基于最小值滤波与感知哈希算法的图像隐写算法
Qian Liu1, Qingguang Li1,2* 1School of Computer, Electronics and Information, Guangxi University, Nanning Guangxi 2Guangxi Key Laboratory of Multimedia Communications and Network Technology, Nanning Guangxi
*通讯作者。
文章引用: 刘骞, 李清光. 基于最小值滤波与感知哈希算法的图像隐写算法[J]. 计算机科学与应用, 2020, 10(4): 749-759. DOI: 10.12677/csa.日期：2020年4月2日；录用日期：2020年4月17日；发布日期：2020年4月24日
因此，为了能有效改变秘密信息嵌入时像素修改方式，我们提出了一种新的基于最小值滤波和感知 哈希算法的图像隐写算法。新算法在 MiPOD 算法的基础上，使用最小值滤波筛选需要同向修改的区域， 在此区域中修改的方向是一致的。此外，我们利用哈希感知算法比较图像的各个区域，相似区域则使用 相同的修改方向。两种方法的结合能够使算法更准确地找出需要同向修改的区域，使算法满足修改聚集 原则，进而提升算法安全性能。实验证明，我们提出的新算法比现在的主流算法具有更好的性能。
(3). 修改聚集原则。秘密信息的嵌入区域应该尽量聚集在一起，使得像素的修改尽可能集中。由于 载体图像在修改聚集后的 SPAM (Subtractive Pixel Adjacency Matrix) [11]特征的 MMD (Maximum Mean Miscrepancy) [12]距离明显小于修改分散的距离，因此修改聚集能更好地保持载体图像的自然统计特性， 使隐写图像更接近自然图像，提升安全性。Zheng [13]所设计的算法就很好地利用了这一原则，利用最大 值滤波将隐写区域集中，使秘密信息的嵌入更加集中，隐写安全性得到提升。CMD (Clustering Modification Directions) [14]则拓展了修改聚集原则。提出了聚集修改方向的新策略，认为除了修改区域集中外，相邻 像素的修改方向也应该同向，并用实验证明了有效性。
Computer Science and Application 计算机科学与应用, 2020, 10(4), 749-759 Published Online April 2020 in Hans. /journal/csa https:///10.12677/csa.2020.104078
修正相似区域的修改方式。将载体图像切割为若干个小块，使用感知哈希算法[16]计算小块之间的相 似度，若不同小块之间相似，则赋予两个相似小块相同的修改方式。
2.1. 算法基本原理
MiPOD 算法中用以度量像素修改代价的是通过概率模型建模得到的 Fisher 信息[17]矩阵。载体图像 像素的 Fisher 信息越小，表明此像素处于的纹理区域越复杂，并且拥有较小的修改代价，在此像素嵌入 秘密信息的安全性较高。反之亦然。所以 Fisher 信息矩阵能够近似表征载体图像的纹理复杂程度。
2. 算法
由于本文算法是在 MiPOD 算法基础上改进的，加入了修改聚集功能，因此本文算法命名为 “MiPOD-Cluster”。本文算法(MiPOD-Cluster)主要的改进包括两大步骤：
聚集区域与修改方式选择。使用最小值滤波处理修改代价矩阵，代价矩阵会出现局部数值相等的情 况，数值相等的局部区域就是修改的聚集区域。并将数值相等的局部区域内数值对应的像素修改方向作 为整个局部的修改方向。
2.1.1. 最小值滤波原理 在实际图像隐写中，由于 Fisher 信息较小的像素通常处于载体图像纹理复杂的区域中，安全性较高，
因此 MiPOD 一般在 Fisher 信息较小的像素上嵌入秘密信息。这意味着在载体图像中，这些 Fisher 信息较
摘要
现有图像隐写算法没有很好地应用修改聚集原则，导致隐写算法的安全性仍然不够理想。经典隐写算法 MiPOD (Minimizing the Power of Optimal Detector)拥有较高的安全性，但它使用随机修改方向的方式 对像素进行修改，不符合修改聚集原则。为了提升隐写算法的安全性，在MiPOD的基础上，本文使用最 小值滤波将代价矩阵局部区域内最小值的修改方式赋予整个局部，实现局部修改聚集；此外使用感知哈 希算法寻找图像中相似的部分，赋予相似区域相同的修改方向，以达到整体修改聚集的目的。实验结果 表明，本文算法相较于MiPOD，抵抗SRM特征的检错率平均提升了0.72%，抵抗maxSRM特征的检错率 平均提升了0.61%。
Keywords
Clustering Rule, Minimum Filter, Perceptual Hash, Image Steganography
基于最小值滤波与感知哈希算法的 图像隐写算法
刘 骞1，李清光1,2* 1广西大学计算机与电子信息学院，广西，南宁 2广西多媒体通信与网络技术重点实验室，广西 南宁
Received: Apr. 2nd, 2020; accepted: Apr. 17th, 2020; published: Apr. 24th, 2020
Abstract
Now the image steganography algorithm does not apply the clustering rule very well. It leads to the security of steganography algorithm that is still not ideal. MiPOD (Minimizing the Power of Optimal Detector) is a classical steganography algorithm, which has a high security. But it uses the method of randomly changing the direction to modify the pixels, which does not conform to the clustering rule. In order to improve the security of the steganography algorithm, our algorithm which base on MiPOD uses the minimum filter, the pixel changed method corresponding to the minimum value in the local area of the cost matrix is given to the whole local area. It can realize local clustering. In addition, the perceptual hash algorithm is used to find the similar parts of the image, and the similar regions are given the same changed direction. It can realize overall clustering. Comparing with the MiPOD, the testing error rate of SRM is improved by 0.72%, and that of maxSRMd2 is improved by 0.61%.
关键词
修改聚集，最小值滤波，感知哈希，图像隐写
Copyright © 2020 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). /licenses/by/4.0/
Open Access
1. 引言
图像隐写术是信息隐藏的一个重要分支，它在尽量不改变图像统计规律的前提下，嵌入秘密信息， 外人难以察觉图像差异，从而达到隐藏秘密信息的目的[1]。
当前图像隐写算法的设计有三大原则[2]： (1). 复杂度优先。在复杂度优先原则指导下，秘密信息应优先嵌入至图像纹理复杂的区域。图像隐 写算法一般用像素修改代价来衡量图像的纹理复杂程度，处于图像纹理复杂区域的像素赋予较小的修改 代价，这是因为图像纹理复杂区域难以建模与统计，在该区域进行修改难以被检测，有益于掩盖因载体 图像像素修改带来的影响，而处于图像纹理平滑区域的像素赋予较大的隐写代价。因此需要设计一个合 适的失真函数以度量图像各个区域的纹理复杂程度与像素修改所造成的修改代价，如 ASDL-GAN (Automatic Steganographic Distortion Learning framework with GAN) [3]使用生成式对抗网络(Generative Adversarial Network, GAN) [4]的对抗学习来获取修改代价。Tang 等[5]在上述算法的基础上，使用对抗样本 的梯度方向动态调整修改代价，获得的数值更准确。WOW (Wavelet Obtained Weights) [6]则使用方向滤 波器计算每个方向的代价，若每个方向的代价都较小，则赋予该点较小的修改代价，否则赋予较大的修 改代价。MG (Multivariate Gaussian Model) [7]将图像像素看成独立的随机高斯变量，对图像的每个像素点 建立图像概率模型。MVGG (Multivariate Generalized Gaussian) [8]改进了 MG 算法，使用更好的方差估计 器，同时使用五元编码降低修改率。MiPOD (Minimizing the Power of Optimal Detector) [9]则使用广义高 斯分布来建模，同时使用最优检测器来获取更准确的图像纹理复杂度。 (2). 代价扩散。根据复杂度优先原则，得到载体图像每个像素的修改代价后，引入代价扩原则，能 够使载体图像的每个像素的修改代价更准确。代价扩散原则认为：相邻像素应该有相似的修改代价。将
信息隐藏技术课件 第三章 图像信息隐藏与水印
为改变上述算法，可以采用游 程编码方法在二值图像中隐藏 信息。采用游程编码方式隐藏 的信息量较大，而且隐写后的 载体图像和原始载体图像从视 觉效果上看差别不大，是较好 的一种二值图像信息隐藏方法。
【思考题】
• 1.二值图像信息隐藏另一种方 法原理如下：将二值图像分块， 使用一个与图像块大小相同的 密钥二值图像块，与每一个图 像块按像素进行“与”运算， “与”运算的结果可以确定是 否在该块中嵌入数据，或嵌入 怎样的数据。设计并实现该算 法。
• 该方法存在一定的缺陷，没有 明确界定哪些像素可以修改以 便于隐藏秘密信息，二值图像 中某些像素的修改可能会引起 二值图像视觉效果上的较大变 化，相应的水印嵌入算法可能 在较大程度破坏图像的质量。 • 为达到较好的隐藏效果，可以 采用游程编码方法在二值图像 中隐藏信息。
• 游程编码的概念在图像压缩的 过程中经常使用，如下图所示 的编码为：<0,3>, <1,5>, <0,4>, <1,2>,<0,1>。其中0 表示白色像素点，1表示黑色 像素点。
• Patchwork方法典型算法只能隐藏 1bit的信息，也就是只能说明该 图像是否存在水印，隐藏的信息 量比较小，但是该算法的鲁棒性 较强。该算法的原理如下：随机 选择两个集合A={ai}和B={bi}， 要求A和B中含有相同图像系数， 设为n；将集合A中所有样点的像 素值增加d，同时将集合B中所有 样点的像素值减少d，这样两个集 合中的样值都经过微小的改动。
【实验步骤】
• 1.嵌入秘密信息 • 2.提取秘密信息 原始图像和携密图像从视觉效 果上几乎相同。提取时，首先 将两个图像块集合的样本分别 求平均值，计算两个样本均值 的差来判断水印信息是否存在。 把整个图像中的像素全部分成 两组，也可以通过随机的方式 实现。
第2章-隐写术
调色板图像（由两部分组成）
◦ 调色板：定义了L种颜色{v1,v2,…,vl-1}的索引 列表，为每一种颜色vi分配一个索引pi ； ◦ 实际图像数据：保存每一个图像的调色板 索引，而不保存实际的颜色值。
（4）调色板隐写术
基于修改调色板的隐写算法
◦ 基于颜色向量的LSB算法。（修改颜色值的 LSB） ◦ 对调色板进行排序，共有L！种不同的方式， 可以编码秘密短信息。
◦ 将秘密消息嵌入到量化后的DCT系数绝对值 非0和非1的LSB从而实现嵌入，容量较小； ◦ 顺序嵌入法：秘密消息连续替换载体图像的 有效量化DCT系数的LSB。
未替换部分与替换部分存在统计性差异，安全性差。
◦ 随机嵌入法：应用一个伪随机序列来确定秘 密信息的嵌入位置。
秘密信息随机分布在整个载体图像中，提高了秘密 信息的安全性
说明
◦ 为了保证图像质量，一般不用DC分量作为嵌 入位置。 ◦ 兼顾不可感知性和鲁棒性，中低频带可以作 为嵌入秘密信息的理想部位； ◦ 用于保密通信，更多考虑嵌入容量和不可感 知性，宜嵌入中低频带，系数3-12； ◦ 用于数字水印，更多考虑鲁棒性，宜嵌入低 频带； ◦ 具体方案，可以考虑减少量化步长，增加AC 分量中不为0的量化系数； ◦ 也可以基于DCT中低频系数间的相互关系嵌 入秘密信息。
信息隐藏
隐写术
主要内容
1.空域隐写术 2.变换域隐写术
3.压缩域隐写术
4.视觉密码 5.音频隐写术 6.视频隐写术
1.空域隐写术
（1）LSB隐写算法（位平面算法）
• LSB和位平面
• 每个像素中的0号比特叫做最低比特位或最不重要位
（the Least Significant Bit，LSB）
基于视觉感知与菱形编码的图像隐写算法
基于视觉感知与菱形编码的图像隐写算法金涛;何加铭;杨任尔;曾兴斌;樊玲慧【摘要】为提供较大的隐写容量和保持良好的载密图像质量,提出一种基于视觉感知和菱形编码的图像隐写算法。
根据人类视觉系统,针对人眼对图像的高中低灰度区、纹理区及平滑区的敏感度的不同,在不同区域选择嵌入不同数量的秘密信息；同时为了尽可能减少对图像像素值的改变,采用改进的菱形编码来嵌入秘密信息。
实验结果表明,与HVS-OPAP算法相比,该算法图像的嵌入容量提高了4.09%,获取的隐写图像具有更好的不可感知性,同时峰值信噪比平均提高了1.5 dB,而且该算法具有抗RS隐写分析能力,安全性更高。
%In order to provide larger capacity of the hidden secret messages and maintain a good visual quality of stego-image,a novel image steganography based on visual perception and Diamond Encoding( DE) is proposed. According to the Human Visual System(HVS),human eyes have different sensitivity on high grayareas,middle gray areas and low gray areas,texture areas and smooth areas. The different amounts of secret messages are embedded in the different areas of cover images. Especially,the modified DE is used to minimize the change of the image pixel value. Experimental results show that the proposed method can effectively improve the embedding capacity than HVS-OPAP algorithm by 4 . 09%, while stego-image has better imperceptibility, PSNR average of 1. 5 dB, and RS steganalysis methods can not detect whether the secret information is embedded,so it has a better security.【期刊名称】《计算机工程》【年(卷),期】2014(000)010【总页数】5页(P6-10)【关键词】隐写术;容量;人类视觉系统;像素值;菱形编码;RS隐写分析【作者】金涛;何加铭;杨任尔;曾兴斌;樊玲慧【作者单位】宁波大学信息科学与工程学院，浙江宁波315211; 浙江省移动网应用技术重点实验室，浙江宁波315211;宁波大学通信技术研究所，浙江宁波315211; 浙江省移动网应用技术重点实验室，浙江宁波315211;宁波大学通信技术研究所，浙江宁波315211; 浙江省移动网应用技术重点实验室，浙江宁波315211;宁波大学通信技术研究所，浙江宁波315211; 浙江省移动网应用技术重点实验室，浙江宁波315211;宁波大学通信技术研究所，浙江宁波315211; 浙江省移动网应用技术重点实验室，浙江宁波315211【正文语种】中文【中图分类】TP393隐写术(steganography)是利用信息隐藏技术实现隐蔽通信的技术,其主要思想是将特定的秘密信息隐藏到某种公开的数字载体中,而载体本身并没有太大的变化,不会引起怀疑,从而达到隐蔽通信的目的[1]。
lsb隐写方法
lsb隐写方法LSB隐写技术详解什么是LSB隐写？LSB隐写全名为最低有效位（Least Significant Bit）隐写，是一种数字隐写技术。
它通过将秘密信息嵌入到数字媒体文件中，而不会引起明显的视觉或听觉变化。
最低有效位指的是像素值最右边的位，因为它对图像的感知变化最小。
嵌入秘密信息的方法1.LSB替换法在LSB隐写中，最常见的方法是利用最低有效位将秘密信息的二进制值直接替换到数字媒体文件（如图片或音频）的像素值或采样值中。
通过将秘密信息分割为一系列比特，并将其插入到图像或音频中不相关的位置，可以隐藏信息。
2.LSB匹配法除了替换法以外，还有一种方法叫做LSB匹配法。
这种方法使用像素值中的最低有效位来嵌入秘密信息，但是只在满足一定条件下进行替换。
例如，当像素的最低有效位为0时，接下来的三个像素的最低有效位从左到右依次也必须都为0，才能将秘密信息的比特嵌入其中。
3.LSB匹配与差异法LSB匹配与差异法是一种结合了LSB替换和LSB匹配的隐写方法。
它使用了部分随机性，以减少嵌入信息所引起的视觉和听觉变化。
首先通过LSB匹配法判断哪些像素可以嵌入信息，然后再使用替换法将秘密信息嵌入剩余的像素中。
提取秘密信息的方法•根据LSB替换法提取通过逐个获取像素值或采样值的最低有效位，并将其重组成二进制序列，就可以提取嵌入其中的秘密信息。
•根据LSB匹配法提取提取LSB匹配法嵌入的秘密信息需要根据规则进行匹配。
通过判断像素值最低有效位的变化，可以确定出哪些像素中嵌入了秘密信息。
•根据LSB匹配与差异法提取LSB匹配与差异法的提取过程相对复杂，并需要通过解密算法来提取嵌入的秘密信息。
具体步骤涉及像素排序、提取信息比特、解密等过程。
应用与风险LSB隐写技术有着广泛的应用，例如数字水印、信息隐藏、版权保护等。
它可以对信息进行隐藏保护，并且对原始文件的影响较小。
然而，LSB隐写技术也存在一些风险。
一旦秘密信息被发现，攻击者可能利用LSB隐写技术进行信息窃取、篡改甚至破坏。
基于边缘匹配与最低有效位的图像隐写方法
ａ ＋ ｊ ＝ｎ Ｉ ２
”
：
一
（ ） ２ ＋ｂ
ｄ＜１
ｌ ㈤ ｊ ）
（ ４ ）
其最大的优点是嵌入容量较大且视觉 失真小 。但是 Ｓ 算法 Ｍ 在平滑 区的嵌入量低 ，从人类视觉特性来说 ，平滑 区应该能 容忍更大 的嵌入量而不被察觉 。同时 Ｓ 算法还存在浪费峰 Ｍ 值信噪 比、秘密信息不能正确提取 的缺陷 。因此 ，本文提出
１对像素值 ｇ 进行修改 。 ０ 则 ｇ ＝ｇ ＋ ； ） 如 ≤ｇ ≤２ ， ２
如 ２５ ２ ≤ ￣ ５ ，贝 ２ ５ — ＜ ５ ４ ＝ｇ 一 。 ２ ｇ ２用调整 后的 ｇ 重复步骤（）步骤 （） ） ２一 ７ ，完成嵌入。
ｆ≤ｂ ｌ ｌＲ ｚ ［Ｊ ｛ ｌＲＪ ≤ｂ ２ ［
整为 ｇ ＋ ： ２ ；如果 （ ｇ） ＜ ｘ ＋ １ ２ ｇ ，则 ｇ 调整为 ｇ一 ／ ： ： ２。 ２当ｄ ∈ ２ ） ｘ Ｒ ， ∈ 时， 如果 （ ＋ ｔ ２ ： ｇ ｇ ／ ≥ｇ ，则 ｇ 调 ） ：
整为 ｇ － ： ２ ；如果 （ ＋ ｔ ２ ｇ ，则 ｇ 调整为 ｇ＋ 占 ｇ ／＜ ｘ ） ： ： ２。
滑 区、过渡 区、边缘区 ， ３ 在 个区域中分 别采 用不同比特数 的最低有效位进行嵌入 。实验结果表 明，该方法能增加图像嵌 入容量 并可保 持 较高的载密 图像质量 。 关键词 ：边缘 匹配 ；最低有效位 ；像素差值 ；人类视觉特性 ；隐写
Ｉ ａ ｅＳ ｅ ａ ０ ｒ ｐ ｙ Ｍ ｅ ｈ ｄ ｍ ｇ ｔｇ ｎ ｇ ａ ｈ ｔ ｏ Ｂａ ｅ ｎ Ｓ ｄ ａ ｃ ｎ ａ ｔＳ ｇ ｉ ｃ ｎ ｔ ｓ ｄ ０ ｉ ｅＭ ｔ ｈ ａ ｄ Ｌｅ ｓ ｉ ｎ ｆ ａ ｔ ｉ Ｂｉ
基于载体误差的图像隐写算法研究
• 12•基于载体误差的图像隐写算法研究广东理工学院 林显宁图片的隐写算法的两个主要决定因素是嵌入容量以及安全性，空域隐写算法是一种可以同时兼容抗检性能以及隐写容量的算法。
本法先将将图片压缩成jpeg 格式，然后再解压得到实验对象，然后通过对比载体图像拿到有误差的图像，之后通过运用最佳的扩域因子计算出基数矩阵，进而找到可用于嵌入图像信息的像素点，然后通过混合进制的系统编码形式对秘密信息进行比对，得到混的相关数值依据情况分别嵌入载体图像，从而达到隐藏秘密信息的效果。
1.概述图片隐写算法中变换域的DCT 系数最低比特位替换算法和LSB 是典型算法的代表，然而此算法往往存在较差的安全性并且隐写的容量还很小（<15000bit ）的缺点。
因此，有人提出了可以自动适应边缘的图片隐写的检测算法EALSBMR ，在图片的嵌入方面该算法可以根据隐写容量的变化而对隐写像素进行从而保证秘密信息在边缘像素的嵌入极大地提升了图片的隐写内存，进而在图片的抗检测性能方面有了很大的提升。
以上的算法在隐写算法的安全性方面有了很大提升（张琳琳,王建军.稀疏特征自适应的彩色图像隐写[J].计算机辅助设计与图形学报,2014,26(7):1109-1115）。
本文分析了隐写图片像素和JPEG 形式的压缩图片间的差别，在隐写载体噪声方面，开发了一种载体误差向量隐写算法。
首先，采用图像质量因子(Image Quality Factor ，IQF)计算隐写图像的误差矢（高瞻瞻,汤光明,张伟伟.融合最小化失真与模型保持的隐写算法[J].中国图象图形学报,2014,19(9):1260-1267），通过图像压缩处理，获取载体图像的压缩参考值，同原始图像进行差值处理，获得了载体的误差向量；然后，通过运用最佳扩域因子(OEF)求得了基数矩阵，通过空域滤波优化的方法实现载体基数矩阵的优化，确定隐写像素点集，采用混合编码的方式实现了秘密信息的高效隐藏。
【精品】基于像素差分的图像隐写算法研究毕业论文设计
基于像素差分的图像隐写算法研究摘要隐写术是一种隐藏通信手段，其目的是避开第三方的怀疑将信息传递出去，在军事、情报、国家安全等方面具有重要的意义。
隐写的基本要求是要有极高的安全性和足够的信息嵌入量。
隐写技术和隐写分析在国家军事、情报、商业等方面的意义重大。
设计高度安全的隐写方法是一项十分紧迫的任务，而对隐写分析的研究同样很重要。
一方面是要以尽可能隐蔽的方式将信息隐藏在载体信号之中，从而不引起对方的怀疑以实现隐蔽通信的目的；另一方面则是要以各种各样的手段检测隐蔽信息的存在，寻找敌对隐蔽通信的信源，从而阻断隐蔽通信的信道。
如同密码分析和密码术之间的对立关系，隐写分析和隐写术之间如同展开了一场“军备竞赛"，伴随着彼此的发展而演化前进。
由于当前针对隐写的主要对抗措施是利用统计分析手段发现数字媒体的统计异常性，因此统计隐蔽性是安全隐写的主要考虑因素。
基于 LSB 的图像隐写方法简单，嵌入量较大；而基于人眼视觉特性的图像隐写算法具有很好的视觉隐蔽性和较大的嵌入量，因此两者都得到了广泛的应用，现在针对它们已经出现了多种有效的隐写分析方法。
本论文对隐写和隐写分析的目的、基本原理、主要方法进行了讨论，对国内外研究现状进行了综述。
系统地分析了现有的隐写算法，针对隐写算法中存在的统计异常，提出抗统计分析、安全性更好的算法，本文提出了一种结合了LSB与边缘匹配的基于像素差分的图像隐写算法，这些是上述算法中所没有提到的，预期希望可以实现兼顾嵌入秘密信息的容量和提高隐写图像的安全性的效果。
关键字：隐写分析；像素值差分；边缘匹配；最优像素调整AbstractSteganographic methods is a kind of hidden communication, its purpose is to avoid the third party doubt information transfer out, in the military, intelligence, such as national security has an important significance. The basic requirement of implicit writing is to have a high safety and enough information embedded quantity. Steganographic techniques and steganalysis in the national military, intelligence, business etc is of great significance. The design of the high security steganographic method is a very urgent task, but to steganalysis also is very important. On the one hand is to as much as possible in a hidden way will information hiding in the carrier signal, thus not cause each other's doubt to achieve the purpose of stealth communication; On the other hand is to all kinds of means testing the existence of hidden information, look for the enemy hidden communication source, thus blocking the concealed communication channel. As code analysis and cryptography confrontation relations, steganalysis and steganographic methods as launched a "arms race", with each other's development and evolution forward.Due to the current steganographic main countermeasures is the use of statistical analysis methods found that digital media statistical abnormality, so statistical disguised is safe hidden write main consideration factors. Based on LSB image steganographic method is simple, embedded in large quantities, And based on human visual characteristics of the image steganographic algorithm has very good visual concealment and larger embedding quantity, so both a wide range of applications, for now they have appeared a variety of effective steganalysis method. This thesis about hidden writing and steganalysis purpose, basic principle, main methods are discussed, the research at home and abroad are reviewed. This paper analyses systematically the existing steganographic algorithm, in view of the steganographic algorithm existing statistical anomaly, and puts forward the resistance to statistical analysis, safety better algorithm,this paper proposes a combined with LSB and edge matching based on pixel difference image steganographic algorithm, these are the above algorithms have not mentioned, the hope can achieve expected to embed secret information capacity and improve the security of the steganographic image effect.Keywords: Steganalysis; Pixel value difference; Edge matching; The optimal adjustment of pixels目录第一章绪论 (1)1.1 研究背景 (1)1.2 课题意义 (1)1.3 研究内容 (2)1.4 论文的组织结构 (3)第二章图像隐写及隐写分析综述 (5)2.1 隐写术的发展 (5)2.2 隐写系统的模型与特征 (6)2.2.1 隐写系统的模型 (6)2.2.2 隐写系统的特征 (6)2.3 数字水印与隐写术 (7)2.4 图像隐写的研究现状 (8)2.5 本章小结 (9)第三章基于像素特征的图像隐写算法研究 (10)3.1 引言 (10)3.2 现有算法的缺陷 (10)3.3 像素特征改进算法 (11)3.3.1 MD5伪随机数算法 (11)3.3.2 图像置乱预处理 (12)3.3.3基于边缘的整数小波域自适应隐写算法 (12)3.3.4阈值 T 的计算 (13)3.3.5数据的嵌入与提取 (14)3.4 实验结果及分析 (15)3.5 本章小结 (17)第四章基于像素值差分的边缘匹配隐写算法研究 (18)4.1 引言 (18)4.2 现有算法的缺陷 (18)4.3 边缘匹配改进算法 (19)4.3.1 MD5伪随机数算法 (19)4.3.2 图像置乱预处理 (19)4.3.3 四边边缘匹配隐写算法 (20)4.3.4 九边边缘匹配隐写算法 (22)4.3.6 信息提取算法 (26)4.4 实验结果与分析 (26)4.5本章小结 (28)第五章总结与展望 (29)5.1 总结 (29)5.2 展望 (30)参考文献 (31)致谢 (34)第一章绪论1.1 研究背景20世纪90年代以来，随着计算机网络的普及和信号处理技术的飞速发展，图像、视频、音频等多媒体数据能够在通信网络中迅速的传输，给人们的生活带来了诸多便捷，改变了传统的通信方式，一些私人秘密、商业机密和军事情报等也通过互联网进行传送。
基于图像处理技术的信息隐藏与水印识别研究
基于图像处理技术的信息隐藏与水印识别研究信息隐藏与水印识别是一项利用图像处理技术的重要研究领域。
在数字化时代，随着信息技术的迅速发展，我们需要保护重要信息的传输安全和知识产权的保护。
信息隐藏通过在图像中嵌入隐藏的信息，可以实现秘密通信和版权保护。
水印识别则旨在检测和提取嵌入在图像中的水印，以判定图像的真实性和完整性。
首先，我们先来了解信息隐藏的原理。
信息隐藏是一种将隐藏信息嵌入到载体媒体（如图像、音频和视频）中的技术。
最常见的方法是在图像的像素值中嵌入隐藏信息。
嵌入隐藏信息有多种方式，如利用最低有效位替换（LSB substitution）和复制位平面（copy bit plane）等。
其中，最低有效位替换是最常见的隐写术，它将隐藏信息的二进制数据嵌入到图像的最低有效位中，以保证对原始图像的视觉感知最小化。
信息隐藏技术有着广泛的应用。
例如，通过在医学影像中嵌入患者的病历信息，可以加强医疗数据的隐私保护。
此外，在数字版权保护领域，可以将版权信息嵌入到数字图像中，以防止盗版和非法复制。
另外，信息隐藏技术还广泛应用于网络传输中，可以通过在传输的图像中嵌入加密的信息，提高数据的安全性。
然而，信息隐藏技术也存在一些挑战和问题。
首先，嵌入隐藏信息可能会对图像质量造成一定程度的损失。
尽管最低有效位替换对图像的视觉感知影响较小，但对于某些敏感应用场景来说，依然可能引起警觉。
另外，随着技术的发展，一些隐写术检测算法也日益成熟，从而使得隐藏信息更容易被检测出来。
因此，如何提高隐写术的安全性和隐蔽性仍然是一个研究的重点。
水印识别是另外一个重要的研究内容。
水印是一种嵌入在图像中的可见或不可见的标识，用于保护图像的版权和真实性。
水印技术可以分为两类：可见水印和不可见水印。
可见水印通常是以人眼可见的形式出现在图像或视频上，起到版权保护和广告宣传的作用；而不可见水印则是以一种无法被肉眼直接观察到的方式嵌入到图像中，主要用于图像真实性的验证。