.1-13,jan.2014.文献2“designing steganographic distortion using directionalfilters,”in proc.4th ieee int.workshop inf.forensics security,costa adeje,esp,2012,pp.234-239.文献3“a new cost function for spatial imagesteganography,”in proc.
技术实现思路
1、鉴于现有技术的以上不足，本专利技术的目的是提供一种基于人工免疫的载密图像后处理方法，使之有效地提升现有隐写算法的安全性能。
2、本专利技术目的是通过如下的技术方案实现的：
3、一种基于人工免疫的载密图像后处理方法，用于数字图像信息隐藏处理，构建免疫处理框架并基于人工免疫算法对载密图像的免疫处理策略进行搜索，然后基于最优免疫处理策略对载密图像引入扰动以形成免疫载密图像，从而进一步提升隐写算法的安全性；包括以下主要步骤：
4、步骤1，准备预训练隐写分析器所需的数据集，收集载体图像集ct根据基本的隐写方法f，在给定的有效载荷β下获得对应的载密图像集st；
5、步骤1-1，使用现有隐写方法f来计算载体集ct中的每一个载体c的失真矩阵ρ；
6、步骤1-2，利用校验子格编码stcs根据失真代价矩阵ρ和给定嵌入率β将秘密信息m嵌入到载体c，形成含有秘密信息的载密图像s；
7、步骤2，构建针对载密图像的免疫处理框架以进行免疫处理像素点的选择；
8、步骤2-1，根据特定的隐写过程，给定嵌入率β下的隐写算法f，预训练一个基于神经网络的隐写分析器nt；
9、步骤2-2，初步筛选出载密图像s中进行免疫处理的候选元素candidates；
10、步骤2-3，基于免疫处理代价函数，计算对步骤2-2中所得各候选元素的免疫处理代价；
11、步骤2-4，基于步骤2-3中所得的免疫处理代价，采用gibbs采样器实现最小化载密图像s的总体免疫处理代价；
12、步骤3，基于人工免疫算法搜索基于免疫代价函数的最优免疫处理策略；
13、步骤3-1，参数α(1)，α(2)，α(3)的组合{α(1),α(2),α(3)}被编码为抗体abk，形成初始抗体群p(0)；
14、步骤3-2，计算每个抗体的亲和度
15、步骤3-3，根据亲和力大小，选择比例为ir的抗体进行克隆，根据设定的克隆率η，对选择的抗体进行克隆，以形成克隆池；
16、步骤3-4，对所有克隆的抗体进行突变以生成新的抗体；
17、步骤3-5，用亲和度较高的抗体和新生成的抗体替代原始抗体群以完成抗体群更新；
18、步骤3-6，重复步骤3-2至3-5，直到满足设定的结束条件，输出具有最高亲和度的最优抗体作为对载密图像的最优免疫处理策略。
19、步骤4，根据步骤1中的免疫处理框架，使用步骤3中搜索出的最优免疫处理策略对载密图像执行免疫处理，以形成免疫载密图像。
20、步骤4-1，基于步骤3中搜索得到的最优和按照步骤2-2初步筛选出载密图像s中进行免疫处理的候选元素candidates；
21、步骤4-2，按照步骤2-3计算candidates中各元素的免疫处理代价；
22、步骤4-3，基于步骤3中搜索得到的最优按照步骤2-4采用gibbs采样器实现最小化载密图像s的总体免疫处理代价，从而选择最终用于免疫处理的元素；
23、步骤4-4，对步骤4-3中选择出的元素，采用以下方式进行免疫处理，从而生成最终的免疫载密图像，
24、进一步地，步骤2-2的具体实现方式如下：
25、收集另一个载体图像ca，其中对ca中的任一载体图像c，根据现有隐写方法f，在给定的嵌入率β下嵌入秘密信息以获得对应的原始载密图像s；将s馈送到预训练的网络nt中，使用反向传播算法获得s的梯度图gs，gs是目标隐写分析器的损失函数l(s,t；nt)相对于输入s的偏导数：
26、
27、l(s,t；nt)＝-t log(nt(s))-(1-t)log(1-nt(s))
28、其中，l(s,t；nt)为隐写分析器nt(s)(0≤nt(s)≤1)的输出和目标标签t(t∈{0,1},t＝0表示载体图像，t＝1表示载密图像)之间的二进制交叉熵损失；
29、筛选出载密图像s的第一部分的免疫处理候选元素
30、
31、其中，表示具有较大α(1)梯度幅度的单元坐标集。
32、筛选出载密图像s的第二部分的免疫处理候选元素
33、
34、其中，|s-c|表示先前在基础隐写过程中的嵌入单元。
35、筛选出载密图像s的第三部分的免疫处理候选元素
36、
37、其中，topξ(α(2))表示具有较大α(2)纹理复杂度ξ的单元坐标集，ξ计算为：
38、
39、其中，r表示滤波原始载密图像s所得的残差；
40、最终确定载密图像s中的免疫处理候选元素candidates：本文档来自技高网...
【技术保护点】
1.一种基于人工免疫的载密图像后处理方法，用于数字图像信息隐藏处理，构建免疫处理框架并基于人工免疫算法对载密图像的免疫处理策略进行搜索，然后基于最优免疫处理策略对载密图像引入扰动以形成免疫载密图像，从而进一步提升隐写算法的安全性；包括以下主要步骤：
2.如权利要求1所述的一种基于人工免疫的载密图像后处理方法，其特征在于，步骤2-2的具体实现方式如下：
3.如权利要求1所述的一种基于人工免疫的载密图像后处理方法，其特征在于，步骤2-3的具体实现方式如下：
4.如权利要求1所述的一种基于人工免疫的载密图像后处理方法，其特征在于，步骤2-4的具体实现方式如下：
5.如权利要求1所述的一种基于人工免疫的载密图像后处理方法，其特征在于，步骤3-1的具体实现方式如下：
6.如权利要求1所述的一种基于人工免疫的载密图像后处理方法，其特征在于，步骤3-2的具体实现方式如下：
【技术特征摘要】
1.一种基于人工免疫的载密图像后处理方法，用于数字图像信息隐藏处理，构建免疫处理框架并基于人工免疫算法对载密图像的免疫处理策略进行搜索，然后基于最优免疫处理策略对载密图像引入扰动以形成免疫载密图像，从而进一步提升隐写算法的安全性；包括以下主要步骤：
2.如权利要求1所述的一种基于人工免疫的载密图像后处理方法，其特征在于，步骤2-2的具体实现方式如下：
3.如权利要求1所述的一种基于人工免...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。