传统LSB图像隐藏算法的优化研究
摘要：信息隐藏技术是信息安全领域的重要组成部分。针对只选最低位的LSB算法会导致隐藏信息量不够大的缺点，提出了优化的LSB算法。该方法在传统的LSB图像隐藏算法的基础上，结合遗传算法，实现秘密信息的自适应嵌入。理论分析和实验表明，这种优化算法不仅具有算法简单、隐蔽性好的特点，还具有隐藏信息容量大、均方根误差小等优点。
本文引用地址：http://www.eepw.com.cn/article/201608/296192.htm引言
近些年来，信息隐藏技术作为一个安全领域的新兴课题已经极大地引起了人们的关注[1-3]。LSB(最低有效位)是信息隐藏技术中最常见的算法，它利用人的视觉系统对图像的微小改动不敏感和图像的最低几个位平面反映的类噪声特性实现隐藏[4]。
近年来，很多专家学者对LSB隐藏进行了深入研究，也出现了许多LSB的改进算法。袁占亭[5]等人基于几何变换的性质，提出了一种可用于图像置乱技术的亚仿射变换，并利用矩阵编码思想改进LSB的嵌入方式;李桂芸[6]等人在传统混沌图像置乱方法的基础上，提出了基于图像向量索引奇偶性的信息隐藏算法;刘红翼[7]等人研究了异或运算的性质，实现了对嵌入的字节秩序修改一位就可在该字节中同时嵌入两位秘密信息。本文就是在此基础上，研究了遗传算法自适应的特点，提出了一种基于LSB图像隐藏的优化算法，同样最多只需修改一位，但与之相比进一步提高了秘密信息的嵌入量，增强了隐蔽性，并能无损还原，有一定的应用价值。
1 对LSB图像隐藏算法的优化
传统的LSB图像隐藏是对最低位嵌入信息，隐藏量小[8-9]。现以遗传算法[10]模型对LSB图像隐藏优化。实现如下：
(1)参数确定
种群规模为图像像素点总数m×n，参数变化范围为8(8个位平面)，由于第0、1、2和3位平面的改变对图像的影响小，最大迭代次数在这里取4。
(2)初始化
在利用自适应遗传算法进行LSB图像隐藏时，由于在最初始时还未嵌入秘密信息，所以初始化时为原始图像的总数m×n的像素点。
(3)适应度函数
种群适应度函数用来评价整个种群个体优劣的尺度，决定了种群个体是否被淘汰。LSB图像隐藏的核心思想是将秘密信息与待嵌入位信息进行比较以实现秘密信息的嵌入。因此，种群适应度函数可表示为：
(1)
式中，bit[i]代表图像载体元素的第0到第4位值，s为秘密信息。
(4)选择操作
在基于自适应遗传算法LSB图像隐藏中，对于每一个像素点，在bit[i]，i从0到4进行遍历选择，若种群适应度函数值为0，则图像信息保持不变，选择该图像元素位值，并将下一个待嵌入的秘密信息与该元素的下一位位值比较，循环上述操作;若种群适应度函数值为1，则进入下面的交叉操作。
(5)交叉操作
为了增大种群的多样性，执行交叉操作，进而组合各种群个体的适应度信息。设完成种群交叉操作的两个体为X1和X2，则交叉后的个体为：
(2)
式(2)中：交叉概率满足
。两父代X1和X2就是式(1)中所提到的图像位信息bit[i]和X2秘密信息s。但是由于算法中采用的是二进制编码，所以此处的r只能取值0或1。且当r取值为1时，就是前面所述的选择操作。当r取值为0时，实质就是将图像该位信息替换为秘密信息s。
(6)变异操作
结合LSB图像隐藏，由于在参数确定时选择的最大迭代次数为4。即当r取值为0时，若已经达到最大迭代次数，则直接进入变异操作，即换下一个像素值点循环操作。即针对公式(2)，当r取值为0时，有下列公式(3)：
(3)
针对基于LSB图像隐藏来说，自适应遗传算法中有几点必须注意，就是只要进行交叉操作之后必然进入变异操作，原因是为了满足最多只修改一位的需求;如果选择操作完成之后，就将该像素点的较高一位与秘密信息进行比较;若选择操作是像素点最高位时完成的，则在选择的同时进入变异操作。
为了简述上述遗传算法自适应的思想，对嵌入的不同条件，将其整个遗传过程总结为表1。
本文提出的基于遗传算法的LSB图像隐藏方法简单，运算量小，嵌入量大。最多可以达到在一个像素点中隐藏4bit秘密信息，但仍满足最多只修改一位的需求，由于并未对像素点位值信息作出改变，所以不会对整体图像造成影响。
2 试验结果与算法性能分析
2.1 试验结果
编写实现上述嵌入算法和提取算法的代码。取256级灰度图像Lenna(256×256)为载体图像，将采集的由信号发生器产生的幅度为0~3V，频率为200Hz的正弦波信号经采样率为20kHz的A/D转换得到的二进制数字信息作为秘密信息，试验结果如图1所示。
图1分别是原始图像、自适应隐藏图像、隐藏1位图像和隐藏2位图像，对比这4幅图，图片差异不明显，这说明自适应隐藏和隐藏1位或2位都达到了很好的隐藏效果。表2分别是待嵌入的二进制信息和自适应隐藏提取之后的信息，从表中可以看出，两者保持很好的一致性，说明秘密信息可以被准确完整地提取出来。试验充分验证了基于LSB图像隐藏优化算法的可行性和正确性。
2.2 算法性能分析
图像隐藏技术的评价指标主要有隐藏容量、不可见性和鲁棒性等。下面从这三个方面进行分析。
(1)隐藏容量：提出的自适应图像隐藏算法从理论上分析可以达到在一个像素点中最多隐藏4bit秘密信息的隐藏容量。自适应隐藏图像、隐藏1位图像和隐藏2位图像三种嵌入算法的隐藏容量的试验结果比较如表3。从表3中可以看出，提出的优化算法在隐藏容量方面具有更大的优势。
(2)不可见性：由图1可以看出，隐藏1位和自适应隐藏之后的结果与原始图像从主观视觉上看差别不大。为评价提出算法的不可见性，将均方根误差(RMSE)和峰值信噪比(PSNR)作为客观标准评价。原始图像C和隐藏后图像S的均方根误差和峰值信噪比计算公式如公式(4)和公式(5)：
(4)
(5)
其中，M和N表示图像的长和宽。RMSE越小说明两幅图越相似。PSNR越大，则图像S的保真度越好，两幅图像越相似。三种算法的RMSE和PSNR的计算结果比较如表3。
由表3中的结果比较之后可以得出，由于隐藏容量的提高， PSNR有轻微的降低。由于要求最多值只修改一位，所以均方根误差RMSE较隐藏2位小一些。故本文提出的LSB优化算法具有较好的不可见性。
(3)抗统计分析特性： LSB图像隐藏是对比像素点的最低有效信息和带嵌入的秘密信息。为了秘密信息更安全地传输，在嵌入之前均会进行加密处理，导致0和1出现的概率近似为1/2。传统的LSB是以秘密信息完全取代载体图像的最低位平面，这与原图像的统计特性相差甚远。优化的LSB由于嵌入位置的随机性，不会出现上述0和1个数相近的情况，所以对载体图像的统计特性影响不大。抗统计分析特性的提高也是鲁棒性提高的一种体现。
图像在传输过程中由于其数据量大的特点，压缩是最常见的，因此，LSB的鲁棒性也应该体现在抗压缩上，在LSB优化算法的同时，结合最常用的压缩算法JPEG进行分析，发现在压缩前后的块差异，根据这一特征，选取在压缩中变化较小的分块，利用优化的LSB来隐藏信息，这将是下一步需要研究的方向。
3 结束语
针对传统LSB图像隐藏算法中只选取最低位导致的隐藏信息量不够大以及易破坏的问题，以遗传算法为模型对LSB图像隐藏算法优化。通过对比载体图像和嵌入信息位，满足对载体图像最多只需修改一位的需求基础上，自适应地实现更多秘密信息的嵌入。本文实现了基于LSB图像隐藏优化算法的隐藏与提取，并与隐藏1位，隐藏2位之后的图像作对比。结果表明，提出的自适应图像隐藏算法明显地提高了嵌入量，最多可以达到在一个像素点中隐藏4位秘密信息。由于算法中嵌入位的确定有较好的随机性，嵌入的秘密信息也较为分散，不可见性和鲁棒性都有一定的提高。且具有方法简单、运算量小、均方根误差小等优点。这在大容量隐藏信息等领域有广泛的应用。
参考文献：
[1]王君,田玉敏,李春霞. 一种改进的图像自适应信息隐藏算法[J]. 计算机应用研究,2005,05:145-147.
[2]叶天语. 基于图像LSB的秘密信息隐藏技术[J]. 计算机与现代化,2005,11:32-35.
[3]周熠,吴桂华. 数字图像水印技术的研究与发展[J]. 计算机测量与控制,2004,04:387-389.
[4]靳战鹏,沈绪榜. 基于位平面的LSB图像隐藏算法分析及改进[J]. 计算机应用,2005,11:2541-2543.
[5]袁占亭,张秋余,刘洪国,等. 一种改进的LSB数字图像隐藏算法[J]. 计算机应用研究,2009,01:372-374.
[6]李桂芸,邓桂英,赵逢禹. 一种基于LSB图像信息隐藏的改进算法[J]. 计算机系统应用,2012,04:156-160.
[7]刘红翼,王继军,韦月琼,等. 一种基于LSB的数字图像信息隐藏算法[J]. 计算机科学,2008,01:100-102.
[8]魏佳圆,周诠. 一种基于LSB的图像信息隐藏算法[J]. 现代电子技术,2013,17:75-77.
[9]邹娟,贾世杰. 基于LSB图像隐藏系统的设计与实现[J]. 计算机技术与发展,2007,05:114-116.
[10]潘烨炀,郭洁,张林颖,等. 基于自适应遗传算法的优化布站方法研究[J]. 国外电子测量技术,2013,06:62-64.
本文来源于中国科技期刊《电子产品世界》2016年第8期第61页，欢迎您写论文时引用，并注明出处。
评论