哈工大《信息隐藏基础》总复习。

第二章 - 感知影响的估计以及感知模型

2.1

质量和保真度的相同点和不同点是什么？

两者都是用来【度量图像的感知可见性】。

• 保真度（Fidelity）：信号处理前后的相似度。
• 质量（Quality）：对图片或音频直观上的绝对评价。（看起来好或坏）

保真度高，可能处理前后都是质量低的。

2.2

主观测试的具体步骤是什么？

1. 准备

   在正式测试之前，评价员将被告知测试的目的和方法，并被要求依照图像检索的场景来熟悉和理解规定的评分等级。

2. 训练

   • 示例程序被用来让评价员熟悉测试程序的流程
   • 在示例程序中，5个不同的参考图和5个不同强度攻击的目标图被按照正式测试的逻辑呈现，并要求评价员按照正式测试来给出评分
   • 评价员在示例程序中的评分不计入最终的测试结果，但可以用来确认他对试验的目的和方法有了正确的认识
   • 在示例程序中出现的参考图不会在正式测试中出现。

3. 哑元测试

   • 在训练结束之后，评价员被告知进入正式测试
   • 但事实上，最初几个测试结果作为哑元测试，其结果并不被程序记录，只是为了让评价员适应测试的环境。

4. 正式测试

5. 评分

2.3

视觉测量的最主要特性是什么？

频率敏感度和亮度敏感度。

人类听视觉系统对于某一输入信号的响应依赖于信号的频率。对于听觉来说，不同频率的信号会被感知成不同的音调。对于视觉来说，存在三种形式的频率响应：

1. 空间频率
2. 谱频率
3. 时间频率

人眼对于亮度越高的信号越不敏感。

2.4

人们对红绿蓝三种颜色中的哪种颜色最敏感？

谱频率被感知为色彩。人眼对于彩色的感知，其最低一级是由三个单独的颜色通道组成的。蓝色通道明显要比其余两个通道低。

敏感程度：G > R > B，绿色最敏感

2.5

什么是掩蔽效应？

当一个纹理被加到一幅纹理复杂的图像中时它就有可能很难被发现。

2.6

建立Wotson模型的目的什么？

用来测量视觉逼真度，评价含噪声图像的感知效果，远远优于 PSNR。

第三章 - 数字隐写技术

3.1

信息加密和信息隐藏是保障信息安全传输的两大手段，其主要区别是什么？

• 信息加密：保护内容，不保护行为，现代密码学可以保证。
• 信息隐藏：信息隐蔽存在，行为也需要隐蔽，隐藏的信息容量有限。信息隐藏包括信息隐写和数字水印。

3.2

BMP图像文件的基本结构分为哪几个部分？各部分功能是什么？

从上到下依次有四个部分：

• 位图文件头：文件类型、文件大小、偏移字节
• 位图信息头：长、宽、高，以及颜色位数值等信息
• 彩色表：可选，真彩色图（24位BMP）不需要调色板。
• 位图数据：24位图直接用RGB，其他用调色板索引。

3.3

解释位平面。

图像的每个像素通道占用8bit，将每个像素通道的特定位抽取出来，形成8个二值平面图像，称为位平面。

3.4

LSB隐写方法的规则是什么？

秘密信息 -> 比特流 -> 加密/置乱，接下来进行嵌入：

1. 如果秘密信息与最低比特位相同，则不改动
2. 如果秘密信息与最低比特位不同，则使用秘密信息值代替最低比特位

3.5

LSB隐写方法的优缺点是什么？

优点：

1. 简单而又有效
2. 容量大
3. 对载体图像质量影响小
4. 嵌入速度快

缺点：

抗分析能力弱。

3.6

LSB隐写方法的评价指标是什么？

• PSNR（峰值信噪比）
• 嵌入容量（$M \times N$）
• 嵌入率（$\frac{1}{8}$）
• 安全性

第四章 - 面向 JPEG 压缩的隐写方法

4.1

JPEG图像与BMP图像相比较的优缺点是什么？

JPEG 存储空间小、需要处理，BMP 质量好。

4.2

DCT变换前图像进行哪些预处理，目的是什么？

1. 分块：只有比较小的邻域内的像素有比较高的相关性，相距远的话，其相关性就大大下降。
2. 将 RGB 转换为 YCbCr：把重要的信息和不重要的信息分开。对于人眼来说，图像中明暗的变化更容易被感知到，这是由于人眼的构造引起的。

4.3

JPEG压缩分为哪几个步骤？哪些位置适合隐写，为什么？

1. 分块
2. 转换为 YCbCr
3. 正向 DCT 变换
4. 量化
5. 熵编码

因为隐写不能够抗噪声，一个比特也不能损毁，所以只能在『熵编码』这里做隐写。

4.4

JPEG压缩过程中使用DCT变换的目的是什么？

通过 DCT 变换，将空域转换为频域，只需要用较少的数据就可以表示空域中的大量数据，从而达到数据压缩的目的。对图像进行DCT变换后，图像重要的可视信息都集中在了中低频部分。

4.5

相比于Jsteg隐写F3隐写算法进行了哪些方面的改进？

Jsteg隐写是将秘密信息嵌入在量化后的DCT系数的LSB上，但原始值为（-1,0，+1）的DCT系数除外。

F3隐写对于非0的DCT数据用于隐藏1比特秘密信息，为0的DCT系数不负载秘密信息。（隐写数量增加）

当原始值为+1或-1时，且预嵌入秘密信息为0时，将这个位置规0并视为无效，在下一个DCT系数上重新嵌入。

4.6

计算使用Jsteg算法和F3算法嵌入秘密信息后的DCT系数。

$\begin{pmatrix} 97 & 0 & -1 & -1 & 0 & 0 & 0 & 0 \\ -3 & -2 & 4 & 0 & 0 & 0 & 0 & 0 \\ -2 & -1 & 0 & 0 & 0 & 0 & 0 & 0 \\ \cdots \end{pmatrix}$

秘密信息：0, 0, 1, 1, 0

Jsteg：

1. 0: 97 -> 96
2. 0: -3 -> -2
3. 1: -2 -> -3
4. 1: 4 -> 5
5. 0: -2 -> -2

$\begin{pmatrix} 96 & 0 & -1 & -1 & 0 & 0 & 0 & 0 \\ -2 & -3 & 5 & 0 & 0 & 0 & 0 & 0 \\ -2 & -1 & 0 & 0 & 0 & 0 & 0 & 0 \\ \cdots \end{pmatrix}$

F3:

1. 0: 97 -> 96
2. 0: -1 -> 0, -1 -> 0, -3 -> -2
3. 1: -2 -> -3
4. 1: 4 -> 5
5. 0: -2 -> -2

$\begin{pmatrix} 96 & 0 & 0 & 0 & 0 & 0 & 0 & 0 \\ -2 & -3 & 5 & 0 & 0 & 0 & 0 & 0 \\ -2 & -1 & 0 & 0 & 0 & 0 & 0 & 0 \\ \cdots \end{pmatrix}$

第六章 - 数字图像隐写技术

6.1

基于视觉特性的隐写技术优点是什么？

提高信息隐藏的隐蔽性，增加信息嵌入率。在视觉不敏感的区域可嵌入的信息多。

6.2

如何评价图像块的复杂度？

所有相邻像素对中取值不同的像素对数目，最多为：

$C_{max}$ = 7（每行7对） * 8（共8行） * 2（行、列均考虑） = 112

6.3

为什么要将秘密信息进行共轭处理？

共轭处理即将秘密信息构成的块与棋盘状小块做异或，这样可以增加复杂度。

取 $a<0.5$，如果原来的复杂度小于 $aC_{max}$，经过共轭处理之后复杂度变为 $(1-a)C_{max}$，满足大于 $aC_{max}$ 的条件，适合进行隐写。

6.4

阐述BPCS隐写算法过程。

1. 分块（$8\times 8$）
2. 计算每个小块的复杂度（$C$）
3. 将复杂度大于 $aC_{max}, a < 0.5$ 的平面块用于负载秘密信息
4. 将秘密信息构成同样大小的块，如果秘密信息的复杂度小于 $aC_{max}$，则做共轭处理之后再替换
5. 记录下经过共轭处理的小块信息（位置、位平面）

6.5

使用PVD方法实现隐写：

秘密信息：1 1 1 0 1 0 1
像素值：（105，113，118，101）

1. 记录小块中像素灰度差值

   $d = p_{i+1}-p_i=113-105=8$

2. 将亮度范围分成 $K$ 个区域，每个区域的宽度都是 2 的整数幂。

   $[0,7],[8,15],[16,31],[32,63],[64,127],[128,255]$

3. 记每个区域的下界、上界和宽度为 $l_k, u_k, w_k$。

4. 如果 $|d|$ 落在区域 $R_k$ 中，则这个小块中嵌入 $\log_2 w_k$ 个秘密信息比特。

   $d=8 \in [8, 15]$，在这个小块中嵌入 $\log_2 8 = 3$，嵌如 1, 1, 1。

5. 将 $\log_2 w_k$ 个秘密信息比特转化为十进制 $b$，并计算。

   $b = 111_2 = 7$

   因为 $d > 0$，所有 $d' = l_k+b=8+7=15$

6. 嵌入计算

   $d \% 2 = 0$

   $r_c = \lceil \frac{15-8}{2} \rceil = 4, r_f = \lfloor \frac{15-8}{2}=3 \rfloor$

   $(p'_i, p'_{i+1}) = (p_i - r_f, p_{i+1}+r_c) = (105-3, 113+4) = (102, 117)$

提取步骤：

$d' = 117-102=15$

$d' \in [8, 15]$

$b = |d'| - l_k = 15 - 8 = 7$

$\log_2 8 = 3$ 位秘密信息，为 $111_2$。

再来一遍：

$d = 101 - 118 = -17 \\ [16, 31] \\ \log_2 16 = 4 位秘密信息 \\ 0101_4 = 5 \\ d' = -(l_k + b) = -(16 + 5) = -21 \\ d\%2 = 1 \\ r_c = \lceil \frac{-21-(-17)}{2} \rceil = -2, r_f = \lfloor \frac{-21-(-17)}{2} \rfloor = -2 \\ (p'_i, p'_{i+1}) = (p_i - r_c, p_{i+1}+r_f) = (118-(-2), 101+(-2)) = (120, 99) \\$

提取步骤：

$d' = 99 - 120 = -21 \in [16, 31] \\ b = |d'| - l_k = 21 - 16 = 5 \\ \log_2 16 = 4 位秘密信息，为 0101_2 \\$

第七章 - 隐写分析技术

7.1

隐写分析的目的是什么？

判定一幅图像是否含有隐蔽信息。

7.2

使用卡方检验进行LSB隐写分析的原理是什么？

将图像分为 $h_i, i \in [0, 255]$ 表示图中灰度值为 $i$ 的像素数，因为嵌入规则里面 0, 1 比特的概率各为 $50\%$，如果秘密信息完全替代了最低位平面，则 $h_{2i}, h_{2i+1}$ 的值会比较接近。如果图像未经密写，$h_i, h_{2i+1}$ 的值会相差较远。我们用 $\chi^2$ 分布来检验两者的相似程度。

7.3

什么是正向翻转，负向翻转和0翻转？

正向反转 $F_1$：

2i <-> 2i+1

负向反转 $F_{-1}$：

2i-1 <-> 2i

0 翻转 $F_0$：

不变

7.4

描述RS隐写分析过程，阐述其原理。

1. 分块

2. 对每块进行非负、非正翻转

3. 计算每块图像的像素相关性是否增加

   $f = \sum_{x 按照 Z 排序 } |x_i - x_{i-1}|$

4. 将非负翻转后像素相关性增加的图像块的比例记为 $R_m$，相关性减小的图像的比例记为 $S_m$。

5. 将非正翻转后像素相关性增加的图像块的比例记为 $R_{-m}$，相关性减小的图像的比例记为 $S_{-m}$。

没有经过 LSB 密写：

$R_m \approx R_{-m} \\ S_m \approx S_{-m}$

并且：

$R_m > S_m \\ R_{-m} > S_{-m}$

但是如果经过密写（相当于非负翻转），那么再进行一次非负翻转，增加的混乱程度会明显小于非正翻转的情况。

7.5

怎样判断DCT系数直方图是否改变？

1. 未隐写时，DCT 系数服从 Laplace 分布
2. 隐写之后，DCT 系数不再服从 Laplace 分布，利用分布拟合，给定置信区间，判断是否符合 Laplace 分布。

第八章 - 抗隐写分析的 LSB 和 JPEG 隐写

8.1

直方图补偿法原理。

通过在隐写后的图像中进行额外的操作，将隐写引起的直方图失真补偿回来。主要补偿方式是通过调整未嵌入秘密信息的像素值。

假设原始图像中 $f_{2i} > f_{2i+1}$，要求如下：

用 $f_{2i+1}$ 中未嵌入的像素来补偿 $f_{2i}$ 中所有嵌入成 $f_{2i+1}$ 的像素：

$(1-\alpha)f_{2i+1} \ge \frac{\alpha}{2}(f_{2i} - f_{2i+1})$

步骤如下：

1. 统计原始图像的灰度直方图，确定 $f_{2i}, f_{2i+1}$
2. 计算秘密信息隐藏率 $\alpha$
3. 将所有的像素值排成一个向量，长度为 $l$
4. 秘密信息嵌入到 $\lfloor \alpha \times l \rfloor$ 为止
5. 如果 $f_{2i}$ 变大，将 $\lfloor \alpha \times l \rfloor + 1$ 之后的像素中的值为 $2i$ 的像素变为 2i+1，尽可能保持直方图不发生变化；反之类似。

8.2

直方图补偿法中怎样计算秘密信息嵌入率？

$\alpha \le \frac{2f_{2i+1}}{f_{2i}+f_{2i+1}}$

8.3

随机翻转嵌入法的原理。

对 LSB 方法进行修改，在嵌入数据时不但可将 $2i \leftrightarrow 2i+1$，还可以将 $2i \leftrightarrow 2i-1$。

秘密信息 $w$ 与 $x(i, j)$ 最后一位比较，相同无需改变，不相同，做如下改变：

$T$ 在 $x(i, j)$ 处于边界时无法计算，这是可以采用其他方法给边界插值，特殊情况，对总体的影响不大。

这在进行 RS 隐写分析时，正负翻转都会增加混乱程度。

8.4

随机翻转嵌入法怎样处理边界溢出问题？

• 255 翻转只能变成 254
• 0 翻转只能变成 1

8.5

F5 隐写算法使用了哪两种重要方法，其目的是什么？

• 混洗技术：使秘密信息分布在整幅图像中
• 矩阵编码：是为了提高嵌入效率。

8.6

F5 隐写后图像的哪种统计特性发生了变化？

• 块边界的不连续性增加，$k$ 越小，现象越明显。

8.7

使用 F5 隐写算法进行秘密信息嵌入，计算嵌入信息后的像素值。

关键是构造等式使得 $x_1, x_2, x_3$（待嵌入秘密信息） 相互之间各有一个相同的载体数据（$a$），可以采用这样的构造方法（需要 $2^k-1=7$ 个载体像素）：

$x_1 = a_1 \oplus a_4 \oplus a_5 \oplus a_7 \\ x_2 = a_2 \oplus a_4 \oplus a_6 \oplus a_7 \\ x_3 = a_3 \oplus a_5 \oplus a_6 \oplus a_7 \\$

现在：

$\begin{aligned} x_1, x_2, x_3 &= 1, 0, 1 \\ a_1, \cdots, a_7 &= 13, 17, 16, 16, 19, 21, 20 = 1, 1, 0, 0, 1, 1, 0 \end{aligned}$

验证等式分别是：

$1 \neq 1 \oplus 0 \oplus 1 \oplus 0 \\ 0 = 1 \oplus 0 \oplus 1 \oplus 0 \\ 1 \neq 0 \oplus 1 \oplus 1 \oplus 0 \\$

所以只需要修改影响 $x_1, x_3$ 而不影响 $x_2$ 的像素值的像素值，就是修改 $a_5$ 为 $18$。

第九章 - 调色板图像隐写

9.1

描述调色板图像的结构及应用领域。

1. 不超过 256 种颜色的调色板，定义每种颜色的 RGB 各颜色分量值。
2. 图像内容，其中每个像素是一个不超过 $8$ 位的索引值，指向调色板中的对应颜色。

格式一般为 GIF 和 PNG。应用领域为测绘卫星、气象卫星，因为这些图比较小。

9.2

对于颜色数量为M的调色板图像Gifshuffle算法可容纳多少信息？

$\lfloor \log_2(M!) \rfloor$ 位秘密信息。

9.3

描述Gifshuffle算法的过程。

1. 将真实颜色进行排序
2. 秘密信息变为十进制：$1010 \to 10$
3. 查询密码本对应的序列：$10$ 对应的序列为 $1, 3, 2, 4$
4. 改变图像内容中索引顺序为 $1, 3, 2, 4$

9.4

使用EZStego算法为什么要将亮度依次排序？

为了使图像亮度的改动最小化。

9.5

描述EZStego算法过程。

1. 将调色板的颜色亮度 （Y）依次排序
2. 为每个颜色分配一个亮度序号，然后用奇数序号表示嵌入秘密比特$1$，用偶数序号表示嵌入秘密比特 $0$。
3. 将调色板图像像素内容（索引值）使用 LSB 隐写代替，改为新的亮度序号所对应的的索引值。

9.6

描述调色板图像隐写分析原理。

（对于EZStego算法）

将调色板的颜色值进行这样的运算：

• $[0, 20) \to 0$
• $[20, 40) \to 20$
• $[40, 60) \to 40$
• $\cdots$

对于没有隐写的图像，因为图像中突变比较少，所以相近的区域归一到同一个值，纹理基本不变。对于隐写了的图像，因为突变比较多，所以相近的区域有较大的可能归一到不同的区域，从而使纹理消失。

9.7

使用EZStego算法完成以下的隐写：

按照 LSB 进行隐写即可，注意看的不是索引值，而是被分配的编号的最低位。

第十章 - 数字水印技术

10.1

数字水印主要应用在哪些领域，其目的是什么？

版权保护：

• 所有者鉴别
• 所有权验证
• 操作跟踪
• 拷贝控制

内容认证：

• 完整性认证
• 篡改监测

10.2

水印扩频的目的是什么？扩频有哪几种方式？

目的：提高水印的鲁棒性（随机性、不含纹理、类似噪声）。

方式：基于片率（按位扩展、延拓扩展、随机扩展）、基于伪随机序列。

10.3

描述水印嵌入过程，并给出各项名称

$X' = X + (\alpha b - \lambda s')\omega$

• $X'$: 含水印图像
• $X$: 原始图像
• $\alpha$: 嵌入强度
• $b$: 水印信息
• $\lambda$: 常数，值为 $1$
• $s'$: 原始图像与扩频序列的相关性
• $\omega$: 扩频序列

相关性的计算方法：

$s' = \frac{1}{N}\sum_{i=1}^N X_i \omega_i$

例子：原始图像像素值如下：

• 水印信息：$-1, 1, -1, 1$
• 扩频序列：$1 \to 1, -1, -1, 1; -1 \to -1, 1, 1, -1$
• 扩频水印：（自己扩一下）

来看一下第一位水印 $-1$，扩频水印为 $-1, 1, 1, -1$，首先计算相关度：

$\begin{aligned} s' &= \frac{1}{4}(-1\times 139 +1\times 144 + 1 \times 149 + (-1) \times 153) \\ &= \frac{1}{4} \end{aligned}$

然后计算嵌入水印后的图像像素：

$\begin{aligned} X' &= X + (\alpha b - \lambda s')\omega \\ &= (139, 144, 149, 153) + (-1, 1, 1, -1) \times (4 \times (-1) - 1 \times \frac{1}{4}) \\ &= (139, 144, 149, 153) + (4.25, -4.25, -4.25, 4.25) \\ &= (143.25, 139.75, 144.75, 157.25) \\ &= (143, 140, 145, 157) \end{aligned}$

10.4

水印提取的原理是什么？

提取的原理是根据下面的等式：

$cor(X', \omega) = \alpha b$

还是上面的例子，计算：

$\begin{aligned} \alpha b &= cor(X', \omega) \\ &= \frac{1}{4} (143, 140, 145, 157) \cdot (-1, 1, 1, -1) \\ &= \frac{1}{4} \times (-15) \\ &= -4 \end{aligned}$

因为 $\alpha = 4$，所以水印信息为 $-4/4 = -1$。

第十一章 - 空域数字图像鲁棒水印

11.1

空域数字图像鲁棒水印技术主要基于图像的哪种不变特征进行的？

不同灰度级的像素个数多少的比例不变性。（整体上）

11.2

算法中使用低通滤波（高斯滤波）的目的是什么？

图像的低频部分更具鲁棒性。

11.3

算法中怎样保证水印的安全性？

• $I_{low}$：宿主图像的低频部分
• $H$：不同灰度级下的像素个数

增加安全性：仅选择 $M$ 个灰度级的像素来嵌入水印，其中 $M < 256$。

11.4

描述空域数字图像鲁棒水印技术过程。

1. 高斯滤波
2. 抽取直方图，如上一题所述。
3. 像素分组，将 $L_G$ 个相邻灰度级下的像素分到同一个分组中，这样我们就会得到 $M_G = \lfloor M/L_G \rfloor$ 个像素分组。第 $i$ 个分组中有 $h_G(i)$ 个像素。每组分为$B_1$和$B_2$两部分。
4. 水印嵌入，修改 Bin1，Bin2 中的像素，将 Bin1 中的像素落入 Bin2 中的灰度值，或者 Bin2 中的像素落入到 Bin1 中的灰度值，从而使得 $\frac{h'_{B1}(i)}{h'_{B2}(i)} = \lambda$（嵌入 $1$ 的话是 $\lambda$，$0$ 是 $\frac{1}{\lambda}$）

11.5

数字图像可逆水印的目的是什么？

提取水印之后，原始图像还能够被恢复。军事、司法和医学用图像要求在加入水印后能够被无损恢复。可逆水印又称为无损水印。

11.6

描述基于直方图平移的数字图像可逆水印过程。

嵌入：

1. 判断像素值的峰值点（61）和零点（64，必须有零点，不然无法弄）
2. 将峰值点与零点的像素平移成相邻位置（$63 \to 64, 62 \to 63$）
3. 向峰值像素值中嵌入水印信息，$1$ 不变，$0$ 变为零点值（$61 \to 62$）。

提取：

1. 从像素值为 $61$ 和 $62$ 的像素值之中提取水印，看到 $61$ 提取水印 $1$，看到 $62$ 提取水印 $0$，同时将 $62$ 变为 $61$
2. 平移修改的像素 $63 \to 62, 64 \to 63$

11.7

数字水印鲁棒性的目的是什么？

防止水印信息被破坏。

11.8

图像插值有哪几种方式？

1. 最近邻插值法
2. 双线性插值法
3. 双三插值法

11.9

基于DFT变换域水印的优点是什么？

具有较好的几何性质，经过处理，不变性好。

也有缺点：

运算麻烦，自适应效果不好。

11.10

描述DFT变换域水印嵌入过程。

1. 图像分块

2. 对每个分块进行 DFT 变换

   

3. 可以通过适当修改 $DFT$ 参数的幅度 $|X_{uv}|$ 进行水印嵌入。

   修改幅度满足对称条件：

   

第十二章 - DWT(小波) 变换域数字水印嵌入技术

12.1

小波变换相比于傅里叶变换的优点是什么？

小波变换对于分析瞬时时变信号非常有用。它有效地从信号中提取信息，能够伸缩、平移而对函数或信号进行多尺度细化分析，解决了傅里叶变换不能解决的诸多困难问题。

12.2

描述基于量化的鲁棒水印生成方法？

1. 将灰度值分为两个区间：比如区间 1 为 $[0, 128]$，区间 2 为 $[129, 255]$，分别对应水印 $0$ 和 水印 $1$。

2. 根据水印和像素值，根据水印信息变为对应区间中的一个随机值，计算含水印像素值

   • 水印：$[0, 1, 0, 1]$
   • 像素值：$[190, 12, 66, 200]$
   • 含水印像素值：$[64, 192, 63, 190]$

这只是一个概念，由于变化较大，实际上不会用这种形式的区间。

参考资料

1. 《信息隐藏基础》课件