基于语音采样点倒置的图像信息隐藏算法

2010——2011学年第二学期信息隐藏结业论文论文题目：基于语音采样点倒置的图像信息隐藏算法作者：学号：班级：摘要：将基于音频采样点倒置的算法用于基于语音的图像信息隐藏算法中,提高了图像传输的安全性。这种算法引入了静音检测(voiceactivitydetection,VAD)技术筛选适宜隐藏信息的语音段,并采用Logistic混沌映射对秘密图像预处理。实验表明,该算法实现了盲提取,较大地降低了提取误码率,嵌入图像信息后的载体语音具有良好的透明性和鲁棒性。关键词：信息隐藏;盲提取;采样点倒置;静音检测;混沌序列引言：语音信息隐藏技术已成为信息安全领域的一个研究热点。语音信息隐藏算法基本可分为类:时域算法和变换域算法。时域算法的主要代表有:最低比特位法、回声隐藏法、时域能量法等;变换域算法主要有:离散傅里变换法、离散余弦变换法和离散小波变换法等。时域算法比较简单,但嵌入容量有限,安全性较差;变换域算法嵌入容量较大,安全性较好,但是算法比较复杂,对算法的实现难度比较大。本文将基于音频采样点倒置的算法用于基于语音的图像信息隐藏算法中,算法中引入了静音检测技术筛选适宜隐藏信息的语音段,并采用Logistic混沌映射对秘密图像进行预处理。目前针对频域隐藏算法研究较多,时域隐藏算法研究较少,本文采用的隐藏算法研究是时域隐藏算法,虽嵌入容量有限,但方法简单,混合语音不含秘密图像,故安全性较高且易于实现。基本理论1混沌预处理为更好地保证秘密图像的安全性,在嵌入前先对秘密图像混沌调制。混沌是一种复杂的非线性动力系统,混沌信号具有长期的不可预测性和抗截获能力,易于产生和复制却难以破解。常用的是一维Logistic映射、二维Smale映射、三维的Lorenz系统。本文秘密图像经降维和编码处理得到一维比特流信息,因此采用一维Logistic映射产生与秘密图像经降维和编码得到的一维比特流长度相等的混沌序列,用于秘密图像混沌调制。一维Logistic映射定义为式中:为混沌序列的第k个值,;u为密钥参数,,当u=4时,系统完全处于混沌状态。通过定义阈值,量化为二值混沌序列h(k)为选择初始值x1,当K取秘密图像经降维和编码得到的一维比特流长度时,就能产生与秘密图像经降维和编码得到的一维比特流等长的混沌序列。最后将秘密图像预处理得到的比特流信息v(k)与产生的混沌序列h(k)按式(3)进行混沌调制(式中为异或运算符),得到对应调制后的秘密信息m(k)为式中:h(k)为混沌序列;v(k)为秘密图像预处理得到的比特流信息;K为秘密图像降维并编码后的一维比特流长度。2静音检测基于语音采样点倒置的信息隐藏算法,是通过倒置的方法调整语音幅度值为正的采样点在总采样点中所占比例(以下简称为语音比例值)的大小嵌入秘密信息,因静音段该比例值为零,倒置后该比例值仍然为零,嵌入的秘密信息不能正确提出。因此引入静音检测技术筛选静音段,在静音段不隐藏信息,从而避免了由于在静音段隐藏信息产生的提取错误,降低提取图像的误码率,提高提取图像与秘密图像的相似度。静音检测技术是网络语音交流平台的重要技术,常用的静音检测方法有:小波分解法、GSM、G.729b等。本文选用基于小波变分辨率频谱特征的静音检测法,算法在不同信噪比下语音识别的正确率比G.729b高,运算量却比G.729b小。该算法采用多门限过零率对静音进行初判,若判断为语音,再交由二分类支持向量机(supportvectormachines,SVM)进一步判断为语音或伪语音;SVM对提取的多个语音感觉特征(第i帧的过零率和第i帧的短时能量值)与基于小波变分辨率频谱的Mel频率倒谱系数组合成语音特征进行分类,实现静音检测,其流程图如图1所示。本文算法中,取静音检测结果为静音采样点的数量大于某一特定值N(本文实验中取N=30)时,在该段语音中不隐藏信息。如载体语音(形如图4(a))中,前6200个采样点为静音,故不在该段载体语音中隐藏秘密信息。3基于语音的图像信息隐藏算法根据人耳的听觉特性,如果将某一段时间内语音的采样点进行倒置,人耳不能感知出该时间段内语音的变化。通过大量的实验发现,语音比例值具有良好的鲁棒性。静音段语音比例值为零,倒置后该比例值仍然为零,不能正确提取嵌入的秘密信息,则采用静音检测技术剔出静音段。依据此思路设计了基于语音的图像信息隐藏算法,其流程图如图2所示。3.1秘密图像嵌入秘密图像的嵌入算法,其步骤如下。步骤1秘密图像的预处理。本文采用大小为m像素＊n像素的灰度图像,其数学表达式为式中:w(i,j)表示图像在坐标(i,j)的灰度值,w(i,j){0,1,…,255};m和n分别为图像的长和宽。载体语音是一维信号,要将二维的灰度图像嵌入其中,需要对秘密图像降维和编码,把秘密图像转化为一维序列；式中:u(d)为一维序列。将一维序列u(d)编码得到二值序列(秘密图像预处理得到的比特流信息)v(k)。步骤2混沌调制。首先选择初始值x1,确定K(m∀n∀8),通过式(3)完成对秘密图像预处理产生的比特流信息v(k)的混沌调制,得到调制后秘密信息m(k)。步骤3载体语音预处理。本文选用文献的静音检测法,筛选静音段不隐藏信息。利用嵌入秘密信息起始位置之前的d1个采样点,用文献的算法将d1个采样点进行小波变换,用扩谱的方法在小波域嵌入长度为d2的伪随机序列。从起始点开始,将要嵌入秘密信息的载体语音X分段,每段长度为Q,并用X(k)表示第k个语音数据段,统计每段语音比例值,第k段语音比例值记为S(k)。步骤4对每个语音段加窗消除段效应。段效应是指因信号分段处理在相邻2分段的分段处产生的信号跳变,可通过加窗平滑消除这种段效应跳变。由于秘密信息是按照每段语音比例值的大小通过倒置的方法而嵌入的,因此会产生一定的段效应。为了消除段效应,对每个语音段进行加窗处理,窗函数为式中:L的取值由N值大小根据实验结果来确定,一般取L=的整数时,段效应消除效果较好,表示向下取整。步骤5修改载体语音,完成秘密信息嵌入。如果待嵌入的比特m(k)是1,而载体语音比例值S(k)小于0.5,或待嵌入的比特是0,而载体语音比例值大于0.5,则将该段语音倒置;否则,该段语音不做任何处理,即步骤6按照以上规则将所有秘密信息嵌入到各个语音段之中,并在嵌入完毕后按照步骤3的方法在结束位置之后插入结束标志,得到混合语音。3.2秘密图像提取算法秘密信息的提取不需要原始语音,属于盲提取算法,其步骤如下。步骤1确定提取秘密信息起始位置。在含有秘密信息的语音中,利用文献的算法,根据检测与估计理论,运用检测统计量进行相关检测,寻找到嵌入的伪随机序列,确定提取密信息起始位置。步骤2秘密信息提取。从秘密信息提取的起始位置开始,按照每段Q个采样点将混合语音进行分段,计算该段语音比例值。如果该语音比例值大于0.5,则提取出比特为1;否则,提取的比特为0,直到结束位置,得到序列,即步骤3对提取出来的信息进行混沌解调。将提取的信息用混沌序列解调,恢复出秘密信息,即步骤4将各分段中提取出来的秘密信息解码并按顺序进行升维,得到完整的秘密图像,如图3(b)所示。4实验结果及分析秘密图像为灰度图像,m=77像素,n=77像素,如图3(a)所示;本算法提取图像如图3(b)所示,载体语音为自行录制的长为9min的语音,采频率8kHz,16bit量化,时域波形如图4(a)所示,混合语音时域波形如图4(b)所示。嵌入时,分段长度取N=101,混沌序列的初始值x1=0.3259,参数=3.98,分段长度为奇数是为避免语音比例值等于0.5,以减小发生误判概率.实验结果表明:本算法实现了盲提取,能很好地提取出秘密图像,通过试听,混合语音与载体语音无法区分,因而达到隐藏信息%透明&的要求。观察秘密图像(图3(a))与提取图像(图3(b)),可见本文算法能较好提取出秘密图像。将本文算法提取图像(图3(b)),与未引入静音检测技术提取图像(图3(c))对比,可见静音段嵌入的图像信息不能正确提取出。客观评价提取图像质量的方法有:提取误码率和归一化相关系数等。通过计算得出:本算法按比特流位提取误码率为0.20%,未引入静音检测时按比特流位提取误码率为4.04%。因此本算法按位提取误码率较低,静音检测技术的引入,大大降低了按位提取误码率。定量的评价提取图像与秘密图像的相似性,采用归一化相关系数(Nc)作为评价标准,其定义为式中:W为秘密图像;为提取图像,它们的大小均为m＊n。通过计算得出本算法中秘密图像(图3(a))与提取图像(图3(b))的归一化相关系数为0.9998,因此本算法提取图像质量较高。为了测试算法的鲁棒性,设计了低通滤波、重新采样和噪声干扰等攻击实验。通过计算,得出鲁棒性测试结果如表1所示从表1中可以得出,该算法能够抵抗低通滤波、加噪声、重采样等攻击,具有较强的鲁棒性。5我个人总结我通过对本文的阅读和理解，已经理解了基于音频采样点倒置的算法用于基于语音的图像信息隐藏算法，它为秘密信息的存储和传输提供了一种崭新的方法。我了解了混沌预处理，静音检测，明白了这种算法的基本步骤，了解了信息隐藏的一种算法。本文提出的隐藏算法可以将秘密图像不可察觉地隐藏到一种公开的载体语音信号中,实现了盲提取,降低了提取误码率,透明性较好,鲁棒性很强,安全性较高。这种算法应该广泛应用到图像的安全传输。