图像稀疏表示在统计不可检测安全隐写中的应用研究

隐写是在载体信号（语音，图像）中嵌入秘密信息使其不被外界攻击和检测的新型技术。在军事、情报、国家安全具有重大意义，对民用领域也有广泛应用前景。目前绝大多数以图像为载体信号的隐写算法仅仅能抵抗个别几种统计特征上的攻击，如直方图等。对同时抵抗多个统计特征的攻击缺乏有效的策略。本项目针对抵抗多个统计特征的问题，提出利用不同图像语义分量的特点，分别建立不同的语义字典，设计其不同的原子，对图像进行稀疏表示，在图像稀疏的理论框架下，合理分配嵌入信息于不同的语义分量上，使载体图像统计特性改变最小。在防攻击上，组合多个盲攻击算法使用的特征为一个整体来训练分类器，对设计的全新的基于图像稀疏表示的隐写方法进行攻击，不断对提出方法进行修正，达到基于多个统计特征的攻击对含密图像的不可检测。通过本课题的研究，希望找到图像语义分量统计不可检测的区域整体描述或原型，发展和完善抵抗盲检测的图像隐写的策略。

图像稀疏表示是近几年来的信号处理与图像处理领域的研究热点和难点之一。该项采用图像稀疏表示研究了统计不可检测安全隐写以下几个方面：（1）多个冗余字典的建立方法，探讨了冗余字典对隐写安全性的影响；（2）图像分解稀疏系数的唯一性，研究了多成分学习冗余字典的分解路径与稀疏系数之间的关系；（3）嵌入信息量与图像语义分量的分配，研究了图像语义分量与稀疏系数之间的对应关系；（4）隐写安全性的研究，探讨了多个盲攻击算法使用的特征为一个整体，使用自适应超图学习算法来训练分类器；. 结果表明：当多成分字典用于稀疏域隐写术，并不是多成分字典包含越多的子字典就越能提高隐写方法的性能。相反，随着多成分字典包含子字典的增加，隐写的嵌入容量和抗检测性能会下降。当多成分冗余学习字典用于稀疏域隐写时，我们得到了更加准确的图像语义分量，将秘密信息嵌入到图像语义分量，增强了基于图像稀疏表示的隐写系统的抗攻击性能；用多成分学习冗余二值字典对图像进行分解时，可以得到一种分解路径，按照该路径嵌入信息，在提取信息时，用相同的多成分学习冗余二值字典对含密图像进行稀疏分解，可以得到相同的路径，确保稀疏系数分解的唯一性；构造平滑区域与纹理区域的综合学习冗余字典，能正确区分图像的语义分量，将信息嵌入到语义复杂的区域，不但能提升隐写算法的嵌入容量，而且抗攻击性能优于已有的隐写算法；组合了几种攻击算法使用的特征为一个整体，用自适应超图学习分类器，得到了一种能抵抗上述几种攻击的隐写算法，但嵌入容量略低于抵抗单种攻击的隐写算法。该结果为图像稀疏表示在抵抗统计不可检测安全隐写中的应用提供了一种新的设计思想和理论依据。