基于24位BMP圖像的抗RQP檢測LSB算法

楊智超，張亞平

（天津大學 軟件學院，天津300072）

0 引 言

在空域圖像隱寫算法中，最不重要位替換法LSB（least significant bit）由于實現簡單且隱藏容量大得到了廣泛的研究與應用［1－4］。相應的隱寫分析技術［5］也在不斷發展，出現了很多有針對性的LSB 隱寫分析方法和有效的LSB改進隱藏方法。

RQP （raw quick pair）［6，7］檢測算法是由Jiri Fridrich等提出的隱寫分析方法，對于檢測彩色圖像中隨機分布的秘密信息有很高的準確率，當單一顏色數超過像素數的50%時，檢測準確率降低［8］。大量針對RQP 隱寫檢測算法的LSB改進隱寫算法被提出［9］，其中典型算法是ARQP111算法。該算法將一個待隱藏秘密信息的像素的3個顏色分量作為一個整體，每個像素僅隱藏1位秘密信息，根據秘密信息將該像素的顏色值改寫為其相鄰顏色，只有不存在相鄰顏色時才產生新的顏色。由于像素的顏色值轉變為已經存在的相鄰顏色，在隱藏秘密信息的同時減少了單一顏色數的增加。ARQP111算法能夠有效地降低RQP 算法的檢測率。基于ARQP111的多種改進算法通過擴大相鄰顏色搜索的范圍進一步減少了新產生的單一顏色的數目，在增強了抗檢測性的同時增加了隱藏算法的計算量。

本文針對彩色圖像的RQP隱寫分析方法，提出了一種改進的LSB信息隱藏算法。該算法在具有一定隱藏容量的基礎上，減小了隱秘圖像中相鄰顏色對數及單一顏色數的相對變化，實驗結果表明該算法能夠有效地抵抗RQP隱寫分析方法。

1 RQP隱寫分析方法

24位BMP真彩色圖像的每個像素包括R、G、B 這3個分量，每個分量大小為1字節。利用LSB隱藏算法，每個分量可以嵌入1位秘密數據。因此24位真彩色圖像隱藏秘密信息的隱藏容量是同樣大小灰度圖像隱藏容量的3倍。

將滿足式1或式2的兩個顏色值 （R1，G1，B1）、（R2，G2，B2）稱為相鄰顏色對［10］

彩色圖像中像素的數目要遠遠多于單一顏色數的數目。未壓縮的自然圖像中單一顏色數與像素數的比例一般從1：6到1：2不等［11］。LSB隱藏過程中像素顏色值的改變會使圖像中的單一顏色數大量增加，同時新產生的顏色與原來已存在的顏色成為相鄰顏色對，使圖像中相鄰顏色對數明顯增多［12］。例如，對于顏色值為 （254，254，254）的像素，LSB 隱藏后它的顏色值可能改變為包括 （255，254，254）、（254，255，254）、 （254，254，255）、 （255，255，254）、（254，255，255）、 （255，254，255）、 （255，255，255）等7種，并且與原始顏色值構成了相鄰顏色對。彩色圖像中存在大量相鄰顏色對是判斷秘密信息存在性的重要跡象［13］。

Fridrich將分析相鄰像素對的方法應用于真彩色圖像，提出了RQP （Raw Quick Pair）隱寫分析法。該方法原理如下：用U 表示載體圖像中的單一顏色數，P 表示載體圖像中相鄰顏色對數。）為載體圖像中所有的顏色可能組成的總的顏色對數 （其中包括相鄰顏色對和不相鄰顏色對）。顯然

設

R 反映了載體圖像中相鄰顏色對的相對數目。用LSB隱藏算法在彩色圖像中嵌入一定量的秘密信息后，圖像中的U 和P 均增大，使R 值增大。對載體圖像和隱秘圖像分別嵌入相同大小的測試數據后，他們R 值的變化會有明顯的差別。如果圖像中已經嵌入過秘密信息，R 值的增量會小于圖像中沒有嵌入秘密信息的情況。因此，可以通過觀察R 值的變化來判斷圖像中是否已經隱藏了秘密信息。

在進行RQP隱寫分析時，首先要計算待檢測圖像的R值，然后對待檢測圖像嵌入3 AMN 大小的測試數據，并計算嵌入測試數據后圖像相應的R 值，并記為R′

其中，U′表示待檢測圖像嵌入測試數據后圖像中的單一顏色數，P′表示待檢測圖像嵌入測試數據后圖像中的相鄰顏色對數，M×N 是圖像的像素總數，A 是可變參數，代表測試信息嵌入率。測試數據的最佳大小與秘密信息的大小有關。如果圖像中已經隱藏有秘密信息，那么R ≈R′；如果圖像沒有隱藏秘密信息，那么R ＜R′。可以選取R′／R 作為統計檢驗量，根據比值的范圍判斷秘密信息的存在性。如果被檢測圖像中沒有隱藏秘密信息，R′／R 比值應當大于1；如果被檢測圖像中已經嵌入了大量的秘密信息，則比值略大于1或小于1。

RQP檢測算法通過比較R′／R 比值和預先確定的閾值判斷秘密信息的存在。為了提高RQP隱藏檢測的準確率同時降低虛警和漏檢的概率，應當選取合適的測試信息嵌入參數A 和閾值。測試信息的最佳大小與秘密信息的大小密切相關，測試信息嵌入參數A 和閾值都需要通過對比實驗確定［14］。

2 抗RQP檢測的LSB算法

本文針對RQP隱寫分析方法的原理，通過對LSB隱藏算法進行改進來實現對RQP隱寫分析的抵抗能力。改進算法的原理是：通過減少信息隱藏過程中載體圖像的像素顏色變化對其單一顏色數以及相鄰顏色對數的影響，使嵌入秘密信息前后圖像的單一顏色數和相鄰顏色對數的相關比例不發生明顯變化，達到抵抗RQP隱寫分析的效果。

2.1 秘密信息嵌入過程

該LSB改進算法的基本實現如下：遍歷載體圖像的所有像素得到各像素的顏色值，以具有相同的R、G、B顏色值為標準將所有的像素分為若干個顏色集合，將具有相同R、G、B顏色值的像素看作一個整體。通過限制每個集合隱藏的信息量控制隱藏過程導致的單一顏色數和相鄰顏色對數的相對變化。對于某一個顏色的像素的集合，其中包含的所有像素具有相同的R、G、B顏色值，且在隱藏過程中進行相同的隱藏處理。嵌入前包含在某個像素集合中的所有像素，在秘密信息嵌入過程結束后仍存在于同一個像素集合中，同時該集合的顏色值發生了變化。信息嵌入過程中，秘密信息按照一定的順序隱藏在R、G、B各分量的最不重要位中。

對于一幅作為載體圖像的24位BMP 彩色圖像，在進行信息隱藏前需要先判斷載體圖像的隱藏容量是否足夠隱藏秘密信息，具體包含以下幾個步驟：①遍歷載體圖像所有像素點，將R、G、B值相同的像素作為一個集合，并記錄相應位置信息；②計算載體圖像包含的單一顏色總數U ，并計算載體圖像的隱藏容量：C ＝3U／8；③將秘密信息的大小與載體容量做比較，如果秘密信息小于載體容量，那么就可以進行信息隱藏。

信息隱藏過程如圖1所示，按照以下步驟進行：①將載體圖像像素劃分得到顏色集合按照一定規則排序；②用秘密信息流依次改寫上述排序后的集合中所有像素的R、G、B分量的最不重要位 （LSB），秘密信息嵌入順序如圖2所示；③利用經過改寫后的顏色集合顯示隱秘圖像。

圖1 信息隱藏流程

圖2 秘密信息嵌入順序

2.2 秘密信息提取過程

該LSB改進算法屬于非盲隱藏，秘密信息的嵌入過程需要對載體圖像中的像素集合進行排序，所以該算法在提取秘密信息時同樣需要像素集合的排序信息。在秘密信息提取過程中，首先仿照嵌入過程取得載體圖像的像素集合，然后按照嵌入過程中載體圖像顏色集合的排序方式以及像素的位置信息可以從隱秘圖像中依次提取出秘密信息位并進行相應組合就能夠恢復秘密信息。

3 實驗結果與分析

為了對本文提出的改進算法進行相關性能的驗證，進行了關于LSB隱藏算法與本文算法對RQP隱寫分析方法的抵抗能力的對比實驗。

實驗從不同的圖像庫共選取了120幅BMP 格式350×250像素大小的24位真彩色圖像作為載體圖像，所有圖像的單一顏色數與像素數的比值均小于0.5，有利于提高RQP檢測的準確度［15］，除上述關于格式、大小等的要求外，圖像的選取過程沒有其它的附加標準。另外按照RQP方法的原理，選擇10K 大小 （約占隱藏容量的30%）的文本信息作為信息隱藏所需的秘密信息，8K 大小的文本信息作為RQP隱寫分析所需的測試數據。

首先利用已選取的載體圖像和秘密信息進行LSB 信息隱藏，然后使用RQP檢測算法分別分析載體圖像和LSB隱秘圖像。在待測試圖像中分別嵌入測試數據，經過計算后得到相應R′／R 值的分布，如圖3所示。

圖3 載體圖像與LSB隱秘圖像R′／R 分布

圖3中，左側虛線反映了LSB 隱秘圖像R′／R 值的概率分布情況，右側的實線反映載體圖像R′／R 值的概率分布情況。從圖中可以看出，載體圖像R′／R 值明顯大于相對應LSB隱秘圖像的R′／R 值，而且載體圖像和LSB 隱秘圖像的分布曲線沒有明顯重疊，顯然能夠在兩條曲線間選定某一閾值進行區分，從而辨別載體圖像和LSB隱秘圖像，進而確定秘密信息的存在性，同時可以證明RQP檢測算法的有效性。

然后利用相同的載體圖像和秘密信息進行可抵抗RQP隱寫分析的信息隱藏實驗。根據改進算法的原理進行信息隱藏，對得到的隱秘圖像進行RQP檢測，嵌入上述8K 大小的測試數據，計算其R′／R 比值得到概率分布曲線，并與LSB隱藏后得到的隱秘圖像、載體圖像的R′／R 值的概率分布曲線作比較，如圖4所示。

圖4 3種圖像的R′／R 值分布

圖4中靠右的點劃線代表本文算法得到的隱秘圖像R′／R 值的分布。可以看出，改進算法得到的隱秘圖像與載體圖像的R′／R 值的概率分布曲線大部分重疊，而與LSB隱秘圖像的概率分布曲線沒有重疊。所以不能選定某一閾值對改進算法所得隱秘圖像與載體圖像的概率分布曲線加以區分。同時還可以看出，本文算法所得隱秘圖像與載體圖像的R′／R 比值分布曲線具有較高的相似性，改進后的概率分布曲線右移，表明R′／R 比值變大，但實驗圖像的總體概率分布狀況沒有發生明顯變化。

為了進一步分析R′／R 比值的變化及相關性，提取實驗中的前50幅載體圖像以及相應隱秘圖像的R′／R 比值畫出曲線進行分析，如圖5所示。

圖5 比值曲線

圖5中最上面的點劃線代表本文算法隱秘圖像的R′／R比值；中間的實線代表載體圖像的R′／R 比值；下面的虛線代表LSB隱秘圖像的R′／R 比值。可以看出，本文提出的算法的比值相比載體圖像的比值略有增大，與圖4反映情況相符，同時比值沒有超出正常圖像的范圍，不容易引起分析者的懷疑。而LSB 隱秘圖像的比值遠低于載體圖像，容易引起分析者的懷疑。RQP 隱寫分析方法中通過訓練確定的用于判斷是否隱藏有秘密信息的閾值全部小于載體圖像的R′／R 值，顯然此時依靠RQP隱寫分析方法無法對改進算法的隱秘圖像與載體圖像進行辨別，即RQP隱寫分析對改進的LSB算法失效。

從圖5中還可以發現上述3條曲線呈現出比較明顯的相關性。以載體圖像的比值曲線為標準，對包含120 幅實驗圖像信息的上述3條曲線進行分析，結果見表1。

LSB 隱秘圖像與載體圖像曲線的相關系數為0.6990，大于0.3小于0.8，屬于中度相關。本文算法隱秘圖像與載體圖像相關系數為0.9593，大于0.8，屬于高度相關。可見本文算法在實現信息隱藏的同時更大程度上保留了載體圖像在相鄰顏色數與單一顏色數相對比例方面的特性。

表1 R′／R 比值曲線比較

兩條隱秘圖像的比值曲線相對于載體圖像比值曲線的差值和變化幅度反映了秘密信息的隱藏對圖像R′／R 比值的影響程度，從表1可知，相比LSB算法，本文算法具有更小的差值和變化幅度，降低了信息隱藏對圖像的影響。

峰值信噪比 （PSNR）能夠從一定程度上反映圖像的質量。PSNR 的值越大，就代表圖像的失真越小。本文算法隱秘圖像的PSNR 值全部大于140dB，遠超過了以峰值信噪比衡量圖像質量的一般標準35dB［16］，所以隱秘圖像具有較高的質量，能夠保證了隱藏的不可見性。

同時，在上述的信息隱藏實驗中所有的LSB隱秘圖像、本文改進算法隱秘圖像與相應的載體圖像在視覺上都沒有任何差異。

4 結束語

本文介紹了一種基于24位BMP圖像的可抵抗RQP檢測的LSB改進算法。該算法通過限制信息隱藏導致的圖像中單一顏色數與相鄰顏色對數的相對變化來抵抗RQP隱寫分析。本文提出的算法將圖像中相同顏色的像素作為一個整體集合進行相同處理，使RQP檢測中隱秘圖像的R 值變化近似于載體圖像的R 值變化。實驗結果表明該方法在具有一定隱藏容量的基礎上，對RQP檢測算法具有較強抵抗能力和視覺隱藏效果。

［1］Akhtar N，Khan S，Johri P.An improved inverted LSB image steganography ［C］／／International Conference on Issues and Challenges in Intelligent Computing Techniques.IEEE，2014：749－755.

［2］Akhtar N，Johri P，Khan S.Enhancing the security and quality of LSB based image steganography ［C］／／5th International Conference on Computational Intelligence and Communication Networks.IEEE，2013：385－390.

［3］Warren D.Steganography using least significant bit algorithm［J］.American Journal of Electrical Systems，2013，3 （2）：71－75.

［4］ZHANG Yan，YE Xueyi，WANG Yunlu，et al.Detection for edge adaptive image steganography based on LSBMR ［J］.Computer Engineering，2013，39 （6）：205－209 （in Chinese）.［張艷，葉學義，汪云路，等.基于LSBMR 圖像邊緣自適應隱寫的檢測 ［J］.計算機工程，2013，39 （6）：205－209.］

［5］Cheddad A，Condell J，Curran K，et al.Digital image steganography：Survey and analysis of current methods［J］.Signal Processing，2010，90 （3）：727－752.

［6］Chanu YJ，Tuithung T，Manglem Singh K.A short survey on image steganography and steganalysis techniques ［C］／／3rd National Conference on Emerging Trends and Applications in Computer Science.IEEE，2012：52－55.

［7］CUI Yuepeng，LI Jun.Analysis on RQP detection algorithm for JPEG information hiding ［J］.Journal of Zhengzhou University of Light Industry （Natural Science），2009，24 （3）：107－111 （in Chinese）. ［崔躍鵬，李俊.針對JPEG 信息隱藏的RQP檢測算法分析 ［J］.鄭州輕工業學院學報：自然科學版，2009，24 （3）：107－111.］

［8］Luo X，Liu F，Lu P.A LSB steganography approach against pixels sample pairs steganalysis ［J］.International Journal of Innovative Computing，Information and Control，2007，3 （3）：575－588.

［9］GUO Lifu，WANG Jiazhen.A secure steganography technology anti－RQP ［J］.Journal of the Hebei Academy of Sciences，2007，23（4）：13－15（in Chinese）.［郭立甫，王嘉禎.一種反RQP分析的安全密寫技術［J］.河北省科學院學報，2007，23（4）：13－15.］

［10］Kekre HB，Athawale AA，Patki SA.Improved steganalysis of LSB embedded color images based on stego－sensitive threshold close color pair signature ［J］.International Journal of Engineering Science and Technology，2011，3 （2）：836－842.

［11］Geetha S，Sindhu SSS，Kamaraj N.Close color pair signature ensemble adaptive threshold based steganalsis for LSB embedding in digital images ［J］.Transactions on Data Privacy，2008，1 （3）：140－161.

［12］Goyal R，Vijay S，Agarwal S，et al.Difference steg－analysis for LSB embedding in images［C］／／International Conference on Computer Design and Applications.IEEE，2010，1：V1－407－V1－410.

［13］Kekre HB，Athawale AA，Patki SA.Steganalysis of LSB embedded images using gray level co－occurrence matrix ［J］.International Journal of Image Processing，2011，5 （1）：36.

［14］Geetha S，Sivatha Sindhu SS，Renganathan R，et al.Stego－Hunter：Steganalysis of LSB embedded images based on stegosensitive threshold close color pair signature ［C］／／Sixth Indian Conference on Computer Vision，Graphics ＆ Image Processing.IEEE，2008：281－288.

［15］Qian Z，Yuefei Z，Chunxiang G，et al.Classification of LSB and MLSB stego images via shift and pixel pairs irrelevance［C］／／13th International Conference on Advanced Communication Technology.IEEE，2011：695－699.

［16］Almohammad A，Ghinea G.Image steganography and chrominance components ［C］／／IEEE 10th International Conference on Computer and Information Technology.IEEE，2010：996－1001.