信息隐藏技术LSB（精选6篇）
信息隐藏技术LSB 篇1
0引言
基于图像的信息隐藏技术自上个世纪九十年代中期出现以来,已经成为数字通信、信息安全和版权保护领域的重要研究课题,并得到了越来越广泛的应用。但是信息隐藏技术发展的同时也给国家安全和社会稳定带来了很大的威胁。因此,在没有原始载体图像的前提下,研究对图像中可能存在各种隐藏信息的盲检测算法,尤其是针对LSB图像隐藏信息的盲检测算法具有重要意义[1]。
近几年来,已经出现了一些针对于LSB隐藏信息的空间域和频率域盲检测技术。其中空间域的盲检测算法主要包括以下两种:一种是Westfeld等人提出的PoVs(Paris of Values)算法[2],主要是通过分析像素对值的统计分布来判断是否存在隐藏信息,并能可靠估计隐藏信息的大小,但这种算法仅对固定位置且连续嵌入的LSB隐藏算法有效,而对随机LSB隐藏算法无效,并且这种算法检测效果受阈值选取的影响较大,当隐藏图像的颜色数超过载体图像本身像素数的50%时很难得到有效的检测效果;另一种是Fridrich提出的RQP(Raw Quick Pair)检测法[3,4]是目前唯一能够检测连续LSB替换和随机LSB替换隐藏信息的算法,具有较高的灵敏度,但是这种算法采用的统计特征属于一阶统计数据,稳定性较差,现在已经有一些隐藏软件如OutGuess已经可以在不改变这种一阶统计数据的情况下隐藏信息。频率域的盲检测算法主要有Farid等人提出来的一种基于高阶统计量的检测模型[5]和美国空军技术学院(AFIT)提出的基于计算免疫系统的隐藏信息盲检测算法[6],这两种算法都是以小波变换为理论基础,具有识别率高、通用性强等特点,但是计算量大、检测的可靠性较差。
基于以上原因,本文提出了一种差分直方图统计模型的LSB图像隐藏信息盲检测技术。该方法是在分析和提取图像差分直方图统计特征的基础上,利用改进的随机假设检验方法对该统计特征量进行分析和判断,从而实现图像信息隐藏的盲检测,最后通过仿真实验验证了本文算法的有效性。
1图像的差分直方图统计模型
设图像I在坐标(i,j)处的灰度值为I(i,j),其差分图像D(i,j)=I(i,j)-I(i,j+1)通常服从广义拉普拉斯分布,因而选用了待测图像对应差分图像的直方图作为统计特征量。图1(a)给出了美国WestStone公司提供的一幅256×256,24位颜色深度的JPEG测试图像,图1(b)～(d)表示的是其对应差分图像量化后的DCT系数直方图,以及使用频率域LSB隐藏软件Jsteg嵌入50%和100%隐藏信息后的DCT系数直方图。
从图1可以直观地看出,未嵌入隐藏信息图像的差分直方图相邻值之间没有任何明显规律,而隐藏信息后的直方图相邻值之间则出现明显数值接近的规律,当隐藏信息加大时,直方图相邻值之间几乎相等。直方图相邻值的这一变换显然与LSB隐藏信息嵌入有关,而这一规律的理论基础则是LSB隐藏信息的嵌入只会导致直方图相邻值的互相变化而不会改变两者之和[3]。通过大量的实验结果表明[4],一幅图像采用空间域LSB方法进行信息隐藏后,其对应的差分直方图也满足此规律。下面以频率域LSB信息隐藏为例介绍这一统计特征的变化规律。
设hi(i=0,±1,±2,…)表示原始载体图像量化后DCT系数差分直方图上得出的系数值为i的频数值,P表示所有频数值总和,即P=∑hi,则无论采用LSB连续嵌入还是随机嵌入,当载体图像嵌入m个伪随机比特序列后,差分直方图相邻值(h2i,h2i+1)会发生如下变化:
式中
当在图像的每个DCT系数的最不重要比特位都嵌入1比特信息,此时隐藏信息嵌入率为最大,使得m=P,λ=1,则有
当隐藏信息量m<P时,可得隐藏前后的差分直方图的相邻值的差值:
Δ=h2i-h2i+1,Δ′=h′2i-h′2i+1=(1-2α)Δ (3)
显然有Δ′≤Δ,这说明原始载体图像在采用LSB方法隐藏信息后,其差分图像的直方图相邻值有数值大小接近相等的趋向,因此通过分析被检测图像对应差分图像直方图相邻值的分布情况,以此作为统计特征模型来判断图像中是否存在隐藏信息将是一种行之有效的隐藏信息盲检测方法。
2基于差分直方图的LSB图像隐藏信息盲检测技术
2.1随机μ均值假设检验法
传统μ均值假设检验法以隐藏信息连续嵌入和均匀分布为前提,且只适合于待检测总体样本均值和方差已知的情况[1]。但是根据假设检验的要求,原假设中总体δ的分布函数F(x)所含的未知参数可以通过矩法或极大似然法估计出来,从而可以估计该总体样本分布的均值和方差。为此提出了一种检测效率高、同时适合于隐藏信息连续和随机嵌入检测的随机μ均值检验方法,其基本思想可用定义1进行描述。
定义1 假设在H0为真的条件下,α、σ2均不能由F(x)确定,即在两者都未知时,在总体δ的样本(δ1,δ2,…,δn)中用随机数法或抽签法,抽取一个容量为m(50≤m<n)的样本(ω1,ω2,…,ωm),其样本值为(y1,y2,…,ym),则首先用α的极大似然估计值
由于(ω1,ω2,…,ωm)是总体样本(δ1,δ2,…,δn)中的一部分,因而(ω1,ω2,…,ωm)的样本值就是由总体样本值(x1,x2,…,xn)中相应的一部分数值构成。在应用随机μ均值假设检验法时,为了保证能从样本(δ1,δ2,…,δn)中抽取一个容量不小于50样本的随机性以及检验的合理性,要求样本容量n≥100。此外,为了实现对隐藏信息随机嵌入图像的检测,在抽取容量为m样本时,只需要在总体样本中随机抽取m个样本即可。
2.2基于差分直方图的LSB隐藏信息随机μ均值假设检验法
假设:H0:差分直方图相邻对值的分布两两相等;H1:差分直方图上相邻对值的分布不是两两相等。则对于一幅采用LSB方法进行信息隐藏的图像,应用随机μ均值假设检验法进行检验的具体步骤如下:
(1) 计算待检测图像对应差分图像的灰度或颜色差分直方图,构成直方图分布频率的总体样本δ=(δ1,δ2,…,δn),其对应的样本值为(x1,x2,…,xn);
(2) 应用随机数法或抽签法,从直方图分布总体样本中随机抽取容量大于50的子样本(ω1,ω2,…,ωm),其对应的样本值为(y1,y2,…,ym),并设定抽样次数初始值为k;
(3) 根据子样本和总体样本,通过极大似然估计法计算直方图分布总体样本的均值α和方差σ2,并结合统计量U确定对应的拒绝域D;
(4) 根据直方图样本值计算统计量试验值u0,并根据该试验值是否属于拒绝域来判断拒绝、接受H0和H1的情况;
(5) 将抽样次数k减1,然后判断k值是否为0。如果不为0,则跳转到步骤(2)继续抽样,否则循环结束,转到步骤(6)执行;
(6) 将接受H0的试验次数除以整个抽样次数k,得出总体样本分布频率与假设H0相符合的概率p,该概率即为隐藏信息嵌入的可能性度量。
3实验结果与分析
本文从互联网上下载了8位bmp、24位bmp和JPEG图像各50幅构成测试图像集。隐藏软件选取了空域连续EzStego、空域随机S-Tools、频域连续Jsteg以及频域随机OutGuesss四种具有代表性的图像信息隐藏软件。实验所用硬件环境为PⅣ2.4GHz,512M,软件仿真平台为Matlab6.5。图2给出了利用本文方法对不同信息嵌入率下的隐藏图像进行盲检测分析的结果。另外设定抽样次数k为150,检测正确率阈值为70%,即凡是检测概率p在70%以上的图像都认为存在隐藏信息,虚警率和漏报率都视为错误判断,然后对该测试图像集中150幅不同信息嵌入率下的图像进行了盲检测,最后与同条件下χ2检验方法的检测结果进行了比较,结果如表1所示。
从图2实验结果可以看出,图像隐藏信息嵌入概率的检测结果会随着信息嵌入比率的提高而增加,当信息嵌入比率达到50%以上时,不同LSB软件信息隐藏的检测概率均保持在80%以上,其中对使用S-Tools和OutGuess软件隐藏信息图像的检测结果最高达到了96%左右。从表1对比实验结果则可以看出,χ2算法仅对隐藏信息连续嵌入的图像检测有一定的适应性,对采用随机嵌入算法进行信息隐藏的图像检测,即使嵌入信息量达到100%,检测准确率也不超过90%,而本文方法的检测精度比相同条件下χ2算法的检测精度提高了10%左右,平均检测速度达到了4028.52KB/s,全部150幅图像盲检测过程耗时仅40秒左右,这种速度使得开发针对于Internet网络中图像的实时盲检测系统成为可能。
此外,根据随机μ均值检验方法的适应条件,在同样的检验水平下,随着抽样次数k的增大,所抽取的样本中不同灰度或颜色直方图分布范围越广,抽取到的包含隐藏信息的像素点的概率也就变大,从而可以减少盲检测的虚警率和漏报率。但是由前文分析可知,本文算法的时间复杂度为O(k·m),抽样次数k的增加必然会带来计算量的急剧增加,使得检测速度变慢。同时,不同的检测阈值也会引起虚警率和漏报率的变化,从而影响最终的检测结果。因而在实验过程中,可以通过大量的实验对比结果来选择合适的抽样次数和检测阈值,以获得较高的检测精度和速度。
4结语
本文通过对LSB信息隐藏对图像统计特征的改变,建立了灰度(颜色)差分直方图或DCT系数直方图统计理论模型,在此基础上对传统的μ均值检验方法进行改进,提出了计算量小,适合于隐藏信息随机和连续嵌入图像检测的随机μ均值假设检验法,该方法在没有任何参考样本和先验知识的前提下,不仅可以可靠实现隐藏信息的盲检测,而且能够计算出隐藏信息存在的概率大小。实验仿真结果表明,本文方法在提高盲检测速度的同时,能有效地降低检测的虚警率和误报率。
摘要：提出了一种基于差分直方图的LSB图像隐藏信息盲检测技术。该算法的基本思想是在分析和提取图像差分直方图统计特征的基础上,采用随机假设检验方法检测隐藏信息嵌入概率,从而实现图像隐藏信息的盲检测。仿真实验结果表明,该算法在提高检测速度的同时,能有效降低盲检测的虚警率和误报率。
关键词：LSB信息隐藏,差分直方图,随机假设检验,盲检测
参考文献
[1]谢永华,傅德胜,李振宏.基于图像的信息隐藏检测技术[J].信息安全与保密,2005(3):34-37.
[2]Westfeld A,Pfitzmann A.Attacks on steganographic systems[C].InProcessing of Information Hiding,Third International Workshop,1999.
[3]Fridrich J,Goljan M,Du R.Detecting LSB steganography in color andgray-scale images[J].Magazine of IEEE Multimedia Special Issue onSecurity,2001,10(11):22-28.
[4]Fridrich Jiri,Goljan M.Practical steganalysis:State of the Art[J].SPIE,2002,4675:1-13.
[5]Farid H.Detecting hidden messages using higher-order statistical mod-els[C].International Conference on Image Processing,Rochester,NY,2002.
[6]Jackson J T,Gunsch G H,Claypoole R L,et al.Blind steganography de-tection using a computational immune system approach[J].Digital Fo-rensic Research Workshop,Syracuse,NY,2002.
信息隐藏技术LSB 篇2
关键词：信息隐藏；数字高程模型；信息伪装
0 引 言
基于信息隐藏的应用技术能够解决当前信息安全领域中的很多问题，在网络互动信息交流、信息沟通方面的应用前景不可限量。
信息隐藏技术必须考虑正常的信息操作所造成的威胁，即要使机密资料对正常的数据操作技术（如信号变换操作或数据压缩等）具有免疫能力。该技术存在以下特性: 鲁棒性、可检测性、透明性、安全性、恢复性。
如何实现DEM数据的使用控制和安全通讯是一个非常重要的问题。另一方面，三维地形数据庞大，如何提高DEM数据的传输和储存效率也是使用过程中一个亟待解决的问题。
针对这些问题，本文主要介绍地形信息的保护技术，来解决DEM数据的保护和安全通讯问题。介绍了目前几种新的利用信息隐藏和伪装保护DEM数据的技术，包括DEM水印技术、纹理隐藏高程数据技术、DEM伪装技术。
1 DEM水印技术
采用小波变换来实现信息的隐藏和提取：将版权标志以数字水印的方式嵌入到DEM数据中，可以保护数据的版权；将数据的重要参数（数据的地理坐标等）隐藏起来，限制非法用户的使用（没有这些参数，数据毫无用处），解决DEM数据的安全问题。
在这项技术中，源数据是数字高程模型（DEM）数据，水印数据是版权标志或者是DEM数据重要的参数信息。嵌入水印的过程需要保证DEM数据描述的地形信息基本不变，也即保持地形形状和地面起伏状态。
选取带参数整数小波来实现DEM数据的水印算法。水印具有很好的不可见性，嵌入水印以后的DEM数据保持了很好的质量，地形的起伏特征没有发生变化，并且水印嵌入DEM数据以后可以准确地提取出来。
2 带纹理的三维地形数据信息隐藏算法
如果在地形图的表面加上纹理，那么就可以既刻画地形又能表征地面的特征。纹理数据是一个二维的图像数据，和地形数据一起可以很直观地表示地理信息。该算法的基本思路是将高程数据隐藏在纹理图像中。
首先将DEM高程数据进行压缩；第二步对纹理图像进行小波变换，将压缩以后的DEM数据隐藏到纹理数据的小波变换系数中；最后重构数据，就得到了隐藏信息的纹理图像。
图2是该算法的演示实验。从实验中可以看出来，隐藏了高程数据的纹理图像（图2.c）具有很高的保真度，纹理图像在嵌入信息前后的差别是视觉分辨不出来的。恢复出来的DEM数据保持了地面起伏和地形形状不变。
3 两组DEM数据的伪装算法
这种伪装算法是通过对两组真实数据进行随机叠像处理，产生出一个伪装数据，然后将其中一组真实的数据经过压缩以后，隐藏到伪装数据中。该算法要实现信息隐藏、信息伪装、以及高效的DEM数据压缩三方面的功能。
算法流程如图3所示。首先应用叠像技术将两组DEM数据生成一个伪装的数据；然后将其中一组DEM数据经过小波压缩算法进行压缩；再对伪装的DEM数据进行小波变换，将压缩以后的那一组DEM数据隐藏到伪装DEM数据的小波系数中；最后重构伪装数据，就得到了隐藏信息的伪装数据。
从实验中可以看出来，该方法达到了良好的伪装特性，并且两组真实的DEM数据都得到了恢复。恢复出来的DEM数据保持了地面起伏和地形形状不变（如图4）。
该伪装算法伪装效果好，与经典密码学理论结合，安全性高。算法可以完全公开，只要密码和密钥不丢失，就能保证伪装数据的安全。一组伪装数据可以一次传输两组真实数据，传输效率高。相对于分形伪装算法而言，消除伪装需要保留的参数信息少，运算效率也有了大幅度的提高。
4 基于模糊关系的DEM数据信息伪装算法
结合模糊理论中模糊关系的思想和信息伪装技术来保护DEM数据，可实现对DEM数据的伪装。合法用户在不需要任何原始DEM信息的条件下，可以从伪装数据中恢复出真实的DEM数据；非法的用户只能够获得一个伪装过的，且没有实际用处的高程数据。
首先利用二维波动方程随机产生一个DEM地形数据，这个地形数据在已知密码和参量的情况下是可以再现的，以便恢复真实的地形数据。然后构造随机DEM数据和真实DEM数据之间的模糊关系矩阵，通过模糊关系矩阵生成伪装DEM数据。一个模糊矩阵对应一种伪装方式，这个模糊矩阵也可以通过密码再现。
从实验中可以看出来，该方法达到了良好的伪装效果，并且真实的DEM数据能得到恢复。恢复出来的DEM数据保持了地面起伏和地形形状不变。
这种伪装算法是非常安全的，如果要获得真实的数据就必须知道伪装信息过程中使用到的随机产生的DEM数据和模糊矩阵。由于它们都是通过Hash函数控制生成，在生成方法公开的前提下，没有密码K和ID，这个序列是不能够准确再现的。
5 结 语
我国已经完成了三维地形数据库的建设工作，如何实现高效安全通讯和保护是下一步需要解决的关键问题。由于三维数据量庞大，对安全的要求性高，传统的信息保护与通讯手段效率都很低。利用信息隐藏的方法来对三维地形数据进行保护，提高了数据的安全性和通讯效率。
信息隐藏技术LSB 篇3
信息隐藏起源于古希腊的“匿形术”,在早先的军事战争中得到了应用。Markus Kahn[1]把信息隐藏定义为一门隐藏通信存在的艺术和科学。隐藏秘密信息的载体通常为多媒体文件,可以是图像、视频或者音频文件。其中,视频文件因为隐藏容量大而备受青睐。通常所用的隐藏算法都是把隐蔽载体中最不重要的位去掉,然后在去掉的位置来嵌入秘密信息[2]。常用的载体文件中,视频文件本身数据量较大,被攻击者发现的可能性更小,而且视频质量越高,可用于隐藏的冗余就越多,因而受到越来越多的关注。
一般情况下,信息隐藏领域常用到隐蔽和滤波,数学变换,LSB算法[3,4,5]。LSB算法易实现、不可感知性好,而且具有隐藏容量大的特点[7]。但是,传统的LSB算法一般以确定的顺序将秘密数据嵌入到最低位平面中,嵌入的数据位遵循嵌入数据的分布规律,这就明显改变了像素的统计规律,给隐藏分析提供了便利。目前,为增强LSB抵抗隐写分析的性能,提高其算法安全性,涌现出许多改进的LSB算法。在这些算法中,与密码学和图像统计特征结合已成为改进其安全性的重要手段。文献[8]在各像素的LSB位引入噪声信息的基础上利用密钥进行LSB嵌入,能抵抗针对隐写位置的攻击,但该算法增加了额外数据而可用于隐藏的空间并未增加,并且嵌入信息后视频比特率改变较明显。文献[9,10]用隐写密钥来控制隐藏像素的选择。此类算法只是单纯地对秘密信息进行加密,虽然增强了携密文件的不可改动性,但隐藏后对像素统计规律的改变仍较明显。文献[11]通过修改量化表来保持DCT系数直方图统计特性,不可感知性和抗隐写分析能力较强,但其隐藏容量和嵌入效率有待提高。
针对以上问题,本文结合密钥交换概念和信息隐藏的特点,提出了一种基于密钥交换协议的LSB视频隐写方法,较好地平衡了隐藏容量和隐藏信息的安全性,在保持较高隐藏容量的同时对像素统计规律改变较小,能抵抗一定隐写检测的攻击,并在实验验证阶段给出了视频图像隐藏前后的直方图及与其他类似算法的比较。
1相关研究
信息隐藏是一门隐藏秘密信息存在性的科学,基于密钥的信息隐藏保证信息只允许授权对象和有密钥的对象进入,其他对象不能进入[12]。本文中的信息隐藏均指隐写术。信息可以隐藏到任意类型的多媒体文件当中,其中特征图像文件,音频文件和视频文件已被广泛应用。载体文件可以在不安全的媒体中交换而不被发现有信息隐藏在内。
信息隐藏技术应用十分广泛,如通信覆盖,数字水印,访问控制等等,有诸多算法可供信息隐藏使用。比如,LSB编码算法,相位编码算法,扩频编码算法和重复编码算法。通常,信息的嵌入不会引起人眼的注意,因为像素的变化几乎可以忽略。信息隐藏中,视频最大的优点是有大量的隐藏空间,视频信息是连续的图像和声音运动流,所以除了明显的失真,任何小的失真还是能够在人眼发现不了的情况下播放的。
在信息隐藏方法中,LSB[13]算法是最重要的方法之一。在多媒体文件中隐藏一定数量的重要信息,此方法比较简单。通常,现代计算机系统都用8位,24位或32位文件来存储数字文件。但是,在数字媒体中用LSB隐藏信息,一个像素能存储24位文件的每个字节的三位。在对LSB算法的改进中涉及到一些经典的密钥算法。常用的有RSA算法,一般的加密算法和Diffie-Hellman密钥交换算法。其中,Diffie-Hellman是一种标准算法密钥交换协议用来在用户之间没有提前进行信息交换的情况下,通过未加密的载体来交换密钥,通过密钥交换来实现索引。
本文以FLV视频文件为载体,运用密码交换协议产生的密钥选择将要嵌入秘密信息的视频帧和嵌入的位置,用LSB算法在视频文件的空域中嵌入秘密数据。由于索引密钥是唯一的,所以给隐藏后的视频文件增加了保密性和安全性。
2 Diffie-Hellman密钥交换协议
在用LSB方法进行信息隐藏之前,首先要用到密钥交换协议。Diffie-Hellman密钥交换协议是用来管理公开密钥加密( 也称为双密钥加密) 的初始系统。Diffie-Hellman程序用来在两边用户在没有事先约定的情况下,在没有保障的载体中交换密钥。一般地,交换密钥被用作秘密申请的口令。在密钥算法中,两边用户共享同一个密钥。但是,在发送者和接受者共享密钥的过程中,存在着密钥分配的问题。公开密钥交换秘密系统用两个密钥来解决密钥分配问题,一个私钥和一个公钥。通过交换公共密钥,双方能够计算出一个唯一的共享密钥,这个公共密钥只有双方知道。图1所示为Diffie-Hellman密钥交换协议。
发送端密钥形成过程如下:
1) 随机选择大素数p,选择一个本原元g,以及私钥a。
2) 计算出A( 公钥发送端) ,如下: A = gamodp。
3) 把公共值A作为公钥发送到接收端。
4) 计算秘密值K,如下: K = Bamodp = gabmodp。
接收端密钥形成过程如下:
1) 随机选择一个秘密随机数b。
2) 计算B( 公钥接收端) ,如下: B = gbmodp。
3) 发送公共值B到发送端。
4) 计算秘密值K,如下: K = Abmodp = gabmodp。
这样,发送端和接收端都有安全通信唯一的密钥K。首先,解决鉴定问题,然后用来选择嵌入组织和产生基于索引的LSB算法。接下来介绍一般的LSB算法和本文算法。
3基于最低有效位的视频隐藏及改进方法
3. 1 LSB隐藏算法
LSB是一种常用的隐藏信息方法。通常直接把信息比特隐藏到一段确定的载体( 视频) 序列最低有效位平面中,是一种基于LSB的最简单的信息隐藏方法,同时也是最容易收到攻击的。隐藏过程包括信息比特在载体像素的每个最低有效位的连续替代。这种方法除了简单,还能够隐藏大量的信息。接下来阐述将秘密数据A隐藏到载体中的过程。
步骤1读取秘密数据。
步骤2读取所需要的载体信息,如图2所示。
步骤3把秘密信息分为比特位。
步骤4提取载体帧。
步骤5利用最低有效位嵌入来隐藏秘密信息比特。
替换最低有效比特:
步骤6隐藏信息后重构载体帧。
3. 2基于密钥索引的LSB算法
传统的LSB算法具有简单易行、隐藏量大的特点,虽然对像素最低位的改变只能引起最低位的改变,并且不会引起明显的感官察觉,但对视频图像大量数据的修改还是容易被检测到的。从安全角度出发,本文结合Diffie-Hellman密钥交换协议对LSB算法安全性的改进,利用密钥索引来进行计算所需载体帧和嵌入位置,把秘密数据隐藏到视频载体RGB像素的最低有效位,以保证视频的质量。对于使用Diffie-Hellman的发送端和接收端,密钥值是唯一的,因此可以用来选择视频帧,然后用来确定嵌入和提取秘密信息的最低有效位位置。
首先,按照Diffie-Hellman密钥交换原理,计算出密钥K; 接着,计算载体视频帧的总数; 然后进行载体帧的选择,如式( 1) :
式( 1) 中,F表示将要嵌入秘密信息的帧,K表示产生的DiffieHellman密钥,N表示视频载体中帧总数。由于密钥值是唯一的,由此产生的视频帧相当于增加了密钥认证,即使遭到恶意攻击,攻击者在没有密钥的情况下也无法获取载体帧。
在获取载体帧后,对视频帧进行处理,包括转换为灰度图像,用二进制表示图像像素,然后计算秘密信息的隐藏位置,方法如下:
式( 2) 中,I即为基于K产生的索引,表示LSB嵌入位置。K表示产生的Diffie-Hellman密钥,L表示能够嵌入秘密数据的LSB比特总数。当LSB比特数为m时( 一个字节的1到8位) ,LSB嵌入的索引范围为0到m - 1。
接下来是利用索引确定的位置利用LSB算法进行信息隐藏。提取出每个32位RGB像素的4个最低有效位,8个为一个字节,如果得到的索引值为3,则基于索引的嵌入算法如图3所示。
秘密信息的嵌入流程如下:
输入: 视频文件,秘密数据。
输出: 携密文件。
方法: 用LSB嵌入方式,在多媒体载体中隐藏秘密数据。
1. 开始。
2. 从载体视频中读取所需信息。
3. 提取视频帧。
4. 把秘密文本分解为二进制流,然后嵌入到处理后的视频中。
5. 找出载体视频RGB像素中的4个比特。
6. 使用基于索引的密钥获取秘密信息在载体视频中的嵌入位置。
7. 在获取的位置嵌入秘密信息比特。
8. 重构视频帧。
秘密信息的提取流程如下:
输入: 携密文件。
输出: 秘密信息。
方法: 用LSB嵌入提取携密文件中的秘密数据。
1. 开始。
2. 从携密视频文件中获取所需信息。
3. 提取视频帧。
4. 找出携密视频RGB像素中的4个比特位置。
5. 用基于索引的密钥获取秘密信息比特的位置。
6. 在获取的位置中,分别从携密帧的RGB像素中恢复数据。
7. 重构秘密数据。
8. 重构视频帧。
这样,基于密钥的LSB算法已被用到在载体帧当中隐藏数据。秘密信息的大小并不受视频载体大小的限制,因为秘密信息可以分段隐藏到多个视频文件当中本文利用密钥交换产生的索引来确定隐藏位。一方面,本文方法对图像数据改变较小,能够抵抗一般的统计检测; 另一方面,密钥的使用使得即使第三方知道隐藏有秘密信息的情况下也无法获取,加强了秘密信息的安全性。
4算法模型和实验结果
4. 1算法模型
首先,用Diffie-Hellman密钥交换产生密钥,然后再按照本文算法用它来产生视频LSB嵌入的密钥。在发送端,利用密钥索引把秘密信息嵌入到视频中。在接收端从再利用密钥视频中提取数据,把提取的数据相结合,得到原始数据,算法模型如图4所示。此方法包括密钥的认证,给所嵌入的秘密信息提供了一层安全保障,因而在传输过程中安全性更强。
4. 2实验结果
实验采用的平台为MATLAB7. 0,运行本方法程序的计算机操作系统为Microsoft Windows XP Professional( SP2) ,CPU规格为Intel( R) Core( TM) CPU2. 3 GHz,内存2 G,硬盘640 GB。图5和图6分别为信息隐藏和提取界面,秘密信息为17 M的文本文件,载体视频为726 M的FLV文件,密钥交换协议安全大素数值为2538,本原元值为5,发送端和接收端秘密随机数为635和575。通过Flash8. 0和Action Script3. 0对视频帧进行提取。图7为信息嵌入前后效果对比图。图8和图9为嵌入信息前后视频图像灰度直方图,其中横坐标是图像像素灰度级,纵坐标为出现该灰度级的概率。实验中提取视频前150帧作为信息嵌入载体帧,分别用本文算法、文献[8]和文献[11]的算法进行隐藏,隐藏效果对比如表1所示。
通过对比嵌入秘密信息前后视频图像的直方图,隐藏前后图像灰度级概率最大值分别为4. 69×104和4. 71×104,可以看出直方图没有明显变化,从而验证了该方法良好的不可感知性,说明秘密信息的嵌入对视频图像效果影响不大。
由对比可知,本文算法与文献[8]隐藏容量相当,但本文算法隐藏后对视频比特率改变较小,而且PSNR改变也相对较小,嵌入信息后视频视觉质量较好。而文献[11]虽然也具有较低的比特率和PSNR,但与本文算法相比,其隐藏容量相对较小。
5结语
信息隐藏技术LSB 篇4
在图像中隐藏私密信息的方法有很多种,但根据私密信息嵌入图像像素空间位置来划分,主要有变换域信息隐藏算法和空间域信息隐藏算法两种。变换域信息隐藏算法通过修改图像变换域中的变换系数来实现信息隐藏,主要代表算法有扩频隐藏、离散余弦变换(Discrete Cosine Transform,DCT)隐藏、离散小波变换(Discrete Wavelet Transform,DWT)等。空间域算法对图像相应像素点的值进行相应的处理来实现隐藏信息的目的,主要代表算法有最低有效位算法(LSB),最高有效位算法(MSB)等。其中最低有效位算法由于其使用方便,易实现等特点,被大多数信息隐藏软件所采用。但是利用传统LSB算法嵌入私密信息的图片抗攻击能力不强。攻击者通过RS分析很容易得知图像中是否隐藏有秘密信息,从而降低了安全性。为了提高安全性,本文将要讨论的就是一种基于最低有效位(LSB)的改进算法。
1 算法原理
最低有效位(LSB)信息隐藏的基本思想是:将私密信息嵌入到图像像素值的最低有效位,以达到信息隐藏的目的。在进行信息提取时通过获得嵌入比特数及位置便可以将秘密信息从载体文件中提取出来[1]。
中值滤波是一种非线性数字滤波器技术,经常用于去除图像或者其它信号中的噪声[2]。
将中值过滤技术与LSB算法相结合进行信息隐藏的基本原理如下:
嵌入私密信息:
(1)计算载体文件私密数据的最大隐藏量;
(2)将私密数据转换为比特流并用特定数据结构封装;
(3)用秘密信息比特流中的每一比特信息替换与之相对应的载体像素的最低有效位。私密信息比特流嵌入完成后产生stego＿image。
该过程可用下式描述:
其中,Xi,j表示第i行j列的原始图像像素值,Wi,j为对应的待嵌入的二值秘密信息。式(1)实际上是将载体图像像素的最低有效位清零,然后在嵌入时直接加上二值秘密信息。
(4)利用中值滤波器对stego＿image进行降噪处理,产生enhanced＿image。
(5)对stego＿image和enhanced＿image进行减法计算产生subtracted＿image。
(6)对subtracted＿image进行加密处理:发送方输入密码,对此密码使用哈希函数计算出哈希值,将哈希值保存在指定位置。
(7)将加密后的subtracted＿image与enhanced＿image一起发送到接收方。
提取私密信息:
(1)首先利用密钥对subtracted＿image进行解密处理。
(2)对subtracted＿image和enhanced＿image做加法运算获得stego＿image。
(3)从stego＿image像素的最低有效位读取出私密信息比特流。
2 实验结果及分析
在实验中,分别使用传统LSB算法和本文改进的LSB算法,将同一私密信息嵌入三组图片中进行发送。私密信息(privete＿msg)为1000字符的TXT文件,其二进制数据长度为8000比特位。三组载体图片如下所示:
2.1 评价参数。实验中选取以下评价参数:
(1)图像亮度均值
(2)图像亮度标准偏差:图像亮度标准偏差表示像素亮度值与平均值的偏离程度,该值越小说明像素亮度分布越集中,越大说明像素亮度分布越分散。
(3)R、G、B各分量均值
2.2 实验结果分析。
原始图像、传统LSB算法嵌入密文后的图像、本文改进的LSB算法嵌入密文后的图像所对应的亮度均值、亮度标准偏差和R、G、B各分量均值如表1示。
由表1可见,无论是传统的LSB算法还是改进型的LSB算法,隐藏后的图像其RGB分量和亮度变化几乎可以忽略不计(≤0.3%),如果仅检测图像文件的数据空间很难发现其隐藏意图。
为了有效评估处理后图片的信息隐藏性以及图像视觉变化,我们分别计算Stego-image与Enhanced-image的相对误差F(△T),结果如表2-4所示:
三组实验结果均是Enhanced-image的相对误差要小于Stegoimage的相对误差。数据显示经过改进型LSB算法处理的图片比LSB算法处理过的图片具有更好的视觉不易察觉性。
我们用均方误差(MSE)来评估实验处理后对原图片造成的变化程度,误差越小,表明处理后图片与原图片差异越小。
三组实验结果Enhanced-image的均方误差都小于Stego-image的均方误差。由实验结果可以看出改进型的LSB算法对载体图片造成的变化程度要小于传统LSB算法。
峰值信噪比PSNR(Peak Signal Noise Rate)描述了算法的隐蔽性,PSNR越大,隐蔽性越高。通常PSNR≥30 dB时,人体视觉上就感觉不到隐藏前后图像的差异。
三组经过改进型LSB算法处理的载体图像峰值信噪比均高于传统LSB算法,使得私密信息具有更高的隐蔽性。
通过对三组图像实验结果的分析可看出,本文提出的隐藏方法既考虑了隐藏实现的方便性,有较好的兼顾了信息隐藏的可容性与隐蔽性。攻击者通过RS分析可以觉察到stego＿image内是否隐藏私密信息,但是却无法确定enhanced＿image中是否嵌入私密信息。
通过实验,证明改进型的LSB算法是可行的。与原算法相比,改进型的LSB算法具有以下优点:
(1)更安全的传输方式,stego＿img并不直接发送到接收方,而是以enhanced＿img和subtracted＿img的分别发送的方式进行图片传输。攻击者即使截取了其中一幅图片也得不到任何有意义的信息,这种发送方式保证了私密信息具有更高的安全性。
(2)更安全的隐藏方式,攻击者可以使用工具觉察到stego＿img中是否存在私密信息,但是攻击者却无法确定使用中值滤波器处理过的图片enhanced＿img中是否含有私密信息。
(3)更大的信息存储量,每个像素的低四位都可以作为私密信息的存储位置,中值滤波器会消除由此带来的部分负面因素。
3结论
本文将中值滤波器与LSB算法相结合,提出了更高效的改进型LSB算法,增加了私密信息的存储量与安全性,突破了传统加密文件的传输方式,使加密文件具有更好的隐蔽性和安全性。
摘要：传统的LSB算法是将私密信息以二进制的形式嵌入到载体像素值的最低有效位,这样对图像的质量负面影响可以降到最小。本文提出了一种将过滤技术与LSB算法相结合的信息隐藏算法。利用过滤技术增强图片质量,利用LSB算法进行私密信息的嵌入。改进型的LSB算法比原算法具有更高信息存储量以及更高信息安全性等优点。
关键词：信息隐藏,中值滤波器,LSB算法
参考文献
[1]郑皓岚.改进LSB算法以增加图像信息隐藏量的方法[J].广州城市职业学院学报,2010.
[2]李科,田社平,王志武.遗传算法加权中值滤波器的优化设计[J].中国计量学院学报,2008.
[3]王丽娜.信息隐藏技术实验教程[M].武汉:武汉大学出版社,2004.
[4]Pfitzman B.Information hiding terminology[C]//First Information HidingWorkshop.
[5]Derrick G.Data watermarking steganography and watermarking of digitaldata[J].Computer Law Security Rep,2001,17:101-4.
信息隐藏技术LSB 篇5
近些年来,信息隐藏技术作为一个安全领域的新兴课题已经极大地引起了人们的关注[1,2,3]。LSB(最低有效位)是信息隐藏技术中最常见的算法,它利用人的视觉系统对图像的微小改动不敏感和图像的最低几个位平面反映的类噪声特性实现隐藏[4]。
近年来,很多专家学者对LSB隐藏进行了深入研究,也出现了许多LSB的改进算法。袁占亭[5]等人基于几何变换的性质,提出了一种可用于图像置乱技术的亚仿射变换,并利用矩阵编码思想改进L S B的嵌入方式;李桂芸[6]等人在传统混沌图像置乱方法的基础上,提出了基于图像向量索引奇偶性的信息隐藏算法;刘红翼[7]等人研究了异或运算的性质,实现了对嵌入的字节秩序修改一位就可在该字节中同时嵌入两位秘密信息。本文就是在此基础上,研究了遗传算法自适应的特点,提出了一种基于LSB图像隐藏的优化算法,同样最多只需修改一位,但与之相比进一步提高了秘密信息的嵌入量,增强了隐蔽性,并能无损还原,有一定的应用价值。
1对LSB图像隐藏算法的优化
传统的LSB图像隐藏是对最低位嵌入信息,隐藏量小[8,9]。现以遗传算法[10]模型对LSB图像隐藏优化。实现如下:
(1)参数确定
种群规模为图像像素点总数m×n,参数变化范围为8(8个位平面),由于第0、1、2和3位平面的改变对图像的影响小,最大迭代次数在这里取4。
(2)初始化
在利用自适应遗传算法进行LSB图像隐藏时,由于在最初始时还未嵌入秘密信息,所以初始化时为原始图像的总数m×n的像素点。
(3)适应度函数
种群适应度函数用来评价整个种群个体优劣的尺度,决定了种群个体是否被淘汰。LSB图像隐藏的核心思想是将秘密信息与待嵌入位信息进行比较以实现秘密信息的嵌入。因此,种群适应度函数可表示为:
式中,bit[i]代表图像载体元素的第0到第4位值,s为秘密信息。
(4)选择操作
在基于自适应遗传算法LSB图像隐藏中,对于每一个像素点,在bit[i],i从0到4进行遍历选择,若种群适应度函数值为0,则图像信息保持不变,选择该图像元素位值,并将下一个待嵌入的秘密信息与该元素的下一位位值比较,循环上述操作;若种群适应度函数值为1,则进入下面的交叉操作。
(5)交叉操作
为了增大种群的多样性,执行交叉操作,进而组合各种群个体的适应度信息。设完成种群交叉操作的两个体为X1和X2,则交叉后的个体为:
式(2)中:交叉概率满足r∈[0,1]。两父代X1和X2就是式(1)中所提到的图像位信息bit[i]和X2秘密信息s。但是由于算法中采用的是二进制编码,所以此处的r只能取值0或1。且当r取值为1时,就是前面所述的选择操作。当r取值为0时,实质就是将图像该位信息替换为秘密信息s。
(6)变异操作
结合LSB图像隐藏,由于在参数确定时选择的最大迭代次数为4。即当r取值为0时,若已经达到最大迭代次数,则直接进入变异操作,即换下一个像素值点循环操作。即针对公式(2),当r取值为0时,有下列公式(3):
针对基于LSB图像隐藏来说,自适应遗传算法中有几点必须注意,就是只要进行交叉操作之后必然进入变异操作,原因是为了满足最多只修改一位的需求;如果选择操作完成之后,就将该像素点的较高一位与秘密信息进行比较;若选择操作是像素点最高位时完成的,则在选择的同时进入变异操作。
为了简述上述遗传算法自适应的思想,对嵌入的不同条件,将其整个遗传过程总结为表1。
本文提出的基于遗传算法的LSB图像隐藏方法简单,运算量小,嵌入量大。最多可以达到在一个像素点中隐藏4bit秘密信息,但仍满足最多只修改一位的需求,由于并未对像素点位值信息作出改变,所以不会对整体图像造成影响。
2试验结果与算法性能分析
2.1试验结果
编写实现上述嵌入算法和提取算法的代码。取256级灰度图像Lenna(256×256)为载体图像,将采集的由信号发生器产生的幅度为0~3V,频率为200Hz的正弦波信号经采样率为20k Hz的A/D转换得到的二进制数字信息作为秘密信息,试验结果如图1所示。
图1分别是原始图像、自适应隐藏图像、隐藏1位图像和隐藏2位图像,对比这4幅图,图片差异不明显,这说明自适应隐藏和隐藏1位或2位都达到了很好的隐藏效果。表2分别是待嵌入的二进制信息和自适应隐藏提取之后的信息,从表中可以看出,两者保持很好的一致性,说明秘密信息可以被准确完整地提取出来。试验充分验证了基于LSB图像隐藏优化算法的可行性和正确性。
2.2算法性能分析
图像隐藏技术的评价指标主要有隐藏容量、不可见性和鲁棒性等。下面从这三个方面进行分析。
(1)隐藏容量:提出的自适应图像隐藏算法从理论上分析可以达到在一个像素点中最多隐藏4bit秘密信息的隐藏容量。自适应隐藏图像、隐藏1位图像和隐藏2位图像三种嵌入算法的隐藏容量的试验结果比较如表3。从表3中可以看出,提出的优化算法在隐藏容量方面具有更大的优势。
(2)不可见性:由图1可以看出,隐藏1位和自适应隐藏之后的结果与原始图像从主观视觉上看差别不大。为评价提出算法的不可见性,将均方根误差(RMSE)和峰值信噪比(PSNR)作为客观标准评价。原始图像C和隐藏后图像S的均方根误差和峰值信噪比计算公式如公式(4)和公式(5):
其中,M和N表示图像的长和宽。RMSE越小说明两幅图越相似。PSNR越大,则图像S的保真度越好,两幅图像越相似。三种算法的RMSE和PSNR的计算结果比较如表3。
由表3中的结果比较之后可以得出,由于隐藏容量的提高,PSNR有轻微的降低。由于要求最多值只修改一位,所以均方根误差RMSE较隐藏2位小一些。故本文提出的LSB优化算法具有较好的不可见性。
(3)抗统计分析特性:LSB图像隐藏是对比像素点的最低有效信息和带嵌入的秘密信息。为了秘密信息更安全地传输,在嵌入之前均会进行加密处理,导致0和1出现的概率近似为1/2。传统的LSB是以秘密信息完全取代载体图像的最低位平面,这与原图像的统计特性相差甚远。优化的LSB由于嵌入位置的随机性,不会出现上述0和1个数相近的情况,所以对载体图像的统计特性影响不大。抗统计分析特性的提高也是鲁棒性提高的一种体现。
图像在传输过程中由于其数据量大的特点,压缩是最常见的,因此,LSB的鲁棒性也应该体现在抗压缩上,在LSB优化算法的同时,结合最常用的压缩算法JPEG进行分析,发现在压缩前后的块差异,根据这一特征,选取在压缩中变化较小的分块,利用优化的LSB来隐藏信息,这将是下一步需要研究的方向。
3结束语
针对传统LSB图像隐藏算法中只选取最低位导致的隐藏信息量不够大以及易破坏的问题,以遗传算法为模型对LSB图像隐藏算法优化。通过对比载体图像和嵌入信息位,满足对载体图像最多只需修改一位的需求基础上,自适应地实现更多秘密信息的嵌入。本文实现了基于LSB图像隐藏优化算法的隐藏与提取,并与隐藏1位,隐藏2位之后的图像作对比。结果表明,提出的自适应图像隐藏算法明显地提高了嵌入量,最多可以达到在一个像素点中隐藏4位秘密信息。由于算法中嵌入位的确定有较好的随机性,嵌入的秘密信息也较为分散,不可见性和鲁棒性都有一定的提高。且具有方法简单、运算量小、均方根误差小等优点。这在大容量隐藏信息等领域有广泛的应用。
摘要：信息隐藏技术是信息安全领域的重要组成部分。针对只选最低位的LSB算法会导致隐藏信息量不够大的缺点,提出了优化的LSB算法。该方法在传统的LSB图像隐藏算法的基础上,结合遗传算法,实现秘密信息的自适应嵌入。理论分析和实验表明,这种优化算法不仅具有算法简单、隐蔽性好的特点,还具有隐藏信息容量大、均方根误差小等优点。
关键词：信息安全,信息隐藏技术LSB,遗传算法
参考文献
[1]王君,田玉敏,李春霞.一种改进的图像自适应信息隐藏算法[J].计算机应用研究,2005,05:145-147.
[2]叶天语.基于图像LSB的秘密信息隐藏技术[J].计算机与现代化,2005,11:32-35.
[3]周熠,吴桂华.数字图像水印技术的研究与发展[J].计算机测量与控制,2004,04:387-389.
[4]靳战鹏,沈绪榜.基于位平面的LSB图像隐藏算法分析及改进[J].计算机应用,2005,11:2541-2543.
[5]袁占亭,张秋余,刘洪国,等.一种改进的LSB数字图像隐藏算法[J].计算机应用研究,2009,01:372-374.
[6]李桂芸,邓桂英,赵逢禹.一种基于LSB图像信息隐藏的改进算法[J].计算机系统应用,2012,04:156-160.
[7]刘红翼,王继军,韦月琼,等.一种基于LSB的数字图像信息隐藏算法[J].计算机科学,2008,01:100-102.
[8]魏佳圆,周诠.一种基于LSB的图像信息隐藏算法[J].现代电子技术,2013,17:75-77.
[9]邹娟,贾世杰.基于LSB图像隐藏系统的设计与实现[J].计算机技术与发展,2007,05:114-116.
信息隐藏技术LSB 篇6
最低有效位LSB (Least Significant Bit) 的信息隐藏是一种典型的空间域数据隐藏方法。这种方法通过替换最低有效位来嵌入秘密消息, 只需对载体文件作很小且不易被觉察的改变就能隐藏大量的秘密信息。由于利用LSB隐藏信息方法实现简单, 隐藏量比较大, 所以以LSB信息隐藏思想为原型, 产生了一些变形的LSB方法, 目前万联网上公开的图像信息隐藏软件大多使用这种方法。
实践证明, 任何一幅图片都具有一定的噪声分量, 这表现在数据的最低有效位, 其统计特征具有一定的随机性, 秘密信息就是依靠这种随机性来隐藏信息, 实现隐形性的。事实上, 无论是声音还是视频, 都有这种随机性质。
在数字图像中, 一幅图像的每个像素是以多比特的方式构成的, 在灰度图像中, 每个像素通常为8位;在真彩色图像 (R CB方式) 中, 每个像素为24比特, 其中RCB这3色各为8位, 每一位的取值为0或1。在数字图像中, 每个像素的各个位对图像的贡献是不同的。对于8位的灰度图像, 每个像素
的数字g可用公式表示为:, 其中:i为像素的第几位, bi为第i的取值, bi∈{0, 1}。
对于灰度图像, 人眼不能分辨全部256个灰度等级, 4个左右灰度等级的差异人眼是不能区别的。而当对比度比较小时, 人眼的分辨能力更差。LSB信息隐藏技术就是利用这一点将需要隐藏的秘密信息随机 (或连续) 地隐藏在载体较低的位平面。
2 基于LSB算法对图像信息的嵌入和提取
2.1 图像的平滑区、边缘区和纹理区的划分
保证秘密信息的不可见性和提高隐藏容量的有效途径是充分利用人眼的视觉特性。心理视觉的研究表明, 人眼对平滑区的噪声非常敏感, 视觉阈值较低, 只能嵌入少量的秘密信息;非平滑区中边缘区对噪声不是很敏感, 可以嵌入适量的秘密信息;非平滑区中纹理区对噪声反应不敏感, 视觉阈值较高, 可以嵌入较多的秘密信息。
因此, 要利用人类视觉系统特性进行信息隐藏, 首先要根据视觉掩蔽效应将图像划分成不同的类别, 以便在不同的噪声敏感区域分别嵌入不同的信息量。载体图像的分块流程如图1所示。
图像子块熵值的计算方法:设图像有S1, S2, …, Sq, q种幅值, 并且出现的概率为P1, P2, …, Pq, 那么每一幅值信息量为log2 (Pi) , 其熵值为:
其中, 方差用于表示数据分布和离散程度的一维统计特性。但是方差的结果随着像素的灰度值的变化起伏很大, 因此利用方差进行多组数据的比较时就显得不太合理, 而利用变异系数 (Coefficient of Variance, CV) 或称变异度来比较则更为合适, 它在数量上度量了一个总体的变异性相对于其总体均值的大小, 标准方差的计算公式如下:
其中n为图像块Bi, j中元素的个数;f (x, y) 为图像块Bi, j中像素点的灰度值;f为图像块Bi, j的平均灰度。变异度的计算公式如下:其中F为图像的平均灰度值。
以256×256的灰度图像为例, 平滑区、边缘区和纹理区划分的算法如下:将图像分成8×8的块Bi, j, (i, j=1, 2, …, 32) ;产生每个图像块的直方图并计算出每种幅值出现的概率;根据公式 (1) 求每个图像块的熵值;计算每个图像块的灰度平均值与标准方差;计算整个图像的平均灰度值并按公式 (3) 计算其变异度;根据熵值和变异度以及设定的熵阈值和变异度阈值将图像块划分成平滑区、边缘区与纹理区。
2.2 秘密信息的嵌入过程
LSB算法就是改变图像中像素的值, 但是像素值的改变有一定的限度, 超过这个限度就会被视觉观察出来, 这个限度称为恰可察觉失真JND。在对载体图像进行嵌入信息时, 当嵌入的信息量低于JND阈值, 载体图像的改变将不会被觉察。在信息隐藏中利用JND阈值来隐藏信息, 不仅保证了秘密信息的不可见性, 还增强了秘密信息的鲁棒性。大量统计结果表明, 平滑区、边缘区和纹理区对应的JND阈值为2, 4, 10 (单位为灰度值) 。
以256×256的灰度图像为例, 算法实现如下:将图像分成8×8的块;按照上述原则区分每个块属于平滑区、边缘区、还是纹理区, 并且作相应的标记;将秘密信息转化为二进制比特流, 并存放于数组;依次扫描每个图像块, 如果该块属于平滑区的, 则该块中每个像素的第末位嵌入1个秘密信息比特流;如果该块属于边缘区的, 则该块中每个像素的末二位嵌入2个秘密信息比特流;如果该块属于纹理区的, 则该块中每个像素的末三位嵌入3个比特流;显示原图像和嵌入秘密信息后的图像 (如图2所示) 。
图2 (a) 是载体图像, 图2 (b) 是水印图像, 图2 (c) 是嵌入大量秘密信息后的隐密图, 人眼几乎看不出这两幅图像的差异。从图2 (d) 可以看出该算法隐藏容量大。
2.3 秘密信息的提取过程
秘密信息的提取过程很简单, 就是嵌入过程的逆过程, 具体步骤如下。
(1) 将图像分成8×8的块。
(2) 依次扫描每个图像块, 如果该块是平滑区标记的, 则提取该块中每个像素的末尾信息并保存在数组中;如果该块是边缘区标记的, 则提取该块中每个像素的末二位信息并保存在数组中;如果该块是纹理区标记的, 则提取该块中每个像素的末三位信息并保存在数组中。
(3) 最后把数组中的二进制比特流进行数据重组, 恢复成原来的秘密信息。
3 结语
利用LSB算法进行信息隐藏, 根据视觉掩蔽效应将图像划分成不同的区块, 再根据各区块JND阈值不同可以在不同的区块中选用每个像素的不同末位数嵌入秘密信息比特流, 经实验测试结果表明, 此算法不仅隐藏容量大, 而且具有较好的隐蔽性, 是进行信息隐藏的较好算法。
摘要：信息隐藏技术成为保密通信和信息保护的有效手段, 利用LSB算法对图像信息进行嵌入和提取, 是信息隐藏技术中关键一环。
关键词：信息隐藏,LSB算法,嵌入,提取
参考文献
[1]刘振华, 尹萍.信息隐藏技术及其应用[M].北京科学出版社, 2002.
[2]钮心忻.信息隐藏与数字水印[M].北京:北京邮电大学出版社, 2004.
[3]王丽娜, 张焕国.信息隐藏技术与应用[M].武汉:武汉大学出版社, 2003.
【信息隐藏技术LSB】推荐阅读：
信息隐藏技术及应用09-04
隐藏信息06-05
安装WordPress后系列二：隐藏WordPress版本信息07-31
错误隐藏技术09-03
自我隐藏09-11
发现隐藏的商机06-02
隐藏的海底杀手的作文06-10
销售说明中的隐藏技巧06-21
《本愿经》隐藏改运方法07-07
关于木马隐藏的一个新方法07-26