使用k-mean聚类做图像隐写时缩放后主熵值偏低问题咨询

根源定位方向 #

• 优先排查嵌入位置与缩放操作的冲突：如果你的隐写信息嵌在像素低2位及更低位，或者聚类标签的冗余偏移位上，常用的双线性、双三次缩放插值算法会直接合并相邻像素值，抹除这些低位的随机隐写比特，替换为相关性更强的插值计算结果，直接拉低全局熵。可做对照验证：分别对无隐写的原始载体、隐写后图像执行相同参数的缩放，对比二者的熵值下降幅度，如果差值在0.3以内，说明插值算法是核心诱因。
• 排查聚类参数设置问题：如果选择的k值偏小，聚类后图像的有效像素值量级远低于原始8位图的256级，缩放过程会进一步收敛像素分布，导致直方图出现明显峰值聚集，熵值骤降。可统计缩放前后的灰度/通道直方图分布，确认是否存在分布收敛问题。
• 排查聚类域嵌入逻辑问题：如果信息是直接绑定到聚类中心的数值本身，缩放后聚类中心的数值会被插值修改，原本离散的聚类簇分布被打乱，也会导致熵值大幅下跌。

可行修复方案 #

• 调整聚类域嵌入逻辑：不要将信息绑定到像素值或者聚类中心的绝对数值上，改为绑定聚类簇的相对分布特征，例如规定8x8图像块内聚类中心A的出现频次高于聚类中心B代表比特1，反之代表0，这类分布特征不会被常规缩放操作破坏，也不会导致熵值大幅波动。
• 预处理适配缩放攻击：如果应用场景的缩放参数是固定的，隐写前先对载体图像执行相同参数的缩放，再做k-means聚类和信息嵌入，避免后续缩放操作破坏嵌入的信息和像素分布。
• 增加熵补偿步骤：隐写完成后先做模拟缩放攻击，对缩放后的图像做不影响隐写信息提取的微小像素扰动，将全局熵值调整到与原始载体接近的区间，控制扰动幅度低于隐写容错阈值即可。
• 优化聚类参数：适当调大k值，保证聚类后的有效像素值量级足够高，避免缩放后像素分布过快收敛，可将k值设置为64~128区间（针对8位单通道图）测试熵值变化。

内容的提问来源于stack exchange，提问作者H.S HH