（信号与信息处理专业论文）基于人眼视觉特性的图像密写技术研究.pdf

硕十学位论文 摘要 密写在军事、情报、国家安全方面具有重要作用。密写技术有两个基本的技 术要求：隐蔽性和足够的数据量。基于人眼视觉特性的密写方法具有很好的视觉 隐蔽性，在众多密写方法中嵌入数据量是最大的。因此，基于人眼视觉特性的密 写在密写研究领域中占据着重要地位。但由于近期来，针对基于人眼视觉特性密 写的密写分析方法不断地被提出。传统的基于人眼视觉特性的密写的安全性降低 了。因此迫切需要设计出高度安全的新密写方法。在这种情况下，本文尝试将小 波变换和自组织竞争神经网络应用于图像密写，提出性能更好的新密写方法。本 文主要工作如下： ( 1 ) 深入研究人眼视觉系统、小波变换理论、自组织竞争神经网络的基本理 论以及传统基于视觉特性的密写及密写分析。 ( 2 ) 根据人眼对纹理区域噪声不敏感的特性，提出了一种基于小波变换和模 算子的密写。在该方法中，较多秘密信息嵌入到强纹理区域。通过试验可以证明 与b p c s 、p v d 和双边匹配相比，该方法具有优越性。 ( 3 ) 指出了传统小波域密写方法会导致小波直方图的异常，因而存在安全漏 洞；为了提高密写的安全性并利用人眼视觉特性，提出了一种基于h v s 的抗统 计分析的小波域密写。通过试验证明该方法不仅保持了小波直方图特性，而且具 有较好的视觉隐蔽性。 ( 4 ) 根据对比度和纹理敏感性，并利用白组织竞争神经网络的分类能力，提 出了一种基于自组织竞争神经网络和h v s 的密写。实验结果表明，与四边匹配密 写相比，该方法有更大的嵌入量并保持了良好的载密图像质量。 本文使用m a t l a b 作为仿真实验平台对上述研究进行了验证和分析。 关键字：密写；密写分析；人眼视觉特性；小波变换；白组织竞争神经网络； 模算子； 薹三垒矍翌耋竺竺墼里墨互：茎奎至耋 a b s t r a c t s t e g a n o g r a p h yt a k e s 锄i m p o r t a n tp o s i t i o ni nm i l i t a r ) ，a f h i r s ，i n f o 瑚a t i o na n d s e c u r i t yo fc o u n t f ) las t e g a n o g r a p h i ct e c h n i q u es h o u l dg e n e r a l l yp o s s e s st w o i m p o n a n tp r o p e r t i e s ：g o o di m p e r c e p t i b i l i t y a n das u f f i c i e n t p a y l o a d t h e s t e g 锄o g r a p h yb a s e do nh v sh a sg o o dv i s u a l i m p e r c e p t i b i l i t y ，a n di t sp a y l o a di st h e m o s ti na ns t e g a n o g r a p h i cm e t h o d s t h e r e f o r e ，t h es t e g a n o g r a p h yb a s e do nh v s o c c u p i e sa ni m p o n a n tp o s i t i o ni nt h er e s e a r c ho fs t e g a n o g r a p h y h o w e v e r ，r e c e m l y ， t h es t e g a n a l y s i s e so fs t e g a n o g r a p h yb a s e do nh v sw e r ec o n t i n u a l l yp r o p o s e d t h e s e c u r i t yo ft r a d i t i o n a ls t e g a n o g r a p h yb a s e do nh v si sl o w e r e d s od e s i g n i n gn e w s t e g a n o g r a p h yw i t hh i g hs e c u r i t yi se x i g e n t u n d e rt h i ss i t u a t i o n ，w et r yt oa p p i y w a v e l e t s 卸ds e l f o f g a l l i z i n gc o m p e t i t i v en n st oi m a g es t e g a n o g m p h y p r o p o s i n g n e ws t e g a n o g r a p h i cm e t h o d sw “hb e t t e rp e r f o 珊a n c e t h em a i ni m p o n a n tw o r ko f t h i sp a p e f ： 1 d e e p l ys t u d i e dh u m a nv i s u a ls y s t e m ，w a v e l e ta n a l y s i st h e o r y ，t h eb a s i c t h e o r yo fs e l f o r g a n i z i n gc o m p e t i t i v en n s ，t f a d i t i o n a ls t e g a n o g f a p h yb a s e do nh v s a n ds t e g a n a l y s i s 2 i na c c o r d a n c ew i t ht h ev i s u a lp r o p e n yt h a th u m a ne y e sa r el e s ss e n s i t i v et o s t r o n gt e x t u r e ， an o v e ls t e g a n o g r a p h i cm e t h o db a s e do nw a v e l e ta n dm o d u l u s f u n c t i o nw a sp r e s e n t e d i nt h i sm e t h o d ，m o r es e c r e ti n f o r m a t i o ni se m b e d d e di n t o b l o c k sw i t hs t r o n gt e x t u r e f r o mt h ee x p e f i m e n t a lf e s u l t ，t h ep r o p o s e dm e t h o dh a sa b e t t e rp e r f o r m 蛆c et h a nb p c s ，p v da n dt w o s i d e ds i d em a t c h 3 p o i mo u tt h a tt r a d i t i o n a ls t e g a n o g r a p h yo nw a v e l e td o m a i nr e s u l ti n a b n o r m i t yo fh i s t o g r a mf o rw a v e l e tc o e m c i e n t s ，s oal o o p h o l ee x i s t s ；i no r d e rt o i m p r o v et h es e c u r i t ya n de x p l o i tt h eh v s ，as t e g a n o g r a p h yo nw a v e l e td o m a i nb a s e d o nh v sa g a i n s ts t a t i s t i c a l 柚a l y s i si sp r o p o s e d f r o mt h ee x p e r i m e n t a lr e s u l t s ，t h e p r o p o s e dm e t h o de f c t i v e l yk e e p st h ei d e n t i t yo fh i s t o g r a mf o rw a v e l e tc o e f f i c i e n t s a n dm a i n t a i n sag o o dv i s u a lq u a l i t yo fs t e g o i m a g e 4 i nv i e wo fc o m f a s ta n dt e x t u r e s e n s i t i v i t y ，a n de x p l o i t i n gt h ec l a s s i f i e d a b i l i t yo fs e l f o r g a n i z i n gc o m p e t i t i v en n s ，as t e g a n o g r a p h i cm e t h o db a s e do n s e l f - o r g 蛐i z i n gc o m p e t i t i v en n sa n dh v si sp r o p o s e d s i m u l a t i o n e x p e r i m e n t s s h o wt h a tt h ep m p o s e dm e t h o dh a sm u c hg r e a t e rh i d i n gc a p a c i t yt h a nf o u r - s i d e ds i d e m a t c h ，m a i n t a i n i n gag o o dv i s u a lq u a l i t yo fs t e g o i m a g e w eu s e dm a t l a ba st h es i m u l a t i o np l a t f o 咖t ov e r i f yt h er e s e a r c hm e n t i o n e d a b o v e k e y w o r d s ：s t e g a n o g r a p h y ；s t e g a a i y s i s ；h v s ；w a v e l e tt r a n s f o r m ； s e i f - o r g a n i z i n gc o m p e t i t i v en n s ；m o d u l u sf u n c t i o n i i i 堆干人眼视觉特性的图像密写技术研究 插图索引 图2 ，l 小波分解与综合滤波器组l o 图2 2 多级小波分解l o 图2 - 3 二维可分离小波变换1 1 图2 4 提升算法步骤1 l 图2 5 惰性小波变换1 l 图2 6 自组织竞争神经网络的结构一1 5 图2 7 竞争层处理单元，1 5 图3 1 棋盘状小块：白格代表l ，黑格代表o 1 9 图3 2 双边匹配扫描顺序2 3 图4 1 嵌入算法流程图2 5 图4 2 载体图像、载密图像及放大4 0 倍后的差异图( l e n a ) 2 7 图4 3 载体图像、载密图像及放大4 0 倍后的差异图( m a n ) 2 7 图4 4 三种基于h v s 的密写与本章算法p s n r 的比较( b a b o o n ) 2 8 图5 1 载体图像l e n a 的小波直方图2 9 图5 2 载体图像m a n 的小波直方图2 9 图5 3 载密图像l e n a 的小波直方图2 9 图5 4 载密图像m a n 的小波直方图2 9 图5 5 嵌入方法流程图3 2 图5 6 载体图像、载密图像，放大6 0 倍后的差异图和小波直方图( l e n a ) 3 3 图5 7 载体图像、载密图像、放大6 0 倍后的差异图和小波直方图( m a n ) 3 4 图6 1 抽样分布图3 7 图6 2 嵌入方法流程图一3 8 图6 1 3 载体图像、载密图像及放大3 2 倍后的差异图( l e n a ) 3 8 图6 4 载体图像、载密图像及放大3 2 倍后的差异图( h o u s e ) 3 9 顾十学位论文 附表索引 表4 1 密写性能表2 7 表4 2 三种基于h v s 的密写与本章算法p s n r 的比较( 嵌入量3 0 0 0 0 0 b i t ) 2 8 表5 1 密写性能表3 4 表6 1 本章算法与四边匹配算法的性能比较3 9 v 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的 研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或 集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均 已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名： 刊劲 日期：2 一f 年1 1 月，2 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行 检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 i 、保密口，在年解密后适用本授权书。 2 、不保密囵。 ( 请在以上相应方框内打“”) 作者签名： 导师签名： 日期：工。年f f 月2 2 日 日期：矿6 年，月；，日 硕士学位论文 1 1 研究背景和意义 第1 章绪论 二十世纪九十年代以来，信息隐藏技术成为信息技术领域中的一大研究热 点。信息隐藏的目的是在图像、音频、视频等数字信号中嵌入不可察觉的秘密信 息，以实现版权保护、隐蔽通信等功能【1 1 。它包括数字水印和数字密写两个主要 分支。 数字水印用于保护数字媒体的知识产权【2 巧l ，被保护的多媒体内容可以是图 像、音频、视频、文本、图形等数据。它是将标志产品的作者、所有者、发行者、 使用者、出品时间等信息按照一定的算法嵌入到载体信号之中。嵌入的水印信号 不能影响载体的商用价值，并且还可以从含有水印的载体中检测或者提取出来。 数字水印的目的是为了保护载体的版权。当从数字媒体产品中提取的版权信息与 该产品的持有者不一致时，便可以认为此产品是非法复制的，该产品的持有者涉 嫌侵犯了他人的知识产权。 除了用于版权保护的数字水印之外，信息隐藏技术的另一个重要分支是数字 密写技术【6 - 9 1 。以图像、音频等数字媒体作为掩护，把要发送的秘密信息嵌入到 载体信号内部，以不引起外界注意的方式通过公共信道，特别是互联网进行传递， 这就是密写技术。基于密写的隐蔽通信不同于传统的密码通信。密码通信传递加 密的数据，使对方无法破译密码，从而达到保密目的。传统的密码通信一般并不 刻意掩盖“正在进行通信”这一事实。而密写不同，它利用易于迷惑对方的载体 掩护欲传递的秘密信息，通过将秘密信息嵌入到载体信号而不引起视觉和统计不 可见的畸变来保证其安全性。“秘密通信正在进行“这一事实登须不为他人知晓。 当然，秘密信息在嵌入前也可以进行加密以进一步提高隐蔽通信的安全性。 早在2 0 0 1 年初，震惊世界的“九一一”事件发生半年以前，今日美国就 曾指出本拉登及其同伙可能利用数字图像秘密传递与恐怖活动有关的信息【i “。 但是大众媒体上的报道在当时并没有引起社会各界的普遍关注。“九一一”事件 之后，密写被用于恐怖袭击的可能性经媒体广泛宣传，引起了各国政府和公众的 强烈关注，有力地促进了密写的迅速发展【1 1 1 。密写在军事、情报、国家安全方 面的重要作用不言而喻，它在信息安全中所处的重要地位成为密写者探索的强大 动力。 密写技术有两个最基本的技术要求：隐蔽性和足够的数据量。 ( 1 ) 隐蔽性密写必须毫不引起局外人的注意，一旦秘密信息的存在性被察 觉，即使内容未被破译，密写也失败了。密写分析常常以揭示秘密信息的存在性 为首要目标。 摹卡人眼视觉特性的图像密t ；技术研究 ( 2 ) 嵌入数据量因为要实现隐蔽通信，密写常常要求携带足够数量的秘密 信息。 而这两个技术指标又是相互矛盾的，即提高嵌入量会降低隐蔽性。为了解决 这一个矛盾，一些密写方法利用人眼视觉特性以实现大量的秘密信息嵌入，即在 视觉不敏感区域嵌入较多秘密信息，而在视觉敏感区域嵌入少量秘密信息。这一 类密写方法嵌入量很大，同时又具有很好的视觉隐蔽性。因此，基于入眼视觉特 性的密写在密写研究领域中占据着重要地位。 对密写的基本要求是要有极高的安全性和足够的信息嵌入量，其中安全性为 首要技术指标。与此相对应，密写分析的目的是在于揭示媒体中隐藏信息的存在 性，甚至只是指出数宁媒体中存在秘密信息的可疑性【佗一川。因为密写肘必须通 过修改原始数据才能实现秘密信息的嵌入，所以载体数据的统计特性不可避免地 会发生一些变化。密写分析者根据载体数据统计特性的异常而察觉到秘密信息的 存在性。一旦分析成功，密写者就无法传递秘密信息，甚至暴露身份。密写分析 也就成了密写的最大威胁。 近年来，密写分析者不断提出针对基于入眼视觉特性密写的密写分析方法， 使得传统的基于人跟视觉特性的密写的安全性降低。因此设计出高度安全的新密 写方法具有重要意义。 1 2 国内外研究现状 二十世纪九十年代中后期，密写和密写分析的研究还处于初期。近年来网络 信息安全问题成为广泛关注的焦点，特别是“九一一”事件之后，有关密写和密 写分析的研究开始呈现明显的上升势头。 人们已经提出了不少成功的密写方法。例如l s b 密写将秘密信息嵌入到图 像的最低比特位【6 - 7 9 】，其中文献【7 ，9 】所提出的密写方法分别能抵抗r q p 和g p c 密写分析；j p e g j s t e g 密写将秘密信息嵌入在量化后的d c t 系数的l s b 上。 但原始值为一1 、0 、+ 1 的d c t 系数除外1 1 4 l ；基于量化表调整的j p e g 密写通 过修改量化表嵌入数据，在提高嵌入量的同时可以达到与j p e g j s t e g 相同的视 觉隐蔽性【s l ；安全无错j p e o 密写将秘密信息隐藏在图像块的均值上，使载密图 像能够抵抗一定的j p e g 压缩 ”l ；扩频图像密写对载体图像的影响相当于叠加随 机噪声，具有较好的隐蔽性，但嵌入量不大1 1 6 】；基于密写编码技术的二值图像 密写用较少的改动隐藏了较多的秘密信息【1 7 】；基于小波变换和矢量量化的图像 密写用小波变换和矢量量化等技术将密图嵌入到像素的低位，使载密图像与原始 图像在视觉上难以区分，提取出来的密图具有可接受的质量1 1 8 l ：基于h a s 的音 频密写考虑到具体哪些频率成分在哪些频率成分在哪些情况下是不容易被人耳 2 硕f 学位论文 感知的，具有较好的隐蔽性【1 9 l ；基于时频域掩盖特性的o f d m 技术采用替换方 式嵌入【2 0 】；扰动调制方法采用调整方式将秘密信息嵌入到音频信号【2 。 与此同时，密写分析也取得了不少进展。例如r s 密写分析法利用图像空间 相关性导出双重统计量，该分析方法指出图像l s b 可在一定程度上由其他位面 进行预测，篡改l s b 会减弱这种可预测性，这一特性导致对l s b 密写的有效分 析1 2 2 j ；g p c 密写分析法是一种利用相邻像素相关性进行密写分析的密写分析方 法，该方法指出秘密信息通常经过压缩或加密，不具有相关性，可以利用这种特 性对密写行为进行检测【j3 】：统计检测密写分析通过对称性、概率分布和相关性 三个测度准则对嵌入信息的存在性给出判别【2 引。 为了提高嵌入数据量和视觉隐蔽性，人们已经提出不少基于人眼视觉特性的 密写方法。同时，密写分析者也不断提出针对这类密写的密写分析方法。 在1 9 9 8 年，k a w a g u c h ie 和e a s o nro 提出了位平面复杂度分割( b i t p l a n e c o m p l e x i t ys e g m e n t a t i o n ，b p c s ) 密写【2 4 1 。b p c s 密写的主旨是将载体数据的多个 位平面都分成固定大小的小块，由于人的视觉对那些变化剧烈、复杂度高的位平 面小块不敏感，所以用这些位平面小块来负载秘密信息。这种方法顾及了入的视 觉特性，因此有较好的隐蔽性；另外，秘密信息可以加载多个位平面，所以它比 l s b 密写有更大的嵌入量。在2 0 0 2 年，m a c h a d orn o d ah ，s p a u l d i n g 等将b p c s 应用于j p e g 2 0 0 0 压缩图像1 2 ，s p a u n gj ，n o d a h ，s h i m z i m n 等将b p c s 应用于 e z w 压缩图像【2 6 】。在2 0 0 6 年，1 o n c s - m a y as ，n a l 【醐o m i y a t a k em 和p e r e z - m e 锄h 提出了一种基于b p c s 和i w t 的密写【2 ”。虽然b p c s 密写的视觉隐蔽性较好， 但会改变位平面小块复杂度的统计特性。因此，在2 0 0 5 年，张新鹏和王朔中提 出了对b p c s 的统计分析，不但可以察觉秘密信息的存在性，而且可以精确估计 嵌入量【2 引。 在2 0 0 3 年，w u d c 和t s a i w h 提出了p v d ( p i x e l v a l u ed i f 艳r e n c i n g ) 密写l ”】。 p v d 密写将载体图像分成许多不交叠的小块，每个小块由两个相邻像素组成。 密写时，将秘密信息隐藏在每个小块两个像素灰度的差值中，如果原始差值较大， 就可以嵌入较多的秘密信息，因为人眼对起伏剧烈的区域敏感性较差。在2 0 0 4 年，张新鹏和王朔中指出了这种密写方法会导致像素灰度差值直方图的异常，因 而存在安全漏洞；为了提高密写的安全性，对p v d 密写进行了改进【3 ”。 在2 0 0 4 年，c h i n c h e nc h a n g 和h s i e n w e nt s e n g 提出了边匹配( s i d em a t c h ) 密写【3 。这种方法利用相邻像素的相关性来评估像素的平滑程度。如果像素在 边缘区域，则与平滑区的像素相比，它可以容忍更大的改动。在2 0 0 6 年，王威 3 基于入限视觉特件的图像南写技术研究 娜，张新鹏和王朔中提出了针对边匹配嵌入法的密写分析，该方法通过边匹配密 写方法会导致像素灰度差值直方图的异常这一特性对边匹配进行密写分析，并可 以准确地对嵌入率进行估计【3 ”。 目前基于人眼视觉特性的密写方法都可以被密写分析者分析出来，因此迫切 需要密写者设计出高度安全的新密写方法。 1 3 论文的主要工作及章节安排 本论文研究基于人眼视觉特性密写方法的设计，利用m a t l a b 进行仿真，用 实例验证密写方法的有效性和可行性。本文所做的主要工作包括： l 、研究与本文密写设计相关的理论，包括三个方面：第一，人眼视觉特性， 特别是人眼的“掩盖效应”；第二，小波变换的基本理论及基于提升格式的整数 小波变换；第三，自组织竞争神经网络的基本理论：第四，传统基于视觉特性的 密写及密写分析。 2 、考虑到人眼对强纹理的噪声比弱纹理噪声的不敏感性，以及大幅值的小 波系数对应着原始图像的像素突变点这一特征，提出了一种基于小波和模算子的 信息密写方法。在该方法中，一方面，嵌入强度自适应于纹理强度，较多秘密信 息嵌入到强纹理区域，因此在保持良好的载密图像视觉隐蔽性的同时提高了秘密 信息嵌入量。另一方面，嵌入强度与纹理强度成正比，用户可以选择多个参数， 这样破解者很难进行统计分析。除此以外，记录每小块所采用模值的像素位置是 通过密钥产生的。这样，由于第三方不知道密钥，也就不可能检测或提取秘密信 息。 3 、指出了传统的小波域密写方法存在的安全漏洞，即密写后小波直方图会 出现明显的阶梯效应，从而暴露了秘密信息的存在性。鉴于以上已有的小波域密 写存在的问题，提出了一种抗统计分析的小波域密写。该方法通过保持小波直方 图特性从而避免了被小波直方图检测到。除此以外，根据h v s ，在纹理区域，该 方法将秘密信息嵌入到多层小波系数从而获得较好的载密图像质量。采用基于提 升策略的整数小波变换来避免引入量化误差。 4 、根据对比度和纹理敏感性，并利用自组织竞争神经网络的分类能力，提 出了种基于自组织竞争神经网络和人眼视觉系统的密写。在该算法中，将对比 度和纹理敏感度作为特征向量，并利用自组织竞争神经网络将像素分为视觉敏感 区与视觉不敏感区，在视觉不敏感区嵌入较多秘密信息，因此，载密图像具有较 大的嵌入量和较好的视觉隐蔽性。同时神经网络成为了嵌入和提取秘密信息的密 钥，因此，第三方很难捡测和提取秘密信息。 本文具体章节安排如下： 第一章为绪论，阐明了本文研究的目的和应用意义，介绍了基于人眼视觉特 4 性密写及密写分析的研究现状，指出了本文的主要工作。 第二章为基本理论，包括人眼视觉特性、小波变换和自组织竟争神经网络三 个基本理论，为四、五、六这三章的密写方法提供了理论基础。 第三章主要介绍传统的基于视觉特性密写，及b p c s ，p v d 和s i d e m a t c h 密 写以及针对它们的密写分析。 第四章根据人眼对纹理区域不敏感的特性，提出了一种基于小波变换和模算 子的密写。在该方法中，较多秘密信息嵌入到强纹理区域。通过试验可以证明与 b p c s 、p v d 和双边匹配密写方法相比，该方法具有优越性。 第五章指出了传统小波域密写方法会导致小波直方图的异常，因而存在安全 漏洞：为了提高密写的安全性并利用人眼视觉特性，提出了一种基于h v s 的抗 统计分析的小波域密写。通过试验证明该方法不仅保持了小波直方图特性，而且 具有较好的视觉隐蔽性。 第六章根据对比度和纹理敏感性，并利用自组织竞争神经网络的分类能力， 提出了一种基于自组织竞争神经网络和h v s 的密写。实验结果表明，与四边匹 配密写方法相比，该算法有更大的嵌入量并保持了良好的载密图像质量。 最后是结束语，对全文的内容进行了总结，并展望了未来的工作。 基于人眼视觉特性的图像衔写技术研究 第2 章基本理论 本文中的密写方法涉及到了三个方面的基本理论，即人眼视觉特性、小波 变换和自组织竞争神经网络。四、五、六这三章所介绍的基于人眼视觉特性的图 像密写是根据人眼视觉特性中的“掩盖效应”，在视觉不敏感区域嵌入较多秘密 信息；第四章所介绍的密写利用小波作为纹理测度；第五章所介绍的密写在基于 提升算法的整数小波域嵌入秘密信息；第六章所介绍的密写利用自组织竞争神经 网络将像素分为视觉敏感区域与不敏感区域。本章将分别介绍人眼视觉特性、小 波变换和自组织竞争神经网络这三个基本理论。 2 1 人眼视觉特- 陛 本节介绍一些低层的视觉现象，这些现象到目前为止还不能完全通过生理学 来解释。这是由于这些现象有的还没能够得到充分的理解，有的所涉及的过程过 于复杂。因此就现有的水平，从宏观表现上来描述这些现象更可取。其中最常见 的是频率灵敏度( f e q u e n c ys e n 文t i v i t y ) ，亮度非线性( b f 噜h t n e s sn o n l i n e a r i t y ) ，光 度灵敏度( 1 u m i n a n c es e n s i t i v i t y ) 和掩盖效应( m a s k i n ge f f e c t s ) 。这些低层的视觉现 象在分析人类视觉敏感性时起到了举足轻重的作用，下面就分别介绍一下这些视 觉现象【3 3 35 1 。 2 1 1 光度灵敏度 人眼的检测光的能力既依赖于光的亮度，又依赖于背景光的亮度。人眼可以 察觉黑暗中的少量的光，但当周围环境相对明亮时，却不能察觉到相同量的光。 一般讲，人类视觉感知是刺激物与背景之间的亮度差以及背景亮度的函数。这说 明人类视觉系统的响应较少依赖于绝对两度，而更依赖于周围亮度的局部变化， 这种依赖性称为对比敏感度( 也称为光度灵敏度) ，简称对比度。因此对比度是一 种亮度相对变化的度量，可以通过简单的心理视觉实验来测量。 对于简单的初等模式，例如，在一个亮度为的均匀背景上作单一的增量 或减量的情形时，调节工是指为恰可查觉差( j n d ，j u s tn o t i c e a b l ed i f 诧r e n c e ) ， r 计算w e b e r 比竽。通过比较w c b e r 比与亮度三的关系，实验表明在一个相当宽 l 的变化范围内，人眼的视觉对比灵敏度w 曲e r 比是个常数( 约为2 ) ，称为 w e b e 卜f e c h n e f 定律。因此对于简单的初等模式，对比度可定义为 ， c ”= 竺兰 ( 2 1 1 l 称为w e b e r 对比度。 6 硕1 学位论文 然而自然图像是非常复杂的，根据简单的模式定义的w e b e r 对比度只考虑 了图像的整体特征而没有考虑图像的局部特征，因此应用于复杂图像就不甚理 想。同时，我们知道人类对比灵敏度是空间频率的函数，这需要定义既考虑图像 局部背景又考虑空间频率特性的对比度来更精确的刻画人类视觉感知。 2 1 2 亮度非线性 亮度非线性反映的是人眼感觉到的亮度( b r i g h t n e s s ) 并不线性依赖于光度 ( 1 u m i n a n c e ) 。其中广为接受的试验是m u n s e l l 试验系统，该试验表明人眼对较强 的光度的灵敏度较弱，在进行自适应量化时，较大的灰度值容许较大的量化误差。 2 1 3 频率灵敏度 由于自然图像是由图像细节和图像轮廓所组成，因此需要从空间频率的角度 分析对比敏感度，这种现象一般称为模式敏感度( p a t t e ms e n s i t i v i t y ) ，它不依赖 图像的内容，归于人眼的光学性质和神经的周期性，并以对比度敏感函数 c s f ( c o n t r a s ts e n s i t i v i t yf u n c t i o n ) 表征。c s f 定义为人眼对特定空间频率的对比 度敏感程度。对比敏感度依赖于刺激的空间频率，且对低频区敏感度较高，而高 频区敏感度较低。 最早的关于c s f 现象的描述是由1 9 6 8 年c a m p b e l l 及r o b s o n 给出。他们提 出了空间频率多通道假说，即人类视觉系统内存在系列彼此独立的、不同空间 频率具有选择性的通道，视觉对比度敏感函数是由这些独立的只对很窄的空间频 率敏感的频率选择通道合成的包络所组成。由于入眼视网膜所接受到的光谱同视 距相关，因此对比度敏感函数不但于图像频率有关，还与视距，方向等因素相关。 2 1 4 掩盖效应 掩盖效应是视觉中非常重要的现象，它描述了刺激信号之间的相互作用。掩 盖效应一般表现为一个刺激信号本身是可视的，但由于另一个刺激信号的出现而 不能被感知或检测，我们称前者为被掩盖信号( m a s “n gs i g n a l ) ，而后者为掩盖信 号( m a s k i n gs i g n a l ) ，也就是说由于掩盖信号的影响。图像的另一信号的可视性下 降，因此可以将秘密信息嵌入到人眼不敏感的区域，从而实现信息的隐藏。人们 对掩盖效应进行了大量的研究工作，在这罩我们只考虑两种视觉掩盖的表现形式 对比度掩盖( c o n t r a s tm a s k i n g ) 和熵掩盖( a c t i v i t ym a s k i n g ) 。 ( 1 ) 对比度掩盖对比度掩盖描述的是当掩盖信号与被掩盖信号具有相似特性 时的掩盖现象，当两个信号具有相似或相同的空间频率，方向和位置时，对比度 掩盖效应越强。 ( 2 ) 熵掩盖熵掩盖( e n l f o p ym a s k i n go ra c t i v i t ym a s k i n g ) 是一种掩盖效应，表 现为一个失真信号容易在图像平滑区域被察觉，而在活跃区域( 如纹理区域) 却难 以察觉的现象。 7 苹于人眼视觉特性的幽像密写技术研究 熵掩盖与对比掩盖的区别在于空域支撑区域不同。虽然两者都是由于存在干 扰信号从而使视觉敏感度下降，但是对比度掩盖一般表现为点对点形式，是描述 信号对自身产生失真的掩盖程度。而熵掩盖考虑的是一个信号的邻域信号对于该 信号失真可视性具有可预测性。有时这两种掩盖不再单独分开，而是一起结合在 视觉模型中。 掩盖效应是建立在h v s 通过不同的视觉通道并处理视觉信息的基础之上，而 这些通道对于视觉信号的时空频率和范围的敏感度相异。建立在信号是由各个不 同通道输入并处理的视觉模型称为多通道模型。仅考虑同一通道内的视觉掩盖效 应的模型称为带内模型，而考虑相异通道之间的视觉掩盖效应的模型称为带间模 2 2 小波变换理论 传统的信号分析是建立在f o u r i e r 变换的基础之上的，由于f o u r i e r 分析使用 的是一种全局的变换，要么完全在时域，要么完全在频域，因此无法表述信号的 时频局域性质，而这种性质恰恰是非平稳信号最根本和最关键的性质。为了分析 和处理非平稳信号，人们对f o u 蛀e r 分析进行了推广乃至根本性的革命，提出并 发展了一系列新的信号分析理论：窗口f o u r i e r 变换、g a b o r 变换、时频分析、 小波变换、r a n d o n w i g n e r 变换、分数阶f o u r i e r 变换、循环统计量理论和调幅 一调频信号分析等。通过理论和试验可以证明，小波变换是一种信号的时间一频 率分析方法，它具有多分辨率分析的特点。本节将主要介绍离散小波变换、m a l l a t 算法f 3 6 。3 7 1 和基于提升算法的整数小波变换【3 8 枷1 。 2 2 1 离散小波变换 在连续小波变换的定义中口，6 r ；口o ，为方便起见在离散化中总限制口取正 值。选取口= 硎，是整数，是大于1 的固定伸缩步长，6 = 肋b ，6 0 为常数， 七为整数，对应的离散小波函数妒，。( ，) 即可记着： 伊似( ，) ：i ；伊( ! 二苎警) = i 妒( 啄，一七6 0 ) ( 2 2 ) 伊，j ( ，) = 嘞2 伊( 二_ ：；生旦) = 口02 妒( 啄，一七6 0 ) ( 2 2 ) “ 相应的离散小波变换表示为： c j 。= e 八f ) 硒工 ( 2 3 ) 需要指出的是这里的离散是针对连续的尺度因子n 和平移因子6 的，而不是 针对时间f 的，这一点我我们以前的习惯不同，因此有时也称这种小波变换为离 散栅格上的小波变换。 然而如何选择和才能保证q 能够完整的表征原来的信号厂( f ) 呢? 另外 具体的表示形式又是什么样的呢? 这两个问题的答案建立在数学上的“框架理 论”上当由基本小波妒( ，) 经伸缩和移位引出的函数族矿雎( f ) 满足下述性质是， 便称妒雎( r ) 构成一个框架： 彳2s f | 2s 口扩1 2 ( 2 4 ) t 且o 爿s 丑 o o 在移j ( f ) 构成一个框架的情况下e j 即可以精确的重构原信号 ，( r ) 。当彳= 口的时候，框架为紧框架，重构公式为： - ，- ( ，) = q 仍 ( 2 5 ) 。1 jt 当4 曰的时候，重构的公式为： 愆) = 吕肚 ( 2 6 ) j t 其中妒称为仍j 的对偶小波，但是对偶的严谨数学推导比较复杂。当满足 ，。以既 ( 2 7 ) 时称为正交小波变换，当满足 01 - 瓦 ( 2 s ) 时称为双正交小波变换。 在实际应用中常取口o = 2 ，6 0 = l 。 2 2 2m a l l a t 算法 离散小波变换的快速算法为m a l l a t 算法。设某任意的厂( f ) 屹一。在巧。空间的 展开式为： ，o ) = 勺w 2 ”2 ( 2 f j j )( 2 9 ) 将( r ) 分解一次，即分别投影到巧，矽空间为： 必) = 2 叫”矿( 2 7 f 一老) + 扎2 肌妒( 2 一f 一老) ( 2 1 0 ) 巳 和t ，为尺度上的展开系数，并且有： 巳j = = 巳一 目h = 巳山p 川妒( 2 圳1 f - n ) 2 一妒( 2 1 一七) 也 口 令2 一r 一七= 2 7 f ，则有2 一( ，一1 f 一胛= 2 - ( 卜f + 2 七一雄，故： = 巳。，p 廿妒( 2 廿1 ) f 一( 万一2 j j ) ) ( 2 1 ) 西 一 “ 由式( 2 1 2 ) 即得： 9 ( 2 1 1 ) ( 2 1 2 ) 基十人眼视觉特件的图像密写技术研究 同理有： = q 山 ( 万一2 七) ( 2 1 3 ) 月 t = 巳山g ( 疗一2 七) ( 2 1 4 ) 以上两式就是小波分解的计算公式，可见在知道信号在空间旷得分解系数得 情况下，利用系数厅) ，g ( 行) 就可以得到在空间，形的分解系数。 由类似的思路可以推导出重构算法由于巧一- = _ o ，一上，因此 办一u = 办，+ 竹， n t 一 = ( 七一2 疗) 力，+ g ( 后一2 打) ( 2 1 5 ) 上式两端同时和( f ) 做内积即得 q w = ( 七一2 甩) + g ( 七一2 拧) t ， ( 2 1 6 ) 帖哪 即为小波重构的表示式。 容易证明与式( 2 1 3 ) 和( 2 1 4 ) 以及( 2 1 6 ) 与图2 1 所示的滤波器组结构等效。分 解低通和高通滤波器的单位冲击响应分别为矗( 一珂) ，g ( 一胛) ，综合的低通和高通滤波 器分另0 为 ( 凡) ，g ( ) 。 气。誊 l ，一h ( - n ) 一一 l j 。互l 虿 l ，【匕二j q w + ，f 土f 垌j 一7 二一7 图2 1 小波分解与综合滤波器组 以上算法容易推广到多级交换的情况，即对勺j 做类似q 嘶的分解得到。j 和一悱，同样对c j 小可以继续进行分解a 各级分解的算法和实现的滤波器组结构 相同，如图2 3 所示。 i t 一 一、 匕 图2 2 多级小波分解 二维信号如图像信号的小波变换，在可分离的情况下可以通过2 个行变换和 一个列变换来实现，如图2 3 所示。 1 0 硕士学位论文 输入图像 厂 ：2 一 7 匹一婴一 厂、l h 1 2 一 ，u 。 2 一 图2 ，二维可分离小波变换 2 2 3 基于提升算法的整数小波变换 提升算法是构造第二代小波的基本手段。而且和m a i i a t 算法相比计算量更 小，实现所需的资源更少。提升算法包括分裂( s p l i t ) ，预测( p r e d i c t ) 和更新( u p d a t e ) 三个步骤，如图2 4 所示。 图2 4 提升算法步骤 分裂即将数据序列x 分解为两个序列兄，置，咒由j 的奇数项组成，丘由z 的偶数项组成。如果分解端只有分裂步骤，相应的重构端只有合并步骤，这是构 成的小波变换就称为惰性小波变换( 1 a z y w a v e l e t ) ，如图2 5 所示。惰性小波在分 解的时候只是简单的将输入序列x 分解为奇数序列置和偶数序列置，重构的时 候也相应的只是把两个序列兄，置合并为原来的序列x 。惰性小波变换的结果 托，鼍中的数值和输入序列x 是相同的，即并未对输入序列进行任何有效的处 理，因此被称为惰性小波。 预测步骤为： 图2 5 惰性小波变换 乡廿 f f 一 一 一一蔷 苹f 人限视觉特性的图像南写技术研究 d = 丘一p ( 置) ( 2 1 7 ) 通常相邻的数据之阃有较大的相关性，因此艽和鼍之间存在较大的相关 性。那么选择一个合适的预测算子p 之后，d 中的数值将远小于原来的数据序列 兄中的数值。用d 和置来代替原始的数据x ，由于d 中的数值很小，故可以达 到压缩数据的目的。 更新的步骤为： s = 咒+ u ( d )( 2 1 8 ) 经过分裂步骤产生的子集序列z 的某些整体性质( 如均值) 和原始数据中 的不一致，因此需要一个更新过程。方法是通过算子u 产生一个更好的序列j ， 使之保持原有数据集x 的一些特性。 此外容易看出分裂、预测、更新步骤都是可逆的，因此对于