切比雪夫神经网络混沌数字水印信息隐藏方法

摘要

一种切比雪夫(Chebyshev)神经网络混沌数字水印信息隐藏方法。该方法利用神经网络生成混沌序列，对需要隐藏的数字图像秘密信息进行异或加密，产生混沌数字水印，将其嵌入载体图像中，在基本不改变载体图像的外部特征及使用价值的情况下，使人的感觉器官感觉不到伪装图像的外观上有不易感知的数字水印的存在，从而逃过非法用户的注意和攻击，实现秘密信息的隐秘传递，达到隐蔽通信的目的。本发明可广泛应用于隐蔽通信、数据的不可抵赖性、数字作品的版权保护、防伪和数据的完整性。

主权项

1.一种切比雪夫神经网络混沌数字水印信息隐藏方法，其特征是按以下步骤：(1)神经网络模型的构造神经网络模型是一个单输入单输出三层切比雪夫神经网络模型，其中输入层至隐层的权值恒为1，隐层至输出层的权值w_i需通过学习后确定，隐层神经元的活跃函数是一组可根据递推公式求出的切比雪夫正交多项式，共有n个；网络的操作模式如下：输入层o＝x隐神经元输入net_i＝o  i＝1，2，…，n隐神经元输出o_i＝T_i(net_i)，T_i(net_i)是一组切比雪夫正交多项式，可由下式递推求得：$\left\{\begin{array}{c}{T}_1\left(x\right)=1,T_2\left(x\right)=x\\ T_{j+2}\left(x\right)=2x{T}_{j+1}\left(x\right)-T_j\left(x\right);j=\mathrm{1,2},···,n-2\end{array}\right.$输出层$y=\underset{i=1}{\overset{n}{\Sigma }}{w}_i{o}_i=\underset{i=1}{\overset{n}{\Sigma }}{w}_i{T}_i\left(x\right)$设训练样本为(x_t，d_t)，t＝1，2，…，s；这里s为样本数，x_t为切比雪夫神经网络输入，d_t为系统理想输出(实为x_t+1)，采用BP学习算法，有误差e_t＝d_t-x_t，t＝1，2，…，s训练指标$J=\frac{1}{2}\underset{t=1}{\overset{s}{\Sigma }}{e}_t^2$权值修正公式$\Delta w_j=-\eta \frac{\partial J}{\partial w_j}=\eta e_t{T}_j\left({\mathrm{net}}_j\right),j=\mathrm{1,2},···n$(2)切比雪夫神经网络混沌数字水印信息隐藏的实现首先利用罗吉斯特混沌序列x_k+1＝μx_k(1-x_k)；k＝1，2，…，s生成训练样本数据，构造切比雪夫神经网络混沌模型，以此对需要隐藏的数字图像秘密信息进行异或加密，产生混沌数字水印，然后将其嵌入载体图像中，使伪装图像的各种统计值不发生明显改变，增加了检测的难度，从而使非法用户无法从伪装图像的外观上发现有什么变化；实施过程如下：首先将原始图像lena转化为二进制序列m＝m₁m₂…m_q，则其长度q＝|m|；再任选混沌初值x₁(密钥)输入切比雪夫神经网络得混沌序列x＝x₁x₂…x_q，x与原始图像二进制序列m进行异或加密运算，得数字水印(这里，表示异或运算)；最后c与载体图像二进制序列b＝b₁b₂…b_q进行嵌入运算，得伪装图像这里，表示嵌入运算。