摘 要： 提出了一種基于JPEG圖像DCT系數(shù)差分矩陣統(tǒng)計(jì)特征的隱寫分析方法。該算法保留了以往算法選用的DCT系數(shù)水平和豎直方向的差分矩陣相關(guān)特征，通過增加其主副對(duì)角線方向上差分矩陣來提取和計(jì)算特征向量，進(jìn)而利用SVM分類器進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地對(duì)JPEG圖像進(jìn)行檢測(cè)，并且具有較高的檢測(cè)正確率。
關(guān)鍵詞： JPEG圖像； 隱寫分析； 差分矩陣； DCT系數(shù)
圖像信息隱藏是一種將秘密信息嵌入到普通載體圖像中傳輸以期達(dá)到不可感知和不易檢測(cè)目的的技術(shù)。隱寫分析是在不知道隱藏方法的條件下，檢測(cè)載體中秘密信息存在性的一種技術(shù) 。研究隱寫分析技術(shù)具有重要的現(xiàn)實(shí)意義，它不僅能夠促進(jìn)信息隱寫技術(shù)的發(fā)展，更能對(duì)各種非法的隱蔽通信起到很好的檢測(cè)作用。
JPEG圖像是作為隱藏載體應(yīng)用最廣泛的圖像格式之一，DCT域隱藏又具有隱蔽性好等優(yōu)點(diǎn)而常被用來隱藏信息，因此對(duì)JPEG圖像DCT域的隱寫分析意義重大。2002年，TU C等人提出隱寫嵌入影響圖像DCT系數(shù)的平滑性、規(guī)律性、連續(xù)性、周期性[1]。2007年，XUAN G R等提出了局部的差分掃描規(guī)則，并闡述了嵌入數(shù)據(jù)后對(duì)塊內(nèi)水平和豎直兩個(gè)方向DCT系數(shù)差分統(tǒng)計(jì)特性帶來的改變[2]。2008年，CHEN C H等通過實(shí)驗(yàn)證明了JPEG圖像在嵌入數(shù)據(jù)后，提取DCT系數(shù)的塊間特征來進(jìn)行隱寫分析會(huì)大大提高檢測(cè)正確率[3]。
本文針對(duì)基于JPEG圖像的幾種常用的隱寫算法，提出了一種DCT域的隱寫分析方法。該方法通過JPEG圖像分塊DCT域系數(shù)水平、豎直及主副對(duì)角線4個(gè)方向上的差分矩陣，提取具有較強(qiáng)分類能力的特征向量，并用SVM分類器進(jìn)行分類，檢測(cè)出載密圖像。實(shí)驗(yàn)證明，該方法具有較好的效果。
1 檢測(cè)方法
圖1所示為基于DCT域系數(shù)差分矩陣統(tǒng)計(jì)特征的JPEG圖像隱寫分析檢測(cè)方法框圖,主要包括分類模型的建立以及圖像的隱藏信息檢測(cè)兩個(gè)部分。
框圖的上半部分為DCT域隱寫分析模型的建模部分，訓(xùn)練樣本包括原始圖像集合和含有秘密信息的圖像集合。經(jīng)過分塊的DCT變換，得到DCT系數(shù)的差分矩陣，并從中獲取統(tǒng)計(jì)特征參數(shù)，對(duì)參數(shù)做方差分析，選擇那些能較好反映原始圖像和載密圖像統(tǒng)計(jì)差異的參數(shù)作為隱藏信息檢測(cè)的特征，通過分類器的自學(xué)習(xí)建立分類模型。
框圖的下半部分是圖像的隱藏信息檢測(cè)部分。先對(duì)待測(cè)圖像進(jìn)行8×8的分塊DCT變換，同樣獲得其系數(shù)在選定方向上的差分矩陣，計(jì)算預(yù)先選擇的特征的參數(shù)值，進(jìn)而應(yīng)用預(yù)先訓(xùn)練獲得的隱寫分析模型，最終獲得圖像中是否含有隱寫信息的檢測(cè)結(jié)果。
2 特征提取
原則上，用于隱寫分析的特征必須對(duì)秘密信息敏感而對(duì)載體圖像不敏感。本文研究的是JPEG圖像DCT域的隱寫分析，因此在隱藏過程中，量化的DCT系數(shù)中被隱藏了信息，而這在一定程度上可能導(dǎo)致DCT系數(shù)的統(tǒng)計(jì)特征發(fā)生改變，可以考慮利用這一統(tǒng)計(jì)特征的改變來對(duì)圖像進(jìn)行分析。基于以上論述，對(duì)圖像做8×8的分塊DCT變換,再求取其差分矩陣，從中提取并篩選特征。
實(shí)驗(yàn)中按照Z(yǔ)ig-Zag掃描的順序間隔選取M(1,1)、M(2.1)、M(2.2)、M(1,4)、M(3,2)、M(5,1)、M(3,3)、M(1,5)，與2.2節(jié)中提出的6個(gè)特征一起，即得到14維對(duì)信息嵌入更敏感的特征向量,用于檢測(cè)JPEG圖像中是否含有秘密信息。
3 SVM分類
支持向量機(jī)SVM(Support Vector Machine)方法建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上，根據(jù)有限的樣本信息在模型的復(fù)雜性(即對(duì)特定訓(xùn)練樣本的學(xué)習(xí)精度)和學(xué)習(xí)能力(即無錯(cuò)誤地識(shí)別任意樣本的能力)之間尋求最佳折衷，以期獲得最好的推廣能力。它在解決小樣本、非線性及高維模式識(shí)別中表現(xiàn)出許多特有的優(yōu)勢(shì)。
本文算法的實(shí)質(zhì)就是對(duì)每幅待測(cè)圖像進(jìn)行統(tǒng)計(jì)分析，提取含有特征參數(shù)的特征向量，將其輸入支持向量機(jī)分類器進(jìn)行分類,能否判定是否含有秘密信息是一個(gè)二分類的問題。很多模式識(shí)別中成熟的方法可被用來進(jìn)行分類，本文采用LIBSVM[5]分類器對(duì)待測(cè)圖像進(jìn)行檢測(cè)，來判定是否含有隱藏信息。
4 實(shí)驗(yàn)與結(jié)果分析
首先，構(gòu)建實(shí)驗(yàn)所用的測(cè)試圖像庫(kù)：從UCID圖像庫(kù)[6]中隨機(jī)選取500幅格式為JPEG的圖像，并統(tǒng)一處理成256×256的大小作為實(shí)驗(yàn)測(cè)試數(shù)據(jù)庫(kù)；其次,每次選取這200幅圖像構(gòu)成實(shí)驗(yàn)用的原始圖像庫(kù),并對(duì)這500幅圖像分別用JSteg[7]、F5[8]、OUTGUESS三種嵌入方法嵌入，嵌入容量分別為最大嵌入比特?cái)?shù)0.25 bpc的20%、40%、60%、80%和100%（每種情況隨機(jī)選 100幅圖像進(jìn)行嵌入）；最后，對(duì)這些圖像進(jìn)行檢測(cè)分類，計(jì)算出每種情況下的檢測(cè)正確率、誤檢率和漏檢率。其中，
其檢測(cè)結(jié)果的統(tǒng)計(jì)數(shù)據(jù)以及與其他方法的結(jié)果比較分別如表1和表2所示。
從表1可以看出，對(duì)以上三種嵌入方法，隨著嵌入容量的增大，檢測(cè)正確率也在增大；對(duì)于不同嵌入方法，當(dāng)嵌入容量達(dá)到一定值(最大嵌入比特?cái)?shù)的40%)時(shí)，本文的方法都能有效地檢測(cè)(檢測(cè)正確率達(dá)到85%以上)。如表2所示，相比于已有的信息隱藏分析方法[9]，本文的方法也具有較高的檢測(cè)正確率，特別是嵌入率較低的情況下也有很好的檢測(cè)效果。總體來說，該算法能夠有效地對(duì)JPEG圖像進(jìn)行檢測(cè)，具有較好的性能。
本文提出了一種基于統(tǒng)計(jì)學(xué)的信息隱藏分析方法，通過利用差分矩陣相關(guān)特征的統(tǒng)計(jì)特性在圖像信息隱藏前后的改變進(jìn)行特征評(píng)估，并對(duì)評(píng)估的數(shù)據(jù)進(jìn)行方差分析，選擇有效的特征組成多維特征向量來建立隱寫分析的系統(tǒng)模型，從而實(shí)現(xiàn)JPEG圖像隱藏信息的盲檢測(cè)。實(shí)驗(yàn)表明，該方法實(shí)現(xiàn)較為簡(jiǎn)便，檢測(cè)效果較好，具有較強(qiáng)的實(shí)用價(jià)值。
參考文獻(xiàn)
[1] TU C, TRAN T D. Context-based entropy coding of block transform coefficients for image compression[J]. IEEE Transactions on Image Processing, 2002,11(11):1271-1283.
[2] XUAN G R, CUI X, SHI Y Q, et al. JPEG steganalysis based on classwise non-principal components analysis and multi-directional markov model[C]. IEEE International Conference on Multimedia and Expo (ICME 2007), Beijing, China, July2-5, 2007.
[3] CHEN C H, SHI Y Q. JPEG image steganalysis utilizing both intrablock and interblock correlations[C]. IEEE International Symposium on Circuits and Systems,2008:3029-3032.
[4] 辛益軍. 方差分析與實(shí)驗(yàn)設(shè)計(jì)[M].北京：中國(guó)財(cái)政經(jīng)濟(jì)出版社, 2001.
[5] CHANG C C, LIN C L. LIBSVM: a library for support Vector Machines[CP].http://www.csie.ntu.edu.tw/-cjlinllibsvm.
[6] SCHAEFER G, STICH M. UCID-an uncompressed color image database[R]. Technical Report, School of Computing and Mathematics, Nottingham Trent University,UK,2003.
[7] UphamD.JPEG-JSteg-V4[CP/OL].(1993-05-25)[2009-l1-02].http//www.funet.fi/pub/crypfstegan~~graphy/jpeg-jstegv4.dif.gz．
[8] WESTFELD A. F5-a steganography algorithm: high capacity despite better steganalysis[C]. Proceedings of 4th Information Hiding International Workshop.Berlin:Springer-Verlag,2001,LNC2137:289-302．
[9] Yu Wenqiong, Li Zhuo, Ping Lingdi. Blind detection for JPEG steganography[C]. Networking and Information Technology(ICNIT), 2010 International Conference on Digital Object Identifier,2010:128-132.