论文阅读《Robust Steganography for High Quality Images》高质量因子图片的鲁棒隐写

TCSVT 2023 中国科学技术大学

 Kai Zeng, Kejiang Chen*, Weiming Zhang, Yaofei Wang, Nenghai Yu, "Robust Steganography for High Quality Images," in IEEE Transactions on Circuits and Systems for Video Technology, doi: 10.1109/TCSVT.2023.3250750. 

---

一、问题背景

随着在线社交网络深入人们生活，大家习惯将手机拍摄的照片分享到社交网络上，因此利用手机拍摄图片通过社交网络进行隐蔽信息传输已经成为一种合理的行为。但是，手机拍摄保存通常是高质量因子JPEG图像，上传到社交网络后会以低质量因子重新压缩，而现有鲁棒隐写方法通常需要使用低质量因子的图片作为载体，缺少高质量因子JPEG图像鲁棒隐写的研究。

二、提出的方法

针对这个问题，提出一种用于高质量图像的鲁棒自适应隐写术方法（PMAS）。PMAS方法包含精细抖动调制和后处理两种操作。精细抖动调制可以确保修改系数的鲁棒性，并通过减少修改幅度来提高安全性；后处理会修改重新压缩后发生变化的系数，以确保未修改系数的鲁棒性。

1、PMAS算法的流程

所提出的方法，即Postprocessing and precise dither Modulation based robust Adaptive Steganography method (PMAS)，核心在于通过精确的抖动调制和后处理来平衡隐写的鲁棒性和安全性，同时针对高质量图像在社交网络中常见的重新压缩情况（Downward Robust）进行优化。

2、精细抖动调制PDM

在传统的“向上鲁棒”隐写算法中，隐写量化步长（△）通常被设置为1，这意味着修改幅度与±1的隐写方法相同。然而，在“向下鲁棒”场景中，为了抵抗低质量因子（QF）的JPEG重压缩，需要一个更大的△值来提高鲁棒性，这会导致修改幅度增大，从而降低安全性。

为了解决这个问题，论文提出了精确抖动调制（PDM），它通过减少修改幅度来提高安全性，同时保持鲁棒性。PDM的核心思想是利用DCT系数在隐写量化步长（△）区间内的不同位置，这些位置决定了它们对JPEG重压缩的敏感度。

PDM的设计目的是在保证隐写鲁棒性的同时，减少修改幅度，从而提高隐写的安全性。以下是PDM的介绍和嵌入：

以下是代码中进行精确修改的部分的详细解释：

[xm,xn] = size(spa_uq); % 获取图像大小
m_block = floor(xm/8); % 计算8x8块的数量
n_block = floor(xn/8); % 计算8x8块的数量
rhoP = rhoP1; % 初始化正向修改的鲁棒性指标
rhoM = rhoM1; % 初始化负向修改的鲁棒性指标
modification = zeros(xm,xn,2); % 初始化修改值数组
for bm = 1:m_block
    for bn = 1:n_block
        for i = 1 : 8
            for j = 1 : 8
                modification((bm-1)*8+i,(bn-1)*8+j,1) = ceil((cover_dq((bm-1)*8+i,(bn-1)*8+j)+S_QUANT(i,j)/2+T )/C_QUANT(i,j))-C_COEFFS((bm-1)*8+i,(bn-1)*8+j);
                modification((bm-1)*8+i,(bn-1)*8+j,2) = C_COEFFS((bm-1)*8+i,(bn-1)*8+j)-floor((cover_dq((bm-1)*8+i,(bn-1)*8+j)-S_QUANT(i,j)/2-T)/C_QUANT(i,j));
                % 根据失真计算方法选择不同的处理方式
                switch mode