基于自适应系数移动算法的两幅标记图像可逆数据隐藏

摘要

提出了一种基于自适应系数移动(ACS)算法的可逆数据隐藏方法。提出的ACS算法由三部分组成:最小保留方案、最小保留压缩方案和基值嵌入方案。更具体地说，这三种方案都可以将宿主图像的每个输入块按照三个预先确定的规则编码成两个隐写块。仿真结果表明，该方法既能完全恢复主机介质，又能无损地提取隐藏信息。该方法可以处理各种类型的图像而不出现溢底现象。此外，该方法的有效载荷和峰值信噪比性能优于传统的可逆数据隐藏方案。此外，该方法所需要的阴影数量比基于秘密图像共享和可逆隐写的方法所需要的阴影数量少。

1.介绍

由于因特网服务提供商(isp)提供的宽带服务和高速网络无处不在，加上大容量、低成本多媒体设备的大规模生产，个人和组织可以很容易地在因特网上共享信息。此外，由于智能移动系统、无线保真(Wi-Fi)和全球互操作微接入(WiMax)等无线通信提供的便携性和移动性，人们可以随时随地交换/检索资源。防止数据在传输过程中被窃听、篡改和伪造已成为一个重要的目标。除了使用加密系统外，还可以使用数据隐藏来实现这个结果。数据隐藏的主要应用可以在所有权证明、内容认证、版权保护和隐蔽通信中找到。一般来说，数据隐藏可以分为两类:数字水印和隐写[1，2］．在数字水印中，嵌入的信息(或水印)通常与介质有关，并传递有关介质的附加信息。鲁棒性是水印方案的一个关键特征[3.- - - - - -5］．在隐写术中，隐藏的信息通常与宿主媒体无关;然而，隐藏能力和感知质量都是作者关注的两个领域[6- - - - - -8］．隐写方法的一个主要问题是标记的图像容易被操纵。在这种情况下，即使对标记的图像稍加更改，也无法提取嵌入的消息。注意，上面提到的两种数据隐藏技术是不可逆的。由于医疗和军事图像、地理系统和卫星资源等宿主媒体可能是有价值的，甚至是无价的，因此在数据提取后，宿主媒体完全被破坏是不可取的。最近，一些研究人员[9- - - - - -15]提出了无损数据隐藏，以努力解决这个问题。

田(9]采用差分展开(DE)技术，得到了一种高容量、低失真的可逆水印形式。图像首先被分成一对对像素。然后，一个秘密信息被嵌入到每对像素的差异中，这些差异不会导致溢出或下流。对于单层嵌入，该技术的有效载荷大小小于0.5比特每像素(bpp)。Alattar [10]扩展了Tian的算法，使用了向量的DE，而不是对，以提高算法的性能。Alattar的算法可以在每一个向量中嵌入几个比特。除了灰度图像外，该算法还可以有效地应用于色彩系统。Lin等[11]提出了一种基于差分直方图修改的多层可逆数据隐藏方案。通过将差分图像的峰值点与多级隐藏策略相结合，该方案在保持低失真的同时保持了高容量。在15级嵌入中，最优有效载荷超过5 × 10⁵峰值信噪比(PSNR)为25.39 dB的比特。为了获得可逆水印技术，Zeng等[12]在扫描路径上使用相邻像素差和多层嵌入技术。具体来说，他们使用了9条预先确定的扫描路径来挖掘隐藏比特位的空间。多层嵌入技术确实提高了隐藏容量。为了提高传统差分展开方法的性能，Wu等人[13]提出了一种基于JPEG-LS预测技术和多基符号系统的大容量可逆数据隐藏方案。采用JPEG-LS预测技术可以显著降低标记图像的失真。此外，多基记数系统可以有效地增加隐藏存储容量。仿真结果表明，他们的方法可以提供较高的嵌入容量，同时保持感知结果的质量。杨及蔡[14]提出了一种基于交错预测的可逆(多级)数据隐藏方法。将所有预测值转化为直方图，生成峰值，提高隐藏能力。对于每个像素，原始图像与标记图像的值差保持在±1以内。这保证了被标记图像的PSNR在48 dB左右。在第十二级嵌入中，最优有效载荷超过3.5 × 10⁵位，PSNR值为29.26 dB。杨和胡[15]提出了一种基于溢出/下流避免(MMPOUA)算法保留最小/最大值的无损数据隐藏方法。首先，MMPOUA算法保持主机块的最小(或最大)像素不变。差分块是通过从最小(或最大)块中减去块中剩余的像素来引入的。在像素调整后，数据位嵌入到差异块中。仿真结果表明，MMPOUA算法不仅具有良好的隐藏能力，而且具有较高的感知质量，特别是在中等嵌入速率下。

为了扩大隐藏存储，提出了一种秘密共享方案，即(，)由Shamir发明的阈值方案[16，并扩展到图像隐藏和认证[17- - - - - -23］．此外，为了完全恢复主机图像，无损地提取隐藏信息，研究人员[24，25]提出了用隐写术实现可逆的秘密图像共享。然而,(，)阈值的秘密图像共享与隐写经常要求和．因此，大容量存储是一个不可避免的要求。

在本文中，我们提出了自适应系数移动(ACS)算法无损地嵌入秘密信息到主机图像中。与基于隐写的可逆秘密图像共享技术相比，ACS算法需要的阴影数量更少。此外，ACS算法的有效载荷和PSNR都远远大于现有的可逆数据隐藏方案。本文的其余部分组织如下。部分2描述了ACS算法，包括最小保留方案、最小保留压缩方案、基值(BV)嵌入方案以及防止溢出/下流。部分3.给出了仿真结果，并进行了性能比较。部分4提供了结论。

2.提出了自适应系数漂移(ACS)算法

提出的ACS算法由三部分组成:最小保留方案、最小保留压缩方案和基值嵌入方案。即每个输入(主机)块可以按照表中列出的三个预定规则编码为两个隐写块1．例如，当主块(H)的BV小于时，通过最小保留方案将数据位嵌入到主块(H)中，可以生成隐写块1 (S1)和隐写块2 (S2)两个块．这个词为控制参数。ACS算法的详细信息在下面的小节中指定。此外，block的BV将在后面的Section中定义2．3．

2．1．Minimum-Preserved方案

表格1表示当主机块的BV小于时，最小保留方案可以同时生成S1和S2．此外，当主块的BV满足时，最小保留方案可以生成隐写块S1．下面几节将详细介绍最小保留方案。

2．1．1．位嵌入

让是大小不重叠的块这是从一个输入图像分割出来的。不同的块可以通过 在哪里的最小像素值块。为了保持低水平的失真，隔离过程可以随后进行获取新值根据以下准则: 这个词是控制参数和是一个整数。也就是说，孤立系数不会携带任何数据位元。调整后，数据位准备嵌入与,乘以2^k获得并添加一个输入数据．最后，通过添加形成一个隐写块来和,分别。

2．1．2．一些萃取

让是隐写图像的隐藏块块的最小像素值。它的系数th不同块获得使用．然后，可以从不同块中提取数据位。如果，则应用模-得到数据位操作。随后,像素哪位隐藏的数据可以通过计算恢复．像素它满足减去从以便恢复不包含数据位元的像素。请注意,是层函数。最后，可以通过添加来恢复主机块除差块的最小像素外的所有系数。

2．2.压缩格式下的最小值保存

为了提供更大的容量，最小保留压缩方案可用于将数据位嵌入到表规则3分类的块中1．最小保留方案与最小保留压缩方案的主要区别在于后者采用了压缩技术，可以有效地挖掘出额外的隐藏空间。下面的小节总结了压缩格式下的最小保留格式。

2.2.1。位的嵌入和提取

作为差分块得到，挤压过程调整到一个新的价值如果,在那里为控制参数。注意，这里使用了位图来标记块的系数是否经过了调整。为了帮助解码器以后提取数据位，开销信息可以无损地压缩，并通过带外传输发送给接收器。经过本节所述的挤压过程、隔离过程和嵌入钻头2．1．1可以在差异块上顺序执行。

使用位图作为查找表的压缩方案的最小保留方案的位提取类似于最小保留方案的位提取(见节)2．1．2)．在提取比特后，为了恢复经过调整后的原始差分系数，项如果位图中对应的标志被设置为1，则必须添加到临时差分块中。随后，通过添加可以恢复原始像素除差块的最小像素外的所有系数。

2.2.2。开销信息分析

位图的位数为与表示用压缩方案保留的最小值编码的块的出现情况。如果，其中图像大小为．这可以通过调整的值来实现在数据嵌入。

2．3.BV嵌入方案

根据表中的规则21，当主机块的BV满足时，可以使用最小保留方案和BV嵌入方案分别生成隐写块1和2．让的BV块。这个词被定义为 在哪里和表示块的最小和最大像素值。不同的块可以通过 注意，块的最小和最大像素值保持不变。BV嵌入方案的主要思想是增加差分块到输入位流。更具体地说，让二进制位以的长度流嵌入是．变换成BV的．由此产生的th stego-block获得的是 注意，在添加数据之前，最小像素和最大像素的位置都必须调整到块的左上角()，并在添加最小像素()．

在接收端，我们不是从隐写块2中检索BV，而是计算BV,在那里和表示主机块的最大和最小像素值。这些值以前已经由stego-block 1的最小保存方案恢复。让是隐藏块是由隐写图像2导出的。不同的像素该块可以获得使用 然后把3位数字 作为的BV编号，并转换数字到BV为2的期望数。注意系数已经通过最小保留方案从隐写块1中得到。还要注意，块中隐藏的位数是．这意味着要嵌入到主机块中的比特长度是由的BV决定的．

数据1和2给出了用BV嵌入方案进行数据嵌入和提取的实例。图中显示了一个主机块1(一)用灰色高亮数字表示块的最小和最大像素值。该块的BV为118−115 + 1 = 4。数字1 (b)图中除了最小和最大的像素外，减去所有像素引入的差块1(一)从115年开始。数字1 (c)通过将最大像素值118调整到块的左上角得到。注意图中对应的调整系数1 (c)用矩形标出。假设秘密比特流(0100110 1001101)₂14位流是否要嵌入到图中1 (c)．数字1 (d)通过将输入数字相加(01001101001101)₂= (4942)₁₀= (1031032)₄到图中的系数1 (c)以相反的顺序进行光栅扫描。隐藏的块，如图所示1 (e)，通过给图中的每个系数加上115而生成1 (d)．最后，恢复最大像素的隐写块2如图所示1 (f)．均方误差(MSE)从图中计算1(一)和1 (f)是2.67。为了提取隐藏数据并恢复主机块，可以执行类似的反向过程，如图所示1 (f)．图中给出了一个数据提取的例子2．

2．4．溢出/下溢的讨论

由于块的最小像素值是由最小保留(压缩)方案保留的，因此可以防止底流问题。对于BV嵌入方案编码的块，可以通过调整参数值来避免底流问题．但是，如果块中有一个像素的值等于(或略小于)255，则可能在位嵌入期间发生溢出问题。可以使用块跳过策略来解决这个问题。另一种方法是采用最大保留(压缩)方案，保留块的最大像素值，以克服溢出问题;更准确地说，当时，最小保留(压缩)方案可以被最大保留(压缩)方案替代宿主图像无法从隐写图像中恢复跳过的块的数量超过了预定义的阈值。由于最大保存(压缩)方案的数据嵌入和提取过程与最小保存(压缩)方案的数据嵌入和提取过程类似，所以在这里略过。

3.实验结果

几张512 × 512灰度图像，如图所示3.，用作主机映像。其中一个宿主图像，狒狒，作为测试数据。块的大小为3 × 3，且为整数设置为1。对采用不同方法生成的隐写图像1和2，在PSNR (dB)和有效载荷(比特)之间进行了权衡如图所示4．数字4(一)表明载荷超过6 × 10⁵位为所有图像，除了狒狒．隐写图像1的最佳PSNRs(图4(一))和隐写图像2(图4 (b))分别为30.98 dB和31.78 dB，平均有效载荷大小为662,861比特。此外,图4结果表明，当有效载荷小于5 × 10时，隐写图像2的平均PSNR值比隐写图像1的PSNR值低近2 dB⁵位。注意，在映像上使用了跳过的块策略船；然而，他们只跳过了5个区块。另外，利用该方法生成了两幅隐写图像丽娜和狒狒，分别如图所示5．可以看出，这些图像的感知质量是可以接受的。图像的平均PSNR/有效载荷丽娜和狒狒分别为33.73 dB/ 690233位和30.36 dB/ 546688位。PSNR定义为 在哪里如果图像大小为．在这里和分别表示原始图像和标记图像的像素值。还要注意两个控制参数之间的关系和是．数字6指示有效负载大小随参数的不同组合而变化，,在图像丽娜和狒狒．载荷逐渐增加为(或)是扩大。数字6还揭示了图像提供的最大隐藏存储丽娜大约是比图像所提供的大的位狒狒．为了证明图像处理溢出问题的能力，我们将所提出的最大保留(压缩)方案应用于图像蒂芙尼，这是一个典型的图像，常用的几种现有方法来测试溢出的发生。仿真结果表明，该方法不仅可以无损地提取秘密信息，而且可以完全恢复主机图像。数字7给出了实验结果。数字7(一)显示PSNR和负载之间的关系。我们可以看到，当有效载荷小于6.5 × 10时，隐写图像1的性能要优于隐写图像2⁵位。此外,图7 (b)显示了有效载荷与参数的变化，,．它的性能与图类似6(一)．

为了评估我们的方案的性能，本小节将我们的方案与各种方法进行了比较[11，13，14，20.，22，24］．由于Yang和Tsai的PSNR值[14]优于曾等[12]杨和胡[15当有效负载接近1bpp时，性能比较不包括这两种方法。数字8说明了两幅测试图像中各种方法的比较，丽娜和船．数字8(一个)结果表明，当有效载荷大于1.70 × 10时，该方法具有最佳的PSNR和最大的隐藏容量⁵位。注意，有效载荷越大，领先差距就越大。同样,图8 (b)揭示了该方法在载荷大于1.25 × 10时的优越性⁵位。表格2将我们的方法与传统的可逆数据隐藏技术进行比较[11，13，14当平均有效载荷尺寸大于3 × 10时⁵比特，PSNR约为30db。表格2表明该方法产生的有效载荷远大于其他方法产生的有效载荷，而我们的PSNR是其中最好的。表格2也暗示了可逆数据隐藏技术的困难[11- - - - - -15提供尺寸接近7 × 10的有效载荷⁵PSNR大于32 dB的位。例如，如果有人试图使用其他方法将上述大小的秘密消息嵌入到两个主机图像中，PSNR值将在31 dB左右。由于该方法可以将秘密信息分别嵌入到两幅隐写图像中，第三方(或恶意用户)仅对其中一幅隐写图像进行处理时，无法提取隐藏信息(并恢复原始主图像)。

表格3.将该方法与秘密图像共享方案进行了比较。除Chang等人的技术外，所有方法[22具有生成有意义的隐写图像的能力，这可能是秘密图像共享(使用隐写)的一个重要特征。此外，然而，这三种方案，Yang et al. [20.， Chang等人[21， Chang等[22，则无法在不失真的情况下恢复主机图像。虽然本方法的PSNR并不优于其他方案[20.，21，24]，我们方法提供的最大容量大于Yang等人提供的最大容量[20.和Chang等人[21］．然而，无论是PSNR还是有效载荷，我们的方法都优于Chang等人[22］．最后，Table的最后一行3.揭示了实现该方法所需的阴影数量比其他三种方案所需的阴影数量要少[20.，21，24］．

4.结论

提出了一种基于自适应系数移动(ACS)算法的可逆数据隐藏方法。根据这三个预先确定的规则，通过ACS算法将秘密数字嵌入到主块中，生成两个目标块，即隐写块1 (S1)和隐写块2 (S2)。更具体地说，S1和S2都是由满足规则1(或规则3)时的最小保留格式(或压缩格式的最小保留格式)生成的。当规则2符合时，S1和S2分别由最小保留方案和BV嵌入方案生成。仿真结果表明，该算法不仅能够完全恢复主机介质，而且能够获得无失真的提取消息。ACS算法能够处理各种图像而不出现溢底现象。此外，该方法的有效载荷和PSNR性能优于传统的可逆数据隐藏方案。由于该方法将秘密信息传播到两幅隐写图像中，拥有一幅隐写图像的第三方既无法提取出隐藏信息，也无法恢复原始主图像。此外，该方法所需的阴影数量小于现有(，基于隐写的秘密图像共享门限方案。

承认

作者要感谢编辑和匿名审稿人提供的有价值的意见，帮助改善论文的内容。

参考文献

1. I. J. Cox, M. L. Miller, J. A. Bloom, J. Fridrich和T. Kalker，数字水印和隐写，摩根·考夫曼，马萨诸塞州，马萨诸塞州，美国，第二版，2008。
2. f . y .施数字水印和隐写:基础和技术， CRC出版社，美国佛罗里达州，2008年。
3. 杨志勇，胡文昌，黄文勇，程永飞，“一种基于自适应位标方案的简单数字水印，”国际创新计算，信息和控制杂志，第6卷，第2期3, pp. 1401-1410, 2010。视图:谷歌学者
4. Lin C. C. Lin和P. F. Shiu，“基于dct图像的高容量数据隐藏方案”，信息隐藏与多媒体信号处理学报， vol. 1, no. 13，页220-240,2010。视图:谷歌学者
5. K. Yamamoto和M. Iwakiri，“基于数字仪器中PCM特性的实时音频水印”，信息隐藏与多媒体信号处理学报， vol. 1, no. 12，页59-71,2010。视图:谷歌学者
6. “一种基于双DNA序列的图像加密算法用于图像隐藏，”ICIC表达字母，第4卷，第4期。4, pp. 1393-1398, 2010。视图:谷歌学者
7. “基于遗传算法的安全隐写方法”，《计算机科学与技术》，信息隐藏与多媒体信号处理学报， vol. 1, no. 11，页28-35,2010。视图:谷歌学者
8. 曲志刚，陈晓波，周学军，牛学贤，杨永新，“一种新型的大有效载荷量子隐写算法”，光学通信号，第283卷。23, pp. 4782-4786, 2010。视图:出版商的网站|谷歌学者
9. J. Tian，“使用差异扩展的可逆数据嵌入”，IEEE视频技术电路和系统汇刊，第13卷，第2期8，第890-896页，2003。视图:出版商的网站|谷歌学者
10. a . M. Alattar，“利用广义整数变换的差分展开的可逆水印”，IEEE图像处理汇刊，第13卷，第2期8，页1147-1156,2004。视图:出版商的网站|谷歌学者
11. Lin C. C. Lin, W. L. Tai, C. C. Chang，“基于差分图像直方图修改的多级可逆数据隐藏，”模式识别号，第41卷。12, pp. 3582-3591, 2008。视图:出版商的网站|谷歌学者
12. 曾晓平，李志强，“基于扫描路径的相邻像素差无损数据隐藏方案”，多媒体杂志，第4卷，第4期。3, pp. 145-152, 2009。视图:谷歌学者
13. 吴慧聪，陈慧仁，“一种具有边缘预测和差分展开的大容量可逆数据隐藏方案”，系统与软件学报，第82卷，第2期第12页，1966-1973,2009。视图:出版商的网站|谷歌学者
14. C. H. Yang和M. H. Tsai，“通过交叉预测改进基于直方图的可逆数据隐藏，”专业图像处理，第4卷，第4期。4，页223-234,2010。视图:出版商的网站|谷歌学者
15. 杨长勇，“基于溢出/下流回避的高性能可逆数据隐藏”，电子杂志第33卷第3期4, pp. 580-588, 2011。视图:谷歌学者
16. a . Shamir，《如何分享秘密》ACM的通信第22卷第2期第11页，第612-613页，1979。视图:出版商的网站|谷歌学者
17. M. Naor和A. Shamir，《视觉密码学》密码学进展，密码技术理论与应用研讨会(EUROCRYPT’94)，第950卷计算机科学课堂讲稿，第1-12页，意大利佩鲁贾，1994年5月。视图:谷歌学者
18. Lin c.c.和W. H. Tsai，“秘密图像共享与隐写和认证，”系统与软件学报，第73卷，第2期3, 2004。视图:出版商的网站|谷歌学者
19. 吴永胜，田志聪，林俊杰，“有尺寸限制的秘密图像共享与隐藏”，模式识别，第37卷，第2期7，页1377 - 1385,2004。视图:出版商的网站|谷歌学者
20. 杨春南，陈天生，余克华，王春春，“基于隐写和认证的图像共享改进”，系统与软件学报，第80卷，第2期。7, pp. 1070-1076, 2007。视图:出版商的网站|谷歌学者
21. C. C. Chang, Y. P. Hsieh, and C. H. Lin，“与认证共享隐写图像中的秘密”，模式识别号，第41卷。10, pp. 3130 - 3137,2008。视图:出版商的网站|谷歌学者
22. C. C. Chang, C. C. Lin, T. H. N. Le，和H. B. Le，“使用两个阴影共享一个可验证的秘密图像，”模式识别，第42卷，第2期11, pp. 3097 - 3114,2009。视图:出版商的网站|谷歌学者
23. Z. Eslami, S. H. Razzaghi和J. Z. Ahmadabadi，《基于细胞自动机和隐写术的秘密图像共享》，模式识别号，第43卷。1，页397-404,2010。视图:出版商的网站|谷歌学者
24. Lin P. Y.， J. S. Lee, C. C. Chang，“使用模算子的无失真秘密图像共享机制”，模式识别，第42卷，第2期5，第886-895页，2009。视图:出版商的网站|谷歌学者
25. Lin P. Y.和c.s. Chan，“用隐写术共享可逆的秘密图像”，模式识别的字母第31卷第1期13，页1887-1893,2010。视图:出版商的网站|谷歌学者

版权

版权所有©2012杨庆宇。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。