提出了一种通用框架,基于不对称的可逆水印直方图变化的预测误差,这是灵感来自可逆水印的预测误差。不同的传统算法使用single-prediction方案创建对称直方图,拟议的方法采用multi-prediction方案计算多个预测像素的值。然后,合适的价值将由两个双不对称选择函数选择直方图构造两个不对称的错误。最后,将水印嵌入到两个错误直方图分别利用互补的嵌入策略。拟议的框架提供了一个新的视角研究的可逆水印,为信息安全带来了很多好处。
可逆的嵌入数字水印是一种新的技术在航空媒体与可逆的方式( HSPR是蔡等人提出的一门新技术。 如今,可逆水印算法基于HSPR已经被广泛的研究,许多研究人员关注的改善预测精度和直方图的高度。例如,罗等人分别利用full-surrounded插值技术来计算预测价值和获得精度较高的预测价值
相比之下,利用图像本身的直方图的方法,虽然在上述算法嵌入容量更高,有水印的图像品质仍不满意。因为这些算法改善有水印的图像质量只有试图提高预测精度或峰值点的高度,他们不考虑如何减少水印图像失真,特别是改变像素的数量相同的直方图的高度。 在传统的可逆算法基于预测误差,误差一般直方图符合拉普拉斯分布。图 通过上面的分析,我们知道对称拉普拉斯分布直方图平均误差值0,是巨大的来源将扭曲。因此,在[ 在本文中,我们提出一个基于AHSPE可逆水印的一般框架,使结构更加标准化和广义AHSPE。
在本节中,我们设计一个通用框架的错误直方图shifting-asymmetric直方图变化。框架分为四个部分:multi-prediction计划,创建非对称错误直方图,分层互补的嵌入策略,和水印提取和图像恢复;流程详细介绍如下。 在传统的可逆水印算法基于预测误差、预测值计算;然后预测值代替原来的值来嵌入水印。为方便描述,预测的模型被定义为single-prediction方案(SPS),及其详细定义描述如下。 假设当前的像素<我nl我ne- - - - - -for米ula>
图 当<我nl我ne- - - - - -for米ula>
当<我nl我ne- - - - - -for米ula>
当<我nl我ne- - - - - -for米ula>
上下文的预测像素<我nl我ne- - - - - -for米ula>
根据上面的例子,我们知道SPS只计算预测当前像素值,因此限制了算法的灵活性。在本文中,我们设计一个multi-prediction计划(MPS)。 假设当前的像素<我nl我ne- - - - - -for米ula>
国会议员可以被反复使用熟悉的预测算法构造或通过结合多个SPSs;我们定义选择预测算法作为预测内核。 为计算<我nl我ne- - - - - -for米ula>
为一个矩阵 根据定义 利用议员来计算<我nl我ne- - - - - -for米ula>
从上面的预测错误选择适当的值通过使用非对称选择功能;计算公式描述如下: 收集所有预测错误<我nl我ne- - - - - -for米ula>
从上面的步骤中,我们可以看到错误直方图有偏见和不对称。例如,当预测误差,选择<我nl我ne- - - - - -for米ula>
根据对偶原理,如果选择函数<我nl我ne- - - - - -for米ula>
假设图像是一个8位灰度图像<我nl我ne- - - - - -for米ula>
选择预测算法和确认<我nl我ne- - - - - -for米ula>
的预测像素<我nl我ne- - - - - -for米ula>
收集<我nl我ne- - - - - -for米ula>
的预测像素<我nl我ne- - - - - -for米ula>
收集<我nl我ne- - - - - -for米ula>
中提取嵌入的水印和恢复水印图像主机图像,算法的逆过程可以用来实现两个进程。逆过程的具体步骤如下。
选择适当的预测算法和的值<我nl我ne- - - - - -for米ula>
为预测像素<我nl我ne- - - - - -for米ula>
收集<我nl我ne- - - - - -for米ula>
为预测像素<我nl我ne- - - - - -for米ula>
利用上述预测错误创建R-skewness不对称的直方图<我nl我ne- - - - - -for米ula>
嵌入的水印可以完全和宿主图像中提取可以恢复完全通过使用上述过程。
来验证该框架的有效性,我们将简要地解释框架通过两个例子在这一节中。 选择NNP预测算法内核和议员预测<我nl我ne- - - - - -for米ula>
然后利用的最大功能<我nl我ne- - - - - -for米ula>
最大和最小的不对称的直方图<我nl我ne- - - - - -for米ula>
两个以上的不对称误差直方图,最小误差直方图只需要56457像素转向右边,左边的最大误差直方图变化62003像素在选择嵌入点<我nl我ne- - - - - -for米ula>
应该指出,在错误直方图建立实例1中,直方图峰值点的误差并不总是0,直方图广泛存在于对称错误,因为不对称直接选择函数选择最大和最小的函数。实际上,上述两个直方图的峰值点−2和0,分别由于峰值点的偏态。埋置的过程中,我们选择0而不是峰值点嵌入水印的两个错误直方图。目标是减少转移失真的偏态峰值点和提高水印图像的质量。 选择预测算法预测内核地中海、GAP、函数和平均(平均),然后利用三个内核计算预测预报值,分别<我nl我ne- - - - - -for米ula>
最后,使用函数的最大值和最小值<我nl我ne- - - - - -for米ula>
上述验证实际效果不对称误差直方图框架,本节设计几个实验来评估嵌入容量,将失真,和有水印的图像质量的基础上,提出框架,分别。选择六个常用的灰度图像大小为512×512的测试覆盖。这些图片都从数据库获取的图像SIPI [ 测试图片:莉娜,船,伊莱恩,狒狒,飞机,和辣椒。 众所周知,利用直方图转向嵌入水印,图像失真可以分为两个部分:一个是嵌入水印的嵌入失真时,大小是“1”,另一是转变为嵌入失真在创建多余的空间,但绝大多数是后者。嵌入失真(ED)和转移的比较失真(SD)通过使用蔡的方法如表所示 蔡的ED和SD比较。 从表可以看出 验证SD的降低效果不对称误差分布图中,我们把<我nl我ne- - - - - -for米ula>
的影响<我nl我ne- - - - - -for米ula>
改变扭曲的降低效果不对称误差分布图。 从表可以看出 在本节中,我们将比较之间的嵌入容量和图像的质量提出了框架和蔡的算法;结果如表所示 恢复和嵌入式双重效应的分析,互补战略。 应该指出,保持该算法的可扩展性,我们利用每个简化参数实例1中出现,但不对称误差直方图的实现过程是独立于以上参数实验。我们有理由相信,该算法可以获得更好的效果,当我们使用常用的优化和选择的过程在现有算法基于对称误差直方图变化。
失真类型 丽娜 船 伊莱恩 狒狒
1-EP
艾德 10053年 10721年 6890年 3697年
SD 105672年 105569年 109079年 111557年
ED / SD 10.51 9.85 15.83 30.18
2-EP
艾德 19382年 20518年 17686年 6482年
SD 192293年 189870年 205807年 216280年
ED / SD 9.92 9.25 11.64 33.37
封面图片 QS
标准偏差
蔡的方法 该方法 蔡的方法 该方法
丽娜 105676年 101691年 5.251 2.471 3985年
伊莱恩 109079年 62008年 7.953 4.184 47071年
狒狒 111621年 63112年 17.46 8.687 48509年
辣椒 107224年 57351年 6.600 3.472 49873年
船 105576年 56876年 4.924 2.462 48700年
飞机 84719年 39103年 1.738 0.5876 45616年
平均 103980年 63357年 7.321 3.644 40626年
封面图片 蔡(1-EP) 我 蔡(2-EP) 德
电子商务 PSNR值 电子商务 PSNR值 电子商务 PSNR值 电子商务 PSNR值
辣椒 16246年 51.70 19809年 52.21 31986年 48.99 36892年 49.56
丽娜 20126年 51.68 24844年 51.74 38764年 49.06 45613年 50.68
伊莱恩 13716年 51.67 14819年 53.90 25371年 48.92 28312年 50.01
船 21442年 51.66 26531年 52.63 41136年 48.91 34079年 50.99
狒狒 6394年 51.72 8176年 52.05 12588年 48.76 15807年 50.33
飞机 58365年 51.70 64818年 53.77 60728年 49.29 78643年 52.06
平均 22715年 51.69 26500年 52.72 35096年 48.99 39891年 50.61
本文提出了一种新颖的可逆水印的一般框架基于图像预测和直方图技术转移。首先,新框架设计multi-prediction方案,然后构造一个不对称误差直方图通过使用非对称选择功能;因此改变像素的数量可以减少。此外,互补的嵌入策略提出了利用双预测错误。战略转变错误的相反方向直方图;因此一些修改的像素将被恢复到原始值和图像的质量可以更好的改善。由于多层嵌入下峰重叠的问题,更有效的预测方案需要进一步的研究。
作者宣称没有利益冲突有关的出版。
这项工作是由中国国家自然科学基金(国家自然科学基金委)(61502242,U1536206, 61672294, 61602253, 61373133, 61232016,和U1405254),江西省社会科学基金会(15 jy48),启动基础介绍南京大学信息科学和技术人才(2014 r026 #),开放式基金的示范基地的互联网应用创新开放平台教育部(KJRP1402),优先级的学术程序开发江苏高等教育机构(PAPD)基金,协同创新中心的大气环境和设备技术(CICAEET)基金和国家科学技术部特殊项目研究(GYHY201301030 2013 dfg12860, BC2013012)。