基于matlab的信息隐藏代码实现（已处理） .doc

matlab期中作业 标题基于matlab的信息隐藏代码实现姓名班级学号目录摘要- 2 -前言- 2 -一图像隐藏技术的研究现状- 2 -二实现图像隐藏的主要算法- 4 -三基于行列变换的图像置乱与反置乱算法- 4 -31 图像置乱算法- 4 -32 图像反置乱算法- 5 -四基于m序列的图像加密与解密算法- 5 -五相关程序代码及运行结果- 5 -51 源代码- 5 -52 运行结果- 7 -六参考文献- 8 -七总结- 8 - 摘要摘要近几年来国际上提出一种新的关于信息安全的概念信息隐藏技术所谓信息隐藏是利用多媒体信息普遍存在的冗余特性将秘密信息隐藏到一般的非秘密数字媒体文件 如图像声音文档文件通常称之为掩护媒体 中从而不让对手发觉的一种方法隐藏的动作称为嵌入掩护媒体经嵌入信息后称为伪装媒体信息隐藏的本质是利用人眼 或人耳 是一个不太灵敏的检测器将信息本身的存在性隐藏起来使人察觉不到有信息隐藏在媒体之中由于人对视觉的不敏感性及图像文件本身的数据量很大因此图像文件是信息隐藏很好的载体关键字信息安全 信息隐藏 图像文件 载体前言现代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目前利用数字图像作为隐秘信息的载体已经成为主要的信息隐藏技术之一其基本原理是利用人体感觉器官对数字图像的感觉冗余将被隐藏的图像数据嵌入在某种载体图像中嵌入后隐秘图像与原始的载体图像几乎没有任何视觉上的差别很难被观察者和监视系统发现从而可以保证机密信息传输的安全性可以预见信息隐藏技术将是今后相当一段时间内的重要的隐蔽通信方式但是信息隐藏技术的发展也带来了一定的负面效果据美国媒体透露已经发现恐怖组织利用隐藏在图像中的信息传递联络情报甚至将计算机病毒隐藏在载体图像中进行传输这些都对国家安全和社会稳定产生了很大的威胁因此研究对图像中可能存在的各种隐藏信息进行有效检测的方法已经迫在眉睫因而基于图像的信息隐藏检测技术也就成为目前信息安全领域的重要研究课题目前图像信息隐藏技术可以分为空域法和频域法两大类空域法中使用最广泛和普遍的技术是像素最低比特位置换技术即lsb技术它是用隐藏信息比特位替换掉载体图像中最不重要的部分如像素点灰度值或颜色值的低比特位从而达到信息隐藏的目的这一方法的主要优点是嵌入算法和提取算法简单隐藏信息量大和较好的不可见性缺点是鲁棒性差对图像的各种操作如压缩剪切和加噪等都会使隐藏信息遭到破坏但是即便如此lsb方法仍然以其高不可见性在隐蔽数据通信中得到了广泛的应用频率域的图像隐藏算法大多使用扩展频谱通信技术将图像隐藏在载体图像的不同频率分量上因而具有更高的鲁棒性和不可见性事实上一个有效的信息隐藏算法无论是空域法还是频域法都不会改变原始图像的视觉效果但是却会改变其某种统计特征包括空间域统计特征和频率域统计特征两种因而要实现真正意义上的盲检测必须采用图像统计特征分析的方法 根据检测所采用的统计特征的不同将图像盲检测算法分为以下三种 1 基于时空域统计特征分析的盲检测算法目前比较成熟的有fridrich提出的rqpraw quick pair检测法这种算法普遍采用的图像统计特征是图像相邻像素点之间的相关性其理论基础是未嵌入隐藏信息的图像在直方图上相邻的数值代表灰度颜色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会出现明显的数值接近的规律当信息隐藏量较大时直方图相邻值之间几乎相等并且这些相邻值只是互相变化而不改变两者之和至于这些算法所采用的检测模型目前采用的主要是x2检验法它是通过直方图上相邻值的理论期望的概率分布 即在嵌入服从均匀分布信息后的相邻值概率分布和实际概率分布 即载体图像中实际获得的相邻值概率分布的对比分析存在的偏差是否大于给定的阈值来判断是否存在隐藏信息另外基于空域特征分析的盲检测算法还有a等人提出的povsparis of values算法4基于稳健性统计特性和脆弱性统计特性的检测方法这些算法主要特点是一种针对图像本身而不是隐藏算法的检测方法其优点是适用性广可以对大多数采用lsb方法隐藏信息的图像进行检测但是这种算法的缺点是只能对图像隐藏的可能性给出一个概率分布检测效果受阈值选取的影响较大而且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外空域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2基于频域统计特征分析的盲检测算法目前应用较广的基于频域统计特征分析的盲检测算法是由farid等人提出来的一种基于高阶统计量的检测模型5即小波变换盲检测算法它主要是针对采用频率方法进行信息隐藏图像的检测其基本思想是通过对大量图像信息使用qmfsquadrature mirror filters进行小波变换分解用可分离的低通和高通滤波器在图像的各个轴上生成垂直水平和对角线方向上的子频带从这些子频带系数中归纳出它们在各方向和数值范围内的均值方差熵和斜率等统计数据在此基础上使用分类器对这些统计数据进行分类将没有隐藏信息的图像和含有隐藏信息的图像区分开来从而达到隐藏信息盲检测的目的这种方法的优点是识别准确率高缺点是算法较复杂而且只是针对于图像本身来进行检测缺乏通用性美国空军技术学院afit也从事了高阶统计量方面的研究在小波变换检测算法的基础上提出了基于计算免疫系统的信息隐藏盲检测算11因而也是针对于频率域图像信息隐藏的检测这种算法的具体做法是首先建立不含隐藏信息的图像和含有隐藏信息的载体图像数据库并对库中所有图像进行小波分解得到所需的统计特征数据其次引入以生物免疫系统为基础发展起来的计算免疫系统技术将统计数据区分成活跃的本体和禁止或异常活跃的非本体接着按计算免疫系统方法分类的要求将统计特征编码成比特串以随机选取的方式从种群中生成最初的检测器使整个解空间都能被覆盖到再以负选择来淘汰与本体发生碰撞的检测器接着引入遗传算法按照遗传算法的流程依次反复对特征向量进行随机抽取杂交变异计算适合度值类聚自然选择等处理直到生成成熟的检测器当形成成熟的检测器后即可对被检测对象进行快速分类将含有隐藏信息的图像检测出来从而实现隐藏信息的盲检测这种隐藏信息检测算法弥补了小波变换检测算法的不足通用性强检测速度快具有较好的应用前景另外niels provos和peter honeyman等人提出了一种专门针对jpeg图像的信息隐藏盲检测算法912它采用的检测算法也是x检验法只不过检测的统计特征不再是时空域的像素灰度或颜色值分布而是频率域的dct系数的分布该检测算法实现简单具有很高的灵敏性甚至可以检测到单个像素的改变而且对于嵌入信息量较大的图像还可以估计出嵌入信息的长度目前该算法能够检测出多种jpeg隐藏软件隐藏的图像如jstegjphideoutguess等3 基于空域和频域统计特征分析的盲检测算法目前能够同时利用图像的空域和频域统计特征进行盲检测的算法主要有两种一种是lin g s和lie w n提出的同时适用于时空域和频率域的图像信息盲检测算法其主要实现过程是在时空域它定义了一个描述相邻像素点之间灰度连续性和光滑性的特征量成为梯度能量当隐藏信息嵌入后会增加梯度能量在频率域定义了一个描述dct系数的拉普拉斯分布以描述频域图像的状态根据以上两个统计特征量的改变判断出是否存在隐藏图像这种算法可以在保证误报率较低的情况下达到90的正确检测率缺点是特征量的选取要经过经验选择另一种是ysmail avcyba等人提出的一种基于图像质量统计分析的检测算法他首先总结出空域和频域范围内的26个共6大类的图像质量指标然后根据这些指标所描述的图像统计特征进行分析从而检测隐藏信息是否存在上述两种方法同时对图像的空域和频域统计检测稳定性强具有较高的检测精度因而也是未来盲检测技术发展的主要方向dct 离散余弦变换 域dwt 小波变换 域等利用某种数学变换将图像用变换域表示通过改变图像的某些变换域系数加入待隐藏的信息然后再利用反变换来生成隐藏有秘密信息的图像具有较强的不可见性和稳健性隐藏信息量小实现难度较大空问域算法是使用最不重要的比特位和噪声控制来把秘密图像嵌入到载体图像中去抗攻击力较弱但隐藏信息量大且容易实现 文中运用matlab实现了基于空域lsb least significantbit 的灰度图像隐藏与提取系统图像隐藏系统由置乱模块加密模块和嵌入模块组成置乱模块采用基于行列置换的置乱算法经过多次迭代处理将原始图像变换为灰度均衡的灰度图像迭代的次数作为密钥一加密模块借鉴通信系统中常用的伪随机序列加密的方法运用软件产生的序列对置乱后的图像进行加密处理序列的初始值作为密钥二经过置乱加密后的图像进入嵌入模块采用最低位隐藏方法将数据信息嵌入到载体图像中图像信息提取系统则由解隐藏解密和反置乱二部分组成基于行列变换的图像置乱与反置乱算法31 图像置乱算法 图像可看作是平面区域上的二元函数z f zy zy r在绝大多数情况下区域r中任意的点 zy 则f zy 代表图像的信息 如灰度值rgb分量值等 表示图像的二元函数有其特殊性这就是相关性在图像被数字化之后zf z 则相应于一个矩阵其元素所在的行与列对应于自变量取值元素本身代表图像信息离散化的数字图像相应于元素之间有相关性的一类特别的矩阵矩阵的初等变换可以将图像转换成为另一幅图像但其置乱作用较差非线性交换则有可能增强置乱作用基于行列式计算方法的图像置乱算法设置原始图像a 口 j 用置乱方法得到的图像为b则行列式置乱方法构造思想可表述为按某种规则r在a中选取不同行不同列的n 个灰度值再按另一种规则一放入b的第1行或者第1列中按规则r在a中剩余的元素中选取不同行不同列的n个灰度值再按规则r放入b的第2行或者第一2列按规则r在a中剩余的元素中选取不同行不同列的个灰度值再按规则r放入b的第3行或者第3列依次类推进行到n步则可以得到置乱后的图像b显然选取规则r不同或者放入规则r不同时得到的置乱方法也不同该类算法即为行列式图像置乱加密法如果每一步选取的规则r与放人规则r均不同可以想象这样的置乱算法是无穷多的下面具体构造一个比较简单的该类方法将a 中主对角线上的元素依次放入b的第一行既b的第一行b 1j 12 n将主对角线下面紧靠它的一l元素依次放入b的第2行后面用a中第1行第列卡选的元素a 1n 补齐即b 2j a j1j 12 n一1b 2n a 1n 以此类推可以得到该置乱算法的数学描述为b ij a ij一1j i 12nj 12 n i 1b j a ij一1一nj i 12 nn n i十2n i 3 n即置乱后的图像b的每一行的灰度值来自a的不同行而列保持不变运行结果见图2图3是迭代三次和六次后的效果图可以看出经过多次迭代处理后的图像与原图像相似度接近于032 图像反置乱算法反置乱算法是置乱算法的逆过程基于m序列的图像加密与解密算法文中使用matlab产生15位的m序列在这里产生m序列的初始值就是加密算法中的密钥为避免产生输出的全0序列就不能将寄存器的初始值全设为0从m序列产生器可以看出只要初始值改变m序列就不同这就满足随机性以上初始值的运行结果为1xxxxxxxxxx0001然后将m序列与原图像像素的各位相异或就能达到加密的效果产生加密后的图像同样图像解密是图像加密的逆过程根据异或的特点a a0 b0b所以解密就是将加密后的图像与 z序列再异或一下就可以实现运行结果就是加密前的图像只要接收者使用此算法和密钥就可以实现解密读出原图像相关程序代码及运行结果51 源代码clear all clcstart_time cputime i imread u 20045806623625903633fm 51gp 01jpg i double i 255 i ceil i figure 1 subplot 231 imshow i title td dimi size i rm dimi 1 cm dimi 2 mark ialpha 50k1 randn 18 k2 randn 18 a0 imread u 20045806623625903633fm 51gp 01jpg psnr_cover double a0 subplot 232 imshow a0 title rc size a0 cda0 blkproc a088dct2 cda1 cda0 for i 1rm for j 1cm x i-1 8y j-1 8 if mark ij 1 k k1 else k k2 end cda1 x1y8 cda0 x1y8 alphak 1 cda1 x2y7 cda0 x2y7 alphak 2 cda1 x3y6 cda0 x3y6 alphak 3 cda1 x4y5 cda0 x4y5 alphak 4 cda1 x5y4 cda0 x5y4 alphak 5 cda1 x6y3 cda0 x6y3 alphak 6 cda1 x7y2 cda0 x7y2 alphak 7 cda1 x8y1 cda0 x8y1 alphak 8 endend a1 blkproc cda188idct2 a_1 uint8 a1 imwrite a_1withmarkbmpbmp subplot 233 imshow a1 title tdo disp td embed_time cputime-start_time52