英语原文共 17 页，剩余内容已隐藏，支付完成后下载完整资料
利用混合自适应神经网络与可修改的自适应遗传算法可隐藏大量消息的新型隐写算法
摘要
本文提出了一种新的隐写术算法，采用非均匀自适应图像分割（NUAIS）智能计算技术，在彩色图像中有效地隐藏了大量机密消息（Smsg），而要替换的机密位数从字节到另一个字节不均匀;它基于字节特征，使用 16 个字节级别 （BL） 提取在当前字节周围相邻八字节 （NEB） 的方差分布。引入了四个安全层，以提高对统计和视觉冲击的抵抗力。这些层被设计成使一个优秀的不可察觉的隐藏短信与较低的变形的颜色平面和高保护的信息。利用混合自适应神经网络和采用均匀自适应松弛（ANN AGAUAR）的自适应遗传算法提出的智能技术，是提高隐写图像质量的第四安全层。
关键词：自适应图像分割，高容量隐藏，神经网络，遗传算法，隐写术
- 简介
隐写术算法是一种允许将加密的数据嵌入到表层媒体（如文本、图像、音频、视频等）中，以生成 密文媒体的伪装的方法。当秘密消息 （Smsg） 在普通类型的计算机网络的公共通信通道上传输时，密文媒体是不可见的。稳分算法的目的不仅是隐藏大量的秘密消息，而且能够传输这些不可察觉的消息;这是由不同的技术所实现的，并且已经为许多研究人员所使用（Filler等人，2011年;弗里德里希，2009年;佩夫尼等人，2010年）。
王和穆林（2008年）通过将信息嵌入表层文字，构建了完全安全的平版图。生成的 隐写图像 （Is） 的概率分布与表层文本完全相同。EL-Emam （2007） 提出了一种有效的算法，将大量数据隐藏在彩色位图图像中，并针对统计和视觉冲击。Munuera （2007） 显示了物理算法和纠错代码之间的一些关系，这些关系将用于构建良好的结构协议，并从相应代码的属性推断其属性。Sajedi 和 Jamzad （2010） 引入了增强的立体成像方案 （BSS），在应用立体成像方法之前具有预处理阶段。BSS的目标是增加钱和张（2012年）提出的无损数据隐藏方法，通过哈夫曼的代码映射将秘密数据嵌入JPEG比特流中。曲等人（2010年）提出了一种基于量子安全直接的新型量子稳态学协议使用贝尔状态的纠缠交换进行通信，该协议在改进的乒乓球协议内建立隐藏通道以传输秘密消息。Lee 和 Chen（2010） 提出了一种新的数据隐藏方案，它使用简单的模量函数来解决四个性能标准（嵌入容量、Is 的视觉质量、安全性和数据嵌入算法的复杂性）。Lee等人（2010年）提出了基于差异扩展预测的自适应可逆数据方案;该方案通过充分利用大量可以隐藏机密数据的小型差值而从嵌入容量中获得收益，因此获得了以下几个优点（1） 位置图不再需要，（2） 嵌入容量可根据实际应用进行调整，（3）可实现高嵌入容量，同时实现视觉失真最小的高嵌入容量。吴等人（2011年）提出了一种新的秘密图像共享方案，采用最佳像素调整过程，在不同有效负载容量和各种认证位条件下提高图像质量。Phadikar 和 Maity （2011） 提出了一种联合数据隐藏和数据调制方案，以利用定量化指数调制 （QIM） 实现图像质量访问控制的目的。
近年来，一些数据隐藏研究采用基于软计算的智能算法。此类算法用于在数据隐藏问题中实现可靠、低成本、最佳和自适应的解决方案。模糊逻辑 （FL）、粗糙集 （RS）、自适应神经网络 （ANN）、遗传算法（GA）支持矢量机 （SVM）、蚁群和实用的蜂群优化器 （PSO） 等是软计算的各种组件，每个组件都提供特定的属性（El-Emam 和 Abdul-Shaheed，2008）。Chang等人（2009年）提出了一种基于遗传算法、块截断代码和修改方向技术，利用众所周知的GA-AMBTC数据隐藏方案，将秘密数据嵌入彩色图像的压缩码中。吴和世（2006）提出了一个有效的概念，即通过人为伪造统计特征来开发一个强大的平面图系统，而不是避免统计特征变化的传统策略。此方法基于遗传算法，通过调整封面图像 （Ic） 的灰值，同时创建所需的统计特征以生成可以中断对硬质分析系统的检测的 Is。Arsalan等人（2012年）利用GA通过有效选择阈值，在不可感知性和有效载荷之间做出最佳权衡，为医疗图像开发了一种智能可逆水印方法。元群优化算法（PSO）由李和王（2007年）引入，以提高Is的质量;这是通过派生用于转换机密消息的最佳替换矩阵来实现的。张等人（2008年）提出了一种基于吸引者、吸引盆地的神经网络理论的信息嵌入容量边界分析的新方法。罗某等人对数字图像测盲算法的发展进行了回顾（2009年）;该方法基于图像多域特征合并和BP（反向传播）神经网络。罗等人（2010年）应用了LSB匹配重新审视的图像定谱，并提出了一种边缘自适应方案，可根据秘密消息的大小和Ic中连续两个像素之间的差异选择嵌入区域。
图1四安全层的隐写术
本文基于一种名为统一自适应松弛的ANN_ AGAUAR的自适应放松新版本，提出了一种利用混合自适应神经网络进行数据隐藏的新算法。通过该算法，可以将大量数据隐藏在具有四层安全性的颜色位图图像中。
本文的其余部分的结构如下：在第 2 节中，讨论了建议的具有四层安全性的构造法。基于ANN AGAUAR的拟建结构算法的阶段出现在第3节中。第四节讨论了基于自适应神经网络的智能技术以及具有均匀自适应放松的自适应遗传算法。实验结果在第5节讨论。最后，第6节总结了所提出的算法的主要结论。
图2 图像分割种类
2. 新结构算法的要求
利用四层安全法构建和开发了一种新的稳分法算法。前三层被提出在前一项工作（EL-Emam，2007年），在这项工作中，我们开发了前三层，并增加了一个基于ANN的第四层和自适应遗传算法，以获得高安全性并提供牢不可破的安全墙（参见图1）。
在讨论建议的稳分算法之前，必须显示以下要求：
2.1. 压缩和加密要求
秘密消息 （Smsg） 的无损压缩和加密机制分别使用分层树中设置分区 （SPIHT） 和高级加密标准 （AES） 算法安全应用于第一层（Chen，2008;阿里等人，2011年）。
2.2. 图像分割要求
本文构建了新的非均匀自适应图像分段 （NUAIS），参见第 3.2 节，为建议的隐写算法构建第二层安全性，并且基于 Ic 的随机分割到多个非均匀段根据密码键（ck）的非均匀段（图2）。由于很难通过分线分析检测段的边缘，因此非均匀分割比均匀分割更安全，无法携带输入信息。
2.3. 压缩要求
基于SPIHT算法的无损图像压缩在 Is 上实现，以避免发送巨大的文件格式。
2.4. 字节分类要求
本文提出了四个类别，用于字节分类，它基于每个字节 （Nbpb） 的位数，用于嵌入 Smsg。
字节分类的标准基于方差 2特定字节的相邻八字节 （NEB）。此度量值对图像中的每个字节使用称为字节级别 （BL） 的新概念（请参阅定义 3.1）。这种方法在降低 Is 噪声和支持第三层安全性方面非常强大，如图 1 所示。
2.5. 智能技术要求
提出了采用均匀自适应松弛（ANN AGAUAR）的混合自适应神经网络和自适应遗传算法，以抵御视觉和统计冲击。此方法有效地用于支持第四层安全性，如图 1。
3. 拟议的隐写术计划
3.1. 稳分算法的阶段
建议的稳分算法有两个阶段（发送方的数据隐藏和接收方的数据提取）。这些阶段的构建和实现是为了减少统计检测的机会，并提供针对各种图像操作攻击的鲁棒性。隐藏数据后，生成 Is，该伪影没有任何失真伪影。此外，新的隐身算法不应为了降低数据隐藏的明显性而牺牲隐藏能力。
第一阶段用于根据以下常规步骤将 Smsg 隐藏到 Ic 中：
第 1 步：加密 ck;
第 2 步：对 Smsg 执行压缩，以增加数据隐藏量。
第 3 步：对压缩的 Smsg 执行加密。
第 4 步：计算 Ic 的非均匀自适应分段（根据 ck，参见第 3.2 节）。
第 5 步：扫描每个段的所有字节，并检查字节特征以修复 Nbpb，该 Nbpb 应用于在字节的右侧小食处隐藏 Smsg 的一部分。
第 6 步：将 Smsg 的隐藏过程执行到 Ic 中。
第二阶段用于按照以下步骤从接收器侧的 Is 提取数据：
步骤 1：根据 ck 查找非均匀自适应段的边缘。
步骤 2：为每个段提取字节的特征，以显示保存机密数据的 Nbpb。
步骤 3：提取短信。
步骤 4：使用 ck 解压缩和解密 Smsg。
3.2. NUAIS算法
本文提出了图像分割的新算法;它基于Ic的非均匀自适应图像分割。该方法被引入为第二安全层，通过隐写分析很难检测非均匀的段边，并通过避免在顺序隐藏期间交换来防止对值对 （PO） 的统计分析。NUAIS 的拟议算法在以下步骤中介绍：
步骤 1：让 S 的长度为 ck，请参阅 Eq.（1）。
S =|ck| (1)
步骤2： 使用建议公式（请参阅 Eq）计算垂直方向和水平方向（Ver，Hor）每个线段的大小。
(2)
(3)
(其中 Dec（cki） 表示 ck 的第 i 个字符的十进制值, hIc 和 wIc 分别表示 Ic 的高度和宽度。
步骤 3：使用 Veri，Horij 值查找 Ic 上具有大小 （S S） 段的非均匀图像分割的边缘。
步骤 4：对 Ic 中的不均匀段和每个段的所有像素应用行明智的扫描，此过程用于指定用于隐藏机密位的字节。见图3。
图3 扫描自适应图像段上的像素
图4 位层级
3.3. 建议的结构图算法
如第2节所述，为了达到高隐藏效率，我们提出了16个字节水平（BL），围绕当前字节的NEB分布，以研究每个字节的特征;此过程用于确定 Nbpb。
定义3.1.字节级 BL 因子是一个整数值，用于将字节分类到多个级别。此因子与其他因素一起工作，以实现 Ic 中每个字节的隐藏位的大小。BL 的值使用 Eq. （4） 计算：
（4）
其中 bcij在 十进制表示法中表示字节值颜色 c 的 Ic 位置（i，j），其中 c 属于 [R， G， B]
定义3.2.Nbpbij 表示的字节特征基于要为特定字节 bcij 替换的颜色c中的每个段机密位数。Nbpbij 的值可以通过 NEBi 的方差 在 Eq. （5） 中派生。参见图 4。
（4）
图5 计算当前位和NEB的Nbpbcij以及解释如何嵌入smsg
Fr(BLij)是BLij在Ic中的频率，当前字节方差和NEBi见Eq.（6）
（6）
NEB的u值定义在Eq.（7）中。
（7）
看起来，隐藏容量由Ic中每个字节的整数变量Nbpb控制，其中Nbpb的值isin;[1,4]，它基于当前BLij的方差与NEB的最大方差之比，见等式（5）。
例3.1：假设我们从Peppers彩色图像中选择大小为（5times;5）的窗口，我们需要一步一步地展示如何找到BL以及如何使用它来找到要隐藏的若干秘密比特，然后展示输入到NEB和bcij的Smsg的隐藏过程。见图5。
定义3.3：隐藏功能隐藏（Smsgij，bcij，Nbpbcij）用于将Smsg嵌入到Ic的当前字节中。此函数需要三个参数，如Smsgij、bcij和Nbpbcij，其中Smsgij是Smsg的一部分，应满足以下条件：
|smsgij|=Nbpbcij
3.4.隐藏算法和取出算法的计算时间
计算时间查找在RGB图像中嵌入或提取长度为L位的Smsg所需的时间量。在这项工作中，可以观察到，对于大小为（ntimes;n）个像素的图像，每个像素24位，彩色图像的分段数等于（3times;Stimes;S）个分段。表1和表2显示了使用所提出的算法在彩色图像中隐藏（提取）Smsg的计算时间复杂性。
可以注意到，隐藏或提取算法的复杂度顺序的最坏情况等于O（n2） O（S2）→O（n2）其中ngt;S；而每个算法的复杂度顺序的最佳情况等于O（L），其中L=| Smsg |。
优秀的时间分析是通过以下几个方面来衡量的：
方面1：大多数隐写方案都是耗时的，因为它们会扫描主机图像不止一次，而在所提出的算法中，扫描后立即对当前字节执行隐藏处理，并且扫描图像执行一次。
方面2：训练的神经网络模型只需要在隐藏方面，并且使用agaaar缩写的遗传算法的新修改来减少训练过程中的迭代次数，见第4.1节。
四．智能技术
基于混合自适应神经网络和自适应遗传算法agaar的智能技术代表了第四安全层。该层的引入是为了支持和增强隐写算法，并通过有效地抵抗统计和视觉攻击，产生一个优秀的不可感知的信息系统。
图6 ANN-AGAUAR的三图层构
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[238766]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
