一种改进的双向翻三班可逆数据隐藏方案使用双向预测策略

文摘

可逆数据隐藏(RDH)是一种方法,它允许一个封面图片是完全恢复其相应的隐藏无失真图像嵌入的秘密信息被提取。预测误差扩展(尿),作为一个经典RDH方案,已被广泛的研究由于其高质量的隐藏图像。基于预测错误、阈值和每一本和之间的相对距离零本,提出了一种双向转移和双向预测策略解决多个嵌入问题。与原算法相比,该方案只需要一点时间,降低了PSNR略,但它将极大地提高嵌入容量和允许可逆数据隐藏。当两个阈值的值和等于2,平均呃108个测试图像的值是1.2 bpp的理想介质数据有效负载。同时,PSNR值高于30 dB,使得嵌入信息视觉听不清。这些数据,连同其他的实验结果,表明本文提出的方法在图像质量和嵌入容量有明显的优势。

1。介绍

隐写术的概念在1499年首次记录和使用由约翰内斯特里特米乌斯在他的科学,1609年列入禁书目录(11900年)和删除(2),但秘密的实践交流自古以来就存在。从罗马时代起的故事有关于奴隶如何隐藏消息和发送消息收件人即使他们密切关注。目前,在计算机时代,伪装的信息仍然是处理使它面目全非人眼,但它可以通过计算机视觉识别可能透露。近年来,随着越来越多的强调信息安全、数据隐藏技术已广泛用于版权保护和认证的数字多媒体的内容(3- - - - - -5]。原始图像的内容修改一些数据被嵌入到图像后,和改变视觉听不清。但有一个固有的传统数据隐藏方案的缺点,那就是接收后的封面图片不能完全恢复提取秘密信息(6- - - - - -8]。对于一些特定的场景,如军事和医疗信息和作品的保护,即使是轻微的扭曲图像是无法忍受的,因为它总是基本恢复原来的原始数据。因此,提出了可逆数据隐藏技术和发展,使接收方提取秘密信息,是在传统的计划,以及重建整个原始图像不失真。从应用的角度来看,RDH可以被视为一个秘密通信通道传输的机密信息。因此,可以看出,其应用非常广泛,如将病人的私人信息嵌入到相应的医学图像和提供无损的卫星图像认证水印。

第一个可逆数据隐藏(RDH)计划于1997年提出了巴顿在他的专利9]。巴顿的计划压缩的一些替代重叠部分,增加了比特流,嵌入到数据块。从那时起,RDH吸引了许多学者的关注,和相关作品经常发表。2001年,一种改进的算法(10)关注无损的恢复提出了Honsinger et al。一年后,Fridrich et al。11)开发了一种高容量计划基于嵌入消息位像素组的状态。2002年,侯赛因等人提出了一种无损图像压缩算法(12)通过使用prediction-based条件熵编码器。该方法使用一些特性集年代无损压缩的图像形式保存空间,然后利用它们来隐藏信息。然而,随着电子商务(容量)的增加,更多的飞机必须被压缩,导致变形急剧增加,从而防止方法实现令人满意的性能。

因此,我们可以看到,它已经成为学者关注的焦点来决定如何减少失真,同时考虑尽可能多的秘密存储容量。随后,摘要RDH方案提出了实现理想的效果,这是由三个基本分类,即:直方图(HS)转移,不同扩张(DE)和预测误差扩展(尿)。提出的第一个HS-based可逆数据隐藏倪et al。132003年)。该计划是基于图像的直方图的概念,通常指的是直方图图像中所有像素的灰度值,显示像素的数量在不同的灰度值图像中找到。为一个8位灰度图像,可能有256灰度值。直方图将显示像素的分布在0到255之间的灰度值,如图1。例如,图中的红色标记1显示图像”狒狒“2759像素灰度值为121。该计划由转移实现一定的直方图本,通常峰本,图像中像素的最大数量。但是海关技术不工作当图像的直方图是相等的。虽然可以用于多个双高峰和极限嵌入,嵌入能力仍不足。2003年,与峰值零垃圾箱是选择从中间和边缘直方图的一部分,商品的特殊情况,分别称为DE-based计划,首次提出了田(14),它是基于扩展像素对的区别。后,几个改进DE-based嵌入技术(15)提出,其中包括整数变换,像素的区别(16,17),预测误差扩展(尿)。尿是本文的重点,首先提出Thodi和罗德里格斯18),它扩展了像素嵌入数据和预测的差异。与基于DE和HS方法相比,预测误差直方图分布更清晰和更集中,所以小便有更好的性能。除此之外,与德,只考虑两个相邻像素的相关性,并与商品不同,它只考虑当前像素本身,小便使用更多的相邻像素来获得更好的性能。现有PEE-based RDH方法主要是基于修改的一个——或者二维预测误差分布图(PEH)。我们提出的方法使用PEH形成方法和双向RDH转变和双向预测策略和与它的使用相关的细节都包含在下一节。

在本文中,我们提出一种改进的基于研究[RDH方法19)与双向预测和双向转移。当前值和预测之间的差异值用于预测误差直方图。这个柱状图将用于隐藏秘密信息通过扩大和转移,可嵌入垃圾箱被称为峰垃圾箱(峰值点)。通过向外转移,他们将用于秘密位插入的空垃圾箱保留其他unembeddable垃圾箱也称为外部区域垃圾箱。这一过程将通过两个阶段的预测和相应的处理基于预测值。所有像素的过程是重复整个图像产生隐藏图像。在提取过程中,画出所有的秘密比特和恢复原始图像,接收端可以利用辅助信息,其中包括位置信息零垃圾箱、阈值和像素在最后一行和最后一列保持完好无损。首先,我们计算的预测像素的值在最后一行和最后一列隐藏图像。和差异,命名为预测误差(PE)之间的预测价值和stego-pixel价值可以在同一时间。根据PE,像素值的数量变化和隐藏的信息可以确定。因此,原像素值可以计算出。然后由像素,像素预测当前处理的像素值可以确定使用邻近的像素已经恢复。最后,所有原始图像的像素值和秘密消息被恢复。因此,本文提出的算法是一个RDH方案。此外,实验结果表明,该方法可以达到较高的嵌入容量和更好的图像质量比之前的方案。

本文的贡献如下:(1)我们应用双向直方图转向提高隐藏秘密信息的能力。在转移的过程中,我们让两个相反方向转向以减少失真。(2)我们提出利用双向预测策略来获得更多的嵌入容量。(3)通过108年的实验数据图像,发现当 ,算法有效,极大地提高了信息隐藏容量65%但只减少了PSNR值约为6%,和PSNR值仍然超过30分贝。(4)该方法可以完全恢复图像没有任何错误;因此,它是一个RDH方案隐藏容量高。

本文的其余部分组织如下:在部分2,王等人的方法,该方法是描述的部分3。节4,并给出了实验结果和讨论,以及结论给出了部分5。

2。王等人的方法的回顾

在本节中,我们介绍王等人的方法(19),这是基于双向预测误差和左边/右边的转变。进一步减少隐藏图像的失真,作者提出了一个扩展传统的直方图技术转移。预测误差是由当前像素的值之间的差异的平均值三个相邻像素的总和,即。像素的右下角,和底部。他们的技术是基于的原则(1)邻近的像素有很强的关联,(2)相邻像素的预测误差分布有一个著名的最大,也就是说,大多数的预测误差预计将非常接近于零。预测误差的分布有一个零均值,类似于拉普拉斯分布,从论文可以得出结论20.- - - - - -23]。作者利用这个特征分布结合左边/右边转移来提高嵌入容量。进一步介绍了算法,在接下来的段落提供了一些基本概念,并给出一个例子来说明嵌入和提取过程。

2.1。定义和生产预测误差的直方图

王讨论的细节等。' s方法,我们使用一个灰度图像我的大小H×W,在那里H和W分别是一个图像的高度和宽度。假设的左上角坐标位置我(1,1),每个像素的我被赋予一个坐标。所有像素的坐标先后增加了从左到右和从上到下的图像。其中一个被称为我(我,j),如图2。

该方案首先预测像素形成预测的值P(我,j)的一个像素我(我,j)使用以下方程: 在哪里修复(•)是一个函数的输入是一个实数,输出一个整数。这轮朝着零输入到最近的整数。例如,修复(3.2)= 3修复(8.6)= 8。然后,PE(预测误差)的价值P_e(我,j)我(我,j)是通过以下方程:

最后一行的像素,图像的最后一列是复苏的参考像素,因此无法预测;保持原来的值。保存这些原始数据提取和恢复过程中起着重要的作用。

然后,P_e(我,j)是由制定制定在方程(2)。生成的预测误差直方图(PEH)h(P_e)函数,计算预测误差出现的次数(PE)的价值。它包含了峰垃圾箱,零垃圾箱,和其他箱子,对称分布值的范围(255−255)为一个8位灰度图像。PEH“芭芭拉”如图3(一)作为一个例子,其中h(0)= 19209,h(81)= 337,h(68−)= 100,这意味着有19209像素预测误差值为“0”,337像素的预测误差值“81”和100像素的预测误差值”−68。“传统上,峰本,这也被称为可嵌入本,本是位于中间的直方图。这里,峰值本的概念扩展到所有的中央垃圾箱在阈值TH的数量,箱子被定义为峰值PK= 2×TH+ 1,由传统的数量高峰垃圾箱,垃圾箱在左右的距离之内TH,如图3(b)。

在嵌入过程中,如果嵌入秘密一点相应的“1”峰本将扩大1单位;否则,它保持不变。外箱将向外的空间峰箱里。零垃圾箱,位于两条边的外侧面PEH,表示为Z_rn和Z_lm将分别作为缓冲。在这里,0表示没有PE值等于本值。例如,在“芭芭拉”,Z_r1= 125,这意味着没有PE值等于125。Z_r2= 126,Z_r3= 129,Z_r4= 130,Z_r5= 132,Z_l1122年=−Z_l2129年=−Z_l3=−131人零箱,如图3(c)和3(d),图的放大版本3(一个)。此外,下标n和米记录的数量零当前本和之间的垃圾箱峰箱里。例如,在当前的价值本是128,最大的Z_rn不到128年Z_r2,在那里n是2,这意味着有2零箱子之间峰垃圾箱和128年。当正确的转变是需要在嵌入过程中,这些2零箱子可以占领减少两个动作,从而减少失真。例如,如果我们假设所有的箱子必须转向正确的方向Δbins = 5,然后本128年将搬到131而不是133,因为128 +Δbins−n= 128 + 5−2 = 131,这两个的入住率零垃圾箱是通过减去2,如图3(e),同样的事情也发生本价值−130;也就是最小的Z_lm大于130−Z_l2,在那里米2,当离开转移,这些2零箱子可以占领移动的数量减少2和减少失真。

2.2。嵌入过程中

隐藏的秘密信息表示为一个二进制字符串年代,与元素年代₁,年代₂,年代_我、…年代_j、…年代_l{0,1}, ,在哪里l的长度是年代。我们设置TH= 2,形象”芭芭拉“作为一个例子。的数量峰箱子的“芭芭拉“是5,如图3(一个)。根据预测误差的分布的芭芭拉”图4提供,细节图展示左右移动的峰垃圾箱和整个预测误差的柱状图”芭芭拉”。因为正在讨论的形象是一个灰度图像,预测错误的直方图将分布在区间[255−255]。由于邻近像素的值的相似性峰箱集中值0及其相邻的值。这是作者用来隐藏信息的这一特性。有两个阶段的运动的PEH算法,这是第一个转向右,后来转向左。图中第一行4的原始PEH”芭芭拉”,第二行是PEH后转移,第三行是PEH后转移。

当正确的转移(RS),本值−2仍然是−2隐藏的秘密“0”和它改变−1隐藏的秘密“1。“以类似的方式,本价值−1移动到0嵌入的秘密一点“0”和它转移到1隐藏的秘密”1。“一本感动,本值2将搬到6和7隐藏“0”和“1。“但左右两侧的垃圾箱峰箱子不会用来隐藏秘密。由于运动峰垃圾箱,垃圾箱将不得不向外转移到右边腾出空间峰箱里。因此,本3将搬到8,本4将搬到9,等。减少失真,每一个零本可以用来缓冲的数量通过减少运动转向右边的一本。因此,本价值127将130因为有2零箱,即Z_r1= 125,Z_r2127 = 126,本价值之间峰箱里。移动单元的数量PK−2 = 5 - 2 = 3。那些箱子值不足2−将不受影响并保持其原始值。

当离开转移(LS),PK_l是10,这是两倍PK价值。这是因为正确的转移后,箱子的峰地区已经扩大到原来的数量的两倍峰地区。这一次,所有的本值大于8保持不变,但这些不足8将。关于本值7,它仍然无动于衷隐藏的秘密,“0”,而转向6隐藏“1。”以类似的方式,本,本,本值2−−11移动嵌入秘密一点“0”,转向−12隐藏秘密一点”1。“左的垃圾箱PK_l将不会用于隐藏秘密数据,必须使房间。例如,本值−3将−−13和本价值130−120年将转变。而不是移动到左边PK_l= 10,本价值123移动10−−1 = 9单位因为有一个零本Z_l1=−−之间的122和123峰箱,用于减少一个单位的运动。

确保更好的理解,提供了三个例子来解释转移和扩大工作在左边/右边转移阶段:

例1。红色的值在图4是体育的价值观峰垃圾箱的定义TH。封面图片”芭芭拉,“原来的像素值我(2,2)是198,相应的预测价值P(2,2)196(从方程计算(1)),计算预测误差值2(从方程(2)),这是其中一个峰本值。在RS(右转)阶段,转移的数量是5,这是7−2的结果,这个秘密年代_我被认为是“1”。因此,标记像素的值是198 + 5 = 203。在LS(左移)阶段,转移的数量是0,这个秘密年代_j被假定为“0。“上面的过程之后,像素值我(2,2)封面图片的变化从198年到203年,这是其相应的隐藏像素的最终值,与嵌入两个秘密。

例2。在图的绿色价值观4本3和133之间的值。3号是最小的预测误差大于TH,133号是最大的非零本价值。在RS阶段,这些本值将添加一个相对积极的整数减法计算的PK−n,在那里n的总数量吗零垃圾箱小于当前本值。在LS阶段,这些本值将保持不变。例如,我(371,457)= 228,P(371、457)= 97,P_e(371、457)=从方程(228−97 = 1312),转移的数量PK−n= 5 - 4 = 1,n4因为最大的零本不足131Z_r4(图3(d)),这意味着有4零垃圾箱小于131。因此,本移动131年到132年,标志着像素值为228 + 1 = 229。在第二阶段的隐藏程序,本不需要132的转移,所以最后隐藏图像像素的值我(371,457)是229。

例3。紫色的值在图4本值之间和137−−3。−3号是最大的预测误差小于−TH−−2,和数量137是最小的非零本价值。在RS阶段,这些本值将保持不变,因为他们是不到−PK。在LS阶段,这些本值减去一个相对的正整数的减法计算PK_l−米,在那里米的总数量吗零垃圾箱大于当前的讨论本值。例如,我(378、453)= 51岁,P(378、453)= 188,P_e51 (378、453)= 188 =−−137。在RS阶段,本值−137保持不变;因此,本价值137−转移的数量是0,这意味着51像素值将保持不变。在LS阶段,转移的数量PK_l−米= 10−8 = 2,米8因为最小的吗零本的右边本−137Z_{经历了18个}(图3(c))。最后,最终的stego-pixel价值我(378、453)51−2 = 49。

2.3。提取过程

嵌入过程后,TH,零垃圾箱Z_rn和Z_lm,和隐藏图像,最后一行和最后一列是原始和完整,将发送到接收机。因此,预测像素值可以计算从最后一行的像素值和最后一列。具体而言,根据方程(1),图像大小为512×512,预测价值P(511年,511年)是第一个计算,之后,预测价值和stego-pixel价值之间的差异P(511、511)。然后,根据预测误差和它如何相关TH,零垃圾箱Z_rn和Z_lm的原始值我(511、511)和嵌入的比特值(如果它被隐藏)解决。现在作为一个给定的消息,原来的价值我(511,511)可以用来确定我(511,510)。因此,逐个像素,整个秘密信息可以提取并可以恢复原始图像嵌入过程的处理顺序相反。

3所示。提出了方案

提高隐藏图像的质量和增加可以隐藏的秘密信息,我们使用双向PEH转移在双向预测基于王等人的方法(19]。生成隐藏图像的过程分为两个阶段:嵌入过程1使用光栅扫描顺序和嵌入过程2使用逆光栅扫描顺序。首先,像素和最后一列和最后一行像素作为参考。第一个预测是在光栅扫描顺序,即。,from the first pixel in the upper left corner of an image, top to bottom, and left to right, and the top-left pixel is predicted by the other three pixels in its square-shaped adjacent context. The calculation process is shown in equation (1),预测误差,P(我,j由方程(计算),2);第二阶段的预测相反的光栅扫描顺序处理的像素在右下角,右到左,顶部和底部,和右下角的像素由其他三个像素预测如下,分别为: 在哪里我₁和我₁(我,j)隐藏图像及其后隐藏像素嵌入过程1。信息隐藏过程中在这两个阶段,PE(预测误差)值分别决定,命名 和 ,分别。此外,在嵌入过程中1,我们首先扩大或垃圾箱的PEH转向正确的方向然后向左方向。在嵌入过程中,为了避免可能发生严重的畸变,,运动将相反的方向从第一个嵌入过程。也就是说,在嵌入过程中,我们首先扩大或转移箱PEH向左,然后向右方向。移动单位的数量取决于本的价值下降的区间。转移后的像素已经完成,原来的预测误差(PE)是改变修改预测误差(MPE)。迈普的区别和PE,称为Δbins,添加到原始像素创建隐藏像素的值。

提出了这个方案的符号表1,随后讨论了算法过程的细节,包括伪代码隐藏和提取信息的程序。

嵌入过程的细节1解释算法的伪代码1。

图5嵌入过程的说明1。我们假设TH= 2,还有一个像素P(我,j),其体育价值P_e(我,j)= 0,这是一个属于本值0如图5(a)。在对PEH转移,本值0是转移到本值2,嵌入了“0”,如图5(c)。也就是说,Δbin (我,j)=P_e(我,j)+TH+年代_我= 0 + 2 + 0 = 2。然后,我(我,j)改变我_{1 r}(我,j),我_{1 r}(我,j)=我(我,j)+Δbin (我,j)=我(我,j)+ 2。然后,离开转移用于嵌入“1”我_{1 r}(我,j),从而改变本值2−4。P_呃(我,j)=P_e(我,j)+Δbin (我,j)=P_e(我,j)+ 2;Δbin_l(我,j)=P_呃(我,j)−TH−PK−年代_j=P_e(我,j)+ 2−−−1 =−5 6。最后,我₁(我,j)=我_{1 r}(我,j)+Δbin_l(我,j)=我(我,j)+ 2−6 =我(我,j)−4。在那之后,像素我(我,j)已经被嵌入“0”和“1”像素值添加−4。因此,与不同数量的运动峰地区的垃圾箱PE直方图,秘密数据是隐藏的。的外部区域使房间移动峰地区移动和隐藏秘密信息。那些预测误差值的像素值位于正确的外部区域增加。那些预测误差值的像素值位于左外部区域减少。此外,与帮助零垃圾箱,运动后的外部区域在一定程度上可以减少。所有这些,最大的改变是2×PK。

接下来,当前隐藏图像我₁将预测方程(3),预测处理的顺序是按照相反的顺序从预测在嵌入过程1。然后,PEH转移方向是朝左,然后右嵌入的相反顺序过程1。相比之下,王等人的方案(19),畸变会有点大由于增加隐藏秘密信息的能力。嵌入过程2给出算法的伪代码2。

溢流/下溢问题发生在一些像素的值,称为边界像素,从255调整为大于255或从0到负值。对于这些像素,根据文献[24),我们使用一种不同的方法从王et al。后的值将超过边界Δbins添加不允许参与之外;对他们来说,原始值保持不变,称为pseudovalues。像素值的加成结果值等于相应的pseudovalues,被称为真正的价值观。数组的边界可以记录从pseudovalues区分真正的值,以避免混乱。数组的每一个成员都对应于一个隐藏图像边界像素,与真正的“0”和伪“1”。

3.1。嵌入过程的一个例子

如图6,像素我(31日12)"狒狒”被确定为我(31日12),其像素值为119。基于方程(1),P_e(31日12)=−2满足条件 ,在哪里TH= 0。因此,Δbin价值转移的嵌入过程1我(31日12)= 0,我_{1 r}(31日12)=我(31日12)= 119,P_呃(31日12)=−2。在左嵌入过程的转移1中,由于P_呃(31日12)<TH= 0,Δbin_l(31日12)=−PK_l=−2;因此,我₁(31日12)=我_{1 r}(31日12)+Δbin_l(31日12)= 119 +(−2)= 117,这是嵌入过程的结果1。接下来是嵌入过程2。根据方程(新生成的预测价值3),预测误差 是获得。现在离开嵌入过程的转移2。根据给定的阈值,即= 0,我们发现 。假设当前信息隐藏年代_j= 1。因此,Δbin^∗(31日12)=−1,扩大本值0−1隐藏秘密比特“1”;因此, ,和 。然后,我们继续对嵌入过程的转移2。 满足条件 ,我们认为目前的信息隐藏这(31日12)= 1隐藏“1。“最后,隐藏像素 。此时,嵌入过程完成。

3.2。提取过程的一个例子

现在,我们假设接收机接收到隐藏图像,阈值TH, ,零垃圾箱Z_rn,Z_lm,Z^∗_rn^∗,Z^∗_lm^∗,一系列边界的像素/下溢试图提取秘密和恢复原始图像。首先,基于第一行和第一列像素保存下来,接收方可以确定像素(2,2)的预测价值,然后,它我₁(2,2)像素值。然后逐个像素,在光栅扫描顺序,所有之前的我₁(31日12)将恢复。然后,通过方程计算(3),用 , ,和 已经确定,确定的预测价值,也就是说,P^∗(30日12)= 117。和之间的区别P^∗(30、12)和隐藏像素 ,这是 ,可以算出。基于价值的区别= 0,我们可以确定=−1和= 1。因此, ,年代_j= 1, 。因此,我₁(31日12)= 117。通过同样的过程,我们可以确定每一个我₁(我,j),逐个像素。随后,提取过程的第一阶段就完成了。值的基础上我₁和所有的值在最后一列和最后一行图像的封面图片,保持原来的值,我们可以确定,由像素,像素预测价值和预测错误的所有像素。之间的区别我₁(31日12)P(12)30P_埃尔(12)31−4;因此,P_呃(31日12)=−2, ,和我_{1 r}(31日12)=我₁(31日12)−Δbin_l(31日12)= 117 + 2 = 119,因为给定的阈值TH= 0;此外,Δbin(31日12)= 0P_e(31日12)= 0。因此,我(31日12)=我_{1 r}(31日12)−Δbin(31日12)= 119,这是原始的像素值。这个过程如图6和7,蓝色箭头指出了嵌入过程和橙色箭头表示提取的过程。

4所示。实验结果和分析

我们使用的实验平台由一个3.41 GHz的英特尔i7 - 6700 CPU, 32 GB RAM和专业的Windows 64位操作系统。我们的实验是由MATLAB实现。方案的性能估计一些标准,即。,e米bedding capacity (EC), peak signal-to-noise ratio (PSNR), and execution time (s: seconds). Tables2- - - - - -5显示一些数字,取决于使用标准512×512灰度常见,医疗、质地,分别和航拍图像。

电子商务可以由数量的控制峰垃圾箱,它可以通过方程计算(6)。嵌入率(ER)代表嵌入的秘密部分的比例在整个封面图片的像素。呃被定义为(7)。在这里,H×W封面图片的大小: 在哪里PK的数量是峰本值我们用来隐藏秘密信息,它的价值,事实上,将改变在不同嵌入阶段TH我们使用价值。

一般来说,峰值信噪比(PSNR)用于测量重建图像或隐藏图像的视觉质量。PSNR值被定义为 在MSE封面图片之间的均方误差和隐藏图像。灰度封面图片的大小H×W均方误差被定义为 在哪里p_ij代表行像素值我和列j原始图像和的相应stego-pixel价值吗p_ij。

作为一个常识,封面图片和隐藏图像之间的差异,人的肉眼是看不见的当PSNR值的值超过30分贝。因此,控制隐藏的听不清失真图像,嵌入过程将永远停止在PSNR值小于30岁。在我们的方案中,为了避免巨大的扭曲,我们与两只提供实验数据TH和值小于2。

与原算法相比王et al。(的19),只有单向的预测,我们的算法使用双向预测生成两个peh为了隐藏更多的信息。最小化PSNR增长,在第二次预测,直方图变化将从左到右的顺序进行的,这是第一个预测阶段的转移顺序相反。此外,原算法减去255像素值大于255时,或者只是增加了255像素值小于0时。下溢/溢出问题的解决他们使用效率低下。在本文中,我们解决问题的一种有效的方式的基础上,研究[24通过避免一些边界像素执行巨大的过渡变化,如从白色到黑色或从黑到白。提高嵌入容量(ΔEC)位和欧共体增加率(IR),以及PSNR和下降率(博士),在图8图像8如表所示2。比较我们的算法和提出的算法王et al .,表2表明,通过使用我们的算法,有一个巨大的EC和PSNR值略有减少,增加和减少的PSNR值明显小于EC的增长率。

表2表明,通过使用双向预测,提出嵌入容量增加我们学习的所有图像。然而,增加每个图像都是不同的,增加相同的图像在不同的范围TH和条件也不同。此外,所有的图像PSNR值下降,减少的数量是不同的。值得注意的是,电子商务的增长速度远远大于PSNR值的下降率。和一个例子用来解释这一发现。形象”丽娜,“当TH= 0和= 0,∆EC 35188位,这意味着,与原算法相比,该算法可以嵌入图像中超过35188位,提高嵌入容量67.3%;同样的条件,PSNR值保持理想值为40.9,下降率只有8.1%;时间成本只增加了1.74秒。因此,与原算法相比,该算法牺牲一点点的PSNR值和时间成本为了隐藏更多的秘密信息。这种现象更加明显的图像”狒狒”。隐藏信息的数量大大增加了85%以上,而PSNR值下降略低于9%TH= 0和= 0。其他图像得到了类似的结果。因此,我们得出这样的结论,对于常见的图像,该方案提供了一个非常大的提高信息隐藏容量只有一个小减少PSNR。接下来,我们使用三组图像,即。,米edical images, texture images, and aerial images, and each group has eight images to illustrate the relevant issues.

图9显示八个医学图像大小为512×512,对应于这些照片;表3向我们展示了有效载荷(位)、PSNR和嵌入率(ER)条件的值TH= 2,= 2。表3表明所有八个医学图像的隐藏能力增加了95%,和bpp(位/像素)值一般大于3.8。事实上,大多数的PSNR值的降低率约为13%,这意味着,与原算法相比19),该方案提供了显著增加EC值,在PSNR值略有减少。得出结论,提出双向预测算法显著增加存储容量对秘密信息,保证理想的ER和隐藏医学图像的PSNR值。因此,该方案特别适合医学图像作为封面图片。

纹理图像如图10说明表的相关信息4。因为每个图像的纹理的结构是不同的,每一个图像的信息隐藏容量也不同。一些图片,例如,图10 (e)大滑块,使直方图更清晰,从而让更多的信息被隐藏,和它的值是2.95。然而,图10 (h)复杂和非光滑的质地,和它产生一个直方图,可以隐藏,因此显著降低了信息及其ER值低至0.11。因此,很明显,该方案将使图像更加平滑区域隐藏更多的信息。

八个航拍图像如图11、有效载荷、PSNR和ER表中给出5。从实验数据,我们可以得到的结论是,所有的增加的负载率大于50%,所有的PSNR值的降低利率约为10%。但这里的ER价值有点低,在1。

从图12,我们几乎看不到隐藏图像的常见的视觉差异,医学,质地,和空中类别不同的ER和PSNR。

我们使用随机选取SIPI 108张照片和Dicom图像数据库得到实验数据,并从图13提高,我们可以看到,在PSNR值降低,但ER的增加率明显大于下降的PSNR。其中,王等人的算法只有一个参数,TH,该算法有两个参数,TH和 。因此,ER和PSNR值曲线的王et al。' s不是第二个参数为该方案的影响。此外,该方案的ER价值稳步增加,当TH= 2,= 2,平均价值的108张图片是1.2是理想的媒介数据有效负载。同时,PSNR值是29.7,使嵌入信息视觉听不清。

5。结论

在本文中,我们提出了一种改进的,双向翻三班可逆数据隐藏方案使用双向预测策略。嵌入过程由两个阶段组成,即。,(1)creation of the first histogram of prediction-error and right-left shifting with embedding and (2) creation of the second histogram of prediction-error and left-right shifting with embedding. Both of the extraction of the embedded message and the recovery of the original image can be realized exactly using the stego image and relevant information. After experiments on common, texture, medical, and aerial images, we found that the embedding rate of medical images increases the most. Whether it is medical images or other types of images, we can all come to the conclusion that the proposed scheme is significantly superior to the previous scheme in embedding capacity, with a little bit of time loss and PSNR decline, such that when ,算法有效,极大地提高了信息隐藏率65%但只减少了PSNR值约为6%,和PSNR值仍然非常接近30 dB。在未来的工作中,我们将进一步提高视觉质量的增加隐藏率。

数据可用性

没有外部数据用于支持本研究。所有派生数据集生成在我们的基础设施。

信息披露

本研究进行了作者作为就业的一部分。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是支持的软福建省科学基金会、中国(批准号B19085)。

引用

1. d·a·佩雷斯Dubrull指数de libro Prohibidos、梵蒂冈、欧洲,1880年。
2. Typis Vaticanis,禁书目录、梵蒂冈、欧洲,1900年。
3. i . j . m . Barni f . Bartolini考克斯j·埃尔南德斯和f . Perez-Gonzalez,“数字水印版权保护:a .通信的角度来看,“IEEE通讯杂志,39卷,不。8,90 - 91年,2001页。视图:出版商的网站|谷歌学术搜索
4. i . j·考克斯·m·米勒,j .布鲁姆等。数字水印和隐写术2007年,第二版https://www.elsevier.com/books/digital水印-和- steganography/cox/978 - 0 - 12 - 372585 - 1。
5. c c。林、黄y和w l。大”,一种新颖的混合图像认证方案基于绝对时刻块截断编码,“多媒体工具和应用程序,卷76,不。1,第488 - 463页,2017。视图:出版商的网站|谷歌学术搜索
6. c . c . Chang, t . c . Lu和y l .刘”一个秘密信息隐藏方案基于切换树编码,”21世纪的计算机安全d·t·李,s . p . Shieh和j·d·泰格,Eds。美国,施普林格,波士顿,MA, 2005。视图:谷歌学术搜索
7. c c。Chang彭译葶。林,Y.-Z。王”,矢量量化图像隐写方法具有较高的嵌入容量使用多路搜索方法,”在计算机科学的课堂讲稿,第1064 - 1058页,2005年。视图:出版商的网站|谷歌学术搜索
8. 吴m . Min和b·比德刘”数据隐藏在图像和视频。即基本问题和解决方案。”IEEE图像处理,12卷,不。6,685 - 695年,2003页。视图:出版商的网站|谷歌学术搜索
9. j·巴顿,”方法和装置嵌入认证信息在数字数据,“1997年,5646997年美国专利。视图:谷歌学术搜索
10. c . w . Honsinger p·w·琼斯·m·拉巴尼et al .,”一个包含嵌入的原始图像数据的无损的恢复,”2001年,谷歌的专利。视图:谷歌学术搜索
11. j . Fridrich m . Goljan, r·杜“无损数据embedding-new范式在数字水印,”EURASIP在信号处理的发展》杂志上,卷2002,不。2、2002。视图:出版商的网站|谷歌学术搜索
12. m .美国侯赛因·g·沙玛,a . m . Tekalp et al .,“可逆数据隐藏,”IEEE电路和系统视频技术,13卷,不。8,157 - 160年,2002页。视图:谷歌学术搜索
13. z倪,y .问:施:安萨里et al .,“可逆数据隐藏,”《2003国际研讨会上电路和系统,ISCAS’03曼谷,泰国,2003年5月。视图:谷歌学术搜索
14. j .骏田“可逆数据嵌入使用不同扩张,”IEEE电路和系统视频技术,13卷,不。8,890 - 896年,2003页。视图:出版商的网站|谷歌学术搜索
15. a . m . Alattar“可逆水印使用广义整数变换的扩张的区别,”IEEE图像处理,13卷,不。8,1147 - 1156年,2004页。视图:出版商的网站|谷歌学术搜索
16. c c。林,w l。大,c c。常,“多级可逆数据隐藏基于差分图像的直方图修改,“模式识别第41卷。。12日,第3591 - 3582页,2008年。视图:出版商的网站|谷歌学术搜索
17. w·泰、c .叶和c . Chang“可逆数据隐藏基于直方图修改像素差异,”IEEE电路和系统视频技术,19卷,不。6,906 - 910年,2009页。视图:谷歌学术搜索
18. d . m . Thodi j·j·罗德里格斯和美国成员,“扩张可逆水印嵌入技术,”IEEE图像处理,16卷,不。3,2007。视图:出版商的网站|谷歌学术搜索
19. 你们j . w . Wang, t . Wang“高容量可逆数据隐藏方案基于左边/右边转变,”信号处理卷,150年,第115 - 102页,2018年。视图:出版商的网站|谷歌学术搜索
20. r·m·王,“双指数分布:用微积分来找到一个最大似然估计值,”美国统计学家,38卷,不。2、135 - 136年,1984页。视图:出版商的网站|谷歌学术搜索
21. d .邹、y .问:施和z倪至诚”提高无损数字水印方案基于整数小波变换,“IEEE电路和系统视频技术,16卷,不。10日,1294 - 1300年,2006页。视图:出版商的网站|谷歌学术搜索
22. z魏苏、y .问:施n·安萨里et al .,“健壮的无损图像数据隐藏设计用于提高图像认证,“IEEE电路和系统视频技术,18卷,不。4、497 - 509年,2008页。视图:谷歌学术搜索
23. h·j·金、诉Sachnev y .问:施et al .,“小说不同扩张变换可逆数据嵌入,”IEEE取证和安全信息,3卷,不。3、456 - 465年,2008页。视图:谷歌学术搜索
24. l·罗z . Chen m . Chen等人“可逆图像水印使用插值技术,”IEEE取证和安全信息,5卷,不。1,第193 - 187页,2010。视图:谷歌学术搜索

版权

版权©2019林李等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。