信息隐藏基础总结

哈工大《信息隐藏基础》总复习。

第二章 - 感知影响的估计以及感知模型

2.1

质量和保真度的相同点和不同点是什么?

两者都是用来【度量图像的感知可见性】。

  • 保真度(Fidelity):信号处理前后的相似度。
  • 质量(Quality):对图片或音频直观上的绝对评价。(看起来好或坏)

保真度高,可能处理前后都是质量低的。

2.2

主观测试的具体步骤是什么?

  1. 准备

    在正式测试之前,评价员将被告知测试的目的和方法,并被要求依照图像检索的场景来熟悉和理解规定的评分等级。

  2. 训练

    • 示例程序被用来让评价员熟悉测试程序的流程
    • 在示例程序中,5个不同的参考图和5个不同强度攻击的目标图被按照正式测试的逻辑呈现,并要求评价员按照正式测试来给出评分
    • 评价员在示例程序中的评分不计入最终的测试结果,但可以用来确认他对试验的目的和方法有了正确的认识
    • 在示例程序中出现的参考图不会在正式测试中出现。
  3. 哑元测试

    • 在训练结束之后,评价员被告知进入正式测试
    • 但事实上,最初几个测试结果作为哑元测试,其结果并不被程序记录,只是为了让评价员适应测试的环境。
  4. 正式测试

  5. 评分

2.3

视觉测量的最主要特性是什么?

频率敏感度和亮度敏感度。

人类听视觉系统对于某一输入信号的响应依赖于信号的频率。对于听觉来说,不同频率的信号会被感知成不同的音调。对于视觉来说,存在三种形式的频率响应:

  1. 空间频率
  2. 谱频率
  3. 时间频率

人眼对于亮度越高的信号越不敏感。

2.4

人们对红绿蓝三种颜色中的哪种颜色最敏感?

谱频率被感知为色彩。人眼对于彩色的感知,其最低一级是由三个单独的颜色通道组成的。蓝色通道明显要比其余两个通道低。

敏感程度:G > R > B,绿色最敏感

2.5

什么是掩蔽效应?

当一个纹理被加到一幅纹理复杂的图像中时它就有可能很难被发现。

2.6

建立Wotson模型的目的什么?

用来测量视觉逼真度,评价含噪声图像的感知效果,远远优于 PSNR。

第三章 - 数字隐写技术

3.1

信息加密和信息隐藏是保障信息安全传输的两大手段,其主要区别是什么?

  • 信息加密:保护内容,不保护行为,现代密码学可以保证。
  • 信息隐藏:信息隐蔽存在,行为也需要隐蔽,隐藏的信息容量有限。信息隐藏包括信息隐写和数字水印。

3.2

BMP图像文件的基本结构分为哪几个部分?各部分功能是什么?

从上到下依次有四个部分:

  • 位图文件头:文件类型、文件大小、偏移字节
  • 位图信息头:长、宽、高,以及颜色位数值等信息
  • 彩色表:可选,真彩色图(24位BMP)不需要调色板。
  • 位图数据:24位图直接用RGB,其他用调色板索引。

3.3

解释位平面。

图像的每个像素通道占用8bit,将每个像素通道的特定位抽取出来,形成8个二值平面图像,称为位平面。

3.4

LSB隐写方法的规则是什么?

秘密信息 -> 比特流 -> 加密/置乱,接下来进行嵌入:

  1. 如果秘密信息与最低比特位相同,则不改动
  2. 如果秘密信息与最低比特位不同,则使用秘密信息值代替最低比特位

3.5

LSB隐写方法的优缺点是什么?

优点:

  1. 简单而又有效
  2. 容量大
  3. 对载体图像质量影响小
  4. 嵌入速度快

缺点:

抗分析能力弱。

3.6

LSB隐写方法的评价指标是什么?

  • PSNR(峰值信噪比)
  • 嵌入容量(M×NM \times N
  • 嵌入率(18\frac{1}{8}
  • 安全性

第四章 - 面向 JPEG 压缩的隐写方法

4.1

JPEG图像与BMP图像相比较的优缺点是什么?

JPEG 存储空间小、需要处理,BMP 质量好。

4.2

DCT变换前图像进行哪些预处理,目的是什么?

  1. 分块:只有比较小的邻域内的像素有比较高的相关性,相距远的话,其相关性就大大下降。
  2. 将 RGB 转换为 YCbCr:把重要的信息和不重要的信息分开。对于人眼来说,图像中明暗的变化更容易被感知到,这是由于人眼的构造引起的。

4.3

JPEG压缩分为哪几个步骤?哪些位置适合隐写,为什么?

  1. 分块
  2. 转换为 YCbCr
  3. 正向 DCT 变换
  4. 量化
  5. 熵编码

因为隐写不能够抗噪声,一个比特也不能损毁,所以只能在『熵编码』这里做隐写。

4.4

JPEG压缩过程中使用DCT变换的目的是什么?

通过 DCT 变换,将空域转换为频域,只需要用较少的数据就可以表示空域中的大量数据,从而达到数据压缩的目的。对图像进行DCT变换后,图像重要的可视信息都集中在了中低频部分。

4.5

相比于Jsteg隐写F3隐写算法进行了哪些方面的改进?

Jsteg隐写是将秘密信息嵌入在量化后的DCT系数的LSB上,但原始值为(-1,0,+1)的DCT系数除外。

F3隐写对于非0的DCT数据用于隐藏1比特秘密信息,为0的DCT系数不负载秘密信息。(隐写数量增加)

当原始值为+1或-1时,且预嵌入秘密信息为0时,将这个位置规0并视为无效,在下一个DCT系数上重新嵌入。

4.6

计算使用Jsteg算法和F3算法嵌入秘密信息后的DCT系数。

(9701100003240000021000000)\begin{pmatrix} 97 & 0 & -1 & -1 & 0 & 0 & 0 & 0 \\ -3 & -2 & 4 & 0 & 0 & 0 & 0 & 0 \\ -2 & -1 & 0 & 0 & 0 & 0 & 0 & 0 \\ \cdots \end{pmatrix}

秘密信息:0, 0, 1, 1, 0

Jsteg:

  1. 0: 97 -> 96
  2. 0: -3 -> -2
  3. 1: -2 -> -3
  4. 1: 4 -> 5
  5. 0: -2 -> -2

(9601100002350000021000000)\begin{pmatrix} 96 & 0 & -1 & -1 & 0 & 0 & 0 & 0 \\ -2 & -3 & 5 & 0 & 0 & 0 & 0 & 0 \\ -2 & -1 & 0 & 0 & 0 & 0 & 0 & 0 \\ \cdots \end{pmatrix}

F3:

  1. 0: 97 -> 96
  2. 0: -1 -> 0, -1 -> 0, -3 -> -2
  3. 1: -2 -> -3
  4. 1: 4 -> 5
  5. 0: -2 -> -2

(9600000002350000021000000)\begin{pmatrix} 96 & 0 & 0 & 0 & 0 & 0 & 0 & 0 \\ -2 & -3 & 5 & 0 & 0 & 0 & 0 & 0 \\ -2 & -1 & 0 & 0 & 0 & 0 & 0 & 0 \\ \cdots \end{pmatrix}

第六章 - 数字图像隐写技术

6.1

基于视觉特性的隐写技术优点是什么?

提高信息隐藏的隐蔽性,增加信息嵌入率。在视觉不敏感的区域可嵌入的信息多。

6.2

如何评价图像块的复杂度?

所有相邻像素对中取值不同的像素对数目,最多为:

CmaxC_{max} = 7(每行7对) * 8(共8行) * 2(行、列均考虑) = 112

6.3

为什么要将秘密信息进行共轭处理?

共轭处理即将秘密信息构成的块与棋盘状小块做异或,这样可以增加复杂度。

a<0.5a<0.5,如果原来的复杂度小于 aCmaxaC_{max},经过共轭处理之后复杂度变为 (1a)Cmax(1-a)C_{max},满足大于 aCmaxaC_{max} 的条件,适合进行隐写。

6.4

阐述BPCS隐写算法过程。

  1. 分块(8×88\times 8
  2. 计算每个小块的复杂度(CC
  3. 将复杂度大于 aCmax,a<0.5aC_{max}, a < 0.5 的平面块用于负载秘密信息
  4. 将秘密信息构成同样大小的块,如果秘密信息的复杂度小于 aCmaxaC_{max},则做共轭处理之后再替换
  5. 记录下经过共轭处理的小块信息(位置、位平面)

6.5

使用PVD方法实现隐写:

秘密信息:1 1 1 0 1 0 1
像素值:(105,113,118,101)

  1. 记录小块中像素灰度差值

    d=pi+1pi=113105=8d = p_{i+1}-p_i=113-105=8

  2. 将亮度范围分成 KK 个区域,每个区域的宽度都是 2 的整数幂。

    [0,7],[8,15],[16,31],[32,63],[64,127],[128,255][0,7],[8,15],[16,31],[32,63],[64,127],[128,255]

  3. 记每个区域的下界、上界和宽度为 lk,uk,wkl_k, u_k, w_k

  4. 如果 d|d| 落在区域 RkR_k 中,则这个小块中嵌入 log2wk\log_2 w_k 个秘密信息比特。

    d=8[8,15]d=8 \in [8, 15],在这个小块中嵌入 log28=3\log_2 8 = 3,嵌如 1, 1, 1。

  5. log2wk\log_2 w_k 个秘密信息比特转化为十进制 bb,并计算。

    b=1112=7b = 111_2 = 7

    因为 d>0d > 0,所有 d=lk+b=8+7=15d' = l_k+b=8+7=15

  6. 嵌入计算

    d%2=0d \% 2 = 0

    rc=1582=4,rf=1582=3r_c = \lceil \frac{15-8}{2} \rceil = 4, r_f = \lfloor \frac{15-8}{2}=3 \rfloor

    (pi,pi+1)=(pirf,pi+1+rc)=(1053,113+4)=(102,117)(p'_i, p'_{i+1}) = (p_i - r_f, p_{i+1}+r_c) = (105-3, 113+4) = (102, 117)

提取步骤:

d=117102=15d' = 117-102=15

d[8,15]d' \in [8, 15]

b=dlk=158=7b = |d'| - l_k = 15 - 8 = 7

log28=3\log_2 8 = 3 位秘密信息,为 1112111_2

再来一遍:

d=101118=17[16,31]log216=401014=5d=(lk+b)=(16+5)=21d%2=1rc=21(17)2=2,rf=21(17)2=2(pi,pi+1)=(pirc,pi+1+rf)=(118(2),101+(2))=(120,99)d = 101 - 118 = -17 \\ [16, 31] \\ \log_2 16 = 4 位秘密信息 \\ 0101_4 = 5 \\ d' = -(l_k + b) = -(16 + 5) = -21 \\ d\%2 = 1 \\ r_c = \lceil \frac{-21-(-17)}{2} \rceil = -2, r_f = \lfloor \frac{-21-(-17)}{2} \rfloor = -2 \\ (p'_i, p'_{i+1}) = (p_i - r_c, p_{i+1}+r_f) = (118-(-2), 101+(-2)) = (120, 99) \\

提取步骤:

d=99120=21[16,31]b=dlk=2116=5log216=401012d' = 99 - 120 = -21 \in [16, 31] \\ b = |d'| - l_k = 21 - 16 = 5 \\ \log_2 16 = 4 位秘密信息,为 0101_2 \\

第七章 - 隐写分析技术

7.1

隐写分析的目的是什么?

判定一幅图像是否含有隐蔽信息。

7.2

使用卡方检验进行LSB隐写分析的原理是什么?

将图像分为 hi,i[0,255]h_i, i \in [0, 255] 表示图中灰度值为 ii 的像素数,因为嵌入规则里面 0, 1 比特的概率各为 50%50\%,如果秘密信息完全替代了最低位平面,则 h2i,h2i+1h_{2i}, h_{2i+1} 的值会比较接近。如果图像未经密写,hi,h2i+1h_i, h_{2i+1} 的值会相差较远。我们用 χ2\chi^2 分布来检验两者的相似程度。

7.3

什么是正向翻转,负向翻转和0翻转?

正向反转 F1F_1

2i <-> 2i+1

负向反转 F1F_{-1}

2i-1 <-> 2i

0 翻转 F0F_0

不变

7.4

描述RS隐写分析过程,阐述其原理。

  1. 分块

  2. 对每块进行非负、非正翻转

  3. 计算每块图像的像素相关性是否增加

    f=xZxixi1f = \sum_{x 按照 Z 排序 } |x_i - x_{i-1}|

  4. 将非负翻转后像素相关性增加的图像块的比例记为 RmR_m,相关性减小的图像的比例记为 SmS_m

  5. 将非正翻转后像素相关性增加的图像块的比例记为 RmR_{-m},相关性减小的图像的比例记为 SmS_{-m}

没有经过 LSB 密写:

RmRmSmSmR_m \approx R_{-m} \\ S_m \approx S_{-m}

并且:

Rm>SmRm>SmR_m > S_m \\ R_{-m} > S_{-m}

但是如果经过密写(相当于非负翻转),那么再进行一次非负翻转,增加的混乱程度会明显小于非正翻转的情况。

7.5

怎样判断DCT系数直方图是否改变?

  1. 未隐写时,DCT 系数服从 Laplace 分布
  2. 隐写之后,DCT 系数不再服从 Laplace 分布,利用分布拟合,给定置信区间,判断是否符合 Laplace 分布。

第八章 - 抗隐写分析的 LSB 和 JPEG 隐写

8.1

直方图补偿法原理。

通过在隐写后的图像中进行额外的操作,将隐写引起的直方图失真补偿回来。主要补偿方式是通过调整未嵌入秘密信息的像素值。

假设原始图像中 f2i>f2i+1f_{2i} > f_{2i+1},要求如下:

f2i+1f_{2i+1} 中未嵌入的像素来补偿 f2if_{2i} 中所有嵌入成 f2i+1f_{2i+1} 的像素:

(1α)f2i+1α2(f2if2i+1)(1-\alpha)f_{2i+1} \ge \frac{\alpha}{2}(f_{2i} - f_{2i+1})

步骤如下:

  1. 统计原始图像的灰度直方图,确定 f2i,f2i+1f_{2i}, f_{2i+1}
  2. 计算秘密信息隐藏率 α\alpha
  3. 将所有的像素值排成一个向量,长度为 ll
  4. 秘密信息嵌入到 α×l\lfloor \alpha \times l \rfloor 为止
  5. 如果 f2if_{2i} 变大,将 α×l+1\lfloor \alpha \times l \rfloor + 1 之后的像素中的值为 2i2i 的像素变为 2i+1,尽可能保持直方图不发生变化;反之类似。

8.2

直方图补偿法中怎样计算秘密信息嵌入率?

α2f2i+1f2i+f2i+1\alpha \le \frac{2f_{2i+1}}{f_{2i}+f_{2i+1}}

8.3

随机翻转嵌入法的原理。

对 LSB 方法进行修改,在嵌入数据时不但可将 2i2i+12i \leftrightarrow 2i+1,还可以将 2i2i12i \leftrightarrow 2i-1

秘密信息 wwx(i,j)x(i, j) 最后一位比较,相同无需改变,不相同,做如下改变:

20190622140448

TTx(i,j)x(i, j) 处于边界时无法计算,这是可以采用其他方法给边界插值,特殊情况,对总体的影响不大。

这在进行 RS 隐写分析时,正负翻转都会增加混乱程度。

8.4

随机翻转嵌入法怎样处理边界溢出问题?

  • 255 翻转只能变成 254
  • 0 翻转只能变成 1

8.5

F5 隐写算法使用了哪两种重要方法,其目的是什么?

  • 混洗技术:使秘密信息分布在整幅图像中
  • 矩阵编码:是为了提高嵌入效率。

8.6

F5 隐写后图像的哪种统计特性发生了变化?

  • 块边界的不连续性增加,kk 越小,现象越明显。

8.7

使用 F5 隐写算法进行秘密信息嵌入,计算嵌入信息后的像素值。

关键是构造等式使得 x1,x2,x3x_1, x_2, x_3(待嵌入秘密信息) 相互之间各有一个相同的载体数据(aa),可以采用这样的构造方法(需要 2k1=72^k-1=7 个载体像素):

x1=a1a4a5a7x2=a2a4a6a7x3=a3a5a6a7x_1 = a_1 \oplus a_4 \oplus a_5 \oplus a_7 \\ x_2 = a_2 \oplus a_4 \oplus a_6 \oplus a_7 \\ x_3 = a_3 \oplus a_5 \oplus a_6 \oplus a_7 \\

现在:

x1,x2,x3=1,0,1a1,,a7=13,17,16,16,19,21,20=1,1,0,0,1,1,0\begin{aligned} x_1, x_2, x_3 &= 1, 0, 1 \\ a_1, \cdots, a_7 &= 13, 17, 16, 16, 19, 21, 20 = 1, 1, 0, 0, 1, 1, 0 \end{aligned}

验证等式分别是:

110100=1010101101 \neq 1 \oplus 0 \oplus 1 \oplus 0 \\ 0 = 1 \oplus 0 \oplus 1 \oplus 0 \\ 1 \neq 0 \oplus 1 \oplus 1 \oplus 0 \\

所以只需要修改影响 x1,x3x_1, x_3 而不影响 x2x_2 的像素值的像素值,就是修改 a5a_51818

第九章 - 调色板图像隐写

9.1

描述调色板图像的结构及应用领域。

  1. 不超过 256 种颜色的调色板,定义每种颜色的 RGB 各颜色分量值。
  2. 图像内容,其中每个像素是一个不超过 88 位的索引值,指向调色板中的对应颜色。

格式一般为 GIF 和 PNG。应用领域为测绘卫星、气象卫星,因为这些图比较小。

9.2

对于颜色数量为M的调色板图像Gifshuffle算法可容纳多少信息?

log2(M!)\lfloor \log_2(M!) \rfloor 位秘密信息。

9.3

描述Gifshuffle算法的过程。

  1. 将真实颜色进行排序
  2. 秘密信息变为十进制:1010101010 \to 10
  3. 查询密码本对应的序列:1010 对应的序列为 1,3,2,41, 3, 2, 4
  4. 改变图像内容中索引顺序为 1,3,2,41, 3, 2, 4

9.4

使用EZStego算法为什么要将亮度依次排序?

为了使图像亮度的改动最小化。

9.5

描述EZStego算法过程。

  1. 将调色板的颜色亮度 (Y)依次排序
  2. 为每个颜色分配一个亮度序号,然后用奇数序号表示嵌入秘密比特11,用偶数序号表示嵌入秘密比特 00
  3. 将调色板图像像素内容(索引值)使用 LSB 隐写代替,改为新的亮度序号所对应的的索引值。

9.6

描述调色板图像隐写分析原理。

(对于EZStego算法)

将调色板的颜色值进行这样的运算:

  • [0,20)0[0, 20) \to 0
  • [20,40)20[20, 40) \to 20
  • [40,60)40[40, 60) \to 40
  • \cdots

对于没有隐写的图像,因为图像中突变比较少,所以相近的区域归一到同一个值,纹理基本不变。对于隐写了的图像,因为突变比较多,所以相近的区域有较大的可能归一到不同的区域,从而使纹理消失。

20190622204322

9.7

使用EZStego算法完成以下的隐写:

20190622204404

按照 LSB 进行隐写即可,注意看的不是索引值,而是被分配的编号的最低位。

第十章 - 数字水印技术

10.1

数字水印主要应用在哪些领域,其目的是什么?

版权保护:

  • 所有者鉴别
  • 所有权验证
  • 操作跟踪
  • 拷贝控制

内容认证:

  • 完整性认证
  • 篡改监测

10.2

水印扩频的目的是什么?扩频有哪几种方式?

目的:提高水印的鲁棒性(随机性、不含纹理、类似噪声)。

方式:基于片率(按位扩展、延拓扩展、随机扩展)、基于伪随机序列。

10.3

描述水印嵌入过程,并给出各项名称

X=X+(αbλs)ωX' = X + (\alpha b - \lambda s')\omega

  • XX': 含水印图像
  • XX: 原始图像
  • α\alpha: 嵌入强度
  • bb: 水印信息
  • λ\lambda: 常数,值为 11
  • ss': 原始图像与扩频序列的相关性
  • ω\omega: 扩频序列

相关性的计算方法:

s=1Ni=1NXiωis' = \frac{1}{N}\sum_{i=1}^N X_i \omega_i

例子:原始图像像素值如下:

20190622211857

  • 水印信息:1,1,1,1-1, 1, -1, 1
  • 扩频序列:11,1,1,1;11,1,1,11 \to 1, -1, -1, 1; -1 \to -1, 1, 1, -1
  • 扩频水印:(自己扩一下)

来看一下第一位水印 1-1,扩频水印为 1,1,1,1-1, 1, 1, -1,首先计算相关度:

s=14(1×139+1×144+1×149+(1)×153)=14\begin{aligned} s' &= \frac{1}{4}(-1\times 139 +1\times 144 + 1 \times 149 + (-1) \times 153) \\ &= \frac{1}{4} \end{aligned}

然后计算嵌入水印后的图像像素:

X=X+(αbλs)ω=(139,144,149,153)+(1,1,1,1)×(4×(1)1×14)=(139,144,149,153)+(4.25,4.25,4.25,4.25)=(143.25,139.75,144.75,157.25)=(143,140,145,157)\begin{aligned} X' &= X + (\alpha b - \lambda s')\omega \\ &= (139, 144, 149, 153) + (-1, 1, 1, -1) \times (4 \times (-1) - 1 \times \frac{1}{4}) \\ &= (139, 144, 149, 153) + (4.25, -4.25, -4.25, 4.25) \\ &= (143.25, 139.75, 144.75, 157.25) \\ &= (143, 140, 145, 157) \end{aligned}

10.4

水印提取的原理是什么?

提取的原理是根据下面的等式:

cor(X,ω)=αbcor(X', \omega) = \alpha b

还是上面的例子,计算:

αb=cor(X,ω)=14(143,140,145,157)(1,1,1,1)=14×(15)=4\begin{aligned} \alpha b &= cor(X', \omega) \\ &= \frac{1}{4} (143, 140, 145, 157) \cdot (-1, 1, 1, -1) \\ &= \frac{1}{4} \times (-15) \\ &= -4 \end{aligned}

因为 α=4\alpha = 4,所以水印信息为 4/4=1-4/4 = -1

第十一章 - 空域数字图像鲁棒水印

11.1

空域数字图像鲁棒水印技术主要基于图像的哪种不变特征进行的?

不同灰度级的像素个数多少的比例不变性。(整体上)

11.2

算法中使用低通滤波(高斯滤波)的目的是什么?

图像的低频部分更具鲁棒性。

11.3

算法中怎样保证水印的安全性?

  • IlowI_{low}:宿主图像的低频部分
  • HH:不同灰度级下的像素个数

增加安全性:仅选择 MM 个灰度级的像素来嵌入水印,其中 M<256M < 256

11.4

描述空域数字图像鲁棒水印技术过程。

  1. 高斯滤波
  2. 抽取直方图,如上一题所述。
  3. 像素分组,将 LGL_G 个相邻灰度级下的像素分到同一个分组中,这样我们就会得到 MG=M/LGM_G = \lfloor M/L_G \rfloor 个像素分组。第 ii 个分组中有 hG(i)h_G(i) 个像素。每组分为B1B_1B2B_2两部分。
  4. 水印嵌入,修改 Bin1,Bin2 中的像素,将 Bin1 中的像素落入 Bin2 中的灰度值,或者 Bin2 中的像素落入到 Bin1 中的灰度值,从而使得 hB1(i)hB2(i)=λ\frac{h'_{B1}(i)}{h'_{B2}(i)} = \lambda(嵌入 11 的话是 λ\lambda001λ\frac{1}{\lambda}

11.5

数字图像可逆水印的目的是什么?

提取水印之后,原始图像还能够被恢复。军事、司法和医学用图像要求在加入水印后能够被无损恢复。可逆水印又称为无损水印。

11.6

描述基于直方图平移的数字图像可逆水印过程。

嵌入:

  1. 判断像素值的峰值点(61)和零点(64,必须有零点,不然无法弄)
  2. 将峰值点与零点的像素平移成相邻位置(6364,626363 \to 64, 62 \to 63
  3. 向峰值像素值中嵌入水印信息,11 不变,00 变为零点值(616261 \to 62)。

20190622225204

提取:

  1. 从像素值为 61616262 的像素值之中提取水印,看到 6161 提取水印 11,看到 6262 提取水印 00,同时将 6262 变为 6161
  2. 平移修改的像素 6362,646363 \to 62, 64 \to 63

11.7

数字水印鲁棒性的目的是什么?

防止水印信息被破坏。

11.8

图像插值有哪几种方式?

  1. 最近邻插值法
  2. 双线性插值法
  3. 双三插值法

11.9

基于DFT变换域水印的优点是什么?

具有较好的几何性质,经过处理,不变性好。

也有缺点:

运算麻烦,自适应效果不好。

11.10

描述DFT变换域水印嵌入过程。

  1. 图像分块

  2. 对每个分块进行 DFT 变换

    20190622221857

  3. 可以通过适当修改 DFTDFT 参数的幅度 Xuv|X_{uv}| 进行水印嵌入。

    修改幅度满足对称条件:

    20190622221451

第十二章 - DWT(小波) 变换域数字水印嵌入技术

12.1

小波变换相比于傅里叶变换的优点是什么?

小波变换对于分析瞬时时变信号非常有用。它有效地从信号中提取信息,能够伸缩、平移而对函数或信号进行多尺度细化分析,解决了傅里叶变换不能解决的诸多困难问题。

12.2

描述基于量化的鲁棒水印生成方法?

  1. 将灰度值分为两个区间:比如区间 1 为 [0,128][0, 128],区间 2 为 [129,255][129, 255],分别对应水印 00 和 水印 11

  2. 根据水印和像素值,根据水印信息变为对应区间中的一个随机值,计算含水印像素值

    • 水印:[0,1,0,1][0, 1, 0, 1]
    • 像素值:[190,12,66,200][190, 12, 66, 200]
    • 含水印像素值:[64,192,63,190][64, 192, 63, 190]

这只是一个概念,由于变化较大,实际上不会用这种形式的区间。

参考资料

  1. 《信息隐藏基础》课件
文章作者: upupming
文章链接: https://blog.upupming.site/2019/06/23/info-hide/
版权声明: 本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 upupming 的博客