摘 要： 為了獲得更大的隱寫容量和更高的隱寫安全級別，提出一種基于遺傳算法和高隱藏容量的數(shù)字圖像安全隱寫算法。將隱寫術(shù)作為一個搜索問題進(jìn)行建模，遺傳算法的目的是在宿主圖像中找到最優(yōu)的方向和最優(yōu)的起始點用于隱藏加密數(shù)據(jù)，使得隱寫圖像獲取最大的峰值信噪比，其擬合函數(shù)為峰值信噪比。首先準(zhǔn)備宿主圖像，機(jī)密圖像和染色體，利用比特位面和比特方向基因?qū)⑺拗飨袼匦蛄修D(zhuǎn)化為比特位序列；然后將機(jī)密像素位嵌入到相應(yīng)的比特像素位；最后利用擬合函數(shù)決定迭代結(jié)束次數(shù)。運用峰值信噪比（PSNR）和結(jié)構(gòu)相似性度量（SSIM）評估隱寫結(jié)果，與其他隱寫算法相比，該算法提高了隱寫質(zhì)量和安全性，PSNR和SSIM在大多數(shù)情況下均高于其他算法，此外，隱藏容量相當(dāng)可觀，可高達(dá)49.5%。

關(guān)鍵詞： 隱寫術(shù)； 遺傳算法； 峰值信噪比； 隱藏容量； 擬合函數(shù)； 數(shù)字圖像

中圖分類號： TN911.73?34； TP391 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2016）11?0050?05

Abstract： In order to obtain bigger steganography capacity and higher steganography security level， a digital image safety steganography algorithm based on genetic algorithm and high hidden capacity is proposed. The steganography is modeled as a search problem. The genetic algorithm is used to find out the optimal direction and starting point in the host image to hide the enciphered data， and make the steganography image obtain the maximal peak signal?to?noise ratio （PSNR）， whose fitting function is PSNR. Firstly， the host image， confidential image and chromosome should be prepared， after that the bit plane and bit direction genes are used to convert the host pixel sequence into bit sequence. And then， the confidential pixel bits are embedded into the corresponding pixel bits. Finally， the fitting function is used to determine the iteration times. The PSNR and structural similarity index measure （SSIM） are used to assess the steganography result. Compared with other steganography algorithms， the proposed algorithm can significantly improve the steganography quality and safety. Its PSNR and SSIM are higher than those of other algorithms. In addition， its hidden capacity is big enough， which can reach up to 49.5%.

Keywords： steganography； genetic algorithm； peak signal?to?noise ratio； hidden capacity； fitting function； digital image

0 引 言

隱寫術(shù)[1]是將機(jī)密數(shù)據(jù)隱藏于宿主媒體中，達(dá)到不損害宿主媒體，并且使接觸者不易察覺的技術(shù)，比如將嵌入的機(jī)密數(shù)據(jù)進(jìn)行隱藏以阻止非授權(quán)的攻擊或進(jìn)行秘密傳送[2]。隱寫術(shù)一般有三個主要目標(biāo)：增加隱藏容量、對某些攻擊的穩(wěn)健性和增加安全級別[3]，因此這三個方面是隱寫術(shù)的主要突破口。

已有很多學(xué)者對隱寫算法進(jìn)行研究，隱寫術(shù)按照操作的域可以分為空間域（對像素直接操作）[4?6]、頻域（通過各種變換對圖像進(jìn)行間接操作，如DCT，DWT變換）[7?8]和壓縮（替換）域[5]。例如，文獻(xiàn)[4]提出幀間相關(guān)性構(gòu)建帶權(quán)值無向圖視頻隱寫分析算法，幀間的特征向量是以每幀的亮度共生矩陣為基礎(chǔ)，根據(jù)幀間的相關(guān)性的變化判斷信息的嵌入，這種算法具有一定的判斷能力，但是假設(shè)條件要求較高。文獻(xiàn)[7]提出一種灰度關(guān)聯(lián)分析的視頻隱寫算法，針對H.264/AVC編碼，該算法對原始載體關(guān)聯(lián)度計算，判斷其是否是非平滑塊，再對幀做離散余弦變換，在DCT塊的低頻區(qū)域進(jìn)行嵌入，所用碼率小，但隱寫容量比較小。文獻(xiàn)[5]指出所有相鄰像素的直方圖含有大量相等值的像素，因此采用直方圖轉(zhuǎn)移，多層嵌入增強(qiáng)隱藏能力，將隱藏數(shù)據(jù)嵌入到轉(zhuǎn)換系數(shù)中。雖然這種算法提供了更大的嵌入容量和更高的安全性，使竊聽者不能獲取真實的數(shù)據(jù)，但主要缺點是系統(tǒng)的魯棒性不強(qiáng)，如某些濾波攻擊會使嵌入的數(shù)據(jù)難以被完整正確的提取出來。

一般來說，空間域算法通常為機(jī)密數(shù)據(jù)提供大的隱藏容量并且可以保持隱寫圖像好的視覺質(zhì)量，但是不能通過統(tǒng)計隱寫分析[9]，頻率域方法通常應(yīng)用于水印方面，壓縮域的隱寫在統(tǒng)計隱寫分析方面表現(xiàn)優(yōu)異，但不能為機(jī)密數(shù)據(jù)提供足夠大的嵌入容量[10]，而且獲取的隱寫圖像視覺質(zhì)量也較低。雖然已經(jīng)有大量的方法用于圖像隱寫，但是基于元啟發(fā)式方法的隱寫算法的研究卻十分有限。例如，文獻(xiàn)[11]根據(jù)遺傳算法提出了安全JPEG隱寫方法，此方法是基于OutGuess系統(tǒng)，而OutGuess被證明是最不易攻擊的隱寫系統(tǒng)。

為了獲取較高的安全級別，本文試圖在宿主圖像中尋找最優(yōu)的位置以植入加密數(shù)據(jù)。嵌入的過程包含兩個步驟：首先機(jī)密位進(jìn)行修改，然后機(jī)密數(shù)據(jù)嵌入到宿主圖像中。由于宿主像素掃描的順序、掃描起始點以及每個像素的最低有效位（Least Significant Bits，LSB）不同，宿主圖像中的各個位置的性能也不同，本文利用遺傳算法尋找做好的起始點、掃描順序和隱寫圖像的其他內(nèi)容，對比結(jié)果表明本文提出的隱寫算法性能更加優(yōu)異和可靠。

1 提出的隱寫方法

本文將隱寫術(shù)作為一個搜索問題進(jìn)行建模，搜索問題的目標(biāo)是在宿主圖像中找到最優(yōu)的方向和最優(yōu)的起始點用于隱藏加密數(shù)據(jù)，使隱寫圖像獲取最大的峰值信噪比。為了對這個空間進(jìn)行搜索，本文利用遺傳算法將隱寫圖像對的峰值信噪比作為擬合函數(shù)。

1.1 光柵的順序

在最低有效位替代方法中，從第一行開始一行接一行掃描宿主圖像的像素點直到最后一行，每行從左向右掃描所有像素。像素點順序即為光柵的順序，比如，圖像的維度為5×5，光柵的順序如圖1所示。在光柵順序中，加密宿主圖像中起始點的選擇非常重要，例如，圖2顯示了不同起始點情況下的光柵順序。對于一個加密宿主圖像對，不同的起始點會導(dǎo)致不同的峰值信噪比，默認(rèn)的起始點并不能保證最優(yōu)。

1.2 染色體表達(dá)

本文所提出的染色體含有7個基因，如表1所示。在所定義的染色體中，由于像素點掃描方向有16種情況，因此本文用4 b長度表示一個基因。起始點表示為兩個基因，包括位移和位移，每個起始點的位長都是8 b。在宿主像素中利用比特位面確定LSB平面，利用這種方法可以在宿主像素中嵌入加密數(shù)據(jù)。表2給出了可能的比特位面的值。

利用有效位（Significant Bits，SB）極點確定機(jī)密比特位極點，利用SB方向確定機(jī)密比特位的方向，最后一個基因是BP方向，利用其顯示LSB平面的方向，最后三個基因的詳細(xì)信息如表3所示。根據(jù)染色體中存在的基因，本文可以將這些基因分成兩個特定的組。第一個組含有的基因表示機(jī)密比特位嵌入到宿主圖像中的位置；第二個組中的基因引起加密數(shù)據(jù)的部分改變，以使其更加適應(yīng)宿主圖像。

1.3 加密數(shù)據(jù)嵌入和提取

圖3為加密數(shù)據(jù)嵌入的流程圖。首先準(zhǔn)備好宿主圖像、機(jī)密圖像和相應(yīng)的染色體，利用染色體的基因獲取像素比特位。根據(jù)相應(yīng)的基因（即SB方向和SB極點）將機(jī)密圖像轉(zhuǎn)化為機(jī)密比特位序列。然后，由于每個像素比特位僅能存儲一個機(jī)密比特位，因此需要比較像素比特位和機(jī)密比特位的數(shù)量。如果機(jī)密比特數(shù)量多于像素比特位，則相關(guān)的染色體不能將這個圖像嵌入到宿主圖像中，否則，將每個機(jī)密比特位嵌入到相應(yīng)的像素比特位中并獲取隱寫圖像；最后計算隱寫圖像的擬合值（峰值信噪比）。

圖4給出了本文的機(jī)密數(shù)據(jù)提取方法流程圖，首先從預(yù)定義的像素比特位（這里是指隱寫圖像的最后一行）中提取所使用的染色體，并分離出染色體上的基因。然后根據(jù)染色體上的基因獲取像素比特位，最后利用那些像素比特位獲取未加工的機(jī)密比特位，根據(jù)染色體上的基因獲取最終的機(jī)密比特位序列并生成相應(yīng)的機(jī)密圖像。

1.4 本文算法的優(yōu)點

本文提出算法的優(yōu)點如下：

（1） 目前大多文獻(xiàn)提出的許多方法[4?10]僅能找到一個解作為隱寫圖像，本文算法在最后一代含有多個優(yōu)異或逼近最優(yōu)的解，即本文算法沒有僅限于一個解，隱寫圖像的質(zhì)量是可調(diào)的；

（2） 對數(shù)據(jù)丟失的魯棒性（數(shù)據(jù)無損），以及大的嵌入容量；

（3） 本文算法將加密圖像轉(zhuǎn)化為比特位序列，因此可以在宿主圖像中嵌入任何格式的機(jī)密數(shù)據(jù)，這使得機(jī)密數(shù)據(jù)不用受圖像數(shù)據(jù)的限制，也就是說可以將聲音或其他任何格式的數(shù)字信息嵌入到宿主圖像中；

（4） 本文算法具有較高的安全性。

2 實驗與分析

2.1 評估函數(shù)及參數(shù)設(shè)置

式中：及及分別為圖像的平均值和標(biāo)準(zhǔn)差；為的共變異數(shù)；都為常數(shù)。一般情況下，取圖像局部性視窗，遍歷整個圖像，直到整個圖像的SSIM計算完畢，將全部的SSIM平均起來為圖像的結(jié)構(gòu)相似性指標(biāo)。對于彩色圖像，本文僅在亮度通道使用，SSIM比較符合人眼對圖像品質(zhì)的判斷標(biāo)準(zhǔn)。

本文算法將淘汰制作為選取機(jī)制，當(dāng)達(dá)到用戶指定最大一代的數(shù)量或在下一代中獲取顯著性改變的機(jī)會過低，則停止遺傳算法。本文設(shè)置最大數(shù)量為200，群體大小設(shè)置為300，交叉概率為0.7，突變率為0.04，更新率為0.8。

2.2 實驗結(jié)果

利用尺寸為256×256的“Lena”作為宿主圖像，將“Jet”，“Pepper”和“Baboon”作為機(jī)密圖像。加密圖像的尺寸和容量如圖5～圖7所示，表5為不同存儲容量的結(jié)果。對每個機(jī)密圖像執(zhí)行10次實驗，將所有PSNR和SSIM的平均值作為本文算法的結(jié)果。

為了對本文提出算法生成的隱寫圖像視覺質(zhì)量進(jìn)行評估，本文將宿主圖像和隱寫圖像進(jìn)行了放大，如圖8中左列和右列所示?？梢钥闯鏊拗鲌D像和隱寫圖像間的變形在視覺上幾乎無法感知。

2.3 與其他算法的比較

與本文算法進(jìn)行對比的是文獻(xiàn)[4，7，11]，文獻(xiàn)[4]是一種利用灰度共生矩陣的空域隱寫方法，文獻(xiàn)[7]是以DCT余弦變換為主的隱寫算法，文獻(xiàn)[11]是為數(shù)不多的元啟發(fā)式方法。對數(shù)字圖像的隱寫攻擊包括行列隱藏，即隨機(jī)使圖像的某些行或者列的信息變?yōu)榱?。旋轉(zhuǎn)攻擊即圖像旋轉(zhuǎn)，本文中旋轉(zhuǎn)15°。強(qiáng)度變換主要是圖像增強(qiáng)操作。剪裁是對圖像進(jìn)行剪裁，然后其余部分用零填充。高斯低通濾波是對圖像進(jìn)行高斯低通濾波操作。表6為各算法在各種不同攻擊下的PSNR，SSIM的結(jié)果比較，加粗字體為最優(yōu)值，從表6可以看出本文算法在絕大多數(shù)情況下均優(yōu)于其他算法，因此對攻擊的魯棒性更好，隱寫后圖像原屬性保留最多，峰值信噪比大多保持最高，增強(qiáng)了圖像隱寫質(zhì)量。好的光柵起始點在這里起了很大作用，也說明了運用遺傳算法尋找最佳嵌入位置的優(yōu)勢。

3 結(jié) 論

本文根據(jù)遺傳算法提出了一種數(shù)據(jù)無損空間域圖像隱寫算法，將隱寫作為一個搜索問題進(jìn)行建模。采用遺傳算法避免了繁雜的搜索過程，使本文可以在宿主圖像中找到最優(yōu)的位置嵌入修改的機(jī)密數(shù)據(jù)。因此，本文提出的方法可以獲取大的嵌入容量并且同時提高了隱寫圖像的質(zhì)量（即PSNR和SSIM）。從對攻擊的魯棒性和隱寫圖像質(zhì)量看，本文算法的效果在視覺上很難分辨是否進(jìn)行了隱寫操作，而且具有較好的攻擊魯棒性。

雖然本文算法已獲取了較好的結(jié)果，但依然有提高的空間，未來將嘗試運用其他有效的智能優(yōu)化算法提高本文算法的效率，此外，空域與變換域也可以嘗試混合使用。

參考文獻(xiàn)

[1] 葉惠.基于運動矢量的視頻隱寫分析方法研究[D].合肥：中國科學(xué)技術(shù)大學(xué)，2014.

[2] 陳嘉勇，祝躍飛，張衛(wèi)明，等.對隨機(jī)LSB隱寫術(shù)的選擇密鑰提取攻擊[J].通信學(xué)報，2010，17（5）：73?80.

[3] 王朔中，張新鵬，張衛(wèi)明.以數(shù)字圖像為載體的隱寫分析研究進(jìn)展[J].計算機(jī)學(xué)報，2009，32（7）：1247?1263.

[4] HSU Y C， CHENG B C， CHEN H， et al. Athena： capacity enhancement of reversible data hiding with consideration of the adaptive embedding level [J]. Journal of visual languages computing， 2014， 25（6）： 782?790.

[5] ZENG X， PING L， LI Z. Lossless data hiding scheme using adjacent pixel difference based on scan path [J]. Journal of multimedia， 2009， 4（3）： 145?152.

[6] ZIOU D， JAFARI R. Efficient steganalysis of images： learning is good for anticipation [J]. Pattern analysis applications， 2014， 17（2）： 279?289.

[7] 張英男，張敏情，鈕可.基于灰色關(guān)聯(lián)分析的H.264/AVC視頻隱寫算法[J].武漢大學(xué)學(xué)報（理學(xué)版），2014，28（6）：524?530.

[8] 梁惠，郭立，古今.一種基于圖像邊緣檢測的隱寫算法[J].中國科學(xué)技術(shù)大學(xué)學(xué)報，2010，40（11）：1117?1122.

[9] LUO X， WANG D， LIU F， et al. A review on blind detection for image steganography [J]. Signal processing， 2008， 88（9）： 2138?2157.

[10] 劉云霞.H.264/AVC視頻隱寫的魯棒性方法研究[D].武漢：華中科技大學(xué)，2013.

[11] ZAMANI M， MANAF A A， AHMAD R B， et al. A genetic?algorithm?based approach for audio steganography [J]. World academy of science engineering technology， 2009， 20： 360?369.