基于相关性分析的网络生物认证方法研究_硕士学位论文（pdf格式可编辑）.pdf

摘要 近几年，信息安全已经成为全球公认的热点问题，生物认证技术( B i o m e t r i c s r e c o g n i t i o n ) 具有信息量大、特征稳定、采集容易等优点，为信息安全问题提供良好 的解决方案。随着多媒体技术和网络的日益发展和成熟，异地进行生物认证已经成为可 能，但是由于数据在网络中传输的透明化，使得生物信息极易受到篡改，进而给政府、 军队、企业造成巨大损失。 信息隐藏技术( I n f o r m a t i o nh i d i n g ) 是一种公认的有效保护多媒体信息安全的技 术。其发展已经趋于成熟，使得利用信息隐藏技术保护生物认证图像，实现异地生物认 证成为可能。由于生物认证图像信息量大，利用传统的信息隐藏方法已经不能满足人们 的需要，而图像与图像之间存在着一定的相关性，可以利用图像本身的丰富信息相互表 示，进而实现大容量的信息隐藏。 本文以内容相关性为基础，提出一种新的基于相关性分析的频率域嵌入算法，以解 决信息隐藏中由于秘密信息容量大而无法有效操作的问题。本文重点研究两个部分，一 是研究信息隐藏处理方法和理论，系统地描述了信息隐藏方法的特点、分类以及国内外 发展现状，主要包括生物图像嵌入策略和生物图像在传输过程中受到的攻击等内容，并 提出一种基于人类视觉模型和相关性分析相结合的信息隐藏方法。二是深入分析生物图 像的特点，考虑到生物图像类内与类间存在信息冗余，而这些冗余不仅给信息隐藏带来 了困难，而且干扰了生物图像的识别。本文提出一种基于自适应协方差矩阵的降维方法， 降低生物图像的信息冗余，进而实现异地生物认证。 关键词：信息隐藏：生物认证；相关性分析；人类视觉模型 目录 摘要I A b s t r a c t 】 目录I I I 第一章绪论1 1 1 研究背景，目的以及意义1 1 2 国内外发展概况1 1 2 1 信息隐藏技术的发展1 1 2 2 生物认证的发展2 1 2 3 本文主要工作3 1 3 论文的章节安排3 第二章信息隐藏技术概述4 2 1 信息隐藏技术的基本原理4 2 2 信息隐藏技术的特性4 2 3 信息隐藏的分类5 2 4 信息隐藏方法的评估标准5 2 4 1 最大差值5 2 4 2 平均最大差值6 “ 2 4 3 归一化平均绝对误差6 2 4 4 均方误差6 2 4 5 峰值信噪比6 2 4 6 归一化相关系数6 2 5 小结7 第三章基于相关性分析的网络生物认证方法8 3 1 基于相关性分析的网络生物认证方法涉及的基本理论8 3 1 1 主成分分析( P r i n c i p a lC o m p o n e n tA n a l y s i s ) 8 3 1 2 粒子群优化( P a r t i c l eS w a r mO p t i m i z a t i o n ) 8 3 1 3 小波变换的基本概念9 3 2 相关性分析1 0 3 3 嵌入算法和提取算法1 1 3 4 实验结果与分析1 3 3 4 1 不可见性对比实验1 3 3 4 2 鲁棒性实验对比1 4 3 5 小结2 5 第四章基于自适应二维主成分分析特征提取方法研究2 6 4 1 引言2 6 4 2 基于自适应的二维主成分分析特征提取方法涉及的基本理论2 6 4 2 1 二维主成分分析 2 9 2 6 4 2 2 遗传算法2 7 4 2 3 自适应协方差矩阵：2 7 4 3 实验结果与分析2 9 l 4 4 小结3 3 第五章总结与展望3 4 参考文献3 5 I V 东北师范大学硕士学位论文 第一章绪论 1 1 研究背景，目的以及意义 在信息化社会中，身份认证( 例如银行信用卡、个人笔记本密码、门禁系统、身份 证等认证) 与人们的日常生活息息相关，然而传统的身份认证方法其本身存在：证件丢 失、伪造、被盗或者密码繁多、破解、遗忘等缺陷，经常给人们带来了诸多麻烦和损失。 生物认证以其固有的信息量大、特征稳定、采集容易等优点逐渐走入人们的视线，并得 到了飞速的发展。生物认证 1 ( B i o m e t r i c sr e c o g n i t i o n ) 是指利用人体的生理特征： 人脸、指纹、掌纹、虹膜、语音、视网膜、D N A 以及签名、步态等行为特征进行身份鉴 别的方法。目前，已经被国内外公认为最可靠、最有前途的身份认证技术。近几年，生 物认证技术已经应用到政府、企业、军队、银行等重要领域。尽管生物认证系统已经得 到了广泛的应用，但是生物数据本身并不具备保密性和安全性。S c h n e i e r 2 在他的论 文中指出：生物认证系统的正常运行，必须要以保证生物数据的合法性为前提。因此， 如何保证生物数据的完整性和安全性，成为确保生物认证正确可行的关键问题。 信息隐藏技术( 注：本文中信息隐藏主要特指数字水印技术和密写技术) 正是解决 上述问题的一种可行方案。信息隐藏技术 3 是指将保密信息隐藏于另一非保密载体中， 不让其他人发觉的一种技术手段。信息隐藏的方法主要有隐写术、数字水印技术、隐蔽 信道、阈下信道、匿名通信等等。显而易见，利用信息隐藏的方法可以有效保护生物信 息的完整性和安全性，使得生物数据在网络传输过程中，免受恶意的攻击，整体的提高 生物认证系统的性能。 本课题研究的目的就是深入分析用于生物认证的信息隐藏方法，采用离散小波多分 辨率分解的方法，并结合相关性分析，人类视觉系统，以及提取特异性特征，使生物图 像在鲁棒性和不可察觉性之间达到最优平衡，最终实现生物认证的网络化，并尽可能采 用较低的算法复杂度以满足实际应用的需要。 1 2 国内外发展概况 1 2 1 信息隐藏技术的发展 信息隐藏技术最早源于E m ilH e m b r o o k e 在1 9 6 1 年发表的一篇题目为 I d e n t i f i c a t i o no fs o u n da n dl i k es i g n a l s 的文章 4 ，文中描述了将一种标识 信息嵌入到音乐中，用于版权的认定，此方法可以行之有效的防止盗版。此后1 9 9 0 年 T a n a k a 首次提出了数字图像水印技术，现在广为使用“w a t e rm a r k ”一词来自A Z T i r k e l 所写的 E l e c t r o n i cw a t e rm a r k 一文 5 。1 9 9 8 年，美国政府报告中首次出现了有关 数字图像的报告。目前已支持或开展信息隐藏方法研究的机构不仅有政府机关，也有高 1 东北师范大学硕士学位论文 校和知名企业。( 例如美国版权保护组、美国陆( 空) 军研究实验室、德国国家信息技术 研究中心、麻省理工学院、明尼苏达大学、剑桥大学、贝尔实验室、日本索尼公司、荷 兰飞利浦公司等) 在学术上，几个权威的国际期刊( 例如I E E E 、S P I E 、P a t t e r n R e c o g n i t i o n 、S i g n a lP r o c e s s i n g 等) 都有关于信息隐藏方法的专栏或者新闻报道。而 商品化软件也已经投入使用，其中包括：D i g i m a r c 公司研发的P i c t u r e M a r c 、R e a d M a r c 、 B a t c h M a r c P r o ，S i g n u m 公司开发的S u r e S i g n F i n g e r p r i n t s 系列水印插件以及A l i r o o 公司开发的E I K O N A m a r k 等等。在我国一些科研单位也逐步从技术模拟转向自主研发， 1 9 9 9 年1 2 月何德全院士、周仲义院士、蔡吉人院士主持了我国第一届信息隐藏学术研 讨会等等。现阶段，信息隐藏技术已经成为全世界研究的热点问题。 1 2 2 生物认证的发展 生物认证技术最早可以追溯到公元十四世纪的中国，当时人们就利用掌纹和脚纹来 区分婴J L ；十九世纪初在阿根廷指纹首次应用于犯罪认定；二十世纪六十年代，随着科 技的发展，使用计算机来识别指纹逐渐走入历史舞台；二十世纪七十年代，生物认证产 品已经在美国开始大范围的使用。目前可以利用的生物认证的模态有很多，如掌纹、指 纹、人脸、虹膜等等。这些常用模态都有其各自的特点。每一种模态都含有较高的信息 量和可区分信息。本课题主要以掌纹为例，展开研究。目前，已有很多研究人员研发了 关于掌纹识别的认证系统。其中比较著名的系统包括S P E XF o r e n s i c s 公司的P r i n t Q u e s t A P I S 系统 6 、S A G E M 公司的D M A 系统和C o g e n tS y s t e m 公司的C A P F I S 系统 7 等。香 港理工大学和哈尔滨工业大学联合研制了世界上第一套民用掌纹识别系统，开创了国内 的先河。 但是现有的掌纹识别系统普遍没有采用信息隐藏机制，无法保障系统的安全性和生 物信息通讯时的完整性。本课题主要研究将信息隐藏机制与掌纹认证系统相结合，提出 了基于信息隐藏的生物认证方法。该方法把掌纹图像嵌入到与其内容无关的载体图像 中，可以实现在本地或远程的生物认证过程中，对生物信息的安全性、完整性的起到保 护并且提高在传输过程中抵抗常见攻击的鲁棒性。 目前，已有学者对基于信息隐藏与生物认证相结合的方法展开研究 8 1 6 ，其中B G u n s e l 1 0 水印嵌入到生物认证图像中，通过提取水印的质量，判断生物图像的完整性。 还有一部分学者 1 1 ，1 3 ，1 6 提出直接将一种模态的生物特征直接嵌入到另一种模态的 生物特征中，确保系统的安全性。尽管上述方法的对于一些攻击的鲁棒性( r o b u s t ) 很 强，但是隐藏容量并不大。大部分现有论文只关注嵌入载体抗攻击的鲁棒性，往往忽略 了提取水印或者秘密信息的质量。在嵌入的过程中，也很少考虑到载体与嵌入内容的相 关性，没能更有效的利用载体信息。例如M V a t s a 1 1 3 提出的方法将l O x l O O b i t 的水 印数据流嵌入至U 1 0 2 4 7 6 8 的灰度人脸图像中，其平均嵌入量为0 0 0 1 3b i t p i x e l 。其 次由于生物图像其本身具有特异性的特点，如果单一地使用生物图像作为载体，则在网 络传输中容易受到攻击者的拦截和篡改。本文受到 1 5 的启发提出采用与嵌入信息无关 2 东北师范大学硕士学位论文 的图像作为载体，并利用图像与图像内容之间的相关性，提出基于内容相关性的信息隐 藏方法，进而提高生物认证系统的安全性。 1 2 3 本文主要工作 本文考虑到载体图像和生物认证图像之间存在一定的相关性，提出一种基于主成分 分析提取图像相关性信息频率域信息隐藏算法P C C A ( P r i n c i p a lc o m p o n e n t sc o n t e n t a n a l y s i s ) ，该方法利用主成分分析方法，分别提取载体图像和生物认证图像的主空间， 并利用载体图像的主空间重构生物认证图像，进而减少生物认证图像的信息，在嵌入过 程中，充分考虑到人类视觉对光源、纹理、平滑区域的敏感性，并借鉴文章 1 6 的思想。 最后将相关性分析产生的残差图像嵌入运动区域的小波系数中。 本文针对传统二维主成分分析( 2 D - P C A ) 进行改进，提出一种自适应协方差矩阵二 维主成分分析算法( P C A ) ，该算法在训练阶段以降低训练误差函数为目标，自适应地 挑选出最优的协方差矩阵，从而降低样本维数和计算复杂度，并使得求出的样本主成分 能最好的将各个类分离。达到去除样本的类内冗余，增加样本的类间距离。 1 3 论文的章节安排 本文主要针对现有算法的不足展开研究，重点考虑载体图像与生物图像的相关性分 析以及提取生物图像的识别性能。论文的主要内容如下： 、 第一章：绪论。介绍研究基于相关性分析的网络生物认证方法的研究背景、意义和 当前国内外现状，以及论文的主要工作。 第二章：阐述信息隐藏技术的概况，叙述信息隐藏技术和生物认证的基本原理、分 类和评价指标，介绍了经典的信息隐藏算法和生物认证方法。 第三章：阐述主成分分析( P C A ) 、粒子群优化( P S O ) 、人类视觉系统( H V S ) 的基 本理论，叙述本文提出的一种基于人类视觉系统的相关性分析信息隐藏算法以及实验对 比分析。 第四章：阐述二维主成分的基本思想，叙述本文提出的基于自适应的2 D P C A 特征 提取方法的流程以及实验对比分析。 第五章：对研究生工作的总结以及对未来的工作的展望 3 东北师范大学硕士学位论文 第二章信息隐藏技术概述 2 1 信息隐藏技术的基本原理 信息隐藏技术的基本原理是在数字图像或数字视频中嵌入隐蔽的标记信息。该信息 可分为两大类：一类称之为水印信息，其主要形式为版权所有者信息、产品序列号或者 具有特殊意义的文本、图像等等，通过提取产品中含有的水印信息，鉴定产品的真实性、 可靠性，其主要功能为版权保护。另一类称之为密写信息，其主要形式为秘密的情报、 密码、重要信息。这些信息往往内容丰富，但不能公开出现，接受方通过密钥提取秘密 信息从而实现信息保密的安全化。目前信息隐藏的一般模型可以定义如下形式 3 ： 形一 MI 嵋E v ，f ；0 , 1 , 2 ，三一廿 ( 2 1 ) 式中，L ：隐藏信息的容量，：表示取值范围。隐藏信息通常的表示形式下面几 种形式：二值序列：例如1 ，= 0 册称之为单极性值域，yI I I 一L I ， ，一 一R ，耐，其中尺为 正实数，这种水印通常称之为双极性。从整体看信息隐藏主要包含两大部分。嵌入模块 和提取模块。嵌入模块：主要是负责将隐藏信息嵌入到载体中，获得含密载体。提取模 块：主要功能为检测含密载体，判断是否含有隐藏信息，并进行提取信息。有的时候为 了提高隐藏信息的安全性，还会利用置乱算法对隐藏信息进行进一步的加密处理。 2 2 信息隐藏技术的特性 信息隐藏技术对于不同的应用有着不同的要求，一般认为信息隐藏技术需要有以下 特性 3 ： 鲁棒性( R o b u s t n e s s ) ：指隐藏信息抵抗常见信号处理操作的能力，既当含密载体 在网络中传输时，对于噪声、滤波、J P E G 压缩、几何攻击( 如尺度缩放) 和裁剪等无意 或有意修改，仍能保留隐藏信息的完整性和可靠性的能力。 不可见性( i n v i s i b i l i t y ) ：不可见性也称透明性，指嵌入隐藏信息的载体信息没有 明显的降质现象，既从视觉和听觉角度无法明显察觉。通常需要利用人类视觉系统( H v S ) 特性来进行隐藏信息的处理。 不可检验性：隐藏信息通过嵌入算法嵌入载体后，不应该改变原有载体的概率分布， 避免隐藏分析者利用统计方法破坏隐藏信息。 嵌入信息容量：信息隐藏技术应能隐藏尽可能多的信息。通常这个属性与不可见性 是相矛盾的，研究人员力求找出这两个属性的平衡点。 4 2 3 信息隐藏的分类 信息隐藏分类方法有很多种，不同的应用导致了不同的分类，它们之间既有区别又 有联系。下面介绍一下几种常见的分类： ( 1 ) 按抵抗攻击强度划分 当隐藏信息为水印时，可以划分为鲁棒水印、脆弱水印、半脆弱三大类。鲁棒水印 通常能够经受各种常规的信号处理操作；与鲁棒水印要求相反，脆弱水印必须对载体的 篡改很敏感，载体内容发生篡改后，脆弱性水印将被破坏，通常可以通过该水印鉴别是 否载体信息是否被破环。而半脆弱水印抗攻击能力则是在鲁棒水印和脆弱水印之间，其 功能主要是能抵抗轻微的攻击，这种攻击通常是网络信道中产生的微小噪声。 ( 2 ) 按透明性划分 当隐藏信息为水印时，可将其分成可见水印和不可见水印。可见水印是指能够通过 视觉或者听觉直接感知到的水印，就货币中常见的用于区分真假的标识。与之相反，不 可见水印不能人为直接观察到，当需要检测认证时，可以通过提取算法进行版权保护。 ( 3 ) 按嵌入算法类型划分 按嵌入算法可以将信息隐藏划分为基于空域的信息隐藏方法、基于变换域的信息隐 藏方法和基于压缩域的信息隐藏方法三类：基于空域的信息隐藏方法是直接将水印( 秘 密) 信息嵌入到载体信息( 如音频、图像、视频) 中，而基于变换域的信息隐藏方法将水 印( 秘密) 信息嵌入到载体信息的变换域系数中。基于压缩域的信息隐藏方法是指利用， J P E G 、M P E G 和矢量量化( V Q ) 方法的特征，将水印( 秘密) 信息嵌入到压缩过程各种变量 的值中。这三类算法各有其优势，目前多数科研人员主要研究基于频率域和基于压缩域 的方法。 ( 4 ) 按提取算法类型划分 按提取算法划分可以将信息隐藏技术分为：明提取算法和盲提取算法，明提取算法 通常需要载体信息的介入才能提取水印，而盲提取算法通常只需提供密钥就能完成隐藏 信息的提取。 ( 5 ) 按嵌入内容划分 按隐藏信息的内容可以将其分成秘密信息和水印信息。水印信息主要功能是鉴别数 字作品的版权；秘密信息主要形式为军事机密、政府文件、商业机密等等。 2 4 信息隐藏方法的评估标准 信息隐藏方法的评价标准一直都是全世界学者争论的热点问题，本文客观的列出几 种，目前大多学者公认的，基于图像像素的图像质量的测试标准 2 5 ，但这方面也有待 于日后的迸一步研究。 2 4 1 最大差值 5 东北师范大学硕士学位论文 M a x D = m a x I f ( x ，y ) 一，o ，y ) I ( 2 2 ) 2 4 2 平均最大差值 1M - I ，- I 彳朋幻一D 暑M N f ( x ，y ) 一厂 ，y ) l ( 2 3 ) 。 7 。7 。、7 。7 I 2 4 3 归一化平均绝对误差 N A S D 一志鞘肥小心l I M 薹- I N 荟- I 胞y ) 汜4 ， 2 4 4 均方误差 M S E - 丽1 u 磊- I N 澍- 1 厂 ，y ) 一， 脚 ( 2 5 ) 2 4 5 峰值信噪比 P S N R ：1 0 l 。g ，。( _ 0 1 妄；! 二兰! 坚璺兰生嗵 ( 2 6 ) 荟荟_ ，- 2 2 4 6 归一化相关系数 善擎删聊】2 善善唧】2 其中，f ( x ，) ，) 是原始载体的像素值，厂O ，Y ) 为含密载体( 添加隐藏信息) 的像素 值，M 、N 分别是图像的高和宽。W M ( i ，_ ) 代表水印图像的像素值，W M G ，j ) 代表受到攻 击后的载体图像提取出水印的像素值，H 和w 代表水印图像的宽与高。其中峰值信噪比经 常被利用衡量载体图像透明性时，从公式( 2 6 ) 中可以看出峰值信噪比值越大，其载 体的透明性越高，当评价水印( 秘密) 信息质量好坏时通常利用误差百分比R 来衡量，计 算公式为： R = 1 一C( 2 8 ) 本文主要利用峰值信噪比衡量含密载体的透明性，而利用识别率，来评价信息隐藏 技术优良。 6 东北师范大学硕士学位论文 2 5 小结 本章主要介绍了信息隐藏方法的基本原理、分类以及评价标准。对信息隐藏系统有 了初步的认识，我们会在下一章详细描述基于相关性分析的视频信息隐藏方法以及给出 相应的实验对比。 7 东北师范大学硕士学位论文 第三章基于相关性分析的网络生物认证方法 3 1 基于相关性分析的网络生物认证方法涉及的基本理论 3 1 1 主成分分析( P r i n c i p a lC o m p o n e n tA n a l y s i s ) 主成分分析 1 7 是一种经典的特征提取和数据表示方法。它广泛的应用于模式识 别、机器视觉和信号处理领域。其基本思想为：给定一个向量集合 x 。，X ：，X ) ，主 成分分析利用所有的向量构建协方差矩阵C ： c = 万1 荟N ( 五一i ) 丁( 置一i ) ， ( 3 1 ) 其中置是向量集合中第i 个向量。N 表示向量集合的向量个数。x 定义为向量的均 值，形式为： 一 1 N 石2 亩荟置 ( 3 2 ) 通过计算协方差矩阵C 的特征值和特征向量选取前d 个最大特征值对应的特征向量 组成投影矩阵 K ，圪，圪) 。利用解得的投影矩阵作为基底对向量集合X 进行投影， 得到向量集合的特征F ： E 一置V ，i 一1 2 ，N ( 3 3 ) 3 1 2 粒子群优化( P a r t i c l eS w a r mO p t i m i z a t i o n ) 粒子群优化( P S 0 ) 1 8 算法是一种启发式搜索方法。由J a m e sK e n n e d y 和R u s s e l l E b e r h a r t 于1 9 9 5 年提出，该方法起源于对鸟群( 鱼群) 捕食的行为研究。在过去的数 年里，粒子群优化已经广泛的应用到函数优化，模糊控制以及遗传算法应用的领域中 1 9 2 1 。粒子群优化将每个寻优的问题解都比作一只鸟称其为粒子( P a r t i c l e ) ，而所 有的粒子都有一个适应度函数( f i t n e s sf u n c t i o n ) ，通过该函数的返回值，判断当前 粒子的好坏，而每个粒子都具有记忆性，这就意味着每个粒子都记录了它的局部最优解 的位置。在寻优过程中，为每一个粒子随机赋予一个初始位置( K i d ) 和初始速度( r i d ) ， 并将其带入到适应度函数中，计算出适应度函数值。然而，每个粒子的更新通过局部最 优位置( P i d ) 和全局最优位置( P g d ) 。局部最优位置为每个粒子记录的最优解。而全 8 东北师范大学硕士学位论文 局最优解为全部粒子最优解的最优解。通过寻找局部最优解和全局最优解，更新每个粒 子的位置和速度利用公式： 甲= 哼+ c ，吒阮一也) + c ：x r ：( 名- X 耐) ， ( 3 3 ) x “x 。y 曙 ( 3 4 ) 其中，c 1 和c 2 为两个正的常数，i 表示粒子数目并且d 为解空间的维数，吒和r 2 是 两个随机值，其中满足均匀分布。当达到迭代次数最大值或者整个种群收敛于解空间最 优位置时，寻优停止。 3 1 3 小波变换的基本概念 离散小波变换( D W I D 具有高效，高度直观的描述框架以及多分辨率，并且同时具 有空间域和频率域特性，当对载体图像进行多分辨率处理时，它是首选的数学工具，以 下为离散小波变换变换的定义 2 3 ： 给定一个大小为m x n 的图像f ( x ，Y ) ，其离散小波正变换r ，l ，) 可以用一般多项 式表示： T ( u ，y ) = 罗I ( x ，y ) 乳舳 ，) ，) ( 3 5 ) _ 式中，x 和Y 表示图像的水平和垂直坐标，U 和，v 表示频率域中水平和垂直频率。 若给定r ， ，) ，则f ( x ，Y ) 利用逆变换： ( x ，Y ) = 罗r ， ，) 吃肌 ，y ) ( 3 6 ) 一 一 得到。式中邑。0 ，Y ) 和吃肌0 ，) ，) 分别为正变换核函数和逆变换核函数。它们决定 了变换对的性质、计算复杂度和主要应用。而变换系数r ，y ，) 可以看成是厂O ，Y ) 关 于鼠。 ，Y ) 的函数展开。 这里定义吮O ，y ) 为以下形式： 吃以o ，y ) 2 9 面1 删删删 ( 3 7 ) 其中，J 一一1 ，謇为复共轭运算符，“= o 工，M 一1 ， ，；o 工N 一1 。从公式3 6 可以 看出，变换核函数式可分离的，即： 东北师范大学硕士学位论文 I I l 州O ，Y ) I l l lh 。O ，( y ) ( 3 8 ) 式帆m 击j I ，姒y ) 一击驯 3 2 相关性分析 文章将相关性分析用到分析载体图像和生物图像中，目标是去除生物图像中存在的 信息冗余，利用载体图像已有的丰富信息表示生物图像。从而提高隐藏量和含密载体的 抗攻击能力。这里以掌纹图像为例，给定掌纹图像I ( m 咒) ，利用主成分分析和粒子群 优化的方法在载体图像中确定相同大小区域Y ( m t 1 ) ( Y 可以为不连续的区域，本科题将 Y 分解成2 个部分) 。这里定义粒子群优化算法的适应度函数为： M i n F u n = ) 一R ( i ，刮，R 一r ，F 一 ( 3 9 ) 1 - - 1J - 工 其中，R I 表示利用特征空间V 重构的掌纹图像。这里V 的位置Y 和重构系数F 作为密 钥存储。由于粒子群优化和随机选取载体的随机性，为密钥的产生提供了随机性和安全 性。一旦位置Y 确定，即可求出相应的残差图像： E - I 一彤 ( 3 1 0 ) 圈蕊渤峨 园 ( c ) ( d ) 图3 1 相关性分析效果图( a ) 为掌纹图像嘞载体图像( c ) 重构掌纹图像( d ) 残差图像 图3 1 显示了相关性分析之后的效果图。并且对原始图像、重构图像和残差图像像素 值的进行了统计分析，图3 2 分别给出了其相应的直方图对比图。 ( a ) 1 0 ( c ) 东北师范大学硕士学位论文 图3 2 直方图对比图( a ) 为原始掌纹图像直方图( b ) 重构掌纹图像直方图( c ) 残差图像直方图 从图3 2 可以看出，原始掌纹图像像素值主要集中在1 5 0 - 2 0 0 之间，数值较高，如果 直接对其进行信息隐藏，则需要载体图像承载较高的信息，势必影响含密载体不可见性。 当采用相关性分析后，得到重构掌纹图像( 这部分主要是由载体图像表示) ，从图( b ) 可以看出，重构图像能承载原始图像的主要信息，其像素值主要集中在1 0 0 - 2 0 0 之间， 即重构图像的能量较高。而图( c ) 为待隐藏的秘密信息，从直方图可以看出，残差图 像的像素值主要集中在5 0 以内，能量较低。从而证明出利用相关性分析后得到的隐藏信 息更有利于信息隐藏，可以提高含密载体的不可见性。 本文将残差图像作为隐藏信息进行嵌入，由于残差图像有可能产生负值，所以有必 要对残差图像进行预处理： ( 1 ) 将残差图像分成两个部分，一部分为符号，另一部分为数字。对于符号部分我们 用一个二进制位进行编码，对于正值指定为0 ，负值指定为1 。 ( 2 ) 将残差图像表示成二进制流，经过实验统计大部分信息可以利用六位二进制进行 表示，只有很少一部用七位表示。本文采用六位二进制数据流表示残差图像( 舍弃第七 位数据) 。因此整个隐藏数据一共需要七位进行表示一位符号位+ 六位数字位，一下为编 码的四个例子： 8 H Q 鲤迎Q一1 3 H ! 鲤兰! Q 兰4 4 H Q ! Q ! 羔嫂一7 3 H 羔塑煦盟 ( 3 ) 将重新编码的数据进行组合，重新得到新的数据隐藏图像 B = p 七 0 ，1 ) ，k = m I 7 ) 虽然本文的编码方式对于部分隐藏信息有一定的破坏，但通过对1 0 0 0 幅掌纹图像进 行统计分析，得出重新编码的隐藏信息与原有隐藏信息的均方误差仅为3 1 ，在后面的实 验部分也证明这种轻微有损编码对识别完全没有影响。详细请阅读本章3 6 节实验部分。 图3 3 给出了嵌入部分的流程图 图3 3 嵌入算法流程图 3 3 嵌入算法和提取算法 本文将相关性分析得到的残差图像作为隐藏信息，将其嵌入到载体图像中，而目前 东北师范大学硕士学位论文 信息隐藏的方法主要分为三大类：基于空域的信息隐藏方法、基于变换域的信息隐藏方 法和基于压缩域的信息隐藏方法。这三种方法有其各自的特点，基于空域的信息隐藏方 法优点在于数据隐藏量大，缺点为含密图像的抗攻击能力较差。而基于压缩域的信息隐 藏方法存在信息隐藏量小的缺点。所以为了使含密图像在网络传输的过程中能够抵抗攻 击者的恶意攻击，本文采用基于变换域的小波变换方法进行数据隐藏。目前，基于生物 数据的小波变换信息隐藏方法也再逐年递增 1 2 1 5 1 。为了加强含密载体的不可见性，本 文结合文献 2 2 】的思想，利用人眼对纹理、光照、边缘的不明感性，对于每个像素通过 其周围邻域像素值判断其嵌入的强度，进而计算得到相应的嵌入强度矩阵见图3 3 。将隐 藏信息嵌入到强度较大的区域。图3 4 给出了嵌入位置的效果图 (a)(b) 图3 4 。( a ) 载体图像( b ) 嵌入位置索引图像 本文的嵌入算法参考是文献 2 2 ，2 6 ，详细嵌入过程为： 本文信息隐藏的提取算法通常与嵌入算法类似，具体算法如下： 东北师范大学硕士学位论文 B ：= 形：，- v , ，) a ，j s l , 2 ，M 2 ，a n d k = mx nx 7 3 I f 反 T ，t h e nB ：l l ；e l s eB ：= 0 ， 式中，T 表示决策阈值 输出：2 进制数据流 3 4 实验结果与分析 本文提出的信息隐藏方法主要是用于基于网络的生物认证系统，为了不失一般性， 本文采用五幅灰度图像作为载体图像。如图3 5 ，其中( a ) ( b ) ( c ) 三幅图像是广泛应用于 信息隐藏测试的载体图像【2 7 ，2 8 】，另外两幅图像来自C O R E L 数据库 ( h t t p ：w w w c o r e l c o r n ) 。这些载体图像从视觉角度观察与生物图像并不相关，但每幅图 像均含有大量的纹理信息，在相关性分析中能够有效的表示生物图像信息。 本文对于生物认证阶段选择的测试图像为用香港理工大学生物研究中心建立的 P o l y U 掌纹数据库( h t t p ：w w w 4 c o m p p o l y u e d u h k - b i o m e t d c s ) 。本文选用该库中1 0 0 个 人的掌纹图像进行测试。其中每人1 0 幅掌纹图像，选用前5 幅图像作为训练样本，后5 幅图像作为测试样本，每张图像大小为2 8 4 x 3 8 4 像素，通过预处理算法提取掌纹图像的 R O I ( r e g i o no fi n t e r e s t ) 并对其进行缩放处理，处理后的图像大小为6 4 6 4 。应用二维 主成分分析方法【2 4 对预处理图像进行特征提取，利用M a n h a t t a n 距离对提取的掌纹图 像进行测试。 另外，掌纹经过二进制编码后嵌入到载体图像，本文提出的方法的嵌入容量为 6 4 x 6 4 x 8 ( 5 1 2 5 1 2 ) ；O 1 2 5 0 b i t p i x e l ，为验证提出方法的性能，本文进行了对比实验如下。 凰匿 ( a ) L e n a( b ) F 1 6 闺蟹曩 ( c ) P e p p e r( d ) H o r s e( e ) F l o w e r 图3 55 幅载体图像 3 4 1 不可见性对比实验 峰值信I 噪I ：l , ( P e a kS i g n a lt oN o i s eR a t i o ) 是评价含密载体不可见性的常用指标，通过 1 3 东北师范大学硕士学位论文 随机选取载体图像，嵌入重新编码的掌纹图像得到含密载体。图3 6 显示5 幅含密载体 的平均峰值信噪比对比图。图中E X P1 表示本文提出利用相关性分析进行数据隐藏的方 法，E X P 2 是不采用相关性分析的进行数据隐藏的方法。从图3 6 可以看出，两种方法 的P S N R 均大于3 5 ， 图3 6 峰值信噪比对比图 这表明采用这两种方法进行数据隐藏能够保证数据的不可见性。而对于使用E X P l 方法的P S N R 全部大于E X P 2 方法的P S N R 。证明了使用相关性分析后能提高含密载体 的不可见性，导致这种结果主要原因是，本文提出的方法利用统计方法重构掌纹信息， 利用载体图像表示掌纹主要信息，使得原有隐藏信息的能量通过相关性分析后降低了1 5 倍，去除了隐藏信息的主要信息，从而提高了峰值信噪比值。 3 4 2 鲁棒性实验对比 在网络传输过程中，抵抗攻击者的恶意攻击，保证生物认证系统完整、无误的运行， 需要该系统具有较高的鲁棒性，本文对于鲁棒性的比较主要是通过识别率来衡量。好的 信息隐藏方法应具有较高的鲁棒性，使得在攻击之后提取出来的生物图像仍具有原有的 完整性。本文对以下攻击进行实验对比： 1 J P E G 压缩 J P E G 压缩是信息隐藏面临的主要攻击方式之一。为提高图片在网络传输的速度， 通常利用J P E G 压缩对数据量较大的载体图像进行处理之后，再进行传输。从以下实验 效果图3 7 可以看出，随着J P E G 压缩率的增加，采用相关性分析后提取的掌纹图像， 失真并不明显，而不采用相关性分析的掌纹图像，失真明显。图3 7 给出了压缩率从9 5 到5 0 的载体图像、提取掌纹图像效果图( 每隔1 0 个百分比下降的效果图) ： 1 4 东北师范大学硕士学位论文 ( a ) 固豳 ( b ) ( c ) 图3 7 1 压缩率为9 5 效果图( a ) 攻击后载体图像( b ) 为E X I 方法提取掌纹( c ) 为E X 2 方法提取掌纹 ( a ) 图豳 ( b ) ( c ) 图3 7 2 压缩率为8 5 效果图( a ) 攻击后载体图像( b ) 为E X I 方法提取掌纹( c ) 为E X 2 方法提取掌纹 ( a ) 圈豳 ( b ) ( c ) 图3 7 3 压缩率为7 5 效果图( a ) 攻击后载体图像( b ) 为E X I 方法提取掌纹( c ) 为E X 2 方法提取掌纹 ( a ) 圈图 ( b )( c ) 图3 7 4 压缩率为6 5 效果图( a ) 攻击后载体图像( b ) 为E X I 方法提取掌纹( c ) 为E X 2 方法提取掌纹 1 5 东北师范大学硕士学位论文 ( a ) 图3 7 5 压缩率为5 5 效果图( a ) 攻击后载体图像 2 高斯滤波 圈豳 (b)(c) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌纹 高斯( G a u s s ) 滤波实质上是一种信号滤波器，其用途是信号的平滑处理，我们知 道由于误差累计传递等原因，产生图像噪声，是数字图像处理常见的问题。通过高斯滤 波，能够很好处理这种由于误差传递所产生的噪声。本文采用3 x 3 大小的窗口对载体图 像进行高斯滤波，攻击因子( 方差) 为O 3 加7 5 ，图3 8 分别显示采用E X P l 和E X P 2 受到不同强度攻击的载体图像提取掌纹图像的实验效果图。从视觉效果看采用E X P l 的 方法对高斯滤波具有较好的鲁棒性。 ( a ) 图3 8 1 方差为0 3 0 效果图( a ) 攻击后载体图像 豳固 ( b )( c ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌纹 ( a ) 图3 8 2 方差为O 4 0 效果图( a ) 攻击后载体图像 囵圈 ( b )( c ) ( b ) 为E X l 方法提取掌纹( c ) 为E x 2 方法提取掌纹 1 6 东北师范大学硕士学位论文 ( a ) 图3 8 3 方差为0 5 0 效果图( a ) 攻击后载体图像 ( a ) 图3 8 4 方差为0 6 0 效果图( a ) 攻击后载体图像 ( a ) 图3 8 5 方差为0 7 0 效果图( a ) 攻击后载体图像 3 高斯噪声 图霉 ( b )( c ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌纹 圈蘑 ( b )( c ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌纹 圈瑟 ( b ) ( c ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌纹 所谓高斯噪声是指它的概率密度函数服从高斯分布( 即正态分布) 的一类噪声，本 文使用的高斯噪声的攻击因子为0 0 0 0 0 5 - - 0 0 0 0 5 ，图3 9 分别显示采用E X P l 和E X P 2 受到不同强度攻击的载体图像提取掌纹图像的实验效果图。 1 7 固团 东北师范大学硕士学位论文 ( a )(b)(c) 图3 9 1 方差为0 0 0 0 0 5 效果图( a ) 攻击后载体图像( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌纹 ( a ) 图3 9 2 方差为0 0 0 0 1 5 效果图( a ) 攻击后载体图像 西圈 ( b )( c ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌纹 ( a ) 图3 9 3 方差为0 0 0 0 2 5 效果图( a ) 攻击后载体图像 圈豳 ( b )( c ) ( b ) 为E X l 方法提取掌纹( c ) 为F _ X 2 方法提取掌纹 ( a ) 图3 9 4 方差为0 0 0 0 3 5 效果图( a ) 攻击后载体图像 圈豳 C o )( c ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌纹 ( a ) 图3 9 5 方差为0 0 0 0 4 5 效果图( a ) 攻击后载体图像 4 脉冲噪声 1 8 圈豳 ( b )( c ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌纹 东北师范大学硕士学位论文 脉冲噪声( 椒盐噪声) 是非连续的，由持续时间短和幅度大的不规则脉冲或噪声尖 峰组成。产生脉冲噪声的原因多种多样，其中包括电磁干扰以及通信系统的故障和缺陷， 也可能在通信系统的电气开关和继电器改变状态时产生。本文采用0 0 1 - 0 1 强度的椒盐 噪声对含密载体进行攻击，图3 1 0 显示攻击载体和提取掌纹的效果图。 ( a ) 图3 1 0 1 强度为0 0 1 效果图( a ) 攻击后载体图像 C a ) 图3 1 0 2 强度为0 0 3 效果图( a ) 攻击后载体图像 ( a ) 图3 1 0 3 强度为0 0 5 效果图C a ) 攻击后载体图像 圈圈 ( b )( c ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌 图圈 C o )C o ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌 圈圈 C o )( c ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌 1 9 圈圈 东北师范大学硕士学位论文 图3 1 0 4 强度为O 0 7 效果图( a ) 攻击后载体图像( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌 ( a ) 图3 。l O 5 强度为0 0 8 效果图( a ) 攻击后载体图像 5 尺度缩放 圈圈 ( b )( C ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌 本文采用基于最近邻插值的尺度缩放方法，当缩放因子为1 5 的时候，载体图像应 为无损，图3 1 1 给出了进行尺度缩放攻击的载体图像和对应提取的掌纹图像 ( a ) 图3 1 1 1 缩放尺度为0 0 7 效果图( a ) 攻击后载体图像 ( a ) 图3 1 1 2 强度为0 0 9 效果图C a ) 攻击后载体图像 圈霞 ( b )( c ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌 圈霎 ( b )( C ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌 圈蕊 东北9 币范大学硕士学位论文 ( a )( b ) ( c ) 图3 1 i d 强度为0 1 2 效果图( a ) 攻击后载体图像( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌 ( a ) 图3 1 l A 强度为0 1 4 效果图( a ) 攻击后载体图像 ( a ) 图3 1 1 5 强度为0 1 6 效果图( a ) 攻击后载体图像 西圈 ( b ) ( c ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取掌 豳圈 ( b )( c ) ( b ) 为E X l 方法提取掌纹( c ) 为E X 2 方法提取