基于无损水印嵌入和安全视频隐藏的信息安全传输方法

基于无损水印嵌入和安全视频隐藏的信息安全传输方法
【专利摘要】本发明提供一种基于无损水印嵌入和安全视频隐藏的信息安全传输方法，包括以下步骤：采用无损水印嵌入算法，向第1敏感图像中嵌入无损水印，得到嵌有水印的敏感图像；采用安全视频隐藏算法，将嵌有水印的敏感图像作为隐藏信息，嵌入到原始视频中，得到载密视频X；接收端从接收到的载密视频X中提取出隐藏信息；然后对提取到的隐藏信息进行进一步提取分析，判断图像在传输过程中是否被篡改，如果被篡改，则定位到篡改位置，并恢复图像。优点为：有效改进融合了无损水印嵌入技术和大容量安全视频隐藏技术，显著提高了水印嵌入容量、篡改检测精确性和恢复图像质量，保证了图像安全传输。
【专利说明】
基于无损水印嵌入和安全视频隐藏的信息安全传输方法
技术领域
[0001] 本发明属于信息传输技术领域，具体设及一种基于无损水印嵌入和安全视频隐藏 的信息安全传输方法。
【背景技术】
[0002] 随着网络与多媒体的发展，数字医疗信息系统，比如医院信息系统、电子病历系统 等扮演着越来越重要的角色。而在公网上传输医学图像时，易遭受恶意篡改，因此对医学图 像的篡改检测和恢复显得尤为重要。
[0003] 目前，主要采用基于无损数字水印的篡改检测算法检测图像的完整性，其主要检 测原理为:将图像进行固定尺寸分块，然后选取块的特征值作为水印嵌入在图像块中。如果 图像受到篡改，则重新计算出来的块特征与提取的水印信息不匹配，实现篡改检测的定位。 例如，化iang等人将图像进行4X4的分块，并选取每块的均值作为恢复特征值，然后采用基 于差值扩展的无损数字水印方法将特征值嵌入。Guo等人将图像首先进行2X2的分块，然后 采用hash函数计算每块的认证信息作为水印嵌入。
[0004] 然而，目前基于固定块的划分方法存在着如下的弊端:篡改检测的精确性在于分 块尺寸，尺寸越小越精确，但需要嵌入的水印信息更多。另外，现有水印嵌入技术的算法在 嵌入容量、篡改检测精确性和恢复图像质量方法还比较差，无法满足实际信息加密的安全 需求。

【发明内容】

[0005] 针对现有技术存在的缺陷，本发明提供一种基于无损水印嵌入和安全视频隐藏的 信息安全传输方法，可有效解决上述问题。
[0006] 本发明采用的技术方案如下：
[0007] 本发明提供一种基于无损水印嵌入和安全视频隐藏的信息安全传输方法，包括W 下步骤：
[000引步骤1，水印嵌入过程：
[0009] 采用无损水印嵌入算法，向第1敏感图像中嵌入无损水印，得到嵌有水印的敏感图 像；
[0010] 步骤2,采用安全视频隐藏算法，将嵌有水印的敏感图像作为隐藏信息，嵌入到原 始视频中，得到携带有隐藏信息的视频，即载密视频X;
[0011] 步骤3,将载密视频X从发送端通过网络传输到接收端；另外，发送端还将第1认证 信息W密钥方式发送到接收端；
[001^ 步骤4冰印提取、篡改检测与恢复：
[0013] 接收端从接收到的载密视频X中提取出隐藏信息；然后对提取到的隐藏信息进行 进一步提取分析，提取到第2敏感图像和水印信息；
[0014] 根据步骤4提取到的水印信息重新计算得到第2认证信息，此外，获得发送端提供 的第I认证信息；比较第I认证信息和第2认证信息是否相同，如果相同，则表明第2敏感图像 与第1敏感图像相同，表明第1敏感图像在传输过程中未被篡改;反之，如果第1认证信息和 第2认证信息不相同，表明第1敏感图像在传输过程中被篡改，定位到篡改位置，并恢复图 像。
[0015] 优选的，步骤1的水印嵌入过程具体包括：
[0016] 步骤1.1，设定参数丫的值，丫为一个值域为[0，1]的小数;第1敏感图像为方形图 像，对第1敏感图像进行四叉树分解，将第1敏感图像分解为n个图像块;n个图像块分别表示 为图像块B1、图像块B2…图像块化;记录分解后每个图像块的尺寸信息;所有图像块的尺寸 信息按设定规则排列形成的集合即为四叉树分解信息q;
[0017] 步骤1.2,对于任意图像块Bi,根据其尺寸信息，采用线性加权插值技术计算得到 该图像块的特征值Fi;
[0018] 将图像块B1、图像块B2…图像块化的特征值Fi、F2-Fn反向排列并拼接到一起，得 到总的特征值F，表示为^ A ?…? /=；巧中，货代表拼接操作；
[0019]步骤1.3,将总的特征值F转换为二进制形式作为第1级水印信息Wi;
[0020] 步骤1.4,根据第1级水印信息Wi的长度设定嵌入阔值T;
[0021] 步骤1.5,设定混浊系统的初始混浊参数Xk和ii，采用基于混浊的可逆整数变换方 法，分别将特征值Fn、Fn-r''Fi作为水印依次嵌入到图像块B1、图像块B2…图像块化中，由此 得到第1级水印图像4,;
[0022] 步骤1.6,采用MD5算法计算得到第1级水印图像的第1级水印图像认证码；
[0023] 步骤1.7,将步骤1.1得到的四叉树分解信息q进行化ffman编码，转化为二进制形 式，得到四叉树编码化f(q);
[0024] 四叉树编码化f(q)、嵌入阔值T和第1级水印图像认证码组合形成第2级水印信息 W2；
[0025] 步骤1.8,采用基于无损压缩的LSB替换算法，将第2级水印信息W2嵌入到第1级水 印图像中，得到第2级水印图像。
[0026] 优选的，步骤3中，发送端W密钥方式向接收端发送的第1认证信息包括:初始混浊 参数Xk和y，W及四叉树编码化f(q)的编码长度和编码表。
[0027] 优选的，步骤4中，水印提取、篡改检测与恢复的具体过程为：
[0028] 假设接收端已获取到初始混浊参数Xk和y、四叉树编码化f(q)的编码长度和编码 表已知，则：
[0029] 步骤4.1，接收端从视频中提取到第2级水印图像然后，采用LSB提取算法提取 第2级水印图像的隐秘数据并恢复出第1级水印图像提取得到第1级水印图像认证 码、四叉树编码化f(q)和嵌入阔值T;
[0030] 步骤4.2，重新利用MD5算法计算步骤4.1恢复出的第1级水印图像/w,的水印图像认 证码;与步骤4.1提取到的第1级水印图像认证码进行比较，如果相同，则表明原始图像在传 输过程中未被篡改，对原始图像进行无损恢复，即执行步骤4.3 ;否则，执行步骤4.3-步骤 4.7,进行篡改检测与恢复；
[0031] 步骤4.3,根据已获取到初始混浊参数Xk和iiW及嵌入阔值T，利用基于混浊的可逆 整数变换提取出嵌入的总的特征值F，并得到恢复后图像Ir;
[0032] 步骤4.4,对步骤4.1提取到的四叉树编码化f(q)进行解码得到四叉树分解信息q;
[0033] 步骤4.5,根据步骤4.4得到的四叉树分解信息q将恢复后图像Ir进行四叉树分解， 将其分解为若干个图像块，并得到每个图像块的尺寸信息；
[0034] 步骤4.6,采用线性加权插值技术计算得到步骤4.5得到的每个图像块的特征值， 得到新的特征值F'，则新的总特征值F =巧'货货…货兮;
[0035] 步骤4.7，将步骤4.3得到的总的特征值F和步骤4.6得到的新的总特征值F'进行逐 一进行比对，则能定位篡改区域;假设任意的第j个图像块受到篡改，则用该图像块提取的 特征值Fj恢复篡改区域。
[0036] 优选的，步骤2中，采用W下方法将隐藏信息嵌入到原始视频中，得到载密视频X:
[0037] 步骤2.1，对于S个因素，包括:第1因素fi为ARE,即：帖间相关度的变化量;第2因 素f2为IDC，即：空域DCT系数统计特征的变化量;第3因素f3为可用DCT系数利用率的倒数， 良P :能用于嵌入信息的DCT系数的利用率的倒数；
[003引依据实际的应用背景，分别为第1因素fi、第2因素f2和第3因素f3设置第1权值《1、 第2权值CO沸第3权值CO 3;
[0039] 步骤2.2,分别对第1因素fi、第2因素f2和第3因素f3进行规格化，即
[0040]
[0041 ]其中，/为因素fi的规格化，i = 1，2，3;
[0042] 步骤2.3,构建目标函数，可表示3
?1根据实 际应用背景设定，当对于安全性要求越高时《 1、《 2取值越大，当对于嵌入容量要求越高时 ?3取值越大。嵌入操作可视为如下的优化问题：
[0043] min(cost(C,C' )) =min(cost(C,M,p))
[0044] 其中：P为当前场景中嵌入秘密信息M时，所有的调节变量组成的调节矢量，优化的 目标就是寻找使目标函数取得最小值的调节矢量，当目标函数到达优化算法收敛条件后， 即能够输出载密视频X。
[0045] 本发明提供的基于无损水印嵌入和安全视频隐藏的信息安全传输方法具有W下 优点：
[0046] 有效改进融合了无损水印嵌入技术和大容量安全视频隐藏技术，显著提高了水印 嵌入容量、篡改检测精确性和恢复图像质量，保证了图像安全传输。
【附图说明】
[0047] 图1为本发明提供的基于无损水印嵌入和安全视频隐藏的信息安全传输方法的整 体流程示意图；
[0048] 图2为本发明第1级水印嵌入过程示意图；
[0049] 图3为本发明第2级水印嵌入过程示意图；
[0050] 图4为本发明水印提取过程示意图；
[0051 ]图5为本发明篡改检测与篡改区域恢复过程示意图；
[0052] 图6为DICOM格式的医学诊断头部图像；
[0053] 图7为DICOM格式的医学诊断膝盖图像；
[0054] 图8为DICOM格式的医学诊断脑部图像；
[0化5]图9为DICOM格式的医学诊断肺部图像；
[0056] 图10为DICOM格式的医学诊断胸部图像；
[0057] 图11为DICOM格式的医学诊断肝部图像；
[005引图12为原始MRIJ亩部图像；
[0059] 图13为四叉树分解图；
[0060] 图14为篡改发生在区域(288，112，32，32)的图像，质量PSNR = 30.069地；
[0061 ] 图15为篡改发生在区域(192，352，24，24)的图像，质量PSNR = 33.092地；
[0062] 图16为采用K im的方法恢复图14中的篡改区域后的图像，质量PSNR = 51.719地；
[0063] 图17为使用本发明方法恢复图14中的篡改区域后的图像，质量PSNR = 51.746地；
[0064] 图18为采用Kim的方法恢复图15中的篡改区域后的图像，质量PSNR = 52.123地；
[0065] 图19为使用本发明方法恢复图15中的篡改区域后的图像，质量PSNR = 70.658地；
[0066] 图20为正检率WR的均值图；
[0067] 图21则是负检率FNR的均值图；
[0068] 图22为基于优化算法的DCT域信息嵌入示意图；
[0069] 图23为应用优化算法实施信息嵌入后载密帖的平均相对赌取值图；
[0070] 图24为应用优化算法实施信息嵌入后载密帖的时域帖间相关系数取值图。
【具体实施方式】
[0071] 为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，W下结合 附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用W 解释本发明，并不用于限定本发明。
[0072] 在如远程诊断等区域医疗信息共享中，除了要能证明原始医学图像的真实来源 夕h对传输过程中图像的完整性进行认证十分重要。医学图像的完整性认证又称为篡改检 测，本发明的篡改检测算法，不仅能对图像的篡改与否进行判断，而且还能对篡改区域进行 精确定位和近似恢复。
[0073] 本发明提供一种基于无损水印嵌入和安全视频隐藏的信息安全传输方法，主要包 括W下步骤：
[0074] 步骤1，水印嵌入过程：
[0075] 采用无损水印嵌入算法，向第1敏感图像中嵌入无损水印，得到嵌有水印的敏感图 像；
[0076] 步骤2,采用安全视频隐藏算法，将嵌有水印的敏感图像作为隐藏信息，嵌入到原 始视频中，得到携带有隐藏信息的视频，即载密视频X;
[0077] 步骤3,将载密视频X从发送端通过网络传输到接收端；另外，发送端还将第1认证 信息W密钥方式发送到接收端；
[0078] 步骤4,水印提取、篡改检测与恢复：
[0079] 接收端从接收到的载密视频X中提取出隐藏信息；然后对提取到的隐藏信息进行 进一步提取分析，提取到第2敏感图像和水印信息；
[0080] 根据步骤4提取到的水印信息重新计算得到第2认证信息，此外，获得发送端提供 的第1认证信息；比较第1认证信息和第2认证信息是否相同，如果相同，则表明第2敏感图像 与第1敏感图像相同，表明第1敏感图像在传输过程中未被篡改;反之，如果第1认证信息和 第2认证信息不相同，表明第1敏感图像在传输过程中被篡改，定位到篡改位置，并恢复图 像。
[0081] 本发明提供的基于无损水印嵌入和安全视频隐藏的信息安全传输方法，主要包括 =大部分，分别为:水印嵌入过程;水印提取、篡改检测与恢复过程;安全视频隐藏过程。下 面对运=部分分别详细介绍：
[0082] ( - )水印嵌入过程
[0083] 首先介绍下水印嵌入过程设及到的主要技术内容点：
[0084] (1)图像四叉树分解
[0085] 定义1:图像的四叉树表示
[0086] 图像的四叉树表示法采用金字塔式的数据结构存储图像。四叉树的树根对应整幅 图像，叶子节点对应单个像素或者是具有相同特征的像素组成的方阵，每个非叶子节点均 有4个子节点。
[0087] 图像的四叉树存储非常适合于方形图像和像素点的个数为2的整数次幕图像。四 叉树由多级构成，树根在第0级，每分一次叉多一级。对于一个有n级的四叉树，其节点总数N 的最大值为
[008引
[0089] 定义2:图像的四叉树分解。
[0090] 图像的四叉树分解将一个方形图像划分为4个等尺寸的方形块，然后对4个方形块 判别是否满足给定的同质性准则。如果当前块满足准则，保持不变，否则继续分解为4个方 形块，并判定是否满足准则，直到所有的方形块满足给定的准则为止。默认的四叉树分解准 则可表示为
[0091] Pmax-Pmin=(g广1) X 丫
[0092] 式中，Pmax和Pmin分别代表方形块中的灰度值最大像素和最小像素，gl代表像素的 灰度级数，丫为一个值域为[0，1]的小数。默认准则为当方形块中的最大像素与最小像素差 值大于(gi-1) X 丫时，方形块需要继续划分。从四叉树的分解方法来看，其属于不定尺寸的 图像划分，并且从划分的结果来看，其分解得到的图像块中的像素具有高同质性，适合于进 行无损信息隐藏。本发明算法中规定最小的块尺寸为2 X 2。
[0093] 对医学图像进行四叉树分解，可W充分利用像素块之间的相关性，另外的一个优 势是可W减少特征值的长度。医学图像的特点是具有较多的连续背景区域，如果采用固定 块划分方法和选取每块的均值作为特征值，为了实现篡改检测的精确性，设分块尺寸为4X 4,那么一共有16384块（51 2 X 51 2/16)，每块需要Sbit存储空间，则特征值一共有 131072bit。采用四叉树分解，分解结果一共是12097块，特征值一共有96776bit，比固定块 划分方法具有明显优势。
[0094] (2)线性加权插值
[0095] 传统的Kim的方法中，将图像块的均值作为特征值，存在两个问题：1)图像块的均 值没有考虑像素间的相关性和块的纹理结构，当篡改区域纹理比较复杂或者像素间灰度差 较大时，用均值作为该块所有像素的灰度值并不合适;2)选取块均值作为特征值容易遭受 保持块均值的篡改攻击，一个攻击者极有可能通过简单修改块中的像素而使均值不变。本 发明采取了线性加权插值技术获取图像块的特征值。既然四叉树分解后的图像块具有高同 质性，本发明仅使用块中的一部分像素值来计算特征值是可取的，针对块尺寸较大的区域， 计算量具有优势。
[0096] 定义3:图像块的线性加权特征值。图像块的线性加权特征值由块中对角像素的加 权平均值表示，具体描述如下：
[0097] 设B为方形图像块，其尺寸为m。设dW和dW分别是B中正负对角线上的像素值，dW =[8(1，1)，8(2,2)，...，8(111，111)]，(1(1) = [8(1，111)，6(2，111-1)^.'，8(111，1)]，又为正负对角线上 的像素均值，表示为x=(dW+dW)/2。下表给出了一个4X4像素块和它的正负对角像素。
[009引
[0099] 设代表dW和dW的权值，计算B的特征值
[0100]
[0101] 式中，表示第i个图像块中的对角线上元素，n是图像块的总数，m是当前方形图 像块的尺寸。特征值集合F表示为…e巧，绳代表拼接操作，将特征值反序排 列主要是为了将当前块的特征值嵌入在其他块中。为了减小插值产生的误差，正负对角线 上的像素权值至关重要。设D=[dW;dW]，权值W为
[0102] w=(D〇t 厂
[0103] 其推导过程如下：
[0104] 设预测插值产生的误差为e，可表示为
[0105]
[0106] 式中，为常数，在计算最佳权值时省略。权值的集合可W通过 最小化预测插值的平方和得到，预测插值的平方和E可表示为
[0107]
[010引记X=[Xl,X2，...Xm]，那么E可表示为 [0109]
[0110] 式中，11 . I M为向量的范数。使E最小也就是找到向量的线性组合，使得其和 最接近乂，运可^通过查找向量乂在向量^/[^>空间上的正交投影来得到，等价于得到正交于 式W的向量
^两个正交向量的点积为零，可表示为
[0111]
[0112]
[0113]
[0114] 上式可用矩阵形式表示为
[0115] DDV = DX^
[0116] 式中，D= [dW;dW] ,W= [Wi，W2]t，那么可推导出计算权值W的公式，W=(DDT)- Wo
[0117] 对于图像纹理平滑区域，采用线性加权插值方法获得的特征值与均值基本一致， 然而，对于复杂区域，得到的特征值在恢复篡改区域时具有更高的图像质量，并且能有效抵 抗保持均值攻击和提高篡改检测的精确性。后面的实验部分证明了运个结论。
[0118] (3)基于混浊的可逆整数变换
[0119] 基于混浊的可逆整数变换的基本思路是在每个图像块中利用混浊系统随机选择 一个像素作为参考像素，然后根据块中其他像素与参考像素的关系嵌入水印。
[0120] 1)基于混浊的参考像素选择。算法采用效率较高的logistic混浊映射选择块中参 考像素ref,运里ref的值在数据嵌入过程中并不发生改变。选择方法为
[0121]
[0122] 式中，0<]i《4，xk+iG [0,1]，mXm是块的尺寸。index(ref)为ref在块中的索引值 (默认扫描顺序为从上到下，从左到右）。当3.5699456<4《4时，^^的值呈现混浊状态，初 值Xk和y作为密钥能很好地保证ref的安全性，从而提高了水印算法的安全性能。
[0123] 2)可逆整数变换。嵌入步骤如下：
[0124] 步骤1对于图像块中除ref的任一像素曰，如果|a-ref I <T，嵌入一位水印，即
[0125]
[0126] 式中，T是嵌入阔值，其值越大嵌入容量越大，嵌入引入的失真也越大。b代表待嵌 入的二进制数据流，1(b)代表其长度。ab代表嵌入水印后的像素，l《i《l(b)。否则转步骤 2。
[0127] 步骤2对于满足I a-ref I別的像素进行调整，即：
[012 引
[0129]步骤3重复执行步骤1和步骤2,直到所有块被处理完或者是待嵌入的数据已经嵌 入完毕。
[0130]
[0131] 由于四叉树分解将灰度值相近的像素分在同一个块中，对于像素值处于上边界或 者下边界的图像块，可将处于下边界(像素值接近于0)的图像块向右平移，设标志8 = 1;将 处于上边界的图像块向左移，S = -I;将S值作为水印负载嵌入，用于图像块中像素的无损恢 复。
[0132] 假设图像的四叉树分解结果和logistic混浊映射的初始参数xk、y已知，数据提取 和像素恢复步骤如下：
[0133] 步骤1根据Xk和y得到每个像素块中的参考像素ref,判断块中其他像素与ref的 关系，如果ab > ref，则& = Bb-T，反之ar = ab巧，ar为恢复后像素；
[0134] 步骤2判断ar与ref的关系，如果ab^ref且I ar-ref I <T，则提取1，如果abCref并 且|ar-ref |<T则提取0;
[0135] 步骤3重复执行步骤1和步骤2,直到所有块被处理完毕，或者水印已经提取完毕。
[0136] (4)基于无损压缩的LSB替换
[0137] 最低有效位化SB)置换是多媒体数字水印领域最简单的方法之一，为了正确提取 数据和无损恢复图像像素，原始图像的四叉树分解信息(表示为q，其长度为Kq))必须提供 给提取方。本算法将四叉树分解信息采用基于无损压缩的LSB替换算法嵌入，无损压缩算法 用来在原始图像的LSB数据流中产生额外的嵌入空间来存储q，设ru为图像像素集合（II， 12,…，In)中像素的个数。使用下式产生嵌入q的空间。
[0138] l(q) + l(RRLC(PLSB(Il，l2，...，In))=nA
[0139] 式中，PlSB(Ii，I2,…，In)是 11，12^''，1。的最低有效位平面，1?化。化58(11，12^''，1。） 为采用RLC方法将Plsb(Ii，I2,…，In)压缩后的结果。一旦嵌入空间产生，则将q和Plsb(Ii, ,In)嵌入。
[0140] 既然四叉树分解后的每个图像块可用2DX2n形式表示，可将每块的尺寸信息转化 为二进制形式。分块尺寸和对应的二进制如下表所示。
[0141] 四叉树分解后图像块的尺寸编码
[0142]
12 考虑到分解为大尺寸的块数较少，根据不同尺寸块出现的频率可W使用化ffman 编码进一步减小q的长度，表示为化f (q)。 2 基于上述介绍的相关内容，本发明提供的水印嵌入过程分两级进行，第1级用于嵌 入特征值，第2级用于将图像认证码和四叉树分解信息嵌入在第1级水印图像中。其中，第1 级水印嵌入过程如图2所示，第2级水印嵌入过程如图3所示。
[0145] 结合图2和图3，水印嵌入过程具体包括：
[0146] 步骤1.1，设定参数丫的值，丫为一个值域为[0，1]的小数;第1敏感图像为方形图 像，对第1敏感图像进行四叉树分解，将第1敏感图像分解为n个图像块;n个图像块分别表示 为图像块B1、图像块B2…图像块化;记录分解后每个图像块的尺寸信息;所有图像块的尺寸 信息按设定规则排列形成的集合即为四叉树分解信息q;
[0147] 步骤1.2,对于任意图像块Bi,根据其尺寸信息，采用线性加权插值技术计算得到 该图像块的特征值Fi;
[014引将图像块B1、肾條+止口9…励條+止Rn巧特征值Fi、F2...Fn反向排列并拼接到一起，得 到总的特征值F，表示为 ；巧中，活代表拼接操作；
[0149] 步骤1.3,将总的特征值F转换为二进制形式作为第1级水印信息Wi;
[0150] 步骤1.4,根据第1级水印信息Wi的长度设定嵌入阔值T;
[0151] 步骤1.5,设定混浊系统的初始混浊参数Xk和y，采用基于混浊的可逆整数变换方 法，分别将特征值Fn、Fn-r''Fi作为水印依次嵌入到图像块B1、图像块B2…图像块化中，由此 得到第1级水印图像4,;
[0152] 步骤1.6，采用MD5算法计算得到第1级水印图像的第1级水印图像认证码；
[0153] 步骤1.7,将步骤1.1得到的四叉树分解信息q进行化ffman编码，转化为二进制形 式，得到四叉树编码化f(q);
[0154] 四叉树编码化f(q)、嵌入阔值T和第1级水印图像认证码组合形成第2级水印信息 W2；
[0155] 步骤1.8,采用基于无损压缩的LSB替换算法，将第2级水印信息W2嵌入到第1级水 印图像4,中，得到第2级水印图像4,。
[0156] 发送端W密钥方式向接收端发送的第1认证信息包括:初始混浊参数Xk和y，W及 四叉树编码Huf (q)的编码长度和编码表。
[0157] 水印提取、篡改检测与恢复的具体过程为：
[0158] 参考图4,为水印提取过程示意图；参考图5,为篡改检测与篡改区域恢复过程示意 图。
[0159] 假设接收端已获取到初始混浊参数Xk和y、四叉树编码化f(q)的编码长度和编码 表已知，则：
[0160] 步骤4.1，接收端从视频中提取到第2级水印图像然后，采用LSB提取算法提取 第2级水印图像/w。的隐秘数据并恢复出第1级水印图像，提取得到第1级水印图像认证 码、四叉树编码化f(q)和嵌入阔值T;
[0161] 步骤4.2，重新利用MD5算法计算步骤4.1恢复出的第1级水印图像的水印图像认 证码;与步骤4.1提取到的第1级水印图像认证码进行比较，如果相同，则表明原始图像在传 输过程中未被篡改，对原始图像进行无损恢复，即执行步骤4.3 ;否则，执行步骤4.3-步骤 4.7,进行篡改检测与恢复；
[0162] 步骤4.3,根据已获取到初始混浊参数Xk和iiW及嵌入阔值T，利用基于混浊的可逆 整数变换提取出嵌入的总的特征值F，并得到恢复后图像Ir;
[0163] 步骤4.4,对步骤4.1提取到的四叉树编码化f(q)进行解码得到四叉树分解信息q;
[0164]步骤4.5,根据步骤4.4得到的四叉树分解信息q将恢复后图像Ir进行四叉树分解， 将其分解为若干个图像块，并得到每个图像块的尺寸信息；
[01化]步骤4.6,采用线性加权插值技术计算得到步骤4.5得到的每个图像块的特征值， 得到新的特征值F'，则新的总特征值
[0166] 步骤4.7，将步骤4.3得到的总的特征值F和步骤4.6得到的新的总特征值F '进行逐 一进行比对，则能定位篡改区域;假设任意的第j个图像块受到篡改，则用该图像块提取的 特征值Fj恢复篡改区域。
[0167] 性能分析：
[0168] 图像篡改检测的性能主要通过四个指标衡量:篡改检测精确性、嵌入容量、隐秘图 像质量和篡改恢复图像的质量。
[0169] 1)篡改检测精确性通过W下两个方面指标计算：
[0170] 正检率(TPR):即正确检测出发生篡改的块占所有篡改块总数的比率；
[0171] 负检率(FNR):即错误检测出发生篡改的块占所有篡改块总数的比率。
[0172] 2)嵌入容量。为了更好地与其他篡改检测算法相比较，嵌入容量仅计算第1级可嵌 入特征值的数据量。
[0173] 本发明的嵌入容量与嵌入阔值T和四叉树分解参数丫相关，当丫越小，分块尺寸越 多，图像块像素间的相关性越大，阔值T选取的自由性大。一般情况下T越小，阔值T越小。对 于医学图像，通过设定合理的参数丫和阔值T，算法的嵌入容量的值域在(0.7加it/像素， 化it/像素)之间，下限代表所有的分块为2X2块，上限代表所有的分块接近于256X256。
[0174] 3)隐秘图像的质量。隐秘图像的质量与阔值T直接相关，为了保证不引起大的失 真，T《6。一种极端的情况就是所有像素均调整了 6个灰度级，根据PSNR峰值信噪比的计算 公式，最小的PSNRmin= 10 X lg(255 X 255/36)为32.75dB。
[0175] 算法的篡改检测精确性和篡改区域恢复后的图像质量通过稍后的实验结果给出。
[0176] 实验结果与讨论：
[0177] 实验中随机选取了100幅512X 512的DICOM格式的医学图像作为实验对象(均来自 于中南大学湘雅医学院数据中屯、），限于篇幅，W其中6幅为例说明，如图6-11所示，分别为 DICOM格式的医学诊断头部图像、膝盖图像、脑部图像、肺部图像、胸部图像和肝部图像。实 验重点是对本发明水印嵌入的可逆性、嵌入容量、隐秘图像质量、篡改检测精度和篡改区域 恢复后的图像质量进行比较。实验结果均来自于Matlab7.0工具的仿真数据，实验设计方案 如下：1)算法的可逆性，即在水印图像未受到篡改时恢复图像与原始图像的一致性进行测 试;2)对载体图像的四叉树分解情况、嵌入阔值、容量和隐秘图像质量进行测试;3)对本发 明采用的可逆整数变换方法与相类似方法进行性能比较;4)对篡改区域的恢复图像质量与 Kim的方法进行比较;5)对篡改检测的精确性与Kim的方法进行比较。在水印图像未受到篡 改时，提取出的认证码与重新计算的一致，并且最后恢复出来的图像与原始图像一致，证明 了算法的可逆性。
[0178] 6幅DICOM格式的载体图像的四叉树分解情况、嵌入阔值T、嵌入容量和隐秘图像的 质量如下表所示。
[0179] 6幅载体图像的四叉树分解结果、阔值T、嵌入容量和PSNR
[0180]
[0181] 注意，上表列出的嵌入容量仅仅是采用可逆整数变换时可嵌入的特征值数量。从 上表可W看出，随着分解参数y和载体图像本身纹理结构的不同，四叉树分解后的块数是不 一样的，造成待嵌入的特征值数量不同。如果每个块的特征值转化为Sbit的二进制，根据上 表中总的块数和容量可W看出，通过选取合适的阔值T可W得到充足的嵌入容量将特征值 的二进制流全部嵌入。因本发明采用的可逆整数变换与Deng的方法一样，故下表中给出了 两种方法在嵌入容量和隐秘图像质量上的不同，测试图像选取了同样的两幅图像(MRIJ亩 部和USJ干部图像）。其中，Deng的方法参考文献Deng X H，化en Z G,Deng X H，et al.A novel dual-layer reversible watermarking for medical image authentication and EPR hiding[J].Advanced science Letters,2011,4(11):3678-3684.
[0182] 发明算法和文献Deng的嵌入容量和PsNR比较
[0183]
12 从上表可W看出，本发明算法在嵌入容量上明显优于Deng的方法，因为Deng的方 法采用固定块划分(尺寸为2X2)，在当前块纹理比较复杂时，其他像素与参考像素的差大 于阔值无法用来嵌入水印，而本文算法经过四叉树分解得到的图像块具有高的同质性，其 他像素与参考像素的差较小，更多的像素用于嵌入数据。从嵌入容量上来看，与固定块的方 法相比，四叉树分解能充分考虑图像自身的纹理结构，是将图像分块的较好选择。在隐秘图 像质量上，MRIJ亩部图像纹理比较复杂，Deng的方法将较多像素调整了一个阔值的幅度，造 成隐秘图像质量较小，本文方法虽然嵌入了更多的信息但是隐秘图像质量均优于Deng的方 法。然而对于纹理比较平滑的USJff部图像，本文算法在嵌入更多数据的过程中，使得更多 的像素进行了调整，隐秘图像质量低于Deng的方法。 2 为了证明本文算法在特征值选择上的优势，着重和Kim的方法比较了在篡改区 域恢复图像的质量，。其中，Kim的方法参见文献Kim K S，Lee M J，Lee J W，et al.Region- b曰sed tempering detection 曰nd recovery using homogeneity 曰n曰lysis in qu曰lity- sensitive imaging[J].Computer Vision and Image Understanding,2011,115(9)： 1308.1323.实验结果在图9中给出。图12为原始MRIJ亩部图像，图13为四叉树分解图（r = 0.0027)，图14为篡改发生在区域(288，112，32，32)的图像，质量PSNR = 30.069地，图15为篡 改发生在区域（192，352，24，24)的图像，质量PSNR = 33.092地，图16为采用Kim的方法恢复 图14中的篡改区域后的图像，质量PSNR = Sl. 719地，图17为使用本文算法恢复图14中的篡 改区域后的图像，质量PSNR= 51.746地，图18为采用Kim的方法恢复图15中的篡改区域后的 图像，质量PSNR = 52.123地，图19为使用本文算法恢复图15中的篡改区域后的图像，质量 PSNR = 70.658地。
[0186] 在图14中，篡改发生区域在图像的较平滑地带，（288，112,32,32)表示为从坐标点 (288.112) 开始的32X32图像块。既然Kim的方法和本文算法在平滑区域得到的特征值基本 相同，两种方法恢复后的图像质量在图16和图17中基本一致。但是在图15中，篡改区域发生 在纹理较复杂的区域(192,352,24,24)，恢复出图像质量相差较大。从图18和图19中的PSNR 值可W看到，显然本文提出的采用线性加权插值所求特征值明显优于均值算法，运是因为 线性插值方法充分考虑到了像素之间的相关性。
[0187] 在图14中，篡改发生区域在图像的较平滑地带，（288,112,32,32)表示为从坐标点 (288.112) 开始的32X32图像块。既然Kim的方法和本文算法在平滑区域得到的特征值基本 相同，两种方法恢复后的图像质量在图16和图17中基本一致。但是在图15中，篡改区域发生 在纹理较复杂的区域(192,352,24,24)，恢复出图像质量相差较大。从图18和图19中的PSNR 值可W看到，显然本文提出的采用线性加权插值所求特征值明显优于均值算法，运是因为 线性插值方法充分考虑到了像素之间的相关性。
[0188] 为了测试算法的篡改检测精确性，实验中对MRI_脑部的隐秘图像进行了篡改。具 体的修改方法如下:随机选择一定数量的32 X 32的块，对其像素进行修改，修改时保持该块 的均值不变，如将一半像素增加一个灰度级，而另外一半像素减去一个灰度级。本发进行了 50次实验后本文算法和Kim方法的篡改检测精确度的平均值。图20为正检率ITR的均值，图 21则是负检率FNR的均值。从图20和图21中可W看出，随着篡改图像块数的增大，Kim方法中 正检率ITR开始下降，并且FNR开始增大。原因在于一些篡改块刚好发生在四叉树分解的方 形块中，并且均值没有发生变化。虽然，提出方法的篡改检测精确性随着篡改块的增多也呈 下降趋势，但明显优于Kim方法，因为保持均值的攻击很大程度改变了采用线性加权插值技 术得到的块特征值。另外，如果篡改操作破坏了第2层数据的提取，即错误的四叉树分解信 息将导致正检率WR增大。
[0189] 网络环境下医学图像的完整性认证具有十分重要的意义，基于无损数字水印的图 像篡改检测方法具有明显优势。由于医学图像典型的分区域特征和重点区域纹理复杂特 性，固定块的划分方法并不适用于医学图像。提出了一种四叉树分解的非固定块划分方法， 很好地考虑了医学图像自身的区域和纹理特征，另外，针对Kim方法在图像块特征值选取上 的不足，提出了利用线性加权插值方法获取新的特征值作为水印信息。针对Kim方法提出的 水印嵌入算法的高复杂性，提出了利用基于混浊的可逆整数变换方法减少了算法的复杂性 和提高了安全性。实验结果表明，本文算法在水印嵌入容量、篡改检测精确性和恢复图像质 量上具有明显优势。方法适用于对网络环境下的质量敏感图像进行篡改检测和高质量恢 复。
[0190] 本发明还提出一种基于优化算法的DCT域信息嵌入方法，参考图22,主要用于将隐 藏信息嵌入到原始视频中得到载密视频X，包括：
[0191] 步骤2.1，对于S个因素，包括:第1因素fi为ARE,即：帖间相关度的变化量;第2因 素f2为IDC，即：空域DCT系数统计特征的变化量;第3因素f3为可用DCT系数利用率的倒数， 良P :能用于嵌入信息的DCT系数的利用率的倒数；
[0192] 依据实际的应用背景，分别为第1因素fi、第2因素f2和第3因素f3设置第1权值《1、 第2权值《沸第3权值《3;
[0193] 步骤2.2，分别对第1因素f 1、第2因素f2和第3因素f 3进行规格化，即
[0194]
[019引其中，J；为因素f i的规格化，i = 1，2，3;
[0196] 步骤2.3,构建目标函数，可表示巧
根据 实际应用背景设定，当对于安全性要求越高时《 1、《 2取值越大，当对于嵌入容量要求越高 时《 3取值越大。嵌入操作可视为如下的优化问题：
[0197] min(cost(C,C' )) =min(cost(C,M,p))
[0198] 其中：P为当前场景中嵌入秘密信息M时，所有的调节变量组成的调节矢量，优化的 目标就是寻找使目标函数取得最小值的调节矢量，当目标函数到达优化算法收敛条件后， 即能够输出载密视频X。
[0199] 上述步骤可概括为：
[0200] 在设计基于优化算法的DCT域信息嵌入模块时，需考虑S方面的因素:帖间相关度 的变化量、空域DCT系数统计特征的变化量W及能用于嵌入信息的DCT系数(非0的AC系数） 的利用率。它们之间存在着一定的制约因素，如提高可嵌信息的DCT系数的利用率将会造成 视频时域帖间统计特性和空域统计特性变换加剧。因而在嵌入模块将引入优化算法，W平 衡受信息嵌入操作影响的=类因素。在信息嵌入模块将依据实际的应用背景为上述各类因 素设施相应的权值和《3，并^立个因素化:41?6龙：10(：术:可用0圳系数利用率的 倒数)有关的加权线性和表达式作为优化算法的目标函数，构建闭环反馈机制调整具体的 信息嵌入方式。当目标函数到达优化算法收敛条件后，即能够输出载密视频X。
[020U 性能验证：
[0202] 试验中相应参数设置如下表所示：
[0203] =个载体视频文件相应信息
[0204]
[0205] 嵌入信息为一个大小为141.8kB的文件，构造目标函数时S类因素的相应权值分 别设置为《1 = 0.4、O2 = 0.4和O3 = 0.2,模拟退火算法中初始溫度to= 1000,内循环中连 续非最优解出现次数上限馬=10,外循环中溫度下降次数上限Ti = IOO,溫度下降速率曰二 0.9,捜索可行解时参数0 = 0.98。图23和图24为应用优化算法实施信息嵌入后载密帖的平 均相对赌取值和时域帖间相关系数取值情况，可见，本发明嵌入算法较好地保持了视频原 有时域空域特征。
[0206] 视频隐写的安全问题为视频隐写技术研究的重点方向之一。本发明提出了一种W 压缩视频流为载体的信息隐写框架，应用视频帖间统计不可见性度量调整各帖中秘密信息 的嵌入量，从而提高隐写算法安全性W抵抗现有的隐写分析方法。在该隐写框架中，构建了 与安全性相关的压缩视频空域和时域统计特性，并应用模拟退火算法对安全隐写框架的有 效性进行了试验验证。
[0207] 本发明提供的基于无损水印嵌入和安全视频隐藏的信息安全传输方法，具有W下 优点：
[0208] (1)在无损水印嵌入技术研究方面，结合篡改恢复认证水印技术，针对篡改认证， 篡改恢复和无损水印嵌入=种技术进行综合研究，经过对现有相关技术进行分析、实验、改 进，提出了一种可篡改定位和恢复的医学图像无损水印方案，该算法是在基于块划分类算 法的基础上进行改进优化而成。由于医学图像典型的分区域特征和重点区域纹理复杂特 性，固定块的划分方法并不适用于医学图像。本发明利用四叉树分解进行非固定块划分，很 好地考虑了医学图像自身的区域和纹理特征，利用线性加权插值方法获取新的特征值作为 水印信息，避免恢复纹理复杂区域时出现的恢复图像质量不高问题。另外，利用基于混浊的 可逆整数变换方法减少了算法的复杂性和提高了安全性。
[0209] (2)在视频中隐写医学图像要求隐写方案不但载量大，而且安全，不但可W抵抗压 缩等正常处理，而且可W抵抗共谋攻击等恶意破坏。但是载量和安全性是矛盾的，需要在二 者之间进行折中。为了增加算法的实用性，抵抗压缩等正常处理也是算法要考虑的问题，为 此本发明对压缩域视频隐写进行研究，关注压缩视频隐写的安全问题。在统计意义下的研 究视频隐写安全性，形成了一种W压缩视频流为载体的信息隐写框架，引入压缩视频安全 嵌入的准则，并给出基于优化的压缩域安全性信息嵌入算法，基于视频空域和时域的安全 性度量来调整各帖中秘密信息的嵌入量和嵌入位置，W期提高隐写算法的安全性在该隐写 框架中，构建了与安全性相关的压缩视频空域和时域统计特性，并应用模拟退火算法对安 全隐写框架的有效性进行了试验验证。尤其基于全局优化策略给出了兼顾时域、空域特性 的压缩视频安全隐写框架，实际应用时，可W依据应用需求调整优化算法目标函数，W确定 适当的信息嵌入方案。
[0210] W上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可W做出若干改进和润饰，运些改进和润饰也应 视本发明的保护范围。
【主权项】
1. 一种基于无损水印嵌入和安全视频隐藏的信息安全传输方法，其特征在于，包括W 下步骤： 步骤1，水印嵌入过程： 采用无损水印嵌入算法，向第1敏感图像中嵌入无损水印，得到嵌有水印的敏感图像； 步骤2,采用安全视频隐藏算法，将嵌有水印的敏感图像作为隐藏信息，嵌入到原始视 频中，得到携带有隐藏信息的视频，即载密视频X; 步骤3，将载密视频X从发送端通过网络传输到接收端；另外，发送端还将第1认证信息 W密钥方式发送到接收端； 步骤4,水印提取、篡改检测与恢复： 接收端从接收到的载密视频X中提取出隐藏信息；然后对提取到的隐藏信息进行进一 步提取分析，提取到第2敏感图像和水印信息； 根据步骤4提取到的水印信息重新计算得到第2认证信息，此外，获得发送端提供的第1 认证信息；比较第1认证信息和第2认证信息是否相同，如果相同，则表明第2敏感图像与第1 敏感图像相同，表明第1敏感图像在传输过程中未被篡改;反之，如果第1认证信息和第2认 证信息不相同，表明第1敏感图像在传输过程中被篡改，定位到篡改位置，并恢复图像。2. 根据权利要求1所述的基于无损水印嵌入和安全视频隐藏的信息安全传输方法，其 特征在于，步骤1的水印嵌入过程具体包括： 步骤1.1，设定参数丫的值，丫为一个值域为[0，1 ]的小数;第1敏感图像为方形图像，对 第1敏感图像进行四叉树分解，将第1敏感图像分解为η个图像块;η个图像块分别表示为图 像块Β1、图像块Β2…图像块化;记录分解后每个图像块的尺寸信息;所有图像块的尺寸信息 按设定规则排列形成的集合即为四叉树分解信息q; 步骤1.2,对于任意图像块Bi，根据其尺寸信息，采用线性加权插值技术计算得到该图像 块的特征值Fi; 将图像块B1、图像块B2…图像块化的特征值Fi、F2-'Fn反向排列并拼接到一起，得到总 的特征值F，表示为F = &冷巧_1货...货巧；其中，?代表拼接操作； 步骤1.3,将总的特征值F转换为二进制形式作为第1级水印信息W1; 步骤1.4,根据第1级水印信息W1的长度设定嵌入阔值T; 步骤1.5，设定混浊系统的初始混浊参数xk和μ，其中，μ为Logi St i C参数， 采用基于混浊的可逆整数变换方法，分别将特征值Fn、Fn-r-Fi作为水印依次嵌入到图 像块B1、图像块B2…图像块化中，由此得到第1级水印图像 步骤1.6,采用MD5算法计算得到第1级水印图像4,的第1级水印图像认证码； 步骤1.7，将步骤1.1得到的四叉树分解信息q进行化f fman编码，转化为二进制形式，得 到四叉树编码化f(q); 四叉树编码化f(q)、嵌入阔值T和第1级水印图像认证码组合形成第2级水印信息W2; 步骤1.8,采用基于无损压缩的LSB替换算法，将第2级水印信息W2嵌入到第1级水印图像 4,中，得到第2级水印图像3. 根据权利要求2所述的基于无损水印嵌入和安全视频隐藏的信息安全传输方法，其 特征在于，步骤3中，发送端W密钥方式向接收端发送的第1认证信息包括:初始混浊参数xk 和μ，Κ及四叉树编码化f(q)的编码长度和编码表。4. 根据权利要求3所述的基于无损水印嵌入和安全视频隐藏的信息安全传输方法，其 特征在于，步骤4中，水印提取、篡改检测与恢复的具体过程为： 假设接收端已获取到初始混浊参数Xk和μ、四叉树编码化f(q)的编码长度和编码表已 知，则： 步骤4.1，接收端从视频中提取到第2级水印图像4。;然后，采用LSB提取算法提取第2级 水印图像/w。的隐秘数据并恢复出第1级水印图像4,，提取得到第1级水印图像认证码、四叉 树编码化f (q)和嵌入阔值T; 步骤4.2,重新利用MD5算法计算步骤4.1恢复出的第1级水印图像的水印图像认证 码;与步骤4.1提取到的第1级水印图像认证码进行比较，如果相同，则表明原始图像在传输 过程中未被篡改，对原始图像进行无损恢复，即执行步骤4.3;否则，执行步骤4.3-步骤4.7， 进行篡改检测与恢复； 步骤4.3,根据已获取到初始混浊参数xk和μΚ及嵌入阔值T，利用基于混浊的可逆整数 变换提取出嵌入的总的特征值F，并得到恢复后图像Ir; 步骤4.4,对步骤4.1提取到的四叉树编码化f(q)进行解码得到四叉树分解信息q; 步骤4.5,根据步骤4.4得到的四叉树分解信息q将恢复后图像Ir进行四叉树分解，将其 分解为若干个图像块，并得到每个图像块的尺寸信息； 步骤4.6,采用线性加权插值技术计算得到步骤4.5得到的每个图像块的特征值，得到 新的特征值F'，则新的总特征值护'=巧'货巧'货…货; 步骤4.7，将步骤4.3得到的总的特征值F和步骤4.6得到的新的总特征值F '进行逐一进 行比对，则能定位篡改区域;假设任意的第j个图像块受到篡改，则用该图像块提取的特征 值Fj恢复篡改区域。5. 根据权利要求1所述的基于无损水印嵌入和安全视频隐藏的信息安全传输方法，其 特征在于，步骤2中，采用W下方法将隐藏信息嵌入到原始视频中，得到载密视频X: 步骤2.1，对于Ξ个因素，包括:第1因素 fi为ARE,即：帖间相关度的变化量;第2因素 f2为 IDC，即：空域DCT系数统计特征的变化量;第3因素 f3为可用DCT系数利用率的倒数，即：能用 于嵌入信息的DCT系数的利用率的倒数； 依据实际的应用背景，分别为第1因素 fi、第姻素 f2和第姻素 f3设置第1权值ωι、第2权 值ω沸第3权值ω 3; 步骤2.2,分别对第1因素 fi、第2因素 f2和第3因素 f3进行规格化，即其中，式为因素 f i的规格化，i = 1，2，3; 步骤2.3，构建目标函数f，可表示夫ω 1根据实 际应用背景设定，当对于安全性要求越高时ω 1、ω 2取值越大，当对于嵌入容量要求越高时 ?3取值越大。嵌入操作可视为如下的优化问题： min(^cost(C,C' )) =min(^cost(C,M,p)) 其中：P为当前场景中嵌入秘密信息Μ时，所有的调节变量组成的调节矢量，优化的目标 就是寻找使目标函数取得最小值的调节矢量，当目标函数到达优化算法收敛条件后，即能 够输出载密视频X。
【文档编号】H04N19/96GK105979268SQ201610290994
【公开日】2016年9月28日
【申请日】2016年5月5日
【发明人】杨永民, 公备, 叶小列, 景丽
【申请人】北京智捷伟讯科技有限公司