本發(fā)明涉及數(shù)字圖像隱寫分析技術(shù)領(lǐng)域，尤其涉及的是一種數(shù)字圖像隱寫分析特征提取方法及提取系統(tǒng)。

背景技術(shù)：

數(shù)字圖像隱寫分析有主動隱寫分析和被動隱寫分析兩種類型，其中被動隱寫分析主要判斷載體是否隱藏秘密信息，而主動隱寫分析在判別出載體有秘密信息的同時還要通過估計隱寫算法的參數(shù)進一步提取出秘密信息。根據(jù)使用場景，隱寫分析又分為專用隱寫分析和通用隱寫分析。通用隱寫方法需要對多種隱寫算法進行檢測，其操作過程主要分為特征提取和分類器分類兩個部分，其中特征設(shè)計部分是研究的主要內(nèi)容也是本專利設(shè)計的算法作用環(huán)節(jié)，而分類操作現(xiàn)在主流的方法是使用集成分類器。

圖像空域通用隱寫分析特征中，最有代表性的是空域富模型(SRM)，它首先通過許多線性和非線性濾波器得到圖像不同的余量參差，之后對余量進行量化截斷，再通過將不同量化截斷濾波余量圖生成四階共生矩陣，最后用不同的合并方式降維生成特征。富模型特征在隱寫分析上對內(nèi)容自適應(yīng)隱寫取得了不錯的效果，SRM在濾波器的選擇上較充分考慮但是其濾波器規(guī)律不足這方面值得改進。

隨著內(nèi)容自適應(yīng)隱寫方法HUGO的出現(xiàn)，以最小失真框架為基礎(chǔ)的隱寫算法陸續(xù)出現(xiàn)，這些算法通過定義一種失真函數(shù)來反映嵌入帶來的代價，通過最小化整體代價值來將信息嵌入在紋理和邊緣區(qū)域，以此更難被檢測。針對隱寫算法將秘密信息嵌入載體圖像過程中，會造成圖像紋理的改變，選擇對紋理區(qū)域更敏感的檢測可以對分析隱寫有很大幫助。局部二值模型(LBP)是一種將結(jié)構(gòu)和統(tǒng)計相結(jié)合的算子，它的直方圖特征在圖像紋理分類中得到很好的應(yīng)用，利用局部二值模型直方圖特征在空域隱寫分析上已經(jīng)取得一定效果，但是其性能還是劣于SRM，直方圖特征對于圖像像素間相關(guān)性上表達不足，難以捕捉隱寫帶來圖像統(tǒng)計特性的改變，另外LBP的定義和隱寫分析問題不是直接匹配也是其不足之處。

因此，現(xiàn)有技術(shù)還有待于改進和發(fā)展。

技術(shù)實現(xiàn)要素：

鑒于上述現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種數(shù)字圖像隱寫分析特征提取方法及提取系統(tǒng)，旨在解決現(xiàn)有技術(shù)中利用局部二值模型直方圖特征在空域隱寫分析上直方圖特征對于圖像像素間相關(guān)性上表達不足，難以捕捉隱寫帶來圖像統(tǒng)計特性的改變，LBP的定義和隱寫分析問題不是直接匹配的缺陷等問題。

本發(fā)明的技術(shù)方案如下：

一種數(shù)字圖像隱寫分析特征提取方法，其中，所述方法包括以下步驟：

A、將待提取隱寫分析特征圖像通過10個濾波器進行濾波，得到殘差圖像；其中，10個濾波器包括4個無方向性濾波器和6個有方向性濾波器；

B、根據(jù)LBPriu2模型和/或DLBP模型對殘差圖像進行編碼后得到編碼圖，并根據(jù)編碼圖得到4個方向的二階共生矩陣，對其中6個有方向性濾波器，相加合并不同方向計算得到的共生矩陣；

C、對計算得到的共生矩陣，合并不同方向共生矩陣并降維后進行LOG函數(shù)映射得到共生矩陣特征。

所述數(shù)字圖像隱寫分析特征提取方法，其中，所述步驟A中10個濾波器所包括的4個基本濾波器分別記為D12、D13、D14和D15，其中：

[1,0]-[0,1]＝[1,-1] (D12)

[1,-1,0]-[0,1,-1]＝[1,-2,1] (D13)

[1,-2,1,0]-[0,1,-2,1]＝[1,-3,3,-1] (D14)

[1,-3,3,-1,0]-[0,1,-3,3,-1]＝[1,-4,6,-4,1] (D15)；

10個濾波器所包括的6個由基本濾波器推導(dǎo)出的濾波器分別記為D22、D33、D44、D55、D23和D35，其中：

其中，D22、D33、D44、D55是4個無方向性濾波器，D12、D13、D14、D15、D23、D35是6個有方向性濾波器，對有方向性濾波器，分別計算各個方向上的余量以及計算其中各個方向余量的最大值余量和最小值余量。

所述數(shù)字圖像隱寫分析特征提取方法，其中，所述步驟A中通過10個濾波器進行濾波得到殘差圖像的計算式為：

其中，I為待提取隱寫分析特征圖像，f是濾波器，是卷積符號，Row(f)和Colum(f)分別為求f的行和列數(shù)，M、N分別是編碼圖的長和寬。

所述數(shù)字圖像隱寫分析特征提取方法，其中，所述步驟B中LBPriu2模型的計算式為：

其中

其中

其中，g_p是相鄰像素值，g_c是中間像素值，P、R是LBP編碼中定義的相鄰像素的個數(shù)和位置，取P＝8和R＝1。

所述數(shù)字圖像隱寫分析特征提取方法，其中，所述步驟B中DLBP模型的計算式為：

其中

其中，其中g(shù)_p是相鄰像素值，g_c是中間像素值，P、R是LBP編碼中定義的相鄰像素的個數(shù)和選取半徑，取P＝8和R＝1，α根據(jù)經(jīng)驗設(shè)置成0.3和0.5，f_i,j是濾波器系數(shù)。

所述數(shù)字圖像隱寫分析特征提取方法，其中，所述步驟B中4個方向的二階共生矩陣的生成式為：

C₀(i,j)＝#{(x1,y1),(x1,y1+1)∈M×N|R_LBP(x1,y1)＝i,R_LBP(x1,y1+1)＝j(luò)}

C₄₅(i,j)＝#{(x1,y1),(x1-1,y1+1)∈M×N|R_LBP(x1,y1)＝i,R_LBP(x1-1,y1+1)＝j(luò)}

C₉₀(i,j)＝#{(x1,y1),(x1-1,y1)∈M×N|R_LBP(x1,y1)＝i,R_LBP(x1-1,y1)＝j(luò)}

C₁₃₅(i,j)＝#{(x1,y1),(x1-1,y1+1)∈M×N|R_LBP(x1,y1)＝i,R_LBP(x1-1,y1+1)＝j(luò)}；

其中，C₀為0°方向上二階共生矩陣、C₄₅為45°方向上二階共生矩陣、C₉₀為90°方向上二階共生矩陣、C₁₃₅為135°方向上二階共生矩陣，M、N是編碼圖的長和寬，R_LBP是LBP或者DLBP編碼圖。

所述數(shù)字圖像隱寫分析特征提取方法，其中，所述步驟C中具體包括：

C1、對6個有方向性濾波器進行濾波得到不同方向的殘差圖像，計算共生矩陣并相加合并同一個濾波器不同方向的共生矩陣，對6個有方向性濾波器最大值殘差圖像和最小值殘差圖像、以及4個無方向性濾波器殘差圖像得到的共生矩陣不合并；

C2、將共生矩陣沿左上到右下對角線對折相加，并拉伸成為0°方向上的一維向量Cf₀、45°方向上的一維向量Cf₄₅、90°方向上的一維向量Cf₉₀、及135°方向上的一維向量Cf₁₃₅；

C3、將0°方向上的一維向量Cf₀與90°方向上的一維向量Cf₉₀相加得到Cf₀₊₉₀，將45°方向上的一維向量Cf₄₅與135°方向上的一維向量Cf₁₃₅相加得到Cf₄₅₊₁₃₅；

C4、分別計算f₁＝log10(Cf₀₊₉₀+1)和f₂＝log10(Cf₄₅₊₁₃₅+1)，將f₁和f₂串聯(lián)后得到共生矩陣特征。

一種數(shù)字圖像隱寫分析特征提取系統(tǒng)，其中，包括：

濾波模塊，用于將待提取隱寫分析特征圖像通過10個濾波器進行濾波，得到殘差圖像；其中，10個濾波器包括4個有方向性濾波器和6個無方向性濾波器；

編碼模塊，用于根據(jù)LBPriu2模型和/或DLBP模型對殘差圖像進行編碼后得到編碼圖，并根據(jù)編碼圖得到4個方向的二階共生矩陣，對其中6個有方向性濾波器，相加合并不同方向計算得到的共生矩陣；

共生矩陣特征提取模塊，用于對計算得到的共生矩陣，合并不同方向共生矩陣并降維后進行LOG函數(shù)映射得到共生矩陣特征。

所述數(shù)字圖像隱寫分析特征提取方法，其中，所述編碼模塊中LBPriu2模型的計算式為：

其中

其中

其中，g_p是相鄰像素值，g_c是中間像素值，P、R是LBP編碼中定義的相鄰像素的個數(shù)和位置，取P＝8和R＝1。

所述數(shù)字圖像隱寫分析特征提取方法，其中，所述編碼模塊中DLBP模型的計算式為：

其中

其中，其中g(shù)_p是相鄰像素值，g_c是中間像素值，P、R是LBP編碼中定義的相鄰像素的個數(shù)和選取半徑，取P＝8和R＝1，α根據(jù)經(jīng)驗設(shè)置成0.3和0.5，f_i,j是濾波器系數(shù)。

本發(fā)明所提供的數(shù)字圖像隱寫分析特征提取方法及提取系統(tǒng)，方法包括：將待提取隱寫分析特征圖像通過10個濾波器進行濾波，得到殘差圖像；其中，10個濾波器包括4個無方向性濾波器和6個非有方向性濾波器；根據(jù)LBPriu2模型和/或DLBP模型對殘差圖像進行編碼后得到編碼圖，并根據(jù)編碼圖得到4個方向的二階共生矩陣；對計算得到的共生矩陣，合并不同方向共生矩陣并降維后進行LOG函數(shù)映射得到共生矩陣特征。本發(fā)明與現(xiàn)有的主流通用隱寫分析方法SRM具有相近的性能，分類效果較SRM具有更高的準(zhǔn)確率。

附圖說明

圖1為本發(fā)明所述數(shù)字圖像隱寫分析特征提取方法較佳實施例的流程圖。

圖2為6個相鄰點選取范圍尺度的示意圖。

圖3為本發(fā)明所述數(shù)字圖像隱寫分析特征提取系統(tǒng)較佳實施例的功能結(jié)構(gòu)框圖。

具體實施方式

本發(fā)明提供一種數(shù)字圖像隱寫分析特征提取方法及提取系統(tǒng)，為使本發(fā)明的目的、技術(shù)方案及效果更加清楚、明確，以下對本發(fā)明進一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

如圖1所示，為本發(fā)明所述一種數(shù)字圖像隱寫分析特征提取方法實施例的流程圖，所述方法包括以下步驟：

步驟S100、將待提取隱寫分析特征圖像通過10個濾波器進行濾波，得到殘差圖像；其中，10個濾波器包括4個無方向性濾波器和6個有方向性濾波器。

對于4個無方向性濾波器，每個濾波器可以得到一個殘差圖像，對于6個有方向性濾波器，每個濾波器分別可以得到4個方向殘差圖像、1個最小值殘差圖像和1個最大值殘差圖像。

步驟S200、根據(jù)LBPriu2模型和/或DLBP模型對殘差圖像進行編碼后得到編碼圖，并根據(jù)編碼圖得到4個方向的二階共生矩陣，對其中6個有方向性濾波器，相加合并不同方向計算得到的共生矩陣。

步驟S300、對計算得到的共生矩陣，合并不同方向共生矩陣并降維后進行LOG函數(shù)映射得到共生矩陣特征。

本發(fā)明的實施例中，對于待提取隱寫分析特征圖像(即給定的一副數(shù)字灰度圖像I)，首先需要通過不同的濾波器得到許多的余量R。對于濾波器的選擇上，這里通過導(dǎo)數(shù)的方式得到四個基本濾波器，四個基本濾波器的設(shè)計較為規(guī)律易懂而且多樣性適中。

SRM特征充分考慮了圖像像素間相關(guān)性，但是對于現(xiàn)在發(fā)展較為迅速的自適應(yīng)隱寫分析方法重點隱寫區(qū)域紋理噪聲區(qū)域沒有特別的策略。而傳統(tǒng)LBP模型對于圖像紋理較為敏感，能夠充分識別圖像紋理特征，但是隱寫對圖像的改變十分細(xì)微，原始定義利用相對關(guān)系得出的模型對隱寫并不是十分適用，因此本專利中公開了根據(jù)相對距離的DLBP模型，將變化幅度考慮進來，增加對隱寫的敏感程度。

對于共生矩陣，由于其是對圖像給定方向相鄰像素間關(guān)系的統(tǒng)計，它有一定稀疏性以及最大最小值相差幾個數(shù)量級，這不利于集成分類器訓(xùn)練分類，因此本發(fā)明中將共生矩陣特征共LOG函數(shù)進行映射，使特征值能在同一個數(shù)量級里。

優(yōu)選的，在所述數(shù)字圖像隱寫分析特征提取方法中，所述步驟S100中10個濾波器所包括的4個基本濾波器分別記為D12、D13、D14和D15，其中：

[1,0]-[0,1]＝[1,-1] (D12)

[1,-1,0]-[0,1,-1]＝[1,-2,1] (D13)

[1,-2,1,0]-[0,1,-2,1]＝[1,-3,3,-1] (D14)

[1,-3,3,-1,0]-[0,1,-3,3,-1]＝[1,-4,6,-4,1] (D15)；

10個濾波器所包括的6個由基本濾波器推導(dǎo)出的濾波器分別記為D22、D33、D44、D55、D23和D35，其中：

對于D23和D35兩個濾波器，需要將其用零填充成3*3和5*5正方形矩陣，在D23下部填充1*3的零矩陣，在D35下部填充2*5的零矩陣。

D22、D33、D44、D55是的4個無方向性濾波器，D12、D13、D14、D15、D23、D35是6個有方向性濾波器，對有方向性濾波器，分別計算他們各個方向上的余量以及計算其中各個方向余量的最大和最小值余量。

所述數(shù)字圖像隱寫分析特征提取方法，其中，所述步驟S100中通過10個濾波器進行濾波得到殘差圖像的計算式為：

其中，I為待提取隱寫分析特征圖像，f是濾波器，是卷積符號，Row(f)和Colum(f)分別為求f的行和列數(shù)。

對于以上10個濾波器，其中因為D22、D33、D44、D55已經(jīng)具有中心對稱性，不需要旋轉(zhuǎn)，所以各自可以得到一個殘差圖像；對于D12、D13、D14、D15、D23、D35六個濾波器，將他們以90度旋轉(zhuǎn)4次得到4個殘差圖像，再由各自4個方向的殘差圖像取最大值和最小值可以得到兩個非線性殘差圖像(取名為min和max)，因此分別可以得到6個殘差圖像。因此通過以上10個濾波器總共可以40個殘差圖像。

優(yōu)選的，在所述數(shù)字圖像隱寫分析特征提取方法中，所述步驟S200中LBPriu2模型的計算式為：

其中

其中

其中，g_p是相鄰像素值，g_c是中間像素值，P、R是LBP編碼中定義的相鄰像素的個數(shù)和位置，取P＝8和R＝1。

這種模型根據(jù)旋轉(zhuǎn)不變特性和LBP編碼零和一變換次數(shù)兩個原則將原始LBP模型從256種降低到10種，這有利于后續(xù)共生矩陣轉(zhuǎn)換維數(shù)控制。由以上幾個操作，首先將殘差圖像量化截斷，之后進行LBPriu2模型編碼可以得到具有10個取值范圍的LBPriu2編碼圖R_LBP。

優(yōu)選的，在所述數(shù)字圖像隱寫分析特征提取方法中，所述步驟S200中DLBP模型的計算式為：

其中

其中，其中g(shù)_p是相鄰像素值，g_c是中間像素值，P、R是LBP編碼中定義的相鄰像素的個數(shù)和選取半徑，取P＝8和R＝1，α根據(jù)經(jīng)驗設(shè)置成0.3和0.5，f_i,j是濾波器系數(shù)。

DLBP這里通過編碼之后具有256種模式，之后線性將相鄰32種模式歸為一種模式，以此將256種降為8種。對于DLBP模型編碼在選取相鄰像素點的選擇上，本發(fā)明中選擇選取相鄰八個像素的點作為LBP編碼參考點，另外采取一個已有的多種范圍尺度取相鄰點的方法，即同樣取中心像素附近八個相鄰點作為模型編碼參考點，但是不只是選取相鄰的像素，如圖2所示，由此可以得到6個選取范圍尺度，跟LBP編碼模型進行相同操作。根據(jù)以上操作，進行DLBP模型編碼可以得到具有8個取值范圍的DLBP編碼圖R_DLBP。

優(yōu)選的，在所述數(shù)字圖像隱寫分析特征提取方法中，所述步驟S200中4個方向的二階共生矩陣的生成式為：

C₀(i,j)＝#{(x1,y1),(x1,y1+1)∈M×N|R_LBP(x1,y1)＝i,R_LBP(x1,y1+1)＝j(luò)}

C₄₅(i,j)＝#{(x1,y1),(x1-1,y1+1)∈M×N|R_LBP(x1,y1)＝i,R_LBP(x1-1,y1+1)＝j(luò)}

C₉₀(i,j)＝#{(x1,y1),(x1-1,y1)∈M×N|R_LBP(x1,y1)＝i,R_LBP(x1-1,y1)＝j(luò)}

C₁₃₅(i,j)＝#{(x1,y1),(x1-1,y1+1)∈M×N|R_LBP(x1,y1)＝i,R_LBP(x1-1,y1+1)＝j(luò)}；

其中，C₀為0°方向上二階共生矩陣、C₄₅為45°方向上二階共生矩陣、C₉₀為90°方向上二階共生矩陣、C₁₃₅為135°方向上二階共生矩陣，M、N是編碼圖的長和寬，R_LBP是LBP或者DLBP編碼圖。

具體的，在所述數(shù)字圖像隱寫分析特征提取方法中，所述步驟S300中具體包括：

步驟S301、對濾波器進行濾波得到的殘差圖像，計算共生矩陣；

步驟S302、將共生矩陣沿左上到右下對角線對折相加，并拉伸成為0°方向上的一維向量Cf₀、45°方向上的一維向量Cf₄₅、90°方向上的一維向量Cf₉₀、及135°方向上的一維向量Cf₁₃₅；

步驟S303、將0°方向上的一維向量Cf₀與90°方向上的一維向量Cf₉₀相加得到Cf₀₊₉₀，將45°方向上的一維向量Cf₄₅與135°方向上的一維向量Cf₁₃₅相加得到Cf₄₅₊₁₃₅；

步驟S304、分別計算f₁＝log10(Cf₀₊₉₀+1)和f₂＝log10(Cf₄₅₊₁₃₅+1)，將f₁和f₂串聯(lián)后得到共生矩陣特征。

對于x角度方向上的共生矩陣Cx，本專利將其沿左上到右下對角線對折相加，對角線上像素不做處理，之后拉伸成一維向量Cfx。對一個余量圖生成的4個方向一維向量，將Cf₀和Cf₉₀相加、Cf₄₅和Cf₁₃₅相加得到Cf₀₊₉₀和Cf₄₅₊₁₃₅，之后分別求f1＝log10(Cf₀₊₉₀+1)和f2＝log10(Cf₄₅₊₁₃₅+1)，將f1和f2串聯(lián)起來即可以得到該余量圖在某個范圍尺度下的共生矩陣變變換特征。由以上步驟一個殘差圖像，可以得到的LBP共生矩陣特征維數(shù)是660*1維，得到的DLBP共生矩陣特征維數(shù)是432*1維。

對于D12、D13、D14、D15、D23、D35這六個具有方向性的濾波器，可以分別得到四個方向以及最小值和最大值共六個殘差圖像，本方案中對其中的四個方向余量圖在分別得到的共生矩陣之后，進行相加合并成一個共生矩陣，以此再進行余下操作，通過這種方法進行降維合并，而最小值和最大值余量圖則分別得到各自的共生矩陣特征不做另外的合并操作。最小值和最大值余量的DLBP共生矩陣特征性能不理想，因此只用LBP共生矩陣特征。因此這六個濾波器D12、D13、D14、D15、D23、D35總共有(660*2+432*2)*6+660*2*2*6＝28944維；對于D22、D33、D44、D55這四個濾波器，總共有(660*2+432*2)*4＝8736維。因此一幅數(shù)字圖像總共可以得到37680維特征。

基于上述方法實施例，本發(fā)明還提供一種數(shù)字圖像隱寫分析特征提取系統(tǒng)。如圖3所示，所述數(shù)字圖像隱寫分析特征提取系統(tǒng)包括：

濾波模塊100，用于將待提取隱寫分析特征圖像通過10個濾波器進行濾波，得到殘差圖像；其中，10個濾波器包括4個無方向性濾波器和6個有方向性濾波器；

編碼模塊200，用于根據(jù)LBPriu2模型和/或DLBP模型對殘差圖像進行編碼后得到編碼圖，并根據(jù)編碼圖得到4個方向的二階共生矩陣，對其中6個有方向性濾波器，相加合并不同方向計算得到的共生矩陣；

共生矩陣特征提取模塊300，用于對計算得到的共生矩陣，合并不同方向共生矩陣并降維后進行LOG函數(shù)映射得到共生矩陣特征。

優(yōu)選的，在所述數(shù)字圖像隱寫分析特征提取方法中，所述編碼模塊200中LBPriu2模型的計算式為：

其中

其中

其中，g_p是相鄰像素值，g_c是中間像素值，P、R是LBP編碼中定義的相鄰像素的個數(shù)和位置，取P＝8和R＝1。

優(yōu)選的，在所述數(shù)字圖像隱寫分析特征提取方法中，所述編碼模塊200中DLBP模型的計算式為：

其中

其中，其中g(shù)_p是相鄰像素值，g_c是中間像素值，P、R是LBP編碼中定義的相鄰像素的個數(shù)和選取半徑，取P＝8和R＝1，α根據(jù)經(jīng)驗設(shè)置成0.3和0.5，f_i,j是濾波器系數(shù)。

綜上所述，本發(fā)明所提供的數(shù)字圖像隱寫分析特征提取方法及提取系統(tǒng)，方法包括：將待提取隱寫分析特征圖像通過10個濾波器進行濾波，得到殘差圖像；其中，10個濾波器包括4個無方向性濾波器和6個有方向性濾波器；根據(jù)LBPriu2模型和/或DLBP模型對殘差圖像進行編碼后得到編碼圖，并根據(jù)編碼圖得到4個方向的二階共生矩陣；對濾波得到的殘差圖像，計算共生矩陣，合并后進行LOG函數(shù)映射得到共生矩陣特征。本發(fā)明與現(xiàn)有的主流通用隱寫分析方法SRM具有相近的性能，分類效果較SRM具有更高的準(zhǔn)確率。

應(yīng)當(dāng)理解的是，本發(fā)明的應(yīng)用不限于上述的舉例，對本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)上述說明加以改進或變換，所有這些改進和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護范圍。