基于分層嵌入的二值圖像隱寫方法

程宇翔，張衛(wèi)明，李偉祥，俞能海

基于分層嵌入的二值圖像隱寫方法

程宇翔1,2，張衛(wèi)明1,2，李偉祥1,2，俞能海1,2

（1．中國科學(xué)技術(shù)大學(xué)中國科學(xué)院電磁空間信息重點(diǎn)實(shí)驗(yàn)室，安徽 合肥 230001；2．中國科學(xué)技術(shù)大學(xué)網(wǎng)絡(luò)空間安全學(xué)院，安徽 合肥 230001）

提出了一種非加性失真的二值圖像隱寫方法，該方法對載體圖像進(jìn)行分割，生成兩張子圖，通過傳遞影響因子更新失真，并使用最小化失真隱寫編碼實(shí)現(xiàn)消息嵌入。相較于固定失真不變的加性失真隱寫方法，所提方法結(jié)合了二值圖像只有黑色和白色兩種像素的特性，使其能夠捕捉像素點(diǎn)間修改的相關(guān)性，實(shí)現(xiàn)動(dòng)態(tài)修改失真，從而提高了二值圖像隱寫的視覺質(zhì)量和隱寫安全性。

隱寫；二值圖像；分層嵌入；非加性失真

1 引言

隱寫術(shù)[1]的目標(biāo)是將秘密消息隱藏在載體之中，從而實(shí)現(xiàn)隱蔽通信或隱蔽存儲。二值圖像作為一種常見的圖像，其占用內(nèi)存小，且在通信中傳輸速度較快。常見的CAD圖像、文字圖像、紋理圖像等都屬于二值圖像。近些年陸續(xù)出現(xiàn)一些專門針對二值圖像的隱寫方法。由于二值圖像僅含有黑色和白色像素，相對于灰度圖像和彩色圖像，其在嵌入過程中修改像素可能會導(dǎo)致非常劇烈的視覺質(zhì)量及隱寫安全性的降低。

最小化失真隱寫[2]是目前主流的隱寫框架，已被用于各種載體。這里的失真指修改載體元素帶來的安全代價(jià)。因此，優(yōu)秀的失真定義方法及嵌入方式是隱寫者追求的目標(biāo)。

校驗(yàn)格碼[3]（STC，syndrome trellis code）是目前主流的信息隱藏編碼，其優(yōu)點(diǎn)在于可以做到最小化失真并逼近理論界。在STC編碼出現(xiàn)之前，二值圖像隱寫方法主要有游程修改算法[4]、分塊嵌入算法[5]及邊界修改算法[6]等。這些隱寫方法在性能上普遍遜色于基于STC編碼的隱寫方法。在STC編碼出現(xiàn)后，圖像隱寫安全性能的優(yōu)劣主要取決于失真定義方法。由于二值圖像的特異性，容易在失真定義過程中產(chǎn)生較多無窮失真像素點(diǎn)（即不可修改點(diǎn)），造成信息嵌入失敗。因此在早期的最小化失真二值圖像方法被提出時(shí)，采用的是基于塊嵌入的方式進(jìn)行失真定義，如Feng等[7]提出的基于紋理的最小化失真隱寫方法，該方法將大部分全白或者全黑的像素塊剔除后，在剩余單元塊上進(jìn)行消息嵌入。但塊嵌入的方法帶來的問題是消息長度無法人為地進(jìn)行嚴(yán)格控制，并且如果圖像紋理非常簡單，消息長度將會被急劇壓縮。之后有研究人員提出了點(diǎn)嵌入方法，如Zhang等[8]提出的聯(lián)合失真隱寫方法，可解決此問題，該方法聯(lián)合單個(gè)像素點(diǎn)和其周圍的像素點(diǎn)，更加細(xì)致地定義單點(diǎn)失真，能較好地捕捉適合翻轉(zhuǎn)的像素點(diǎn)。但是，由于二值圖像僅有黑色和白色像素的特異性，當(dāng)一個(gè)像素點(diǎn)翻轉(zhuǎn)時(shí)，會對周邊鄰域內(nèi)的圖像紋理產(chǎn)生較大影響，且對于紋理簡單的二值圖像，失真較小的點(diǎn)會相對減少。因此在嵌入過程中，不可避免地會修改一些失真較大的像素點(diǎn)，導(dǎo)致安全性下降。

為了解決上述問題，從二值圖像的特殊性角度出發(fā)，本文提出了基于分層嵌入的二值圖像隱寫方法，通過將載體圖像分割成兩張子載體圖像，之后根據(jù)第一輪的嵌入情況傳遞影響因子更新第二輪的子載體失真。在之前的方法中，無論是采用塊嵌入策略或者點(diǎn)嵌入策略，每個(gè)單元塊或像素點(diǎn)的修改是相互獨(dú)立、互不影響的。此類方法形成的總失真是將各單元塊或像素點(diǎn)的單個(gè)失真進(jìn)行累加得到的，因此其屬于加性的失真定義方法。但在翻轉(zhuǎn)一個(gè)像素點(diǎn)后，如果重新計(jì)算失真，周圍像素點(diǎn)的失真便會發(fā)生變化，由于STC編碼的局限性，需要將所有失真固定后再進(jìn)行嵌入操作。本文的方法是從像素點(diǎn)的修改具有較強(qiáng)聯(lián)動(dòng)性的角度出發(fā)，結(jié)合周圍像素點(diǎn)的修改情況更新失真。因此，本文方法是一種非加性的、動(dòng)態(tài)的失真定義方法。經(jīng)實(shí)驗(yàn)證明，本文方法可以從視覺質(zhì)量和安全性兩方面提高隱寫方法的性能，并能通過點(diǎn)嵌入的方式嚴(yán)格控制消息長度。

2 分層嵌入

2.1 基礎(chǔ)失真

紋理是圖像最為重要的特征之一[9]，其中包含了大量的圖像信息。局部二值模式[10-11]（LBP，local binary pattern）是非常重要的用來描述灰度或者彩色圖像紋理的特征，在此基礎(chǔ)上的局部紋理模式[7]（LTP，local texture pattern）是專門針對二值圖像所設(shè)計(jì)的。與LBP類似，LTP使用3×3的單元塊來描述局部紋理特征，將其和統(tǒng)計(jì)量相結(jié)合，可以較好地設(shè)計(jì)失真函數(shù)[12-15]。

將單元塊內(nèi)的黑色像素值記為1，白色像素值記為0，按式(1)標(biāo)記每種單元塊，共512種模式。如圖1所示的單元塊模式，對應(yīng)值為196。

Figure 1 The unit-block mode

使用3×3的單元塊，設(shè)定步長為1，通過掃描大量二值圖像，統(tǒng)計(jì)得到每種類型單元塊出現(xiàn)的頻率，記為P。當(dāng)為偶數(shù)時(shí)，對于與+1兩種像素塊，可視為將0進(jìn)行翻轉(zhuǎn)過后相互轉(zhuǎn)化得到。當(dāng)P與P1越接近時(shí)，代表此類單元塊對在翻轉(zhuǎn)0時(shí)，產(chǎn)生的影響越小，因此在失真定義時(shí)，這樣的0應(yīng)具有較小的失真。相反，當(dāng)P與P1越遠(yuǎn)離時(shí)，0像素點(diǎn)具有越大的失真。對于值為與+1兩種像素塊，有如下定義。

進(jìn)一步，定義像素點(diǎn)0的失真，如式(4)所示。

經(jīng)過實(shí)驗(yàn)統(tǒng)計(jì)得到部分單元塊對的具體模式及對應(yīng)失真如圖2所示，可以看到在全黑或者全白的區(qū)域嵌入消息會帶來劇烈的失真影響，相反，在一些拐角區(qū)域進(jìn)行消息嵌入，失真影響會相對減少。

Figure 2 The unit-block pairs and corresponding distortion

2.2 分層失真

二值圖像失真定義的優(yōu)劣將直接影響載密圖像的視覺質(zhì)量和安全性能。上述的基礎(chǔ)失真定義方式能夠較好反應(yīng)像素修改代價(jià)，使得在嵌入過程中能在較為適合的點(diǎn)去翻轉(zhuǎn)像素從而實(shí)現(xiàn)消息嵌入。但這樣的失真定義方法及嵌入方式依舊存在一定的缺陷，會對圖像的平滑性和連通性產(chǎn)生影響[16]，造成安全性的降低。因此本節(jié)將通過分層嵌入的方法實(shí)現(xiàn)失真更新從而提高載密的視覺質(zhì)量及安全性能。

對于一張大小為×的圖像，通過上述的失真定義方式，得到載體圖像各像素點(diǎn)的基礎(chǔ)失真，定義

,為像素點(diǎn)在圖像中的坐標(biāo)，0為該點(diǎn)在單元塊內(nèi)的位置。為了在嵌入過程中能夠更好地區(qū)分適合與不適合修改的像素點(diǎn)，對基礎(chǔ)失真進(jìn)行如下調(diào)整

因?yàn)榛A(chǔ)失真通過單元塊的方式定義得到，同時(shí)為了能夠充分捕捉相鄰像素點(diǎn)修改的關(guān)聯(lián)性，所以需要將載體圖像分割成像素點(diǎn)在水平和豎直方向上間距步長都為2的兩張子載體圖，具體方法如圖3所示。記重新生成的兩張子載體圖為1和2，并將消息序列按1:1的長度比例分割成子消息1和子消息2。

圖3 圖像分割

Figure 3 The image segmentation

以這樣的判決條件來保證第一輪嵌入的整體效果，同時(shí)通過壓縮失真的方式為第二輪提供更多適合修改的像素點(diǎn)。以此更新后的失真作為對應(yīng)載體1的最終失真進(jìn)行第一輪嵌入。在第一輪子消息1嵌入完成后，得到載體1對應(yīng)的載密1，將1和2按原分割方式進(jìn)行重構(gòu)，得到中間載密，并定義影響因子矩陣如下

其中，Abs函數(shù)為絕對值函數(shù)，*表示矩陣的哈達(dá)瑪積，生成的M"影響因子矩陣記錄了第一輪嵌入后修改點(diǎn)的坐標(biāo)及對應(yīng)失真值。

Figure 4 The distortion effect diagram

當(dāng)載體1失真較大的點(diǎn)發(fā)生修改后，為了補(bǔ)償這一修改，同時(shí)考慮到第一輪嵌入會產(chǎn)生新的適合修改的點(diǎn)，對載體2重新計(jì)算失真。具體更新方式如下，對于中間載密，將其作為新的載體，根據(jù)式(4)～式(6)重新計(jì)算其初調(diào)失真記為，并根據(jù)第一輪嵌入時(shí)產(chǎn)生的影響因子矩陣和對第一輪修改點(diǎn)周圍像素點(diǎn)的初調(diào)失真進(jìn)行如下修改

針對第一輪未發(fā)生修改的像素點(diǎn)，周圍像素點(diǎn)失真仍為初調(diào)失真'，其中1和2為失真修改系數(shù)。以上述更新后的失真作為對應(yīng)載體圖像2的最終失真進(jìn)行第二輪嵌入，子消息2嵌入完成后得到對應(yīng)載密圖像2，將載密圖像1和載密圖像2按分割方式進(jìn)行重構(gòu)，得到最終載密圖像。

如圖5所示，影響因子矩陣的作用是在基礎(chǔ)失真相同的情況下，在第二輪嵌入時(shí)，提供更多適合嵌入的點(diǎn)。在計(jì)算基礎(chǔ)失真時(shí)，左右兩圖關(guān)于0的失真是相同的，但在左圖翻轉(zhuǎn)像素點(diǎn)0后，1不再適合在第二輪嵌入時(shí)翻轉(zhuǎn)，而右圖在翻轉(zhuǎn)像素點(diǎn)0后，1依舊適合在第二輪嵌入時(shí)翻轉(zhuǎn)，因此在第二輪嵌入時(shí)會產(chǎn)生新的適合修改的像素點(diǎn)。

圖5 影響因子M'作用示例

Figure 5 Example of influence factor

如圖6所示，影響因子矩陣的作用是記錄第一輪修改較為異常的點(diǎn)，并在第二輪嵌入時(shí)加以補(bǔ)償，保持載密圖像質(zhì)量。

圖6 影響因子M"作用示例

Figure 6 Example of influence factor

2.3 嵌入及提取方法

2.3.1 嵌入

嵌入流程如圖7所示。

（1）根據(jù)式(4)～式(6)計(jì)算載體圖像的初調(diào)失真。

（2）將載體圖像按圖3方式分割成子載體圖像1和2，將消息分割成子消息1和2。

（3）根據(jù)式(6)～式(8)更新1失真后，使用STC編碼嵌入消息1形成子載密圖像1并根據(jù)式(7)、式(9)得到影響因子矩陣和。

（4）根據(jù)式(10)、式(11)更新2失真并使用STC編碼嵌入消息2形成子載密圖像2。

（5）將子載密圖像1和2按原分割方式進(jìn)行重構(gòu)得到載密圖像。

圖7 嵌入流程

Figure 7 The embedding block diagram

2.3.2 提取

提取過程如下。

（1）將載密圖像按原方式分割成子載密圖像1和2。

（2）將子載密圖像1和2分別使用STC編碼進(jìn)行消息提取，得到子消息1和2。

（3）將子消息1和2按原分割方式重構(gòu)得到消息序列。

3 實(shí)驗(yàn)結(jié)果

3.1 實(shí)驗(yàn)設(shè)置

本文對比不同隱寫方法生成的載密圖像的視覺質(zhì)量，并通過兩種二值圖像隱寫分析方法對比在不同嵌入率下，各隱寫方法的安全性。本文中對比的隱寫方法有MDT[7]、Joint[8]、2.1節(jié)提出的單層嵌入及2.2節(jié)提出的分層嵌入。其中，MDT基于LTP的失真定義方法并使用STC編碼以像素塊為單位進(jìn)行消息嵌入。Joint基于像素點(diǎn)聯(lián)合的失真定義方法并使用STC編碼以像素點(diǎn)為單位進(jìn)行消息嵌入，擺脫了塊嵌入帶來的局限性。嵌入率為消息長度與載體圖像像素點(diǎn)個(gè)數(shù)的比值，在本文隱寫分析實(shí)驗(yàn)中選取了0.005、0.010、0.015、0.020這4個(gè)嵌入率進(jìn)行實(shí)驗(yàn)。

本文采用的圖像庫是通過在網(wǎng)絡(luò)上隨機(jī)選取部分類型的彩色圖像，采用二值化操作將其轉(zhuǎn)化為二值圖像并更改圖像大小生成的。其中主要包括卡通圖像、文字圖像、標(biāo)記圖像、紋理圖像等。圖像大小設(shè)定為256×256，格式為BMP，圖像庫中共有3 500張?jiān)级祱D像。

根據(jù)統(tǒng)計(jì)實(shí)驗(yàn)，當(dāng)基礎(chǔ)失真超過2.050時(shí)，會較為密集地出現(xiàn)視覺質(zhì)量不佳的單元塊對，因此將門限值設(shè)為2.050，以此來作為失真定義時(shí)的判決條件。對于1和2兩個(gè)參數(shù)，1的作用是針對第一輪嵌入時(shí)新產(chǎn)生的適合在第二輪嵌入的點(diǎn)，強(qiáng)制壓縮其失真，減小在第二輪嵌入時(shí)產(chǎn)生修改異常點(diǎn)的可能性；2的作用是針對第一輪嵌入時(shí)產(chǎn)生的修改異常點(diǎn)，在第二輪嵌入時(shí)強(qiáng)制壓縮周圍補(bǔ)償點(diǎn)的失真，以此來保持圖像視覺質(zhì)量。經(jīng)實(shí)驗(yàn)發(fā)現(xiàn)，當(dāng)1和2的值較小時(shí)，無法達(dá)到上述效果；較大時(shí)會使第二輪嵌入時(shí)的區(qū)分度下降，因此將參數(shù)1和2的值設(shè)置為10。

3.2 視覺質(zhì)量對比

首先，本文將從圖像視覺質(zhì)量的角度對比不同二值圖像隱寫方法，圖8展示了使用不同隱寫方法生成的載密圖像整體效果對比。圖9展示了將圖8(a)中紅色區(qū)域放大后不同隱寫方法生成的載密圖像細(xì)節(jié)效果對比。

圖8 不同隱寫方法生成的載密圖像整體效果對比

Figure 8 Whole visual quality comparison of different steganographicschemes

圖9 不同隱寫方法生成的載密圖像細(xì)節(jié)效果對比

Figure 9 Localvisual quality comparison of different steganographic schemes

從圖中可以看到對于紋理簡單圖像，MDT[7]、本文2.1節(jié)提出的單層嵌入和2.2節(jié)提出的分層嵌入雖然會產(chǎn)生較多修改點(diǎn)，但可以很好地避免在圖像全白或者全黑的區(qū)域修改像素點(diǎn)，保持圖像的整體視覺質(zhì)量，而Joint[8]則會產(chǎn)生非常明顯的修改異常點(diǎn)。但從整體效果（圖8(b)）來看，MDT會發(fā)生明顯的修改點(diǎn)聚集現(xiàn)象，影響載密圖像的安全性。分層嵌入相較于單層嵌入雖然會產(chǎn)生較多的修改點(diǎn)和輕微的聚集現(xiàn)象，但此類聚集現(xiàn)象基本不會影響圖像本身的連通性與平滑性，而單層嵌入?yún)s會產(chǎn)生較多影響圖像連通性與平滑性的修改點(diǎn)，從而影響載密圖像的視覺質(zhì)量。

3.3 安全性分析

隱寫安全性由隱寫分析的檢測錯(cuò)誤率來衡量，檢測錯(cuò)誤率越高表明隱寫算法安全性越高。本文使用8192維局部紋理特征[17]（8192DLTP，8192 dimensions local texture pattern）及像素網(wǎng)格馬爾可夫轉(zhuǎn)移矩陣[18]（PMMTM，pixel mesh Markov transition matrix）兩種二值圖像隱寫分析方法對上述隱寫方法進(jìn)行安全性能的測試。其中PMMTM方法通過馬爾可夫轉(zhuǎn)移矩陣抽取特征，用來捕捉相鄰像素域的相關(guān)性。8192DLTP通過延伸LTP單元塊范圍并結(jié)合統(tǒng)計(jì)特性的方法來抽取特征。

在本文實(shí)驗(yàn)中，將圖像庫中一半的圖像作為訓(xùn)練集并使用分類器進(jìn)行訓(xùn)練，另一半作為測試集。標(biāo)記原始載體圖像為負(fù)樣本，載密圖像為正樣本。因此，在使用分類器進(jìn)行分類時(shí)，共有1 750對圖像作為訓(xùn)練使用，另外1 750對作為測試使用。最終的安全性能由檢測錯(cuò)誤率E代表，其計(jì)算方法如式(12)所示，其中FA表示虛警率，MA表示漏警率。

不同隱寫方法分析實(shí)驗(yàn)結(jié)果如圖10所示，可以看到本文提出的分層嵌入在安全性上要普遍優(yōu)于Joint、MDT以及2.1節(jié)的單層嵌入。但使用PMMTM方法進(jìn)行隱寫分析時(shí)，在高嵌入率下，分層嵌入與Joint方法安全性能非常接近，而使用8192DLTP[17]進(jìn)行隱寫分析時(shí)，分層嵌入安全性則要明顯優(yōu)于Joint方法。原因可能在于，本文提出的基礎(chǔ)失真定義方法基于一階統(tǒng)計(jì)量，與8192DLTP抽取特征的方式較為類似，導(dǎo)致不易區(qū)分載體圖像與載密圖像，而PMMTM[18]則通過鄰域相關(guān)性來抽取特征。同時(shí)，在非常高的嵌入率下，對于分層嵌入，方法本身的機(jī)制導(dǎo)致聚集效應(yīng)加劇，從而影響載密的安全性能。

Figure 10 Analysis experimental result comparison of different steganographic schemes

4 結(jié)束語

本文提出了一種基于分層嵌入的二值圖像隱寫方法，相較于目前的二值圖像加性失真，這種隱寫方法能夠較好地針對二值圖像自身特性，利用修改像素點(diǎn)間的強(qiáng)相關(guān)性，完成失真的更新。在隱藏消息時(shí)，將載體圖像分割成兩張子圖，并通過傳遞影響因子的方式更新失真，實(shí)現(xiàn)消息的分層嵌入。實(shí)驗(yàn)證明了本文的隱寫方法相較于其他二值圖像隱寫方法具有更好的視覺質(zhì)量和安全性能，并且解決了部分二值圖像塊嵌入及點(diǎn)嵌入所帶來的問題，在今后的研究中可以更多地嘗試將非加性與動(dòng)態(tài)的思想應(yīng)用在二值圖像隱寫中，從而提高隱寫的整體效果。

[1] 宋海濤, 湯光明, 孫怡峰, 等. 數(shù)字隱寫模型及形式化描述[J]. 網(wǎng)絡(luò)與信息安全學(xué)報(bào), 2020, 6(3): 59-65.

SONG H T, TANG G M, SUN Y F, et al. Digital steganography model and its formal description[J]. Chinese Journal of Network and Information Security, 2020, 6(3): 59-65.

[2] FILLERT, FRIDRICH J. Gibbs construction in steganography[J]. IEEE Transactions on Information Forensics and Security, 2010, 4(5): 705-720.

[3] FILLER T, JUDAS J, FRIDRICH J. Minimizing additive distortion in steganography using syndrome-trellis codes[J]. IEEE Transactions on Information Forensics and Security, 2011, 6(3): 920-935.

[4] MATSUI K, TANAKA K. Video_steganography: how to secretly embed a signature in a picture[J]. IMA Intellectual Property Project, 1994, 1(1): 187-206.

[5] PAN H K, CHEN Y Y, TSENG Y C. A secure data hiding scheme for two-color images[C]//IEEE Symposium on Computers and Communications. 2000: 750-755.

[6] MEI Q, WONG E K, MEMON N. Data hiding in binary text documents[C]//Security and Watermarking of Multimedia Contents III. 2001: 369-375.

[7] FENG B W, LU W, SUN W. Secure binary image steganography based on minimizing the distortion on the texture[J]. IEEE Transactions on Information Forensics and Security, 2015, 10(2): 243-255.

[8] ZHANG J H, LU W, YIN X L, et al. Binary image steganography based on joint distortion measurement[J]. Journal of Visual Communication and Image Representation, 2019, 58: 600-605.

[9] TUCERYAN M, JAIN A K. Texture analysis, in: Handbook of pattern recognition and computer vision[M]. Singapore, World Scientific, 1993.

[10] HUANG D, SHAN C F, ARDABILIAN M, et al. Local binary patterns and its application to facial image analysis: a survey[J]. IEEE Transactions on Systems Man and Cybernetics Part C (Applications and Reviews), 2011, 41(6): 765-781.

[11] OJALA T, PIETIKAINEN M, MAENPAA T. Multiresolution gray-scale and rotation invariant texture classification with local binary patterns[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(7): 971-987.

[12] CHIEWK L, PIEPRZYK J. Estimating hidden message length in binary image embedded by using boundary pixels steganography[C]//Fifth International Conference on Availability, Reliability, and Security. 2010: 683-688.

[13] FENG B W, WENG J, LU W, et al. Steganalysis of content-adaptive binary image data hiding[J]. Journal of Visual Communication and Image Representation, 2017, 46: 119-127.

[14] CAO HONG, KOT A C. On establishing edge adaptive grid for bilevel image data hiding[J]. IEEE

[15] CHEN J J, LU W, YEUNG Y, et al. Binary image steganalysis based on distortion level co-occurrence matrix[J]. CMC-Computers Materials & Continua, 2018, 55 (2): 201–211.

[16] YANG H, KOT A C. Pattern-based data hiding for binary image authentication by connectivity preserving[J]. IEEE Transactions Multimedia, 2007, 9(3): 475-486.

[17] CHEN J L, LU W, FANG Y M, et al. Binary image steganalysis based on local texture pattern[J]. Journal of Visual Communication and Image Representation, 2018, 55: 149-156.

[18] FENG B W, LU W, SUN W. Binary image steganalysis based on pixel mesh Markov transition matrix[J]. Journal of Visual Communication and Image Representation, 2015, 26: 284-295.

Binary image steganography method based on layered embedding

CHENG Yuxiang1,2, ZHANG Weiming1,2, LI Weixiang1,2, YU Nenghai1,2

1. CAS Key Laboratory of Electro-magnetic Space Information,University of Science and Technology of China, Hefei 230001, China 2. School of Cyberspace Science and Technology, University of Science and Technology of China, Hefei 230001, China

A non-additive distortion binary image steganography method was proposed which divided the cover image into two sub cover images, updated the distortion through delivering influence factor, and used the minimizing distortioncodes to achieve message embedding. Compared with the previous additive distortion steganography methods with fixed distortion, the proposed method combined the characteristics of binary images with only black and white pixels. Hence, it facilitated the correlation capture of pixel points and dynamic modification of distortion, improving the visual quality and steganography security of the binary image steganography.

steganography, binary image, layered embedding, non-additive distortion

TP391

A

10.11959/j.issn.2096?109x.2021074

2020?12?21；

2021?03?22

俞能海，ynh@ustc.edu.cn

國家自然科學(xué)基金（U1636201，62002334）；安徽省自然科學(xué)基金（2008085QF296）

The National Natural Science Foundation of China (U1636201, 62002334), The Nature Science Foundation of Anhui Province (2008085QF296)

程宇翔, 張衛(wèi)明, 李偉祥, 等. 基于分層嵌入的二值圖像隱寫方法[J]. 網(wǎng)絡(luò)與信息安全學(xué)報(bào), 2021, 7(5): 49-56.

CHENG Y X, ZHANG W M, LI W X, et al. Binary image steganography method based on layered embedding[J]. Chinese Journal of Network and Information Security, 2021, 7(5): 49-56.

程宇翔（1996? ），男，安徽合肥人，中國科學(xué)技術(shù)大學(xué)碩士生，主要研究方向?yàn)樾畔㈦[藏。

張衛(wèi)明（1976? ），男，河北定州人，中國科學(xué)技術(shù)大學(xué)教授、博士生導(dǎo)師，主要研究方向?yàn)樾畔㈦[藏、多媒體內(nèi)容安全、人工智能安全。

李偉祥（1993? ），男，廣東惠州人，中國科學(xué)技術(shù)大學(xué)博士生，主要研究方向?yàn)樾畔㈦[藏。

俞能海（1964? ），男，安徽無為人，中國科學(xué)技術(shù)大學(xué)教授、博士生導(dǎo)師，主要研究方向?yàn)槎嗝襟w信息檢索、圖像處理與視頻通信、數(shù)字媒體內(nèi)容安全。