1.一种基于点集序列匹配的图像矢量化隐藏方法，其特征在于，包括：步骤1：对输入的自然掩体图像进行处理，获取半色调图像；

步骤2：划分全白矢量画布，获取若干个不重叠的矢量矩形块；

步骤3：对第一密钥和第二密钥进行处理，分别获得随机密钥序列和坐标两两不重复的嵌密小块坐标序列，其中随机密钥序列中的元素数量与所划分的不重叠的矢量矩形块的数量一致；

步骤4：将随机密钥序列中的元素作为随机数种子，产生相对应矢量矩形块表示0、表示

1或表示不嵌密的点集子序列；

步骤5：判断矢量矩形块在全白矢量画布的映射位置是否属于第二密钥生成的坐标两两不重复的嵌密小块坐标序列，如果不属于，则矢量矩形块不嵌密，如果属于，则矢量矩形块嵌密，然后根据表示0、表示1或表示不嵌密，选择对应的点集子序列；

步骤6：在矢量矩形块上绘制随机线段逼近半色调图像中的像素；

步骤7：重复步骤4、步骤5和步骤6，直至所有的矢量矩形块处理完毕，将得到的矢量画布作为矢量图像输出。

2.根据权利要求1所述的基于点集序列匹配的图像矢量化隐藏方法，其特征在于，所述对输入的自然掩体图像进行处理，获取半色调图像，具体为：将m0×n0大小的R阶掩体图像 转换为P级半色调图像其中m0,n0,R,P均为正整数；

步骤1‑1：将T中当前未处理像素ti,j映射为t′i,j，如公式(1)所示：步骤1‑2：通过公式(2)计算将ti,j映射为t′i,j的映射过程存在的误差Δi,j；

Δi,j＝ti,j‑t′i,j·QP‑QP/2      (2)步骤1‑3：按公式(3)将Δi,j均分到ti,j周围8邻域内未按公式(1)处理的像素上，其中NC是8领域内未处理像素的个数；

R

tx,y＝Range(tx,y+Δi,j/NC,0,2‑1)    (3)其中，tx,y指ti,j周围8邻域像素，函数Range()用于将输入的参数tx,y+Δi,j/NC约束在0R R R

到2‑1范围之内，若tx,y+Δi,j/NC＜0时，则tx,y＝0，若tx,y+Δi,j/NC≥2‑1时，则tx,y＝2‑1；

步骤1‑4：反复执行步骤1‑1步至步骤1‑3步，直至所有的ti,j都被映射为ti′,j，将得到的输出作为得到的P级半色调图像；

所述划分全白矢量画布，获取若干个不重叠的矢量矩形块，具体为：初始化大小为m1×n1全白矢量画布 画布的左上角顶点坐标为(0,0)，右下角顶点坐标为(m1‑1,n1‑1)，将M划分为L个不重叠bw×bw矢量矩形块，记第k个bw×bw的小块为Mk，则k＝0,1,…,L‑1，其中m1＝m0·bw,n1＝n0·bw，m0,n0为半色调掩体图像的大小，初始化λ＝0；

划分的不重叠小块数量L按公式(4)进行确定；

2

L＝m1·n1/bw       (4)。

3.根据权利要求2所述的基于点集序列匹配的图像矢量化隐藏方法，其特征在于，所述对第一密钥和第二密钥进行处理，分别获得随机密钥序列和坐标两两不重复的嵌密小块坐标序列，其中随机密钥序列中的元素数量与所划分的不重叠的矢量矩形块的数量一致，具体为：

由第一密钥k0生成长度为L的随机密钥序列H＝(hk)L，第二密钥k1生成长度为l且坐标两两不重复的嵌密小块坐标序列Q＝(qi＝(xi,yi))l，其中xi∈{0,1,…,m0‑1},yi∈{0,1,…,n0‑1}；

所述将随机密钥序列中的元素作为随机数种子，产生相对应的矢量矩形块表示0、表示

1或表示不嵌密的点集子序列，具体为：对于 选取密钥hk作为随机数种子，将bw×bw范围内的全部整数坐标置乱，用于产生长度为bw×bw的密钥生成点集序列P＝((ui,vi))bw·bw,(ui,vi)∈bw×bw，将P划分为第一点集子序列P0，第二点集子序列P1，第三点集子序列P2，其中P0用于表示二值比特0，P1用于表示二值比特1，P2表示不嵌密；

将P划分为第一点集子序列P0，第二点集子序列P1，第三点集子序列P2的具体方法如公式(5)所示；

其中， 用于从P左起截取长度为 的坐标序列，用于从P中索引为 的位置截取长度为的坐标序列，remain(P,P0||P1)用于保留P中截取P0和P1以后剩余的坐标序列，其中||为序列连接运算符。

4.根据权利要求3所述的基于点集序列匹配的图像矢量化隐藏方法，其特征在于，所述判断矢量矩形块在全白矢量画布的映射位置是否属于第二密钥生成的坐标两两不重复的嵌密小块坐标序列，如果不属于，则矢量矩形块不嵌密，如果属于，则矢量矩形块嵌密，然后根据表示0、表示1或表示不嵌密，选择对应的点集子序列，具体为：将Mk在M上的坐标位置映射为(Uk,Vk)，若(Uk,Vk)∈Q，则截取二值秘密比特序列S＝(sλ)l第λ个二值比特sλ，更新λ＝λ+1，若 则表示此块不嵌密，然后从第一点集子序列P0，第二点集子序列P1，第三点集子序列P2中选取1个作为SXY；

将Mk在M上的坐标位置映射为(Uk,Vk)的具体方法是：记Mk在M上的左上角坐标为(Xk,Yk)，将(Xk,Yk)按公式(6)映射为(Uk,Vk)；

从第一点集子序列P0，第二点集子序列P1，第三点集子序列P2中选取1个作为SXY的具体方法如公式(7)所示：

5.根据权利要求4所述的基于点集序列匹配的图像矢量化隐藏方法，其特征在于，所述在矢量矩形块上绘制随机线段逼近半色调图像中的像素，具体为：在大小为bw×bw的矢量矩形块U上绘制随机线段来逼近半色调图像T′中的像素 然后将U放置在M上左上角顶点(Xk,Yk)且大小为bw×bw的矢量矩形块上作为新的Mk；

在大小为bw×bw的矢量矩形块U上绘制随机线段来逼近半色调图像T′中的像素 的具体方法如公式(8)所示，其中(XStart,YStart)按由公式(9)确定，(Xend,Yend)由公式(10)确定；

公式(8)中函数DLine()用于产生大小为bw×bw矢量矩形块U，并在U上以(XStart,YStart)为起点，依次画线连接SXY上的随机坐标点，最后以(Xend,Yend)为终点，通过画线的方法来使得所生成bw×bw小块Mk的灰度均值同 所代表的灰度相接近；

DLine()的具体功能包括以下步骤：步骤2‑1：初始化大小为bw×bw的R阶全白矢量矩形块U＝[]bw×bw，初始化τ＝0；

步骤2‑2：取SXY上的第τ个随机坐标作为(Xnext,Ynext)，以(XStart,YStart)为起点，(Xnext,Ynext)为终点绘制黑色直线Line(XStart,YStart,Xnext,Ynext)；

步骤2‑3：将U＝[]bw×bw转换为对应的二值矩阵小块U′＝(u′i,j)bw×bw，按公式(11)计算差异Δk，将(Xnext,Ynext)赋值为(XStart,YStart)，即(XStrat,YStart)＝(Xnext,Ynext)，更新τ＝τ+1；

步骤2‑4：反复执行步骤2‑2步至步骤2‑3步直至|Δk|≤th,其中th是事先给定的阈值且th＞0；

步骤2‑5：以(XStart,YStart)为起点，以(Xend,Yend)为终点绘制黑色直线Line(XStart,YStart,Xend,Yend)，输出U。

6.一种基于点集序列匹配的图像矢量化隐藏系统，其特征在于，包括：图像处理模块，所述图像处理模块用于对输入的自然掩体图像进行处理，获取半色调图像；

矢量画布划分模块，所述矢量画布划分模块用于划分全白矢量画布，获取若干个不重叠的矢量矩形块；

密钥序列获取模块，所述密钥序列获取模块对第一密钥和第二密钥进行处理，分别获得随机密钥序列和坐标两两不重复的嵌密小块坐标序列；

密钥序列调整模块，所述密钥序列调整模块用于将随机密钥序列中的元素作为随机数种子，产生相对应的矢量矩形块表示0、表示1或表示不嵌密的点集子序列；

判断模块，所述判断模块用于判断矢量矩形块在全白矢量画布的映射位置是否属于第二密钥生成的坐标两两不重复的嵌密小块坐标序列，如果不属于，则矢量矩形块不嵌密，如果属于，则矢量矩形块嵌密，然后根据表示0、表示1和表示不嵌密选择对应的点集子序列；

随机线段绘制模块，所述随机线段绘制模块用于在矢量矩形块上绘制随机线段逼近半色调图像中的像素；

输出模块，所述输出模块用于处理所有的矢量矩形块，将得到的矢量画布作为矢量图像输出。

7.一种基于点集序列匹配的图像矢量化恢复方法，其特征在于，包括：步骤1：对含有秘密信息的矢量图像进行划分，获取若干个不重叠的矢量矩阵小块；

步骤2：对第一密钥和第二密钥进行处理，分别获得随机密钥序列和坐标两两不重复的嵌密小块坐标序列，其中随机密钥序列中的元素数量与所划分的不重叠的矢量矩形块的数量一致；

步骤3：将随机密钥序列中的元素作为随机数种子，产生相对应的矢量矩形块表示0和表示1的第一点集子序列和第二点集子序列；

步骤4：对矢量矩形小块进行处理，获取绘制直线线段的端点坐标构造实际提取到的点集序列，基于第一点集子序列和第二点集子序列获取第一点集匹配子序列和第二点集匹配子序列，分别计算实际提取到的点集序列与第一点集匹配子序列和第二点集匹配子序列相匹配的坐标数量；

步骤5：基于点集序列与第一点集匹配子序列和第二点集匹配子序列相匹配的坐标数量，获取点集序列与第一点集匹配子序列和第二点集匹配子序列的相似度，提取潜在的秘密比特，计算秘密比特的可靠性；

步骤6：重复步骤3、步骤4和步骤5，直至处理完所有的嵌密小块坐标，获取秘密比特序列和可靠值序列。

8.根据权利要求7所述的基于点集序列匹配的图像矢量化恢复方法，其特征在于，所述对含有秘密信息的矢量图像进行划分，获取若干个不重叠的矢量矩阵小块，具体为：计算块划分参数bw，将含密矢量图像M′划分为L个不重叠bw×bw矢量矩形小块，记第k个bw×bw的矢量矩形小块为M′k＝[]bw×bw，其中k＝0,1,…,L‑1；

所述块划分参数bw按公式(12)进行计算；

bw＝[sqrt(m1·n1)/(m0·n0))]      (12)其中，[]为四舍五入取整运算符，sqrt()是平方根运算，m1,n1为生成矢量图像的大小，m0,n0为半色调掩体图像的大小；

2

所述划分的小块数量L通过公式L＝m1·n1/bw进行确定；

所述对第一密钥和第二密钥进行处理，分别获得随机密钥序列和坐标两两不重复的嵌密小块坐标序列，其中随机密钥序列中的元素数量与所划分的不重叠的矢量矩形块的数量一致，具体为：

由第一密钥k0生成长度为L的随机密钥序列H＝(hk)L，第二密钥k1生成长度为l两两不重叠的嵌密小块坐标序列Q＝(qi＝(xi,yi))l且满足的约束是：xi∈{0,1,…,m0‑1},yi∈{0,

1,…,n0‑1}；

所述将随机密钥序列中的元素作为随机数种子，产生相对应的矢量矩形块表示0和表示1的第一点集子序列和第二点集子序列，具体为：对于 计算(xi,yi)对应的矢量矩形小块下标索引k，从随机密钥序列H＝(hk)L取到密钥hk，以hk为随机数种子产生长度为bw×bw的整数密钥生成点集序列P＝((ui,vi))bw·bw,(ui,vi)∈bw×bw，从P中获取第一点集子序列P0和第二点集子序列P1，其中P0用于表示二值比特0，P1用于表示二值比特1；

所述计算(xi,yi)对应的矢量矩形小块下标索引k的方法如公式(13)所示：k＝yi·m0+xi‑1     (13)以hk为随机数种子产生长度为bw×bw的整数密钥生成点集序列P＝((ui,vi))bw·bw,(ui,vi)∈bw×bw的具体方法是：以hk为随机数种子，将bw×bw范围内的整数坐标置乱，用于产生长度为bw×bw的整数密钥生成点集序列P＝((ui,vi))bw·bw,(ui,vi)∈bw×bw；

所述从P中获取第一点集子序列P0和第二点集子序列P1的具体方法如公式(14)所示：其中， 用于从P左起截取长度为 的坐标序列，用于从P中索引为 的位置截取长度为的坐标序列。

9.根据权利要求8所述的基于点集序列匹配的图像矢量化恢复方法，其特征在于，所述对矢量矩形小块进行处理，获取绘制直线线段的端点坐标构造实际提取到的点集序列，分别计算实际提取到的点集序列与第一点集子序列和第二点集子序列相匹配的坐标数量，获取第一点集匹配子序列和第二点集匹配子序列，具体为：从矢量矩形小块M′k＝[]bw×bw提取所绘制直线线段端点坐标，将其作为实际提取到的点集序列P′，记P′中坐标数量为c，即c＝|P′|，记第一点集子序列P0和第二点集子序列P1的前c个坐标点集序列分别为第一点集匹配子序列P′0和第二点集匹配子序列P′1，分别计算实际提取到的点集序列与第一点集匹配子序列P′0和第二点集匹配子序列P′1相匹配的坐标数量；

其中，实际提取到的点集序列P′与第一点集匹配子序列P′0中相匹配的坐标数量为N0，实际提取到的点集序列P′与第二点集匹配子序列P′1中相匹配的坐标数量为N1；

计算P′,P′0中相匹配的坐标数量N0，计算P′,P′1中相匹配的坐标数量N1的具体方法如公式(15)所示：

所述基于点集序列与第一点集匹配子序列和第二点集匹配子序列相匹配的坐标数量，获取点集序列与第一点集匹配子序列和第二点集匹配子序列的相似度，提取潜在的秘密比特，计算秘密比特的可靠性，具体为：计算P′0,P′1与P′的相似度sim(P′,P′0),sim(P′,P′1)，提取潜在的秘密比特sk，计算sk的可靠性βk；

计算P′0,P′1与P′的相似度sim(P′,P′0),sim(P′,P′1)的具体方法如公式(16)所示：提取潜在的秘密比特sk的具体方法如公式(17)所示：其中，random(0,1)表示随机选取0或1；

计算sk的可靠性βk的具体方法如公式(18)所示：

10.一种基于点集序列匹配的图像矢量化恢复系统，其特征在于，包括：矢量图像划分模块，所述矢量图像划分模块用于对含有秘密信息的矢量图像进行划分，获取若干个不重叠的矢量矩阵小块；

初始化模块，所述初始化模块用于对第一密钥和第二密钥进行处理，分别获得随机密钥序列和坐标两两不重复的嵌密小块坐标序列，其中随机密钥序列中的元素数量与所划分的不重叠的矢量矩形块的数量一致；

第一处理模块，所述第一处理模块将随机密钥序列中的元素作为随机数种子，产生相对应的矢量矩形块表示0和表示1的第一点集子序列和第二点集子序列；

第二处理模块，所述第二处理模块对矢量矩形小块进行处理，获取绘制直线线段的端点坐标构造实际提取到的点集序列，基于第一点集子序列和第二点集子序列获取第一点集匹配子序列和第二点集匹配子序列，分别计算实际提取到的点集序列与第一点集匹配子序列和第二点集匹配子序列相匹配的坐标数量；

第三处理模块，所述第三处理模块基于点集序列与第一点集匹配子序列和第二点集匹配子序列相匹配的坐标数量，获取点集序列与第一点集匹配子序列和第二点集匹配子序列的相似度，提取潜在的秘密比特，计算秘密比特的可靠性；

获取模块，所述获取模块对所有的嵌密小块坐标进行处理，获取秘密比特序列和可靠值序列。