基于数字全息技术和人耳特征的关键点的光学图像隐藏

《Optik》：Optical image hiding based on digital holography and human auricle feature key

　　赵双|李伟良
河北大学电子与信息工程学院，保定071000，中国

**摘要**
在目前大多数光学图像隐藏方法中，加密密钥与用户身份之间缺乏固有相关性，这带来了显著的安全风险。一旦密钥被泄露，任何未经授权的第三方都可能提取出原始的明文图像信息。为了解决这一漏洞，本文提出了一种新的光学图像隐藏方案，该方案结合了数字全息技术与人体耳廓生物特征。在该方案中，耳廓生物特征直接用作加密密钥，而通过安全哈希算法和混沌映射生成的随机相位掩模作为加密过程中的中间变量。明文图像使用耳廓生物特征驱动的随机相位掩模进行编码，并被加密成三个类似噪声的全息图。通过变分图像分解和小波变换，载体图像经历多频带频率分解，从而能够将加密后的全息图嵌入到中频子带中进行信息隐藏。所提出的基于耳廓生物特征的关键系统消除了对基于网络的关键传输需求，并确保了用户的唯一性，从根本上防止了密钥盗窃的风险。广泛的实验结果证明了该方案在可行性、安全性和对抗各种攻击方面的优越性。

**引言**
图像作为直观的信息载体，由于其生动性、大的信息容量等特点，在医疗保健、金融、军事通信和智能监控等各个领域得到了广泛应用。然而，在图像的传输和存储过程中，它们面临着非法盗窃、篡改或复制等风险，信息安全问题日益突出。因此，如何有效地加密和隐藏图像已成为信息安全领域的重要研究方向。目前，图像加密和隐藏方法主要分为两大类：基于数字处理的方法和基于光学原理的方法。与传统的数字加密和隐藏技术相比，光学图像加密和隐藏技术具有高并行性、高速处理能力、大容量存储和多维密钥等优势，这些特点使得光学加密和隐藏技术不仅能够满足大规模数据传输和处理的需求，还能确保图像信息的安全。因此，近年来这项技术在国内和国际上都受到了研究人员的广泛关注，并在多个高安全性应用场景中得到了深入研究和开发。

双随机相位编码（DRPE）作为一种经典的光学加密架构[1]，已逐渐从傅里叶变换领域扩展到多个变换领域。这包括引入分数阶作为额外密钥的分数傅里叶变换（FRT）领域[2]；通过衍射距离和波长参数增强安全性的菲涅尔变换领域[3]；以及由于其旋转对称性而成为新方向的旋转器变换领域[4]、[5]、[6]。线性典范变换（LCT）领域[7]和混沌系统[8]也被用来增强DRPE的安全性。同时，为了增强DRPE方案，研究人员还整合了小波变换，例如在旋转器小波变换领域使用相位截断数据[9]，在菲涅尔小波变换领域应用结构化相位掩模[10]，或在旋转器小波变换领域使用改进的等模分解[11]。

数字全息技术为复杂振幅加密提供了有效的解决方案[12]。后续研究引入了各种技术，如基于压缩感知和计算全息的技术[13]、[14]，基于 diffraction imaging (DI) 的技术[15]，改进的无透镜积分成像 (II) [16]，以及选择性计算鬼成像 (CGI) [17]、[18]。此外，还提出了通过单像素成像[19]、光栅术[20]以及结合双通道检测和深度学习的方案[21]等进行压缩光学加密，丰富了光学加密的手段。

上述加密方法得到的结果通常类似噪声，这在传输过程中可能会吸引攻击者的注意。为了解决这个问题，研究人员提出了光学图像隐藏方法。光学图像隐藏技术通过在宿主图像中嵌入秘密信息实现隐蔽传输。核心挑战在于平衡隐秘性和鲁棒性。Kishk 和 Javidi 提出了一种使用双相位编码的信息隐藏技术，该技术具有抗暴力攻击的能力[22]；Wang 等人在分数傅里叶领域采用了相位恢复迭代算法来隐藏宿主图像的彩色通道中的自编码结果[23]；Seo 团队提出了一种使用多重菲涅尔衍射在数字全息图中隐藏内容的方法[24]；Liu 等人提出了一种基于旋转器变换领域的图像隐藏方案，该方案涉及在旋转器变换领域旋转方形子图像的扰动过程[25]。Wang 等人提出了一种使用衍射成像技术的光学图像隐藏方案，有效平衡了隐藏方案的隐蔽性和鲁棒性[26]。Zhao 等人通过数值方法生成和重建全息图，并将秘密图像嵌入到 DCT 中间系数中，从而增强了图像的保密性[27]。Zhang 的团队使用光栅术通过多探针扫描记录三维对象的衍射图案，并结合相位恢复算法实现单次曝光隐藏[28]；Chen 等人利用计算鬼成像和单像素成像以及带桶检测器的照明模式将强度序列作为密文嵌入到宿主图像中，使得该方法适用于非像素传感器场景[29]。Baluja 团队使用了训练有素的深度神经网络来同时创建隐藏和揭示过程，这些网络是专门设计成成对工作的[30]。

在上述光学图像加密和隐藏方法中，密钥与用户身份之间缺乏生物特征关联，导致密钥管理中的漏洞和动态更新中的瓶颈。为了解决这个问题，研究人员提出了基于生物特征（指纹、虹膜、掌纹等）的混沌指纹相位掩模（CFPM）生成机制，将独特的用户生物特征深度集成到光学加密系统中。例如，Wang 等人使用高分辨率指纹采集仪器获取用户的指纹特征，并应用改进的逻辑映射混沌图对指纹灰度图像进行非线性迭代，生成具有准随机分布特性的 CFPM[26]。Su 等人进一步将该方案扩展到双图像加密场景，结合相移数字全息技术以提高系统鲁棒性[31]。Hu 的团队提出了一种利用神经网络恢复基于混沌虹膜相位掩模和计算机生成全息图 (CGH) 的加密和隐藏图像的方案，解决了对称-非对称混合加密系统中的非法攻击问题[32]。Zhang 等人提出了一种基于混沌掌纹相位掩模和菲涅尔变换的光学单通道彩色图像加密方案[33]。其他最近的工作专注于通过混合技术增强安全性，例如对现有方案进行密码分析[34]，探索医学图像中的噪声估计[35]，使用 Reed-Muller 编码的双重保护方法[36]，或开发使用 QZ 合成的非对称系统[37]。这些方法通过利用生物特征的独特性和不可复制性解决了传统密钥与用户身份之间的分离问题。它们还利用了衍射成像的多参数敏感性和相移全息的抗裁剪特性，构建了一个“一人一密钥”的动态安全系统。

虽然上述基于生物特征的加密方法提高了密钥安全性，但将该概念稳健地应用于图像隐藏的研究还较少。本文提出了一种 specifically 利用人耳廓特征作为生物密钥的光学图像隐藏方案。与常用的生物特征模式相比，人耳廓在生成加密密钥方面具有独特优势。虽然面部特征易于捕捉，但它们容易受到表情和衰老的影响。指纹需要物理接触，导致潜在指纹容易被秘密复制。虹膜提供高安全性，但需要侵入性的近距离成像。相比之下，耳廓具有高度稳定且复杂的形态结构，对面部表情不敏感，并允许非侵入性采集。尽管耳廓是外部可见的特征，但所提出的方案依靠高分辨率提取微观纹理而非宏观形状来降低未经授权复制的风险。从远处秘密捕获这些具有加密可行性的微观特征极其困难。因为这些精确的纹理直接用于生成单向 SHA-256 哈希值，任何随机捕获的、低保真度的图像如果缺乏精确的空间和照明一致性，都会触发哈希函数的雪崩效应。这种机制严格拒绝了“视觉相似”的输入，从而将外部解剖特征转化为高度安全的私钥。这直接解决了对实用、用户友好的生物识别符的需求。本研究的核心目的是将这种稳健的生物特征直接绑定到高安全性的光学加密和隐藏过程中。我们采用三步相移数字全息 (DH) 进行加密。DH 安全地将 2D 明文图像转换为复杂振幅全息图，这本身提供了较大的密钥空间（例如，衍射距离、波长），并确保了高保真度重建，形成了第一层安全保障。本工作的主要创新之处在于三个不同阶段的协同集成：（1）一个稳健的生物特征密钥生成过程，其中独特的耳廓特征通过安全哈希算法 (SHA-256) 和混沌映射转换为混沌随机相位掩模；（2）在三步相移 DH 系统中使用这些生物特征密钥的相位掩模进行安全光学加密；（3）一个先进且不易察觉的隐藏阶段。这一隐藏阶段是一个关键的创新步骤。我们首先使用变分图像分解 (VMD) 将宿主图像分离为其结构 (U)、纹理 (V) 和噪声 (W) 组件，然后策略性地将有加密的全息图嵌入到纹理 (V) 层的中频子带（通过 DWT 获得）中。这种 VMD 引导的嵌入最小化了宿主图像主要结构（U 层）的视觉失真，并优化了隐秘性和鲁棒性之间的权衡。这种“生物特征密钥全息加密 → VMD 引导的隐藏”级联创建了一个稳健的双层安全架构，为安全的光学信息隐藏提供了一种新颖且实用的解决方案。

所提出的方案在需要高安全性和隐蔽通信的实际应用中具有巨大潜力。例如，在医学成像（医疗保健）中，敏感的患者数据（如 MRI 或 CT 扫描）可以使用医生或患者的耳廓特征进行加密，并隐藏在非敏感的宿主图像（如医院标志或标准解剖图表）中，以实现安全传输和存储。在军事通信中，机密侦察图像可以由授权官员进行生物特征加密，并嵌入到良性照片中以实现隐蔽传输，防止被对手截获。其他潜在领域包括安全的金融数据传输、知识产权保护以及用于内容认证的隐蔽数字水印。

本文的其余部分安排如下：第 2 节详细介绍了基于耳廓的随机相位掩模的生成过程；第 3 节描述了所提出方案的加密、隐藏和提取解密过程；第 4 节通过数值模拟验证了所提出的加密隐藏方案的可行性、安全性和鲁棒性；最后，第 5 节对本文进行了总结。

**图例说明**
- **图 1** 阐明了随机相位掩模生成过程的示意图。
- **图 2** 阐明了所提出的加密和隐藏方案的示意图。

**详细过程说明**
基于耳廓生成随机相位掩模的详细过程主要包括以下步骤：
**步骤 1：** 使用 SHA-256 计算耳廓的哈希值，得到一个 256 位哈希值，表示为十六进制数组：
$$ H = [h1, h2, \ldots, h64] $$
**步骤 2：** 使用数组 H 的某些元素生成混沌 Lozi 映射的初始值：
$$ x = x0 + \hex2dec(H(hi: hi+7)) \times 10^{-16} $$
**加密和隐藏过程**
**图 2** 阐明了所提出的加密和隐藏方案的示意图。

**详细的加密-隐藏过程** 主要包括以下步骤：
**步骤 1：** 首先将原始灰度图像通过菲涅尔距离 z1，然后再通过菲涅尔距离 z2。CCD 平面上的物体光可以表示为：
$$ \Psi_U = FrTZ2\lambda[FrTZ1\lambda(IO \cdot FRPM1) \cdot FRPM2] $$
其中 FrTZ1λ 和 FrTZ2λ 分别代表在距离 Z1 和 Z2 处执行的菲涅尔变换；FRPM1 和 FRPM2 分别代表...

**仿真结果与分析**
为了验证所提出的加密隐藏方案的可行性、安全性和鲁棒性，我们在 MATLAB R2023b 平台上进行了一系列数值模拟。需要注意的是，这里呈现的结果是基于数值模拟的。本研究的主要目的是证明所提出算法的概念可行性和理论鲁棒性。未来的工作将努力使用物理光学设备来验证这些发现。

**结论**
本文提出了一种基于耳廓特征键和三步相移数字全息的光学彩色图像隐藏方案。在这个方案中，耳廓的生物特征直接作为主要的加密密钥，而通过安全哈希算法（SHA-256）和混沌映射生成的随机相位掩码则充当中间转换变量。明文图像利用菲涅尔变换域与三步加密过程被加密成三个类似噪声的全息图。作者声明没有利益冲突。作者声明他们没有已知的财务利益冲突或个人关系可能会影响本文所报告的工作。