1. 描述LSB隐写算法的嵌入规则及优缺点。
解：步骤：
1. 将预嵌入的信息转换成比特流
2. 按行或者按列替换载体图像的最低有效位
规则：
1. 如果秘密信息与最低有效位相同，则不做改动
2. 如果秘密信息与最低有效位不同，则同秘密信息替换最低有效位
2. 描述JPEG图像压缩过程（以灰度图像为例）。同时说明F3隐写算法的嵌入规则。
解：原始图像-8x8小块-正向DCT变换-量化-编码-压缩后的图像数据
解压过程：压缩后的数据-（熵编码）解码-反量化-反向DCT变换-8x8像素块-原始图像
F3隐写算法：
1. 每个非0的DCT数据用于隐藏1比特信息，为0的DCT数据不负载秘密信息
2. 如果秘密信息与DCT的LSB相同，则不做改动；如果不同，将DCT系数的绝对值减一，符号不变
3. 当原始值为-1和+1且预嵌入的信息为0时，将这个位置置0并视为无效，在下一个DCT系数上重新嵌入
3. 阐述卡方分析的原理。
解：1. 设图像中灰度值为j的像素数为hj，j->[0-255]
2. 嵌入0，1比特的概率分别为50%
3. 改动规则：
2i->2i + 1; 2i+1->2i
不会出现：2i->2i-1; 2i+1->2i+2
4. 如果秘密信息完全代替了低平面，则h2i+1和h2i的值会比较接近
5. 如果图像未经秘写，则h2i+1和h2i的值相差较远
特点：
原理简单清晰
易于实现，检测效果较好
只能针对特定的LSB嵌入策略
只能针对全部嵌入的情况
对部分伪随机嵌入无效
4. 阐述RS隐写分析的原理及检测步骤。
解：
RS隐写分析是基于图像空间相关性的隐写分析方法
正向翻转F1，反向翻转F-1，和0翻转F0：
F1为2i与2i+1的相互变化关系，即0-1，2-3…….254-255
F-1为2i-1与2i的相互变化关系，即-1-0,1-2,……255-256
检测步骤：
1. 将待检测图像分为大小相等的小图像块
2. 对每个小图像块分别进行非正和非负翻转
3. 计算每个小图像块的像素相关性是否增加
4. 将非负翻转后像素相关性增加的图像块的比例记为Rm，像素相关性减少的图像块的比例记为Sm
5. 将非正翻转后像素相关性增加的图像块的比例记为R-m，像素相关性减少的图像块的比例记为S-m
5. 调色板图像相比于传统的RGB彩色图像具有哪些优点和缺点。
解：优点
占用空间少，易于隐写，图片不会失真
缺点：
隐写易于发现，且隐写的方式都比较统一，当处理24位像素时比RGB更占用空间
6. 描述调色板图像的隐写算法（EZStego）的过程。
解：
1. 首先对调色板的真实像素按亮度进行排序（亮度取决于RGB的线性叠加）
2. 给每个不同亮度值分配一个序号，用奇数代表秘密信息1，偶数代表秘密信息0
3. 将调色板图像像素内容（索引值）使用LSB隐写代替，并将图像像素内容索引值改为新的亮度序号所对应的索引值
7. 已知像素值为
52 67 68 101 103 105 110 180
秘密信息为：00110100100111001
给出使用PVD隐写方法后的像素值
解：差值分别为：15，33，2，70
亮度值区域划分：[0-7],[8-15],[16-31],[32-63],[64-127]，共能隐写：3 + 5 + 3 + 6 = 17比特信息
将秘密信息转成10进制：1，20，4，39
计算出d’= 9, 52, 4, 103
计算rc = 3，10，1，17
计算rf = 3，9，1，16
嵌入后：49，70，58，110，102，106，94，197
PVD隐写思想：
1. 将图像灰度值分块（两个一组）
2. 隐秘信息通过像素差值传递
3. 像素差值为0的块不嵌入信息
4. 当然，如果原始像素差值较大，则能嵌入更多的信息
算法步骤：
1. 计算小块中的像素差值d
2. 将0-255的亮度范围分块[0-7],[8-15],[16-31],[32-64],[64-127],[128-253]
3. 记录每个区域的边界，上界u，下界l，和宽度w
4. 若d落在区域x内，则该块能嵌入的信息比特为：log2（w）
5. 将预嵌入信息转成10进制，并根据落在的区域计算出d’
D’= l + d (d >= 0)
= -( l + d) (d < 0)
6. 分别计算rc和rf，rc为d’和d的差值绝对值（四舍五入），rf为d’和d差值绝对值取最小！
7. 得到嵌入隐秘信息后的像素值：
(pi, pi+1) = (pi – rc, pi+1 + rf) d mod 2 = 1
= (pi – rf, pi+1 + rc) d mod 2 = 0
数字水印与数字隐写的相同点和不同点
详细描述水印的嵌入与提取方法
常用的变换域水印算法有哪些，讲述各自优缺点
解：DFT变换（傅立叶变换）
具有良好的几何性质
处理不变性好
运算不够简单
自适应效果不好
DCT变换
运算简单
JPEG压缩兼容性较好
自适应效果好
DWT变换（小波变换）
解决DCT压缩比不高的问题
能量集中更好
鲁棒水印的鲁棒性主要通过哪些方法实现的
解：噪声，滤波，数/模与模/数转换，重采样，剪切，位移，尺度变化以及有损压缩编码
通过直方图的形式描述直方图平移可逆水印算法
解：1. 找出峰值点和零值点
2. 将零值点和峰值点平移到相邻位置
3. 嵌入水印信息（二值）
4. （提取）从峰值点和零值点中提取出水印信息
5. 恢复之前的顺序
图详见笔记。
如果一个像素对的像素值为（77，71），计算使用差值扩展可逆算法嵌入水印（值为1）后的像素值
解：利用相邻像素的相关性，通过相邻像素的差值扩展来实现数据的嵌入
1. 求平均值和差值
L = (77 + 71) / 2 = 74 （取最小整数）
H = a – b = 77 – 71 = 6
2. 扩展差值并嵌入水印
H’= 2h + i = 13
3. 计算嵌入水印信息后的像素值
A’= l + （h’+ 1）/2
B’= l – h’/2 （注：除法都是取最小整数）
嵌入水印收的像素值为：（81，68）
相比差值扩展可逆水印算法预测误差扩展可逆水印算法的有点是什么
解：利用相邻像素的相关性，利用相邻像素来预测当前像素，而当前像素和预测值的差就是预测误差，设像素x的预测值为x’则预测误差p为：
P = x – x’
类似于差值扩展可逆水印算法，对预测误差扩展并嵌入一位信息i，嵌入方式：
P’= 2p + i
之后的计算方式和差值扩展可逆水印算法一致。
优点：如何得到预测值是一种手段，而别人并不知道，因此想破解出水印信息难度较差值扩展大
基于LSB压缩的可逆水印技术
思想：将100位的数据信息压缩成为50位，就出现了50位的数据冗余，而刚好可以利用这50位冗余数据进行水印的嵌入
因篇幅问题不能全部显示，请点此查看更多更全内容