一种基于共生生物搜索的信息隐藏图像恢复方法

1.本发明涉及图像处理技术，具体是一种基于共生生物搜索的信息隐藏图像恢复方法。


背景技术：

2.随着5g时代的到来，网络的传输速率得到大幅提升。人们可以更方便、快捷的从网络上 获取很多的不同形式的信息，包括文字、图片、视频等等。虽然这样极大的丰富了人们的生 活，但是也会造成了很多的信息泄露。
3.图片作为信息的一种最常见的载体，将信息隐藏到图像中，可以大大提信息传输量的同 时，可以很好的将信息保护起来。但由于隐藏了信息的图像都需要在网络上进行上传、传输、 下载等操作，会遭受到不同程度、不同类型的干扰源的干扰，因此，将秘密信息从图像中提 取后，也会遭到不同程度的破坏，若秘密信息是图像即秘密图像隐藏到另一幅图像里，经过 网络上传输后，再提取出秘密图像，秘密图像可能会与原始秘密图像存在较大的差异。
4.若秘密信息和载体都为图像时，载密图像被噪声破坏后，提取隐藏图像也会被破坏，标 记隐藏图像被破坏的位，若隐藏图像像素的高5位没有被破坏，则该像素与原始像素差异较 小，称这类像素为可信像素，否则为不可信像素。确定不可信像素失真范围，利用群智能共 生生物搜索算法搜索修复值，恢复隐藏图像。


技术实现要素：

5.本发明的目的是针对现有技术的不足，而提供一种基于共生生物搜索的信息隐藏图像恢 复方法。这种方法恢复的隐藏图像不仅视觉好且有较高的峰值信噪比。
6.实现本发明目的的技术方案是：
7.一种基于共生生物搜索的信息隐藏图像恢复方法，包括如下步骤：
8.1)隐藏图像恢复的生态系统初始化：对隐藏图像恢复，即是对不可信像素进行修复，假 设不可信像素p有m位被破坏，由于被破坏的位取值为0或者1，则共有2m个可能值，令k＝2m， k为隐藏图像共生生物搜索生态系统种群个数，设由不可信像素p的k个可能值建立的个体 生态系统种群为x＝{p1,p2,p3,
…
,pk}，种群x的最大值为ub＝max{p1,p2,p3,
…
,pk}、最小值为 lb＝min{p1,p2,p3,
…
,pk}，则生态系统搜索的范围为：[lb,ub]，搜索的最大迭代次数为2m，用 方差表示适应度，方差越小即适应度越好，方差越大即适应度越差，寻找p邻域中的可信像 素，计算种群x中每个个体与邻域可信像素的方差，选择适应度最好的个体作为当前最优解 pbest；
[0009]
2)隐藏图像恢复的互利共生阶段：从隐藏图像像素p的种群x中，随机选择两个可能值 pi和pj且i≠j，计算pi和pj间的关系特征向量：
[0010]
mv＝(pi pj)/2，
[0011]
隐藏图像像素互利共生关系的可能值：
[0012]
p
inew
＝pi α*(pbest-mv*bf1)，
[0013]
p
jnew
＝pj β*(pbest-mv*bf2)，
[0014]
其中，bf1和bf2为获益因子，获益因子值为0或1，α,β是[0,1]区间的随机数，
[0015]
计算p
inew
、p
jnew
与邻域可信像素的方差：若方差var(p
inew
)《方差var(pi)，则用p
inew
替 换pi更新隐藏图像像素点p的种群x，否则，pi保持不变，同理，若方差var(p
jnew
)《方差 var(pj)，则用p
jnew
替换隐藏图像像素点p的种群x中的pj，否则，pj保持不变；
[0016]
3)隐藏图像恢复的偏利共生阶段：从隐藏图像像素点p的种群x中，随机选择另一个像 素可能值p
l
(i≠l)，计算pi从p
l
的共生关系中的获利情况，而p
l
保持不变，计算方法如下：
[0017]
p
inew
＝pi δ*(pbest-p
l
)，
[0018]
其中，δ为[-1,1]之间的随机数，计算p
inew
与邻域中可信像素的方差，若方差var(p
inew
)《 方差var(pi)，则用p
inew
替换隐藏图像像素点p的种群x的pi，否则，pi保持不变；
[0019]
4)隐藏图像恢复的寄生阶段：在[lb，ub]区间中随机生成一个像素估计值：
[0020]
p
inew
＝lb φ*(ub-lb)，
[0021]
其中，φ是[0,1]区间的随机数，计算p
inew
与邻域中可信点的方差，若方差var(p
inew
)《方 差var(pi)，则用p
inew
替换隐藏图像像素点p的种群x的pi，否则，pi保持不变，再计算种群 x中每个个体与像素p邻域中可信像素的方差，选择适应度最好的个体作为当前最优解pbest， 重复步骤2)、步骤3)、步骤4)2m次，找出恢复图像像素p的种群x中方差最小的值，作为 恢复像素p的修复值，恢复隐藏图像。
[0022]
这种方法恢复的隐藏图像不仅视觉好且有较高的峰值信噪比。
具体实施方式
[0023]
下面结合实施例对本发明的内容做进一步的阐述，但不是对本发明的限定。
[0024]
实施例：
[0025]
一种基于共生生物搜索的信息隐藏图像恢复方法，包括如下步骤：
[0026]
1)隐藏图像恢复的生态系统初始化：对隐藏图像恢复，即是对不可信像素进行修复，假 设不可信像素p有m位被破坏，由于被破坏的位取值为0或者1，则共有2m个可能值，令k＝2m， k为隐藏图像共生生物搜索生态系统种群个数，设由不可信像素p的k个可能值建立的个体 生态系统种群为x＝{p1,p2,p3,
…
,pk}，种群x的最大值为ub＝max{p1,p2,p3,
…
,pk}、最小值为 lb＝min{p1,p2,p3,
…
,pk}，则生态系统搜索的范围为：[lb,ub]，搜索的最大迭代次数为2m，用 方差表示适应度，方差越小即适应度越好，方差越大即适应度越差，寻找p邻域中的可信像 素，计算种群x中每个个体与邻域可信像素的方差var(pi)，选择适应度最好的个体作为当前 最优解pbest，本例中，假设图像块中心像素p＝132为不可信像素，即p为待修复的失真像 素点，以p为中心的3
×
3邻域中有两个可信点{157，152}，由于该像素第4位和第5位被破 坏，被破坏位数m＝2，对被破坏位随机取值0或1，形成了像素p生态系统初始种群x＝{132， 140，148，156}，共有22＝4个个体，最大值为ub＝156，最小值lb＝132，即搜索的最大迭代 次数为4，生态系统搜索的范围为：[132,156]，初始像素种群x的方差，计算每个种群个体 像素值与可信点的方差，可得{175,76.3333,20.3333,7}，选择方差最小，即适应度最好的个 体作为当前最优解pbest＝156；
[0027]
2)隐藏图像恢复的互利共生阶段：从隐藏图像像素p的种群x中，随机选择两个可能值 pi和pj且i≠j，计算pi和pj间的关系特征向量：
[0028]
mv＝(pi pj)/2，
[0029]
隐藏图像像素互利共生关系的可能值：
[0030]
p
inew
＝pi α*(pbest-mv*bf1)，
[0031]
p
jnew
＝pj β*(pbest-mv*bf2)，
[0032]
其中，bf1和bf2为获益因子，获益因子值为0或1，α,β是[0,1]区间的随机数，计算p
inew
、 p
jnew
与邻域可信像素的适应度：若方差var(p
inew
)《方差var(pi)，则用p
inew
替换pi、并更新 隐藏图像像素点p的种群x，否则，pi保持不变，同理，p
jnew
一样处理，本例中，从隐藏图像 像素p的种群x中，随机选择一个可能值p1＝132，再随机选择另一个可能值p2＝140，计算p1和p2间的关系特征向量：
[0033]
mv＝(132 140)/2＝136
[0034]
假设获益因子bf1＝1和bf2＝0，随机数α＝0.5，β＝0.5，隐藏图像像素互利共生关系的可 能值如下：
[0035]
p
1new
＝132 0.5*(156-136*1)＝142，
[0036]
p
2new
＝140 0.5*(156-136*1)＝150，
[0037]
计算并比较新的个体与原个体方差，var(142)＝58.3333《var(132)＝175和 var(150)＝13《var(140)＝76.3333，用142替换132，用150替换140，得到隐藏图像像素点p 的新种群x＝{142,150,148,156}；
[0038]
3)隐藏图像恢复的偏利共生阶段：从隐藏图像像素点p的种群x中，随机选择另一个像 素可能值pj，计算pi从pj的共生关系中的获利情况，而pj保持不变，计算方法如下：
[0039]
p
inew
＝pi δ*(pbest-pj)，
[0040]
其中，δ为[-1,1]之间的随机数，计算p
inew
与邻域中可信像素的方差，若var(p
inew
)《var(pi)， 则用p
inew
替换pi、并更新隐藏图像像素点p的种群x，否则，pi保持不变，本例中，从隐藏图 像像素点p的种群x中，随机选择另一个像素可能值p3，计算142和148的共生关系中的获 利情况，而148保持不变，假设随机值δ＝0.2计算方法：
[0041]
p
1new
＝142 0.2*(156-148)＝143.6，
[0042]
由于var(143.6)＝45.8533《var(142)＝58.3333，因此，用143.6替换142，更新隐藏图 像像素点p的种群x＝{143.6,150,148,156}；
[0043]
4)隐藏图像恢复的寄生阶段：在[lb，ub]区间中随机生成一个像素估计值：
[0044]
p
inew
＝lb φ*(ub-lb)，
[0045]
其中，φ是[0,1]区间的随机数，计算p
inew
与邻域中可信点的方差，若var(p
inew
)《var(pi)， 则用p
inew
替换pi，并更新隐藏图像像素点p的种群x，否则，pi保持不变，重复步骤2)、步 骤3)、步骤4)，直到迭代次数达到2m，找出恢复图像像素p的种群x中方差最小的值，作为 恢复像素p的修复值，恢复隐藏图像，本例中在[132,156]区间中随机生成一个像素估计值， 假设φ＝0.3：
[0046]
p
1new
＝132 0.3*(156-143.6)＝135.72，
[0047]
由于var(135.72)＝123.8128》var(143.6)＝45.8533，因此，143.6保持不变，再次计算像素p 的新种群像素x＝{143.6,150,148,156}每个个体对应的方差为{45.8533,13,
20.3333,7}，由 于156的方差最小，因此选择156作为当前最优解，重复步骤2)、步骤3)、步骤4)达到4 次，最后选择种群x中方差最小的值，作为像素p的修复值。