韓 濤祝躍飛

（信息工程大學 鄭州 450001）

（數(shù)學工程與先進計算國家重點實驗室 鄭州 450001）

基于Canny邊緣檢測的自適應(yīng)空域隱寫術(shù)

韓 濤*祝躍飛

（信息工程大學 鄭州 450001）

（數(shù)學工程與先進計算國家重點實驗室 鄭州 450001）

針對自適應(yīng)空域隱寫術(shù)設(shè)計的關(guān)鍵問題，該文結(jié)合Canny邊緣檢測和校驗格編碼（STC）提出一種不需要同步邊信息的自適應(yīng)空域隱寫方法。首先，根據(jù)秘密消息長度、載體圖像等因素確定Canny邊緣檢測算法中的參數(shù)取值，進而根據(jù)相應(yīng)的參數(shù)取值使用Canny邊緣檢測算法來選擇載體圖像的邊緣區(qū)域。然后，分別定義邊緣區(qū)域像素和非邊緣區(qū)域像素的嵌入失真；最后，在載體像素的多個最低有效位平面（LSB）使用STC嵌入秘密消息。實驗結(jié)果表明：該隱寫方法在4種嵌入率情況下抵抗常見通用隱寫分析的性能優(yōu)于3種已有的隱寫方法，且在較小嵌入率情況下與空域通用小波相對失真方法（S-UNIWARD）相當。

信息安全；隱寫術(shù)；自適應(yīng)隱寫；邊緣檢測；校驗格編碼

1 前言

隨著計算機網(wǎng)絡(luò)技術(shù)和信息技術(shù)的不斷發(fā)展，人們在享受新技術(shù)帶來便利的同時，個人隱私等方面也遭受著各種可能的安全威脅。人們不僅要求通信內(nèi)容能保密，而且通信行為能隱蔽地進行，這種新的通信模式稱為隱蔽的保密通信。這種模式可以通過信息隱藏技術(shù)來實現(xiàn)。作為信息隱藏的一個重要分支，隱寫術(shù)主要研究如何在公開的多媒體數(shù)據(jù)隱藏秘密消息以實現(xiàn)隱蔽通信。按照秘密消息嵌入是否自適應(yīng)地進行，隱寫術(shù)可分為非自適應(yīng)隱寫和自適應(yīng)隱寫。自適應(yīng)隱寫是指根據(jù)載體特性自適應(yīng)地將秘密消息嵌入到最不容易引起懷疑的區(qū)域，從而提高隱寫術(shù)抵抗隱寫分析的能力，目前是隱寫術(shù)的一個研究熱點。而本文主要關(guān)注空域圖像上的自適應(yīng)隱寫，所以下面主要介紹自適應(yīng)空域隱寫術(shù)的研究現(xiàn)狀。根據(jù)接收者是否需要邊信息以重構(gòu)承載秘密消息的像素（也稱邊信息同步），自適應(yīng)空域隱寫術(shù)主要可分為兩類：

第1類是不需要同步邊信息，即最小化嵌入失真的隱寫方法。該類隱寫方法是目前隱寫術(shù)設(shè)計最熱門的研究方向，主要有兩個關(guān)鍵問題：一是失真函數(shù)的定義；二是自適應(yīng)隱寫編碼的設(shè)計，文獻［1］提出的校驗格編碼（Synd rom e Trellis Code， STC）可較好地解決自適應(yīng)隱寫編碼的設(shè)計問題。利用鄰域像素差分矩陣（Subtractive Pixel Adjacency Matrix，SPAM）［2］隱寫分析特征集合來指導嵌入失真函數(shù)的設(shè)計，文獻［3］提出了高度不可檢測隱寫方法（Highly Undetectab le steGO， HUGO）。文獻［4］利用小波分析領(lǐng)域的方向濾波來定義空域圖像的嵌入失真，提出了權(quán)重獲得小波方法（Wavelet Obtained Weights，WOW）。文獻［5］使用小波分析中方向濾波的分解系數(shù)來定義嵌入失真，提出了可應(yīng)用于任意域的通用小波相對失真方法（UN Iversal WAvelet Relative Distortion， UNIWARD），其中應(yīng)用于空域的方法稱為空域UNIWARD （Spatial-UNIWARD，S-UNIWARD），目前S-UNIWARD抵抗通用隱寫分析的性能最優(yōu)。

第2類是需要同步邊信息，其目的是使得接收者能夠重構(gòu)出消息嵌入?yún)^(qū)域，該類方法稱為基于邊信息同步的隱寫方法?；诟倪M的最低有效位匹配（LSB Matching Revisited， LMR）［6］，文獻［7］提出了邊信息同步的邊緣自適應(yīng)LMR（Edge Adap tive LMR， EALMR），使用相鄰兩個像素的差分值作為邊緣像素的度量標準。文獻［8］提出了只在噪聲區(qū)域嵌入消息的噪聲區(qū)域嵌入方法（Noisy Region Embedding， NRE）。在NRE的基礎(chǔ)上，通過使用雙層嵌入構(gòu)造［9］，文獻［10］提出了一種在擴展的噪聲區(qū)域嵌入消息且邊信息同步的擴展NRE（Ex tended NRE， ENRE）?；趫D像邊緣檢測和LSB替換，文獻［11］提出了一種邊信息同步的基于邊緣的圖像隱寫方法（Edge-Based Image Steganography， EBIS）。然而，為了實現(xiàn)邊信息同步，EBIS只使用2層LSB替換，其嵌入效率并不高。

本文在EBIS的基礎(chǔ)上，結(jié)合圖像處理領(lǐng)域中的Canny邊緣檢測方法和STC，提出了一種邊緣自適應(yīng)且不需要同步邊信息的隱寫方法。本文首先根據(jù)嵌入率、載體圖像等來確定合適的Canny邊緣檢測算法的參數(shù)取值，并使用Canny邊緣檢測算法來選擇圖像的邊緣區(qū)域，然后根據(jù)非邊緣區(qū)域內(nèi)的像素為不可修改像素、邊緣區(qū)域內(nèi)的像素為可修改像素的原則，定義像素的嵌入失真，最后使用多層STC嵌入秘密消息。抵抗通用隱寫分析實驗的結(jié)果表明：本文方法的性能優(yōu)于3種已有的隱寫方法，在較小嵌入率時與S-UNIWARD性能相當。

2 預(yù)備知識

2.1 Canny邊緣檢測算法

Canny邊緣檢測算法是文獻［12］于1986年提出的一個多級邊緣檢測算法。其目標是尋找一個最優(yōu)的邊緣檢測算法，主要包括以下3個方面：（1）最優(yōu)檢測；（2）最優(yōu)定位準則；（3）檢測點與邊緣點一一對應(yīng)。Canny邊緣檢測算法很好地結(jié)合了最優(yōu)邊緣檢測的3個準則。首先使用高斯濾波器平滑圖像，其次使用一階偏導的有限差分來計算梯度的幅值和方向，再次通過尋找圖像梯度的局部極大值對梯度幅值進行非極大值抑制，最后通過雙閾值法來檢測強邊緣和弱邊緣，當弱邊緣與強邊緣連接成輪廓邊緣才輸出。因此，Canny邊緣檢測算法不易受噪聲影響，能在噪聲和邊緣檢測間取得較好的平衡，具有很好的邊緣檢測性能。

Canny邊緣檢測算法包含許多可調(diào)整的參數(shù)，參數(shù)的取值會影響到算法的性能。根據(jù)本文方法的需求，本文主要考慮的參數(shù)包括：（1）高斯濾波器的寬度w， w的取值會直接影響Canny邊緣檢測算法的結(jié)果；（2）高閾值th和低閾值tl，tl用于控制邊緣連接，th用于控制強邊緣的初始分割，通常情況下，取tl= 0.4× th 。

2.2 STC

文獻［1］提出的STC是目前編碼性能最優(yōu)的二元隱寫編碼方法。STC是一種特殊的矩陣編碼，其奇偶校驗矩陣H由大小為h× w的子矩陣以一種級聯(lián)的方式拼接而成，是根據(jù)共享密鑰隨機生成的，其中參數(shù)h的取值主要影響STC的速度和效率，w的取值由嵌入率決定。其目的是發(fā)送者通過將二元載體x修改為載密y來嵌入消息m，即同時使總嵌入失真盡可能小，從而接收者通過計算H yT即可提取消息mT。STC將最小化總嵌入失真問題轉(zhuǎn)化為尋找最短路徑問題，而后者可以由維特比譯碼的方式快速得到。注意到嵌入失真ρ（x， y）可以由消息嵌入者根據(jù)任意的原則來定義。

3 基于Canny邊緣檢測的自適應(yīng)空域隱寫方法

本文方法的嵌入過程主要包含4步：（1）根據(jù)Canny邊緣檢測算法選擇嵌入?yún)^(qū)域；（2）定義載體像素的嵌入失真，然后使用多層STC嵌入秘密消息；（3）使用LSB匹配嵌入頭信息；（4）生成載密圖像。提取過程主要包括兩步：（1）提取頭信息；（2）使用STC提取秘密消息。

3.1 嵌入過程

下面詳細描述本文方法的嵌入過程。

使用二分搜索法尋找合適的高閾值th，需要滿足兩個條件：一是根據(jù)th得到的邊緣像素數(shù)量足以承載待嵌入的秘密消息；二是盡可能將秘密消息集中于邊緣像素，即根據(jù)th選取的邊緣像素數(shù)量不能過多地超過所需數(shù)量。獲得高閾值th的算法如表1所示。

表1 獲得高閾值th的算法

在獲得高閾值th之后，根據(jù)參數(shù)tl， th和w的取值，使用Canny邊緣檢測算法獲得載體圖像C的邊緣像素的位置，即為嵌入?yún)^(qū)域E。由于經(jīng)Canny邊緣檢測得到的邊緣像素數(shù)量并不一定剛好等于實際所需的像素數(shù)量，所以使用一個限制因子l來控制選出的邊緣像素數(shù)量，在本文實驗中，限制因子取l=0.01。

注意到以上只是給出一種簡單的嵌入失真定義用于本文方法的描述，消息嵌入者可根據(jù)一定的原則任意的定義嵌入失真。使用f作為標志位來表示所使用的STC層數(shù)：若f=0，則表示使用2層STC；若f=1，則表示使用3層STC。在嵌入失真定義結(jié)束后，根據(jù)f的取值，調(diào)用STC分別在載體圖像的2或3個LSB平面上嵌入秘密消息。

步驟4 生成載密圖像。在嵌入頭信息和秘密消息后，可以得到載密像素s。使用共享密鑰K將s恢復(fù)為大小為hC× wC的載密圖像，設(shè)為S，最后將載密圖像S發(fā)送給接收者。

3.2 提取過程

下面給出從載密圖像S中提取秘密消息m的過程。

4 實驗結(jié)果與分析

選擇BOSSbase1.01圖像庫［13］為實驗圖像庫，該圖像庫中的圖像來源于8個不同的數(shù)碼相機，經(jīng)過重新裁剪得到10000幅大小為512× 512的未壓縮灰度空域圖像，圖像格式為pgm。根據(jù)嵌入率，使用偽隨機數(shù)發(fā)生器來生成二元隨機秘密消息，用于模擬經(jīng)過加密的秘密消息。使用通用隱寫分析來評估隱寫方法的安全性。在實驗中，本文方法用到的高斯濾波器寬度w的取值范圍為［0， 1］，調(diào)整因子q的取值范圍為［1， 1.5］。對于給定的參數(shù)w和q，針對不同的嵌入率和載體圖像，根據(jù)表1給出的算法得到高閾值th，用于選擇嵌入?yún)^(qū)域，并分別使用2層和3層STC嵌入秘密消息，最后在所有結(jié)果中選擇抵抗通用隱寫分析性能最好的結(jié)果。在實驗中選擇0.05， 0.10， 0.15， 0.20位/像素作為本文方法的嵌入率，這是因為：當嵌入率超過0.25位/像素時，BOSSbase1.01中會有大量的載體圖像經(jīng)過Canny邊緣檢測得到的邊緣像素數(shù)量少于像素總數(shù)量的25%，即使用本文方法不能在這些圖像中嵌入超過25%的秘密消息。

首先考察本文方法與基于邊信息同步的隱寫方法（EALMR［7］， EBIS［11］）抵抗686維SPAM隱寫分析［2］的性能對比。對于EALMR，參數(shù)設(shè)置與文獻［7］中一致，使用LMR［6］嵌入消息。對于EBIS，參數(shù)設(shè)置與文獻［11］中一致，使用LMR［6］嵌入消息。檢測結(jié)果如圖1所示。從圖1可以看出，相對于2種基于邊信息同步的隱寫方法，在所給的4種嵌入率情況下，SPAM檢測本文方法的錯誤率 PE更高，即本文方法抵抗SPAM的能力更強，主要因為本文方法使用Canny邊緣檢測方法能夠精確地選擇邊緣像素，并使用高效的多層STC在邊緣像素上嵌入消息，將嵌入修改集中在邊緣區(qū)域。

圖1 3種隱寫方法抵抗SPAM隱寫分析的實驗結(jié)果

圖2 3種隱寫方法抵抗SRM隱寫分析的實驗結(jié)果

其次考察本文方法與基于最小化嵌入失真的隱寫方法（HUGO［3］， S-UNIWARD［5］）抵抗34671維空域富模型（Spatial Rich Model， SRM）隱寫分析［15］的性能對比。對于HUGO，使用T=255來消除T=90帶來的安全問題。對于S-UNIWARD，參數(shù)設(shè)置與文獻［5］中一致，參數(shù)σ取值為σ=1。檢測結(jié)果如圖2所示。從圖2可以看出，在所給的4種嵌入率情況下，本文方法抵抗SRM的性能優(yōu)于HUGO，并在較小嵌入率情況下與S-UNIWARD相當，這主要因為：在較小嵌入率情況下，本文方法中Canny邊緣檢測方法所選擇的邊緣區(qū)域與S-UN IWARD的嵌入?yún)^(qū)域比較相近，都能很好地選擇出紋理最復(fù)雜的區(qū)域用于承載秘密消息。

5 結(jié)束語

本文結(jié)合邊緣檢測和高效自適應(yīng)隱寫編碼，提出了一種不需要同步邊信息的自適應(yīng)空域隱寫方法。實驗表明：本文方法抵抗常見通用隱寫分析方法的性能優(yōu)于已有的3種自適應(yīng)隱寫方法，并在較小嵌入率情況下與S-UNIWARD性能相當。在未來的工作中考慮使用更加精確的邊緣檢測算法來檢測邊緣區(qū)域，進而改進本文方法的性能。

［1］ Filler T， Judas J， and Frid rich J. M inim izing additive d istortion in steganography using syndrom e-trellis codes［J］. IEEE Transactions on Information Forensics and Security，2011， 6（3）: 920-935.

［2］ Pevny T， Bas P， and Frid rich J. Steganalysis by subtractive pixel adjacency matrix［J］. IEEE Transactions on Information Forensics and Security， 2010， 5（2）: 215-224.

［3］ Pevny T， Filler T， and Bas P. Using high-dim ensional im age models to perform highly undetectab le steganography［C］. Proceedings of 12th International Workshop on Information Hiding， Calgary， Canada， 2010: 161-177.

［4］ Holub V and Fridrich J. Designing steganographic distortion using d irectional filters［C］. Proceedings of the IEEE International Workshop on In form ation Forensics and Security （W IFS）， Tenerife， Spain， 2012: 234-239.

［5］ Holub V， Fridrich J， and Denemark T. Universal distortion function for steganography in an arbitrary domain［J］. EURASIP Journal on Information Security， 2014， 2014（1）: 1-13.

［6］ M ielikainen J. LSB matching revisited［J］. IEEE Signal Processing Letters， 2006， 13（5）: 285-287.

［7］ Luo W， Huang F， and Huang J. Edge adaptive image steganography based on LSB matching revisited［J］. IEEE Transactions on Inform ation Forensics and Security， 2010，5（2）: 201-214.

［8］ Lu Y， Li X， and Yang B. A secure steganography: noisy region embedding［C］. Proceedings of the 5th International Conference on Intelligent Information Hiding and M ultimedia Signal P rocessing， Kyoto， Japan， 2009: 1046-1051.

［9］ Zhang W， Zhang X， and Wang S. A double layered“p lus-m inus one” data embedd ing schem e［J］. IEEE Signal Processing Letters， 2007， 14（11）: 848-851.

［10］ Han T， Zhang W， Wang C， et al.. Adaptive ±1 steganography in extended noisy region［J］. The Computer Journal， 2014，57（4）: 557-566.

［11］ Islam S， M odi M R， and Gup ta P. Edge-based im age steganography［J］. EURASIP Journal on Inform ation Security，2014， 2014（8）: 1-14.

［12］ Canny J. A com putational app roach to edge detection［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1986， PAM I-8（6）: 679-698.

［13］ Bas P， Filler T， and Pevny T. “Break our steganographic system”: the ins and outs of organizing BOSS［C］. Proceedings of the 12th International W orkshop on In form ation Hiding，Calgary， Canada， 2010: 59-70.

［14］ Kodovsky J， Frid rich J， and Holub V. Ensemble classifiers for steganalysis of digital media［J］. IEEE Transactions on Information Forensics and Security， 2012， 7（2）: 432-444.

［15］ Fridrich J and Kodovsky J. Rich models for steganalysis of digital images［J］. IEEE Transactions on Information Forensics and Security， 2012， 7（3）: 868-882.

韓 濤： 男，1986年生，博士生，研究方向為密碼學與信息隱藏.

祝躍飛： 男，1962年生，教授，研究方向為密碼學與網(wǎng)絡(luò)安全.

Adaptive Spatial Steganography Based on Canny’s Edge Detection

Han Tao Zhu Yue-fei
（Information Engineering University， Zhengzhou 450001， China）
（State Key Laboratory of Mathematical Engineering and Advanced Computing， Zhengzhou 450001， China）

Aim ing at the essential p rob lem s of the design of adaptive spatial steganography， this paper proposes an adap tive spatial steganographic algorithm w ithou t synch ronizing the side inform ation， combining w ith Canny’s edge detection algorithm and the Synd rome Trellis Code （STC）. Firstly， the parameters of Canny’s algorithm are obtained on the basis of the factors， including the length of the secret message， the cover image， and so on； then Canny’s algorithm is used to select the edge region of the cover image. Moreover， the embedding distortions of the edge and non-edge pixels are defined respectively. Finally， the STC is used to embed the secret message in mu ltip le Least Significant Bit （LSB） planes of the pixels. The experimental results illustrate that， under the condition of four kinds of embedd ing rates， w hen resisting common universal steganalysis， the proposed m ethod perform s better than other three existing methods， and is com parab le to the Spatial-UNIversal WAvelet Relative Distortion（S-UNIWARD） under the condition of small embedding rates.

Information security； Steganography； Adaptive steganography； Edge detection； Syndrome Trellis Code（STC）

TP309

： A

：1009-5896（2015）05-1266-05

10.11999/JEIT141121

2014-08-29收到，2014-12-01改回

國家科技支撐計劃（2012BAH 47B01），國家自然科學基金（61170234，61309007），鄭州科技創(chuàng)新團隊項目（10CXTD150）和信息工程大學博士研究生學位論文創(chuàng)新基金（BSLWCX 201309）資助課題

*通信作者：韓濤 lhstslhsts@163.com