论文部分内容阅读
隐写是一种隐蔽通讯手段,在军事、情报、国家安全方面具有重要的意义。对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。基于人眼视觉特性的隐写方法具有很好的视觉隐蔽性,在众多隐写方法中嵌入数据量是最大的。因此,基于人眼视觉特性的隐写在隐写研究领域中占据重要地位。本文根据人眼视觉特性,将小波变换、自组织神经网络和模糊聚类应用于图像隐写,提出两种性能较好的隐写方法。首先,根据对比度和梯度敏感度,并利用模糊聚类的分类能力,提出了一种基于FCM (Fuzzy C-means,简称FCM)和HVS(Human Visual System,简称HVS)的图像隐写方法。该方法将对比度和梯度敏感度作为特征向量,并通过模糊C均值聚类将像素分为视觉敏感类与视觉不敏感类,采用模算子隐写将较多秘密信息嵌入属于视觉不敏感类的像素,而将较少秘密信息嵌入属于视觉敏感类的像素。实验结果表明,与SMFH(Steganographic Method Based on FCM and HVS,简称SMFH)算法相比,该算法有更大的嵌入量。其次,根据对比度和纹理敏感性,并利用自组织竞争神经网络的分类能力,提出了一种基于SOM(Self-organizing Feature Map,简称SOM)和HVS的小波域图像隐写方法。该方法先将载体图像分成固定大小的小块,以小波对比度之和以及小波系数方差作为特征量。然后,利用SOM将小块分为三类,采用模算子隐写将秘密信息嵌入到小波系数中。实验结果表明,与WCL(Wavelet Contrast and LSB,简称WCL)算法相比,该算法有更大的嵌入量并保持了良好的载密图像质量。