CN108416724A - 一种基于多预测器的可逆信息隐藏方法 - Google Patents
一种基于多预测器的可逆信息隐藏方法 Download PDFInfo
- Publication number
- CN108416724A CN108416724A CN201810141068.XA CN201810141068A CN108416724A CN 108416724 A CN108416724 A CN 108416724A CN 201810141068 A CN201810141068 A CN 201810141068A CN 108416724 A CN108416724 A CN 108416724A
- Authority
- CN
- China
- Prior art keywords
- max
- prediction error
- pixel
- information
- watermark
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000002441 reversible effect Effects 0.000 title claims abstract description 19
- 239000000284 extract Substances 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims description 21
- 238000003780 insertion Methods 0.000 claims description 13
- 230000037431 insertion Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 9
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 238000012512 characterization method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0065—Extraction of an embedded watermark; Reliable detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0203—Image watermarking whereby the image with embedded watermark is reverted to the original condition before embedding, e.g. lossless, distortion-free or invertible watermarking
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本发明涉及一种基于多预测器的可逆信息隐藏方法,先用每一个预测器预测待测像素,再将所有预测值构成一个预测值集;获得预测值集的最大值和最小值,然后计算大于、等于该最大值的待测像素和最大值之间的差,即为预测误差,同理,计算小于、等于该最小值的待测像素与最小值之间的差来得到预测误差,最后将水印信息嵌入到值为0和1的预测误差中。本方案以无损的方式将水印信息嵌入到载体信息中,在解码端,使无失真的提取出水印信息后仍能无损恢复出原始载体信息,从而满足一些实际应用中借助于恢复出的原始载体信息进行医疗诊断、法律诉讼等应用需求。
Description
技术领域
本发明涉及多媒体信息安全的技术领域,尤其涉及到一种基于多预测器的可逆信息隐藏方法。
背景技术
计算机信息技术的发展和普及给数字媒体信息的传播带来便利的同时也使得信息载体在网络传播的过程中很可能会遭受一些有意或无意的破坏攻击,继而使得人们无法对该信息载体的内容真实性和完整性进行验证。如何有效保护数字媒体信息在网络传播过程中的真实性和完整性,是当前信息安全领域中的研究热点和难点之一。信息隐藏技术通过将水印信息以某种不可察觉的方式嵌入到数字媒体中,使得接收者可以通过提取数字媒体中的隐藏信息来验证所接收到的信息的真实性和完整性。
然而,信息隐藏技术只关注嵌入的水印信息在解码端能否被正确提取出来,忽视了信息隐藏过程是否对载体信息造成永久失真,以致载体信息无法全部复原。例如,医学诊断、法律取证等一些实际应用中,不仅需要保证水印信息的完整性同时需要载体信息的无失真恢复。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于多预测器的可逆信息隐藏方法,以无损的方式将水印信息嵌入到载体信息中,在解码端,使无失真的提取出水印信息后仍能无损恢复出原始载体信息,从而满足一些实际应用中借助于恢复出的原始载体信息进行医疗诊断、法律诉讼等应用需求。
为实现上述目的,本发明所提供的技术方案为:
包括水印嵌入和水印提取;其中,水印嵌入的具体步骤如下:
A1、计算像素的局部复杂度:
以像素的局部复杂度作为控制参数,来决定一个像素是否适合嵌入数据。按照从左到右,从上到下的次序遍历原始图像I,对于任一个像素xi,j’i∈{1,…,R},j∈{1,…,C},其中R和C分别代表原始图像I的宽度和长度,计算围绕它的24个最近邻像素构成的邻域的局部复杂度,记为σi,j;
其中,xi,j的24个最近邻像素构成的邻域定义如下:
xi,j的局部复杂度σi,j的计算公式为:
只有局部复杂度小于或等于预设阈值T的像素才能用于嵌入信息。将局部复杂度小于预设阈值T的所有像素组成一个集合Sp,集合中像素数量记为L。
A2、构造位置图:
产生一个和SP中像素一一对应的一维位置图;对于Sp中任一个像素pi(i∈{1,…,L}),若pi∈{0,255},则在位置图中相应位置标识1,否则标识0;
将生成的位置图经算术编码压缩后得到长度为Ls的二进制比特流B。
A3、产生附加信息:
将比特流B和用8比特二进制表示的阈值T连接成长度为Ls+8的附加信息;之所以要将附加信息和载荷一起嵌入到图像中,是因为在抽取过程中需要先将这些附加信息提取出来,然后再依靠这些附加信息来进行正确的水印提取和原始图像恢复。
A4、预测过程:
用四个预测器——Gap、AGap、第一预测器和第二预测器对当前像素xi,j∈Sp进行分别预测,产生5个预测值p1,p2,p3,p4,p5,计算pmax=max{p1,p2,p3,p4,p5}和pmin=min{p1,p2,p3,p4,p5};
其中,Gap预测器定义为:
其中,dv和dh分别表示垂直和水平方向的梯度,dv-dh表示两个方向梯度的差值;
AGap预测器定义为:
D1=(2|xi,j+1-xi,j+2|+2|xi+1,j-xi+1,j+1|+2|xi+1,j-xi+1,j-1|+|xi+2,j-xi+2,j+1|+|xi+2,j-xi+2,j-1|+|xi+1,j+1-xi+1,j+2|)/9+1,
D2=(2|xi,j+1-xi+1,j+1|+2|xi+1,j-xi+2,j|+|xi+1,j-xi+1,j-1|+|xi,j+2-xi+1,j+2|+|xi,j+2-xi+1,j+2|)/7+1,
D3=(2|xi,j+1-xi+1,j|+|xi+1,j-xi+2,j-1|+|xi,j+2-xi+1,j+1|+|xi+1,j+1-xi+2,j|)/6+1,
D4=(2|xi,j+1-xi+1,j+2|+2|xi+1,j-xi+2,j+1|+|xi+1,j-1-xi+2,j|)/5+1,
Dmin=min(Di),i∈{1,…,4},且
Dmin2=min(Dj|j≠argmin(Di)),j∈{1,…,4},
第一预测器定义为:
p3=max(xi+1,j,xi,j+1,xi+1,j+1,xi+1,j-1)和p4=min(xi+1,j,xi,j+1,xi+1,j+1,xi+1,j-1);
第二预测器定义为:
p5=3(xi+1,j+xi,j+1)/8+(xi+1,j+1+xi+1,j-1)/8。
A5、修改像素值,实现信息嵌入:
当pmax ≠pmin时,修改p的嵌入过程分成以下三种情况:
1)对于p≥pmax,计算预测误差为pEE=p-pmax,若pEE=0,则将1比特水印信息w嵌入到预测误差pEE中得到含水印的预测误差p'EE,即p'EE=pEE+w;若pEE>0,则将预测误差pEE增加1,即p'EE=pEE+1;
2)对于p£pmin,计算预测误差为pEE=p-pmin,若pEE=0,则将水印信息w嵌入到预测误差pEE中得到含水印的预测误差p'EE,即p'EE=pEE-w,若pEE<0,则将预测误差pEE减去1,即p'EE=pEE-1
3)对于pmin£p£pmax,对p不做任何处理;
当pmax=pmin时,修改p的嵌入过程分成以下两种情况:
1)对于p≥pmax,计算预测误差为pEE=p-pmax,若pEE=0,则将水印信息w嵌入到预测误差pEE中得到含水印的预测误差p'EE,即p'EE=pEE+w;若pEE>0,则将预测误差pEE增加1,即p'EE=pEE+1;
2)对于p<pmax,计算预测误差为pEE=p-pmax,若pEE=-1,则将水印信息w嵌入到预测误差pEE中得到含水印的预测误差p'EE,即p'EE=pEE-w;若pEE<-1,则将预测误差pEE减去1,即p'EE=pEE-1。
A6、嵌入附加信息和载荷:
按照从左到右,从上到下的顺序遍历图像I中的每一个像素,并计算每一个像素的局部复杂度σ;若σ>T,则跳过该像素对其不作任何处理;若σ≤T,则按照步骤A4、A5对该像素进行水印嵌入;将前Ls+8个像素处理完后,采用Ls+8个附加信息分别代替前Ls+8个像素的最不重要位,并将代替后的最不重要位和载荷P一起嵌入到I中剩余像素中;I中所有像素处理完后,产生含水印图像Iw,完成可逆信息隐藏。
水印提取的具体步骤如下:
B1、提取最不重要位:
按照步骤A6的次序提取像素的最不重要位,并将提取得到的最不重要位经算术解码后得到位置图;再将位置图经无损压缩得到压缩后的比特流,比特流长度记为Ls,同时将第Ls+1到第Ls+8之间最不重要位提取出来变换成十进制得到阈值T。
B2、计算局部复杂度:
为了保证算法的可逆性,必须按照和嵌入过程相反的次序恢复原始像素和提取水印信息,同样,也要按照和嵌入过程相反的次序计算复杂度;对于当前像素x'i,j,i∈{R,…,1},j∈{C,…,1},计算其局部复杂度σi,j,若σi,j>T,则xi',j=xi,j;若σi,j£T,则xi',j∈Sp。
B3、像素预测过程:
对于Sp中某一个像素p',如果其在位置图中对应位置的标识为0,则用四个预测器——Gap、AGap、第一预测器和第二预测器对p'进行分别预测,产生5个预测值p1,p2,p3,p4,p5,计算pmax=max{p1,p2,p3,p4,p5}和pmin=min{p1,p2,p3,p4,p5}。
B4、修改像素值,实现信息提取:
当pmax ≠pmin时,将p的提取过程分成以下三种情况:
1)对于p'≥pmax,计算预测误差为pEE'=p'-pmax,若pEE'=0,则w=0,pEE=pEE';若pEE'=1,则w=1,pEE=pEE'-1;若pEE'>1,则pEE=pEE'-1;
2)对于p£pmin,计算预测误差为pEE'=p'-pmin,若pEE'=0,则w=0,pEE=pEE';若pEE'=-1,则w=1,pEE=pEE'+1;若pEE'<-1,则pEE=pEE'+1;
3)对于pmin£p£pmax,对p'不做任何处理;
当pmax=pmin时,将p的提取过程分成以下两种情况:
1)对于p'≥pmax,计算预测误差为pEE'=p'-pmax,若pEE'=0,则w=0,pEE=pEE';若pEE'=1,则w=1,pEE=pEE'-1;若pEE'>1,则pEE=pEE'-1;
2)对于p<pmax,计算预测误差为pEE'=p'-pmax,若pEE'=-1,则w=0,pEE=pEE';若pEE'=-2,则w=1,pEE=pEE'+1;若pEE'<-2,则pEE=pEE'+1。
B5、信息提取和原始像素恢复:
按照步骤B3和步骤B4,依次处理完Sp中所有像素后,得到恢复后的原始图像I和嵌入的水印信息。
与现有技术相比,本方案原理和优点如下:
将表征纹理特性有优势的预测器和表征平滑特性有优势的预测器融合在一起,获取最能反映局部纹理特性的预测值,使得可隐藏水印信息的预测误差数量大幅增加,对于高纹理图像和平滑图像都能获得不错的率失真性能。
具体地说,先用每一个预测器预测待测像素,再将所有预测值构成一个预测值集;获得预测值集的最大值和最小值,然后计算大于、等于该最大值的待测像素和最大值之间的差,即为预测误差,同理,计算小于、等于该最小值的待测像素与最小值之间的差来得到预测误差,最后将水印信息嵌入到值为0和1的预测误差中。本方案以无损的方式将水印信息嵌入到载体信息中,在解码端,使无失真的提取出水印信息后仍能无损恢复出原始载体信息,从而满足一些实际应用中借助于恢复出的原始载体信息进行医疗诊断、法律诉讼等应用需求。
附图说明
图1为本发明一种基于多预测器的可逆信息隐藏方法的总流程图;
图2为本发明一种基于多预测器的可逆信息隐藏方法中水印嵌入的流程图;
图3为本发明一种基于多预测器的可逆信息隐藏方法中水印提取的流程图。
具体实施方式
下面结合具体实施例对本发明作进一步说明:
参见附图1所示,本实施例所述的一种基于多预测器的可逆信息隐藏方法,包括水印嵌入和水印提取两个过程,载体图像I和水印信息W在嵌入前和提取后保持不变,从而达到信息隐藏的可逆。
如图2所示,水印嵌入的具体步骤如下:
A1、计算像素的局部复杂度:
按照从左到右,从上到下的次序遍历原始图像I,对于任一个像素xi,j,i∈{1,…,R},j∈{1,…,C},其中R和C分别代表原始图像I的宽度和长度,计算围绕它的24个最近邻像素构成的邻域的局部复杂度,记为σi,j;
其中,xi,j的24个最近邻像素构成的邻域定义如下:
xi,j的局部复杂度σi,j的计算公式为:
将局部复杂度小于预设阈值T的所有像素组成一个集合Sp,集合中像素数量记为L
A2、构造位置图:
产生一个和SP中像素一一对应的一维位置图LM={li}(i∈{1,…,L});对于Sp中任一个像素pi(i∈{1,…,L}),若pi∈{0,255},则在位置图LM中相应位置li标识1,否则标识0;将生成的位置图经算术编码压缩后得到长度为Ls的二进制比特流B。
A3、产生附加信息:
将比特流B和用8比特二进制表示的阈值T连接成长度为Ls+8的附加信息。
A4、预测过程:
用四个预测器——Gap、AGap、第一预测器和第二预测器对当前像素xi,j∈Sp进行分别预测,产生5个预测值p1,p2,p3,p4,p5,计算pmax=max{p1,p2,p3,p4,p5}和pmin=min{p1,p2,p3,p4,p5};
其中,Gap预测器定义为:
其中,dv和dh分别表示垂直和水平方向的梯度,dv-dh表示两个方向梯度的差值;
AGap预测器定义为:
D1=(2|xi,j+1-xi,j+2|+2|xi+1,j-xi+1,j+1|+2|xi+1,j-xi+1,j-1|+|xi+2,j-xi+2,j+1|+|xi+2,j-xi+2,j-1|+|xi+1,j+1-xi+1,j+2|)/9+1,
D2=(2|xi,j+1-xi+1,j+1|+2|xi+1,j-xi+2,j|+|xi+1,j-xi+1,j-1|+|xi,j+2-xi+1,j+2|+|xi,j+2-xi+1,j+2|)/7+1,
D3=(2|xi,j+1-xi+1,j|+|xi+1,j-xi+2,j-1|+|xi,j+2-xi+1,j+1|+|xi+1,j+1-xi+2,j|)/6+1,
D4=(2|xi,j+1-xi+1,j+2|+2|xi+1,j-xi+2,j+1|+|xi+1,j-1-xi+2,j|)/5+1,
Dmin=min(Di),i∈{1,…,4},且
Dmin2=min(Dj|j≠argmin(Di)),j∈{1,…,4},
第一预测器定义为:
p3=max(xi+1,j,xi,j+1,xi+1,j+1,xi+1,j-1)和p4=min(xi+1,j,xi,j+1,xi+1,j+1,xi+1,j-1);
第二预测器定义为:
p5=3(xi+1,j+xi,j+1)/8+(xi+1,j+1+xi+1,j-1)/8。
A5、修改像素值,实现信息嵌入:
当pmax ≠pmin时,修改p的嵌入过程分成以下三种情况:
1)对于p≥pmax,计算预测误差为pEE=p-pmax,若pEE=0,则将1比特水印信息w嵌入到预测误差pEE中得到含水印的预测误差p'EE,即p'EE=pEE+w;若pEE>0,则将预测误差pEE增加1,即p'EE=pEE+1;
2)对于p£pmin,计算预测误差为pEE=p-pmin,若pEE=0,则将水印信息bw嵌入到预测误差pEE中得到含水印的预测误差p'EE,即p'EE=pEE-w,若pEE<0,则将预测误差pEE减去1,即p'EE=pEE-1
3)对于pmin£p£pmax,对p不做任何处理;
当pmax=pmin时,修改p的嵌入过程分成以下两种情况:
1)对于p≥pmax,计算预测误差为pEE=p-pmax,若pEE=0,则将水印信息w嵌入到预测误差pEE中得到含水印的预测误差p'EE,即p'EE=pEE+w;若pEE>0,则将预测误差pEE增加1,即p'EE=pEE+1;
2)对于p<pmax,计算预测误差为pEE=p-pmax,若pEE=-1,则将水印信息w嵌入到预测误差pEE中得到含水印的预测误差p'EE,即p'EE=pEE-w;若pEE<-1,则将预测误差pEE减去1,即p'EE=pEE-1。
A6、嵌入附加信息和载荷:
按照从左到右,从上到下的顺序遍历图像I中的每一个像素,并计算每一个像素的局部复杂度σ;若σ>T,则跳过该像素对其不作任何处理;若σ£T,则按照步骤A4、A5对该像素进行水印嵌入;将前Ls+8个像素处理完后,采用Ls+8个附加信息分别代替前Ls+8个像素的最不重要位,并将代替后的最不重要位和载荷P一起嵌入到I中剩余像素中;I中所有像素处理完后,产生含水印图像Iw,完成可逆信息隐藏。
如图3所示,水印提取的具体步骤如下:
B1、提取最不重要位:
按照步骤A6的次序提取像素的最不重要位,并将提取得到的最不重要位经算术解码后得到位置图;再将位置图经无损压缩得到压缩后的比特流,比特流长度记为Ls,同时将第Ls+1到第Ls+8之间最不重要位提取出来变换成十进制得到阈值T。
B2、计算局部复杂度:
对于当前像素x'i,j,i∈{R,…,1},j∈{C,…,1},计算其局部复杂度σi,j,若σi,j>T,则xi',j=xi,j;若σi,j£T,则xi',j∈Sp。
B3、像素预测过程:
对于Sp中某一个像素p',如果其在位置图中对应位置的标识为0,则用四个预测器——Gap、AGap、第一预测器和第二预测器对p'进行分别预测,产生5个预测值p1,p2,p3,p4,p5,计算pmax=max{p1,p2,p3,p4,p5}和pmin=min{p1,p2,p3,p4,p5}。
B4、修改像素值,实现信息提取;
当pmax ≠pmin时,将p的提取过程分成以下三种情况:
1)对于p'≥pmax,计算预测误差为pEE'=p'-pmax,若pEE'=0,则w=0,pEE=pEE';若pEE'=1,则w=1,pEE=pEE'-1;若pEE'>1,则pEE=pEE'-1;
2)对于p£pmin,计算预测误差为pEE'=p'-pmin,若pEE'=0,则w=0,pEE=pEE';若pEE'=-1,则w=1,pEE=pEE'+1;若pEE'<-1,则pEE=pEE'+1;
3)对于pmin£p£pmax,对p'不做任何处理;
当pmax=pmin时,将p的提取过程分成以下两种情况:
1)对于p'≥pmax,计算预测误差为pEE'=p'-pmax,若pEE'=0,则w=0,pEE=pEE';若pEE'=1,则w=1,pEE=pEE'-1;若pEE'>1,则pEE=pEE'-1;
2)对于p<pmax,计算预测误差为pEE'=p'-pmax,若pEE'=-1,则w=0,pEE=pEE';若pEE'=-2,则w=1,pEE=pEE'+1;若pEE'<-2,则pEE=pEE'+1。
B5、信息提取和原始像素恢复:
按照步骤B3和步骤B4,依次处理完Sp中所有像素后,得到恢复后的原始图像I和嵌入的水印信息。
本实施例将表征纹理特性有优势的预测器和表征平滑特性有优势的预测器融合在一起,获取最能反映局部纹理特性的预测值,使得可隐藏水印信息的预测误差数量大幅增加,对于高纹理图像和平滑图像都能获得不错的率失真性能。具体地说,先用每一个预测器预测待测像素,再将所有预测值构成一个预测值集;获得预测值集的最大值和最小值,然后计算大于、等于该最大值的待测像素和最大值之间的差,即为预测误差,同理,计算小于、等于该最小值的待测像素与最小值之间的差来得到预测误差,最后将水印信息嵌入到值为0和1的预测误差中。本方案以无损的方式将水印信息嵌入到载体信息中,在解码端,使无失真的提取出水印信息后仍能无损恢复出原始载体信息,从而满足一些实际应用中借助于恢复出的原始载体信息进行医疗诊断、法律诉讼等应用需求。
以上所述之实施例子只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (6)
1.一种基于多预测器的可逆信息隐藏方法,其特征在于:包括水印嵌入和水印提取;其中,水印嵌入的具体步骤如下:
A1、计算像素的局部复杂度:
按照从左到右,从上到下的次序遍历原始图像I,对于任一个像素xi,j,i∈{1,…,R},j∈{1,…,C},其中R和C分别代表原始图像I的宽度和长度,计算围绕它的24个最近邻像素构成的邻域的局部复杂度,记为σi,j;将局部复杂度小于预设阈值T的所有像素组成一个集合Sp,集合中像素数量记为L;
A2、构造位置图:
产生一个和SP中像素一一对应的一维位置图;对于Sp中任一个像素pi(i∈{1,…,L}),若pi∈{0,255},则在位置图中相应位置标识1,否则标识0;将生成的位置图经算术编码压缩后得到长度为Ls的二进制比特流B;
A3、产生附加信息:
将比特流B和用8比特二进制表示的阈值T连接成长度为Ls+8的附加信息;
A4、预测过程:
用四个预测器——Gap、AGap、第一预测器和第二预测器对当前像素xi,j∈Sp进行分别预测,产生5个预测值p1,p2,p3,p4,p5,计算pmax=max{p1,p2,p3,p4,p5}和pmin=min{p1,p2,p3,p4,p5};
A5、修改像素值,实现信息嵌入;
A6、嵌入附加信息和载荷;
水印提取的具体步骤如下:
B1、提取最不重要位:
按照步骤A6的次序提取像素的最不重要位,并将提取得到的最不重要位经算术解码后得到位置图;再将位置图经无损压缩得到压缩后的比特流,比特流长度记为Ls,同时将第Ls+1到第Ls+8之间最不重要位提取出来变换成十进制得到阈值T;
B2、计算局部复杂度:
对于当前像素x'i,j,i∈{R,…,1},j∈{C,…,1},计算其局部复杂度σi,j,若σi,j>T,则xi',j=xi,j;若σi,j£T,则xi',j∈Sp;
B3、像素预测过程:
对于Sp中某一个像素p',如果其在位置图中对应位置的标识为0,则用四个预测器——Gap、AGap、第一预测器和第二预测器对p'进行分别预测,产生5个预测值p1,p2,p3,p4,p5,计算pmax=max{p1,p2,p3,p4,p5}和pmin=min{p1,p2,p3,p4,p5};
B4、修改像素值,实现信息提取;
B5、信息提取和原始像素恢复:
按照步骤B3和步骤B4,依次处理完Sp中所有像素后,得到恢复后的原始图像I和嵌入的水印信息。
2.根据权利要求1所述的一种基于多预测器的可逆信息隐藏方法,其特征在于:所述步骤A5的具体步骤如下:
当pmax≠pmin时,修改p的嵌入过程分成以下三种情况:
1)对于p≥pmax,计算预测误差为pEE=p-pmax,若pEE=0,则将1比特水印信息w嵌入到预测误差pEE中得到含水印的预测误差p'EE,即p'EE=pEE+w;若pEE>0,则将预测误差pEE增加1,即p'EE=pEE+1;
2)对于p£pmin,计算预测误差为pEE=p-pmin,若pEE=0,则将水印信息w嵌入到预测误差pEE中得到含水印的预测误差p'EE,即p'EE=pEE-w,若pEE<0,则将预测误差pEE减去1,即p'EE=pEE-1
3)对于pmin≤p≤pmax,对p不做任何处理;
当pmax=pmin时,修改p的嵌入过程分成以下两种情况:
1)对于p≥pmax,计算预测误差为pEE=p-pmax,若pEE=0,则将水印信息w嵌入到预测误差pEE中得到含水印的预测误差p′EE,即p′EE=pEE+w;若pEE>0,则将预测误差pEE增加1,即p′EE=pEE+1;
2)对于p<pmax,计算预测误差为pEE=p-pmax,若pEE=-1,则将水印信息w嵌入到预测误差pEE中得到含水印的预测误差p′EE,即p′EE=pEE-w;若pEE<-1,则将预测误差pEE减去1,即p′EE=pEE-1。
3.根据权利要求1所述的一种基于多预测器的可逆信息隐藏方法,其特征在于:所述步骤A6的具体步骤如下:
按照从左到右,从上到下的顺序遍历图像I中的每一个像素,并计算每一个像素的局部复杂度σ;若σ>T,则跳过该像素对其不作任何处理;若σ≤T,则按照步骤A4、A5对该像素进行水印嵌入;将前Ls+8个像素处理完后,采用Ls+8个附加信息分别代替前Ls+8个像素的最不重要位,并将代替后的最不重要位和载荷P一起嵌入到I中剩余像素中;I中所有像素处理完后,产生含水印图像Iw,完成可逆信息隐藏。
4.根据权利要求1所述的一种基于多预测器的可逆信息隐藏方法,其特征在于:所述步骤A1中xi,j的局部复杂度σi,j的计算公式为:
σi,j=|xi,j+1-xi,j+2|+|xi,j+2-xi,j+3|+|xi+1,j-3-xi+l,j-2|+|xi+1,j-2-xi+1,j-1|+|xi+1,j-1-xi+1,j|+|xi+1,j-xi+1,j+1|+|xi+1,j+1-xi+1,j+2|+|xi+1,j+2-xi+1,j+3|+|xi+2,j-3-xi+2,j-2|+|xi+2,j-2-xi+2,j-1|+|xi+2,j-1-xi+2,j|+|xi+2,j-xi+2,j+1|+|xi+2,j+1-xi+2,j+2|+|xi+2,j+2-xi+2,j+3|+|xi+3,j-3-xi+3,j-2|+|xi+3,j-2-xi+3,j-1|+|xi+3,j-1-xi+3,j|+|xi+3,j-xi+3,j+1|+|xi+3,j+1-xi+3,j+2|+|xi+3,j+2-xi+3,j+3|+|xi,j+1-xi+1,j+1|+|xi,j+2-xi+1,j+2|+|xi,j+3-xi+1,j+3|+|xi+1,j-3-xi+2,j-3|+|xi+2,j-3-xi+3,j-3|+|xi+1,j-2-xi+2,j-2|+|xi+2,j-2-xi+3,j-2|+|xi-1,j-1-xi+3,j-2|+|xi+3,j-2-xi+3,j-1|+|xi+1,j-xi+2,j|+|xi+2,j-xi+3,j|+|xi+1,j+1-xi+2,j+1|+|xi+2,j+1-xi+3,j+1|+|xi+1,j+2-xi+2,j+2|+|xi+1,j+3-xi+2,j+3|+|xi+2,j+3-xi+3,j+3|。
5.根据权利要求1所述的一种基于多预测器的可逆信息隐藏方法,其特征在于:所述步骤A4中Gap预测器定义为:
其中,dv和dh分别表示垂直和水平方向的梯度,dv-dh表示两个方向梯度的差值;
AGap预测器定义为:
其中,
D1=(2|xi,j+1-xi,j+2|+2|xi+1,j-xi+1,j+1|+2|xi+1,j-xi+1,j-1|+|xi+2,j-xi+2,j+1|+|xi+2,j-xi+2,j-1|+|xi+1,j+1-xi+1,j+2|)/9+1,
D2=(2|xi,j+1-xi+1,j+1|+2|xi+1,j-xi+2,j|+|xi+1,j-xi+1,j-1|+|xi,j+2-xi+1,j+2|+|xi,j+2-xi+1,j+2|)/7+1,
D3=(2|xi,j+1-xi+1,j|+|xi+1,j-xi+2,j-1|+|xi,j+2-xi+1,j+1|+|xi+1,j+1-xi+2,j|)/6+1,
D4=(2|xi,j+1-xi+1,j+2|+2|xi+1,j-xi+2,j+1|+|xi+1,j-1-xi+2,j|)/5+1,
Dmin=min(Di),i∈{1,…,4},且
Dmin2=min(Dj|j≠argmin(Di)),j∈{1,…,4},
第一预测器定义为:
p3=max(xi+1,j,xi,j+1,xi+1,j+1,xi+1,j-1)和p4=min(xi+1,j,xi,j+1,xi+1,j+1,xi+1,j-1);
第二预测器定义为:
p5=3(xi+1,j+xi,j+1)/8+(xi+1,j+1+xi+1,j-1)/8。
6.根据权利要求1所述的一种基于多预测器的可逆信息隐藏方法,其特征在于:所述步骤B4的具体步骤如下:
当pmax≠pmin时,将p的提取过程分成以下三种情况:
1)对于p'≥pmax,计算预测误差为pEE'=p'-pmax,若pEE'=0,则w=0,pEE=pEE';若pEE'=1,则w=1,pEE=pEE'-1;若pEE'>1,则pEE=pEE'-1;
2)对于p£pmin,计算预测误差为pEE'=p'-pmin,若pEE'=0,则w=0,pEE=pEE';若pEE'=-1,则w=1,pEE=pEE'+1;若pEE'<-1,则pEE=pEE'+1;
3)对于pmin£p£pmax,对p'不做任何处理;
当pmax=pmin时,将p的提取过程分成以下两种情况:
1)对于p'≥pmax,计算预测误差为pEE'=p'-pmax,若pEE'=0,则w=0,pEE=pEE';若pEE'=1,则w=1,pEE=pEE'-1;若pEE'>1,则pEE=pEE'-1;
2)对于p<pmax,计算预测误差为pEE'=p'-pmax,若pEE'=-1,则w=0,pEE=pEE',若pEE'=-2,则w=1,pEE=pEE'+1;若pEE'<-2,则pEE=pEE'+1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810141068.XA CN108416724B (zh) | 2018-02-11 | 2018-02-11 | 一种基于多预测器的可逆信息隐藏方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810141068.XA CN108416724B (zh) | 2018-02-11 | 2018-02-11 | 一种基于多预测器的可逆信息隐藏方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108416724A true CN108416724A (zh) | 2018-08-17 |
CN108416724B CN108416724B (zh) | 2022-04-08 |
Family
ID=63128512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810141068.XA Expired - Fee Related CN108416724B (zh) | 2018-02-11 | 2018-02-11 | 一种基于多预测器的可逆信息隐藏方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108416724B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389546A (zh) * | 2018-10-30 | 2019-02-26 | 广东工业大学 | 多分块可逆水印嵌入方法及装置、水印提取方法及装置 |
CN109840895A (zh) * | 2019-02-19 | 2019-06-04 | 安徽大学 | 一种带有可逆信息隐藏功能的可逆肤色平滑方法及其原始图像恢复方法 |
CN109859090A (zh) * | 2018-12-21 | 2019-06-07 | 广东工业大学 | 基于人类视觉系统的可逆水印方法及装置 |
CN109948307A (zh) * | 2019-03-01 | 2019-06-28 | 北京交通大学 | 基于像素多尺度预测的可逆数据隐藏方法 |
CN110796582A (zh) * | 2019-09-26 | 2020-02-14 | 北京大学 | 一种基于矢量图形压缩的可逆明水印方法和装置 |
WO2020051953A1 (zh) * | 2018-09-10 | 2020-03-19 | 五邑大学 | 基于预测误差加法扩展的可逆图像水印方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101105857A (zh) * | 2007-07-20 | 2008-01-16 | 北京交通大学 | 一种基于预测和压扩技术的高容量可逆水印方法 |
CN102169691A (zh) * | 2011-04-06 | 2011-08-31 | 北京航空航天大学 | 一种基于双向预测和泛化扩展的可逆音频水印方法 |
US20130188712A1 (en) * | 2012-01-24 | 2013-07-25 | Futurewei Technologies, Inc. | Compressed Domain Watermarking with Reduced Error Propagation |
CN106023058A (zh) * | 2016-05-25 | 2016-10-12 | 广东工业大学 | 一种高保真可逆水印嵌入方法 |
-
2018
- 2018-02-11 CN CN201810141068.XA patent/CN108416724B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101105857A (zh) * | 2007-07-20 | 2008-01-16 | 北京交通大学 | 一种基于预测和压扩技术的高容量可逆水印方法 |
CN102169691A (zh) * | 2011-04-06 | 2011-08-31 | 北京航空航天大学 | 一种基于双向预测和泛化扩展的可逆音频水印方法 |
US20130188712A1 (en) * | 2012-01-24 | 2013-07-25 | Futurewei Technologies, Inc. | Compressed Domain Watermarking with Reduced Error Propagation |
CN106023058A (zh) * | 2016-05-25 | 2016-10-12 | 广东工业大学 | 一种高保真可逆水印嵌入方法 |
Non-Patent Citations (3)
Title |
---|
SHAOWEI WENG等: "Reversible data hiding based on flexible block-partition and adaptive block-modification strategy", 《JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION》 * |
李淑芝等: "全方向梯度预测和自适应选块的可逆图像水印", 《小型微型计算机系统》 * |
李雪景等: "基于图像插值和直方图平移的可逆水印算法", 《计算机应用研究》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020051953A1 (zh) * | 2018-09-10 | 2020-03-19 | 五邑大学 | 基于预测误差加法扩展的可逆图像水印方法及装置 |
CN109389546A (zh) * | 2018-10-30 | 2019-02-26 | 广东工业大学 | 多分块可逆水印嵌入方法及装置、水印提取方法及装置 |
CN109859090A (zh) * | 2018-12-21 | 2019-06-07 | 广东工业大学 | 基于人类视觉系统的可逆水印方法及装置 |
CN109859090B (zh) * | 2018-12-21 | 2023-07-25 | 广东工业大学 | 基于人类视觉系统的可逆水印方法及装置 |
CN109840895A (zh) * | 2019-02-19 | 2019-06-04 | 安徽大学 | 一种带有可逆信息隐藏功能的可逆肤色平滑方法及其原始图像恢复方法 |
CN109948307A (zh) * | 2019-03-01 | 2019-06-28 | 北京交通大学 | 基于像素多尺度预测的可逆数据隐藏方法 |
CN109948307B (zh) * | 2019-03-01 | 2021-01-05 | 北京交通大学 | 基于像素多尺度预测的可逆数据隐藏方法 |
CN110796582A (zh) * | 2019-09-26 | 2020-02-14 | 北京大学 | 一种基于矢量图形压缩的可逆明水印方法和装置 |
CN110796582B (zh) * | 2019-09-26 | 2021-11-16 | 北京大学 | 一种基于矢量图形压缩的可逆明水印方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108416724B (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416724A (zh) | 一种基于多预测器的可逆信息隐藏方法 | |
Kim et al. | Skewed histogram shifting for reversible data hiding using a pair of extreme predictions | |
Fang et al. | Deep template-based watermarking | |
CN105741224B (zh) | 基于pvo和自适应块分割的可逆水印算法 | |
Shen et al. | A novel image watermarking scheme based on support vector regression | |
CN106530203B (zh) | 一种基于纹理复杂度的jpeg图像自适应隐写方法 | |
CN101527850B (zh) | 一种基于运动估计的视频自恢复水印方法 | |
Lin et al. | Reconstruction algorithm for lost frame of multiview videos in wireless multimedia sensor network based on deep learning multilayer perceptron regression | |
CN109523453A (zh) | 基于菱形预测与图像像素排序的可逆信息隐藏及提取方法 | |
US20200104711A1 (en) | Method and apparatus for training a neural network used for denoising | |
Yang et al. | Efficient reversible data hiding algorithm based on gradient-based edge direction prediction | |
CN113744153A (zh) | 双分支图像修复伪造检测方法、系统、设备及存储介质 | |
Jarusek et al. | Photomontage detection using steganography technique based on a neural network | |
Neekhara et al. | FaceSigns: semi-fragile neural watermarks for media authentication and countering deepfakes | |
CN110047029B (zh) | 一种结合多层差扩展具有对比度增强的可逆信息隐藏方法及装置 | |
Boujerfaoui et al. | Image watermarking between conventional and learning-based techniques: a literature review | |
CN109859090B (zh) | 基于人类视觉系统的可逆水印方法及装置 | |
CN108491913B (zh) | 一种含密美化qr码认证的方法 | |
CN109391819B (zh) | 一种基于像素值动态预测的可逆信息隐藏方法 | |
US20220335560A1 (en) | Watermark-Based Image Reconstruction | |
CN113689527B (zh) | 一种人脸转换模型的训练方法、人脸图像转换方法 | |
Weng et al. | Reversible data hiding based on the local smoothness estimator and optional embedding strategy in four prediction modes | |
Tran et al. | Lsb data hiding in digital media: a survey | |
CN108510425B (zh) | 基于ippvo和优化mhm的可逆水印方法 | |
JP4945541B2 (ja) | 劣化ホスト信号利用の電子透かし埋め込み検出方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220408 |
|
CF01 | Termination of patent right due to non-payment of annual fee |