曹玉強(qiáng)，龔衛(wèi)國(guó)，柏森

（1. 重慶大學(xué)光電學(xué)院，重慶 400030；2. 重慶通信學(xué)院，重慶 400035）

基于多模生物模板安全的頑健圖像隱藏算法

曹玉強(qiáng)1,2，龔衛(wèi)國(guó)1，柏森2

（1. 重慶大學(xué)光電學(xué)院，重慶 400030；2. 重慶通信學(xué)院，重慶 400035）

為了解決多模生物認(rèn)證中生物模板安全傳輸問題，提出把人臉圖像隱藏嵌入到指紋圖像中，用于多模生物特征認(rèn)證，以提高生物體征識(shí)別的安全性和準(zhǔn)確性。利用指紋圖像歸一化、中心點(diǎn)檢測(cè)，獲取嵌入?yún)^(qū)域的幾何失真不變域，提出在幾何失真不變域基于奇異值分解（SVD）的多重嵌入算法，嵌入相應(yīng)的人臉圖像。檢測(cè)者通過相關(guān)性優(yōu)化算法，盲提取人臉圖像，再結(jié)合載體指紋圖像進(jìn)行多模認(rèn)證。實(shí)驗(yàn)結(jié)果表明，該算法能夠抵抗旋轉(zhuǎn)、縮放、平移等幾何失真，也能抵抗壓縮、濾波、噪聲等攻擊，提高了生物模板的傳輸安全性，指紋與人臉雙模生物認(rèn)證相比于單模認(rèn)證具有更高的正確識(shí)別率。

多模認(rèn)證；數(shù)字水??；歸一化；奇異值分解

早期研究者已經(jīng)采用加密技術(shù)來處理生物系統(tǒng)安全性面臨的挑戰(zhàn)［3］。近年來，隨著數(shù)字水印技術(shù)的流行，其逐漸被應(yīng)用在保護(hù)生物圖像和模板的安全［3～5］。其方法主要分為三大類：①在生物圖像或模板中嵌入特殊的水印信息，在認(rèn)證接收方通過提取的水印來判斷生物圖像或模板的真實(shí)性；②把生物圖像或模板嵌入到可公開的圖像等媒體中，通過保護(hù)生物圖像或模板的存在來確保其安全性；③把同一人的某一生物特征（如人臉、虹膜等）嵌入到另一生物特征圖像中（指紋、人臉等）中。接收方可以通過一個(gè)通道秘密接收兩類特征，同時(shí)用來生物認(rèn)證。這類雙模認(rèn)證既提高認(rèn)證的準(zhǔn)確性，又提高了生物特征的安全性。

Vatsa［6］提出基于冗余小波變換的雙模認(rèn)證的算法，把MFCC（mel frequency cepstral coefficients）信號(hào)作為水印嵌入到彩色人臉圖像中，存在嵌入容量偏低，頑健性較差的缺點(diǎn)。WongyumKim［7］提出兩級(jí)認(rèn)證的多模生物圖像水印算法，精簡(jiǎn)的人臉圖像特征作為水印被嵌入到指紋圖像中，僅用于判斷載體圖像的受攻擊情況。Miao［8］提出基于相關(guān)分析算法把虹膜和掌紋特征作為水印嵌入到普通載體圖像中。頑健性尤其是抗幾何攻擊性能和隱藏容量成為多模生物特征隱藏的主要問題。

信息隱藏技術(shù)中的數(shù)字水印和隱寫術(shù)技術(shù)本身有很大不同。數(shù)字水印技術(shù)為了保護(hù)載體信號(hào)而強(qiáng)調(diào)水印的抗攻擊頑健性，所以水印容量都很小；隱寫術(shù)主要是通過載體的隱蔽性保護(hù)嵌入其中的秘密信息，主要考慮其嵌入容量，而頑健性差。不管是數(shù)字水印還是隱寫術(shù)，幾何攻擊都一直是一個(gè)難以解決的問題。數(shù)字水印技術(shù)中抗幾何攻擊的算法大致可分為三類。①基于失真校正的方法，為了抵抗幾何攻擊在原始信息中嵌入一個(gè)注冊(cè)模板或者將水印設(shè)計(jì)為一種特殊形式，使水印檢測(cè)器可以檢測(cè)幾何失真。這種方法實(shí)際是嵌入2個(gè)水印，一個(gè)是真正的水印，另一個(gè)用于檢測(cè)幾何失真的水印。②基于圖像歸一化的方法，通過對(duì)圖像進(jìn)行歸一化使其對(duì)旋轉(zhuǎn)、平移和尺度變換具有不變性。在水印檢測(cè)之前對(duì)待檢測(cè)圖像做同樣處理。③基于圖像不變性特征的方法，常采用的不變性特征有Fourier-Mellin變換系數(shù)、幾何矩不變量和Zernike矩等。

Zhu［9］利用不變矩特征校正受幾何攻擊的含水印圖像，再進(jìn)行水印提取，水印嵌入容量大約0.038 bit/s；Li［10］提出利用harris角點(diǎn)檢測(cè)尋找穩(wěn)定特征點(diǎn)，以特征點(diǎn)為中心形成圓環(huán)嵌入?yún)^(qū)域，該算法嵌入容量?jī)H有十幾比特。Niu［11］利用SIFT變換尋找穩(wěn)定特征點(diǎn)，以特征點(diǎn)為中心形成嵌入圓形區(qū)域，再用Bandelet變換嵌入水印，此算法嵌入容量0.003 9 bit/s。從目前的抗幾何攻擊水印算法來說，嵌入容量都不能滿足生物特征隱藏的需求。

本文提出基于奇異值分解（SVD，singular value decomposition）變換和圖像歸一化（normalization）相結(jié)合的信息隱藏算法，克服嵌入容量和幾何攻擊問題，使在指紋圖像中能夠頑健嵌入容量較大的人臉圖像，滿足雙模生物認(rèn)證的需求。

2 嵌入算法

完整的隱藏算法如圖1所示。利用圖像歸一化獲取RST不變區(qū)域（rotation， scaling and translation invariant），在歸一化的圖像中采用SVD算法多重嵌入水印圖像，為了進(jìn)一步提高生物模板的安全，引入混沌置亂對(duì)圖像進(jìn)行預(yù)加密處理。

2.1 圖像歸一化

圖像歸一化算法根據(jù)圖像特征來獲取圖像的旋轉(zhuǎn)、平移與縮放參數(shù)，按照一種標(biāo)準(zhǔn)形式對(duì)圖像進(jìn)行幾何變換。圖像歸一化可以消除仿射變換（RST攻擊）對(duì)圖像的影響。目前常用的歸一化算法是基于矩的歸一化［12］，其過程為坐標(biāo)中心化、x-shearing歸一化、縮放歸一化和旋轉(zhuǎn)歸一化。本文采用文獻(xiàn)［12］的方法對(duì)載體圖像進(jìn)行歸一化處理，獲得標(biāo)準(zhǔn)圖像形式，載體圖像經(jīng)過平移、切變、縮放和旋轉(zhuǎn)后，歸一化的圖像與原始載體圖像保持基本一致，如圖2所示。

圖1 生物水印隱藏算法

圖2 圖像歸一化在幾何攻擊下的比較

幾何攻擊最主要的危害是破壞了水印嵌入?yún)^(qū)域的同步性，從圖2可以看出，歸一化處理能夠保證在幾何攻擊下的圖像位置基本不變，為在歸一化的圖像中嵌入水印提供抗幾何攻擊的保證。

2.2 奇異值分解

基于奇異值分解的水印嵌入策略，由劉瑞禎等［13］較早提出。隨后，在這個(gè)基礎(chǔ)上，提出了很多改進(jìn)方法。最早提出的奇異值分解是在整個(gè)圖像上進(jìn)行的，水印容量大，但是安全性不夠，因?yàn)樘崛∷∷枰妮o助信息包含了大部分水印信息。而后提出的先對(duì)圖像進(jìn)行分塊，然后在各個(gè)子塊上進(jìn)行奇異值分解的水印嵌入方法［14］，避免了上述的問題，但是嵌入的水印信息較小，不滿足本文生物模板嵌入的需求。本文在文獻(xiàn)［13］的基礎(chǔ)上，改進(jìn)SVD算法，利用混沌理論，置亂加密算法指紋和人臉圖像，以增強(qiáng)整個(gè)水印算法的安全性。

若一幅圖像用A表示，定義A∈Rn×n，其中R表示實(shí)數(shù)域，則矩陣A的奇異值分解定義如下。其中，U、V'均為正交陣，S為對(duì)角陣，其對(duì)角線元素為A的從大到小排序的非負(fù)奇異值。

2.3 Logistic混沌映射

混沌序列有以下特性：1） 是非周期的序列；2） 混沌序列不收斂；3） 對(duì)初始條件及其敏感，生成序列不可預(yù)測(cè)等。所以常用來生成隨機(jī)水印信號(hào)或者用來置亂圖像序列。一類非常簡(jiǎn)單卻廣泛應(yīng)用的混沌系統(tǒng)是 Logistic 映射，定義如下。

當(dāng)3.5714484μ＜ ≤ 時(shí)，該混沌映射處于混沌狀態(tài)。［3.571 448， 4］稱為混沌區(qū)域，在某一初始條件0x下，由式（2）Logistic映射生成序列為｛kx，k=0，1，2，3，…｝，具有上述的混沌序列特性。本文利用混沌序列置亂載體圖像和水印圖像，增加圖像的隨機(jī)性和安全性。

2.4 水印嵌入?yún)^(qū)域選擇

生物特征識(shí)別認(rèn)證對(duì)生物圖像質(zhì)量有較高的要求，生物水印圖像經(jīng)攻擊后圖像質(zhì)量往往下降嚴(yán)重，即使能夠滿足水印認(rèn)證的要求，但并不一定滿足后續(xù)的識(shí)別認(rèn)證需求。為了能夠獲得更高的水印圖像質(zhì)量，本文提出在圖像歸一化域中選擇幾何不變域多重嵌入，提取的多個(gè)水印圖像進(jìn)行優(yōu)化組合獲得最佳水印圖像。

雖然，載體圖像經(jīng)過歸一化之后，具有仿射攻擊不變性。但在一些攻擊依然可能存在小的像素位置偏移，精確的像素定位在水印提取過程中非常重要。因?yàn)檩d體為指紋圖像，關(guān)于指紋圖像的中心點(diǎn)定位算法有很多，本文采用文獻(xiàn)［15］確定中心點(diǎn)，依次為基準(zhǔn)，確定嵌入?yún)^(qū)域。以歸一化的載體指紋圖像的中心點(diǎn)為中心，向外形成n個(gè)與水印圖像尺寸一致，互不重疊的嵌入?yún)^(qū)域。計(jì)算每個(gè)嵌入塊的平均亮度值V，以V作為參數(shù)確定嵌入系數(shù)a的取值。圖像的奇異值與圖像的能量有很大關(guān)系，平均亮度值越大，奇異值也越大。

2.5 水印預(yù)處理

按照文獻(xiàn)［13］的算法嵌入水印圖像，存在很大安全隱患，需要另外傳送水印的U、V分量，而U、V分量表示水印圖像的細(xì)節(jié)，隨機(jī)選擇一個(gè)較合適的S都能恢復(fù)出水印的絕大部分信息。為了避免此隱患，本文結(jié)合載體圖像對(duì)水印進(jìn)行預(yù)處理。在歸一化的載體圖像中心，獲取水印大小的載體圖像內(nèi)容0FB。根據(jù)2.3節(jié)混沌映射方法，對(duì)水印圖像W和載體圖像中心塊0FB分別進(jìn)行混沌置亂，通過下式獲得新水印newW。

W、BcF0分別表示W(wǎng)和BF0的混沌置亂后圖像。水印圖像與載體圖像結(jié)合，即獲得了U、V分量和key等信息，那么合成的圖像也極大偏離生物圖像的原貌。只有具備完整的密鑰信息和含水印的圖像等才能完整地恢復(fù)出生物水印圖像。

2.6 生物水印嵌入過程

具體生物水印嵌入步驟如下。

步驟1 根據(jù)2.1節(jié)圖像歸一化方法對(duì)載體圖像I進(jìn)行歸一化，獲得標(biāo)準(zhǔn)的歸一化圖像In。

步驟2 根據(jù)2.4節(jié)方法選擇n個(gè)嵌入塊BFi，并計(jì)算每塊的亮度均值Bmi，i=1,…,n。

步驟3 根據(jù)2.3節(jié)混沌映射方法，生成n個(gè)混沌序列，以此序列分別置亂n個(gè)嵌入塊BFi，得到BcFi，并保存每個(gè)序列的初始值x0作為密鑰key1。

步驟4 在每個(gè)嵌入塊BcFi執(zhí)行SVD，如下式所示

步驟5 根據(jù)2.5節(jié)方法獲取新水印newW，并保存混沌序列的初始值0x作為密鑰key2。

步驟6 根據(jù)混沌置亂的水印圖像newW，用下式修改每個(gè)嵌入塊的奇異值矩陣。這里iα表示嵌入系數(shù)。

步驟7 對(duì)被修改的奇異值矩陣iwS進(jìn)行SVD分解，如下式

步驟8 用式（7）、式（8）進(jìn)行SVD逆變換，得到含水印的置亂圖像和密鑰key）

步驟9 根據(jù)混沌映射對(duì)含水印的置亂塊Bwci進(jìn)行逆置亂，還原含水印圖像塊為Bwi替換原始嵌入塊Bi，并對(duì)圖像歸一化逆變換，得到含生物水印圖像G。組合密鑰key1、key2和Bkeyi為密鑰Key。

2.7 水印提取過程

生物水印提取過程與嵌入逆過程近似，具體步驟如下。

步驟1 與嵌入過程的步驟1到步驟4一致，應(yīng)用密鑰key1獲得含水印的置亂塊Bwci'。

步驟2 對(duì)Bwci'和密鑰Key中的Bkeyi分別進(jìn)行SVD分解，如式（9）和式（10）所示。

步驟3 根據(jù)式（11）提取各個(gè)塊的水印Wci

ext

步驟4 類似于嵌入過程，提取含生物水印圖像G的中心塊BF0'，因?yàn)锽F0'≈BF0。用BF0'代替BF0提取生物水印。

2.8 水印優(yōu)化處理

在水印提取過程中，沒有原始生物水印圖像W可參考，提取還原的水印圖像是否正確無法直接判斷。含水印圖像可能遭到各種攻擊，如旋轉(zhuǎn)、剪切、縮放、濾波或壓縮等，即本身含有水印，那么有些位置的水印可能失真較大，而不能利用。本文提出互相關(guān)的方法提取出最優(yōu)生物水印圖像。之間的互相關(guān)系數(shù)ρ采用式（13）計(jì)算。

βi（0＜βi＜1）表示權(quán)重因子，其值與相關(guān)系?數(shù)有關(guān)，當(dāng)水印圖像與其他水印圖像相關(guān)系數(shù)相對(duì)較大，那么說明本水印質(zhì)量較好，βi設(shè)置較大值，否則設(shè)置較小值。

最終得到的水印圖像可能存在較大的噪聲，對(duì)后期的識(shí)別認(rèn)證有影響，通過中值濾波可以消除大部分噪聲，大大提高圖像質(zhì)量，如圖3所示。圖3中，圖3（a）～圖3（d）分別為4個(gè)區(qū)域提取的結(jié)果，圖3（e）為4個(gè)圖像合成的結(jié)果?？梢钥闯鲑|(zhì)量上有明顯提升，但噪聲較明顯，圖3（f）為圖3（e）濾波后的效果，質(zhì)量改善很大，視覺上與原始圖像相似。

圖3 提取人臉圖像比較

3 實(shí)驗(yàn)結(jié)果與性能分析

為了驗(yàn)證本文提出的生物水印隱藏算法，以DFC V200指紋數(shù)據(jù)作為算法測(cè)試載體圖像數(shù)據(jù)庫(kù)，其中共有64個(gè)不同手指圖像，每個(gè)手指8幅圖像，每幅圖像尺寸為256×300，8 bit灰度圖像。因?yàn)闆]有本指紋數(shù)據(jù)庫(kù)對(duì)應(yīng)的人臉圖像庫(kù)，所以另外選擇Yalefaces 128×128和64×64的灰度人臉數(shù)據(jù)作為生物水印圖像庫(kù)，其中共有15個(gè)人，每人15張不同表情的圖像。

3.1 各類攻擊提取效果測(cè)試

圖4給出了無攻擊條件下，正常隱藏提取的效果，含密指紋視覺上與原始指紋無差異，峰值信噪比為43.53 dB，說明圖像質(zhì)量?jī)?yōu)良，人臉嵌入對(duì)指紋圖像影響很小。提取的人臉圖像與原始人臉圖像的相關(guān)系數(shù)ρ=0.998 9，所以從視覺上和相關(guān)度上比較，效果都是非常好。圖5給出了各類攻擊條件下，人臉的提取效果。實(shí)驗(yàn)結(jié)果表明，一定條件的幾何攻擊，如旋轉(zhuǎn)、剪切、尺度變換，本隱藏提取算法依然能獲得較好的人臉圖像，相關(guān)度ρ保持在0.96以上；同樣在濾波、噪聲和增強(qiáng)攻擊下也能保持很好的提取效果。因此，從視覺效果和相關(guān)度上評(píng)價(jià)，該算法能夠保持較好的抗攻擊能力，較好的頑健性。

圖4 無攻擊的隱藏提取效果

圖5 各類攻擊測(cè)試

JPEG圖像是最常用的圖像壓縮格式，下面本文測(cè)試含密指紋圖像在不同量化因子條件下，JPEG壓縮對(duì)人臉提取的影響，圖6展示了具體效果。

JPEG壓縮測(cè)試結(jié)果表明，量化質(zhì)量因子（Q）為20時(shí)，相關(guān)系數(shù)ρ保持在0.97以上，而當(dāng)Q為10時(shí)，ρ明顯下降到0.934 0。為了保持較好的保真度，一般JPEG壓縮的量化質(zhì)量因子在70～80間，而此時(shí)相關(guān)系數(shù)ρ保持在0.98以上，同時(shí)也具有很好的視覺效果。

3.2 比較指紋人臉圖像的各自識(shí)別結(jié)果差異

生物模板主要應(yīng)用于身份識(shí)別認(rèn)證，含密指紋圖像和提取的人臉圖像效果如何，不僅要從視覺和相關(guān)度上判斷，也需要測(cè)試其識(shí)別率，在同等條件下，測(cè)試觀察含密指紋圖像和原始指紋圖像的識(shí)別率差異以及原始人臉圖像和提取人臉圖像的識(shí)別率差異。

實(shí)驗(yàn)條件：選擇Yale人臉圖像庫(kù)，每人有10幅不同表情的圖像。隨機(jī)選擇5幅作為訓(xùn)練樣本，另外5幅作為測(cè)試樣本，分別應(yīng)用PCA［16］和FLDA［17］算法測(cè)試其識(shí)別率，獲得原始人臉圖像庫(kù)的識(shí)別率。把5幅測(cè)試人臉分別作為秘密人臉，經(jīng)過隱藏提取，獲取的秘密人臉圖像替換原始的圖像，測(cè)試其識(shí)別率，統(tǒng)計(jì)提取人臉的識(shí)別率。指紋識(shí)別僅比較未受攻擊的原始指紋圖像和含密指紋圖像的識(shí)別率差異，經(jīng)比較識(shí)別率基本不變。因?yàn)楹苤讣y圖像降質(zhì)不明顯，隱藏并不影響指紋特征的提取，所以指紋識(shí)別率保持一致。表2列舉了尺寸為128×128和64×64兩類人臉圖像在不同攻擊下提取后的識(shí)別率比較結(jié)果，各類攻擊對(duì)人臉識(shí)別有少部分影響，識(shí)別率降低5%左右。假定人臉圖像和指紋圖像來自同一個(gè)人，雙生物特征融合后識(shí)別率會(huì)高于單一特征的識(shí)別率，因生物特征庫(kù)限制未做相應(yīng)測(cè)試。

圖6 不同量化質(zhì)量因子的JPEG壓縮攻擊提取效果

表2 不同攻擊條件下提取人臉的識(shí)別率比較

4 結(jié)束語(yǔ)

信息隱藏技術(shù)的抗攻擊問題一直是其難點(diǎn)，容易受到隱藏容量和提取保真度的限制。本文針對(duì)多模生物特征安全傳輸、存儲(chǔ)問題，基于信息隱藏技術(shù)提出人臉與指紋圖像隱藏保護(hù)策略。而且本文提出的算法不僅解決隱藏保護(hù)問題，更強(qiáng)調(diào)其抗各類攻擊能力，尤其在幾何攻擊方面。目前，幾何攻擊是信息隱藏技術(shù)的一大難題，SVD、歸一化和特征定位的結(jié)合，可以較好地解決幾何攻擊問題。本文中提出水印優(yōu)化檢測(cè)策略，大大提升了隱藏圖像的提取質(zhì)量，為下一步的特征識(shí)別提供質(zhì)量保障。

［1］ ROSS A， JAIN A K. Information fusion in biometrics［J］. Pattern Recognition Letters， 2003（24）： 2115-2125.

［2］ RATHA NK， CONNELL J H， BOLLE RM. Secure data hiding in wavelet compressed fingerprint images［C］//ACM Multimedia. 2002： 127-130.

［3］ JAIN A K， ULUDAG U. Hiding biometric data［J］. Transactions on Pattern Analysis and Machine Intelligence， 2003， 25（11）： 1494- 1498.

［4］ GUNSEL B， ULUDAG U， TEKALP A M. Robust watermarking of fingerprint images［J］. Pattern Recognition， 2002， 35（12）： 2739-2747.

［5］ VATSA M， SINGH R， MITRA P， et al. Comparing robustness of watermarking algorithms on biometrics data［C］//The Workshop on Biometric Challenges From Theory to Practice-ICPR. 2004： 5-8.

［6］ VATSA M， SINGH R， NOORE A. Feature based RDWT watermarking for multimodal biometric system［J］. Image and Vision Computing. 2009（27）： 293-304.

［7］ GYUMKIM W， LEE H. Multimodal biometric image watermarking using two-stage integrity verification， Signal［C］//Process. 2009.

［8］ MIAO Q， YING H L， NING D. A novel image hiding approach based on correlation analysis for secure multimodal biometrics［J］. Journal of Network and Computer Applications， 2010（33）： 247-257.

［9］ ZHU H Q， LIU M， LI Y. The RST invariant digital image watermarking using Radon transforms and complex moments［C］//Digital Signal Process. 2010.

［10］ LI L D， GUO B L. Localized image watermarking in spatial domain resistant to geometric attacks［C］//International Electronic Communication. 2009： 123-131.

［11］ NIU P P. A feature-based robust digital image watermarking scheme using bandelet transform［J］. Optics &Laser Technology，2011（43）： 437-450.

［12］ PING D， BRANKOV J G， GALATSANOS N P， et a1. Digital watermarking robust to geometric distortions［J］. IEEE Transactions on Image Processing， 2005， 14（12）：2140-2150.

［13］ 劉瑞禎， 譚鐵牛. 基于奇異值分解的數(shù)字圖像水印方法［J］. 電子學(xué)報(bào)， 2011， 29（2）： 2. LIU R Z， TAN T N. SVD based digital watermarking method［J］. Acta Electronica Sinica， 2011， 29（2）：1-4.

［14］ 李海峰， 王樹勛， 溫泉， 等. 基于分塊SVD和Zernike矩的頑健圖像水?。跩］. 模式識(shí)別與人工智能， 2005， 18 （3）： 6. LI H F， WANG S X， WEN Q， et al. Robust image watermarking based on block SVD and zernike moments［J］. Pattern Recognition and Artificial Intelligence， 2005， 18（3）：359-365.

［15］ 馮俐俐， 李昌禧. 指紋中心點(diǎn)的定位和特征匹配方法［J］. 華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2002， 30（10）： 78-80. FENG L L， LI C X. Fingerprint matching algorithm based on finger core［J］. Journal of Huazhong University of Science and Technology（Natural Science Edition）， 2002， 30（10）：78-80.

［16］ TURK M， PENTLAND A. Eigenfaces for recognition［J］. Journal of Cognitive Neuroscience， 1991， （3）： 72-86.

［17］ BELHUMEUR P N， HESPANHA J P， KRIEGMAN D J. Eigenfaces vs fisherfaces： recognition using class specific linear projection［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1997， 19（7）： 711-720.

曹玉強(qiáng)（1977-），男，河南南陽(yáng)人，重慶通信學(xué)院講師，主要研究方向?yàn)樾畔㈦[藏、數(shù)字水印、圖像壓縮和模式識(shí)別。

柏森（1963-），男，四川達(dá)州人，博士（后），重慶通信學(xué)院教授、碩士生導(dǎo)師，主要研究方向?yàn)樾畔㈦[藏、掩密通信、圖像處理、模式識(shí)別。

龔衛(wèi)國(guó)（1957-），男，重慶人，重慶大學(xué)教授、博士生導(dǎo)師，主要研究方向?yàn)閳D像處理、模式識(shí)別、智能化信息技術(shù)及系統(tǒng)。

Robust image hiding algorithm for secure multimodal biometrics

CAO Yu-qiang1,2， GONG Wei-guo1， BAI Sen2
（1. College of Optoelectronic Engineering， Chongqing University， Chongqing 400030， China；2. Chongqing Communication Institute， Chongqing 400035， China）

In order to solve the bio-template secure transmission in multimode biometric authentication， a novel algorithm was presented that hiding face watermarks in fingerprint carrier image to improve security and recognition accuracy. RST invariant embedding region was obtained by carrier image normalization and the core point detection. Multiple embedding based on SVD in the region and watermark optimizations in extraction process were presented in hiding scheme. The security of the proposed algorithm and its robustness against different kinds of attacks were verified by simulations.

multimodal biometrics， watermarking， normalization， SVD

1 引言

生物認(rèn)證技術(shù)利用計(jì)算機(jī)對(duì)人體所固有的生理特征或者行為特征進(jìn)行身份識(shí)別，與傳統(tǒng)的認(rèn)證方法相比具有防偽性好、便于攜帶、不易丟失和遺忘的優(yōu)點(diǎn)。采用單生物特征進(jìn)行認(rèn)證的系統(tǒng)，普遍存在可靠性和安全性等問題。因此從系統(tǒng)的安全性和可靠性等因素考慮，多模生物認(rèn)證是提高識(shí)別性能的切實(shí)可行的方法，也成為當(dāng)前生物認(rèn)證技術(shù)研究的主流方向［1］。生物認(rèn)證的安全性中最重要的是生物數(shù)據(jù)的安全性，必須保護(hù)它不被攻擊或篡改，Ratha等［2］總結(jié)了生物認(rèn)證系統(tǒng)的一般攻擊類型，主要有強(qiáng)制攻擊、偽造攻擊、重放攻擊、在特征提取、模板數(shù)據(jù)庫(kù)、匹配和判決處的攻擊。攻擊可能改變生物圖像或模板的內(nèi)容，造成生物系統(tǒng)的性能下降。本文主要研究多模生物特征認(rèn)證系統(tǒng)中的生物模板數(shù)據(jù)保護(hù)技術(shù)，以此提高生物特征的安全性和識(shí)別率的準(zhǔn)確性。

The National Natural Science Foundation of China（No.61272043）

TN911.73

A

10.11959/j.issn.2096-109x.2016.00093

2016-07-20；

2016-09-03。通信作者：曹玉強(qiáng)，caoyuqiang163@163.com

國(guó)家自然科學(xué)基金資助項(xiàng)目（No.61272043）