CN109840895B - 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 - Google Patents

Abstract

本发明涉及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，与现有技术相比解决了隐藏信息易发现、肤色平滑处理不可逆的缺陷。本发明包括以下步骤：原始图像的获取；秘密信息的隐藏；肤色区域的提取；可逆肤色平滑处理。本发明实现了肤色平滑的行为隐藏效果，即在以一幅具有高视觉质量特性的人脸美化图来隐藏原始内容且隐藏信息和肤色平滑均可逆，减少了攻击者对载密图像的注意与怀疑，降低了载密图像被攻击的可能性，从而进一步提高图像的安全性。

Description

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

技术领域

本发明涉及图像处理技术领域，具体来说是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。

背景技术

随着社交网络以及智能手机的快速发展，人们越来越热衷于在网络上分享自己的生活照，这也促使人脸肤色平滑算法得到了广泛的发展。多种针对于人脸的肤色平滑算法，从技术上而言基本都不能恢复原始图像，这就意味着用户不能从平滑后的图像中无损的恢复原始图像。

现有技术中，虽有针对于PS、美图秀秀和Instagram的美化图像复原方法，然而该方法恢复的肖像图仅仅是视觉上与原始图像相似，并非与原始图像一致。在某些应用场景下，这种不可逆性很不方便，比如警用，原始图像对于寻找嫌疑犯具有重要意义。如果用户想要保存原始图像，他们必须将原始图像单独存储起来，这就浪费了很多存储空间并且占用带宽。

与此同时，网络盗图事件经常发生，但是几乎所有的肤色平滑算法都不能使用用户信息来标记图像。而可逆信息隐藏算法是目前最受欢迎的信息隐藏算法之一，他的特点是不仅秘密信息可以精确的提取出来，并且原始图像也可以无损的恢复。目前根据不同的应用场景可逆信息隐藏也得到了不同的发展。比如说，针对医学图像的可逆信息隐藏算法可以在嵌入病患信息的之后得到一幅对比度增强的图像。而根据增强后的图像可以无损的恢复原始图像。若要实现一幅图像及其相关隐藏信息的安全性，大多数学者采用将可逆信息隐藏技术和加密技术相结合的加密图像的可逆信息隐藏算法。而在某些环境下，密文图像容易引起攻击者的注意力。

针对此，如何利用实现肤色平滑的行为来掩饰隐藏信息行为，同时实现肤色平滑和信息隐藏的可逆还原，以实现肤色平滑的行为隐藏效果已经成为急需解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中隐藏信息易发现、肤色平滑处理不可逆的缺陷，提供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来解决上述问题。

为了实现上述目的，本发明的技术方案如下：

一种带有可逆信息隐藏功能的可逆肤色平滑方法，包括以下步骤：

11)原始图像的获取：获取待处理的原始图像；

12)秘密信息的隐藏：根据RGB三个通道每个通道的特点，自适应的划分每个通道的信息嵌入量，使用预测误差扩展的方法进行信息嵌入；

13)肤色区域的提取：利用肤色提取方法提取出肤色区域；

14)可逆肤色平滑处理：将肤色像素分为dot"O"和cross"X"两类，分别对两类像素按照RGB的顺序依次进行平滑处理，得到可逆肤色平滑处理后的图像。

所述秘密信息的隐藏包括以下步骤：

21)使用菱形预测的方法计算出R、G、B每个通道的预测误差，其计算公式如下：

生成对应的预测误差序列为(e₁,...,e_N)，N为像素个数；X_i-1,j，X_i,j-1，X_i,j+1和X_i+1,j为O_i,j上下左右相邻的四个像素点；

22)根据综合复杂度Ω_i将预测误差进行升序排列(e_σ(1),...,e_σ(N))，

综合复杂度Ω_i的计算公式如下：

其中，

和

是另外两个参考通道中与当前坐标相同的像素综合复杂度；

23)根据三个通道的嵌入总失真和信息嵌入量自适应的分配每个通道的信息嵌入量，其表达式如下：

其中，C为期望信息嵌入量，EC_R，EC_G和EC_B分别代表RGB三个通道各自的信息嵌入量，τ_R，τ_G和τ_B分别代表RGB三个通道的子序列的像素个数；

其中，τ_R的计算公式如下：

t为信息嵌入参数，E(τ_R,t)是序列

中预测误差e_i∈[-t,t)的像素个数，D(τ_R,t)的计算公式如下：

；

其中，h(τ_R,k)为序列

中预测误差为k的个数；

24)根据自适应分配的信息嵌入量，选择每个通道的嵌入子序列，其中R通道的处理如下：

选择嵌入序列的表达式为：

#

代表嵌入序列

的序列长度；

为根据综合预测误差选出的嵌入序列，其计算公式如下：

其中t^r∈[1,255]，序列的长度

的大小则取决于信息嵌入量C；

综合预测误差

的计算公式如下：

其中，G通道和B通道的处理方法与R通道的处理方法相同；

25)计算载密预测误差，其计算公式如下：

其中m∈{0,1}为秘密信息，e_i为所有

对应得预测误差。

所述肤色区域的提取包括以下步骤：

31)将R、G、B三个通道转换为YC_bC_r色彩空间，其计算公式如下：

Y＝0.257×R+0.564×G+0.098×B+16

C_b＝-0.148×R-0.291×G+0.439×B+128

C_r＝0.439×R-0.368×G-0.071×B+128

其中，R、G、B分别代表当前像素在三个通道的像素值，而Y、C_b、C_r分别代表转换到YC_bC_r色彩空间的像素值；

32)根据肤色模型提取出肤色区域；

33)利用一个5*5的模板去除干扰像素点IP，当前像素为5*5的中心像素；如果在这个模板中像素值为1的小于12个，那么就将当前像素值记为0，否则就记为1；改进值F″_i,j的计算公式如下：

，

其中，W代表u_i-2,j-2,u_i-2,j-1,u_i-2,ju_i-2,j+1,...,u_i,j,...,u_i+2,j,u_i+2,j+1,u_i+2,j+2中像素值为1的个数；

34)使用腐蚀膨胀算法进一步去除杂点。

所述对dot"O"和cross"X"像素按照RGB的顺序依次进行平滑处理包括以下步骤：

41)设定O_i,j对应的平滑像素值的计算公式如下：

42)设定平滑过程中，像素处理的顺序为从左到右从上到下，对dot"O"和cross"X"像素进行L次平滑处理。

所述根据肤色模型提取出肤色区域包括以下步骤：

51)设定肤色模型分布在YCbCr空间的中心区域，其表达式如下：

在C′_bC′_r空间中的肤色椭圆可以计算出c_x＝109.38，c_y＝152.02，θ＝2.53(inradian),ec_x＝1.60，ec_y＝2.41，a＝25.39以及b＝14.03，其中C'_b(Y)和C′_r(Y)是转换后的色彩空间，由于C_b和C_r可以表示为Y的函数，C'_b(Y)和C′_r(Y)计算公式如下：

，

其中

其中，C_i为C_b或C_r，

K_l＝125和K_h＝188。

52)根据肤色模型计算的结果F'，其计算公式如下：

其中，FT是经验值，F'为根据肤色模型二值化的肤色提取结果，F'＝1代表该像素点位于肤色区域，否则为非肤色像素点；

其中F计算如下：

F为肤色模型中的提取结果。

原始图像恢复方法包括以下步骤：

61)恢复至载密图像：从可逆肤色平滑处理后的图像恢复成载密图像；

62)提取秘密信息并恢复原始图像：从载密图像中提取出秘密信息，并恢复成原始图像。

所述的恢复至载密图像包括以下步骤：

71)从R通道的第一行像素的LSB中提取出L,h,O_{embeddingflow}，(EC_R,EC_G,EC_B)和

然后根据提取出的h读取RGB三个通道中最外周h行和h列像素的LSB，即提取出平滑后C_b(Y)和C_r(Y)发生改变的像素坐标，需要注意的是此时不包括R通道的第一行；

72)提取出肤色区域并区分出平滑后C_b(Y)和C_r(Y)发生改变的像素，获得与平滑前一致的肤色区域；

73)使用下列公式L次恢复出载密像素值：

O_i,j＝O_'i,j×7-(X_i-1,j+X_i,j-1+X_i,j+1+O_i+1,j-1+X_i+1,j+O_i+1,j+1)，

74)设定恢复过程中，按照RGB的顺序进行处理，每个通道中像素处理的顺序为从右到左从下到上，对dot"O"和cross"X"像素进行L次恢复处理，即按照步骤73)操作L次。

所述的提取秘密信息并恢复原始图像包括以下步骤：

81)计算出预测误差序列(e′₁,...,e'_N)以及对应的Ω'_i和

82)根据步骤71)提取出的(EC_R,EC_G,EC_B)和

获取载密子序列S′_τ。原始预测误差即可按照下面公式恢复：

而秘密信息为载密预测误差e′_i∈[-2t,2t)的LSB；

83)根据包含在秘密信息中的RGB四周h行和h列像素的LSB恢复RGB四周h行和h列像素；

84)根据提取出的溢出定位图恢复溢出像素点：像素值为1或254的像素减1或加1；

85)设定恢复过程中，按照GBR的顺序依次提取出各个通道的秘密信息。

有益效果

本发明的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，与现有技术相比将肤色平滑算法与可逆信息隐藏算法巧妙结合，在平滑肤色时嵌入部分用户信息从而得到平滑后的图像，而根据平滑后的图像也可以无损的恢复原始图像。

本发明实现了肤色平滑的行为隐藏效果，即在以一幅具有高视觉质量特性的人脸美化图来隐藏原始内容且隐藏信息和肤色平滑均可逆，减少了攻击者对载密图像的注意与怀疑，降低了载密图像被攻击的可能性，从而进一步提高图像的安全性。

附图说明

图1为本发明的方法顺序图；

图2、图3、图4均为现有技术中待处理的原始图像。

具体实施方式

为使对本发明的结构特征及所达成的功效有更进一步的了解与认识，用以较佳的实施例及附图配合详细的说明，说明如下：

如图1所示，本发明所述的一种带有可逆信息隐藏功能的可逆肤色平滑方法，包括以下步骤：

第一步，原始图像的获取。获取待处理的原始图像，由于目前网络上的图像基本为彩色图像，故本发明在此获取的待处理的原始图像为彩色图像，将所有输入为RGB三个通道，本发明方法在实际应用中也可以扩展到灰度图像中。

第二步，秘密信息的隐藏。根据RGB三个通道每个通道的特点，自适应的划分每个通道的信息嵌入量，使用预测误差扩展的方法进行信息嵌入。大多数针对彩色图像的可逆信息隐藏算法都专注于利用三个通道之间的相似性，但很少考虑到每个通道各自的特点。此外，在信息嵌入时，多数方法采用将秘密信息均分为三份分别嵌入到各个通道中。由于各个通道的预测误差直方图分布特点不同，而将秘密信息嵌入到更加尖锐的直方图中有利于减少图像失真，故本方法根据每个通道的特点自适应的划分每个通道的信息嵌入量，然后使用预测误差扩展的方法进行信息嵌入，因此，可以有效降低三个通道的嵌入失真。其具体步骤如下：

(1)使用菱形预测的方法计算出R、G、B每个通道的预测误差，其计算公式如下：

生成对应的预测误差序列为(e₁,...,e_N)，N为像素个数；X_i-1,j，X_i,j-1，X_i,j+1和X_i+1,j为O_i,j上下左右相邻的四个像素点。

(2)根据综合复杂度Ω_i将预测误差进行升序排列(e_σ(1),...,e_σ(N))，

综合复杂度Ω_i的计算公式如下：

其中，

和

是另外两个参考通道中与当前坐标相同的像素综合复杂度。

(3)根据三个通道的嵌入总失真和信息嵌入量自适应的分配每个通道的信息嵌入量，其表达式如下：

其中，C为期望信息嵌入量，EC_R，EC_G和EC_B分别代表RGB三个通道各自的信息嵌入量，τ_R，τ_G和τ_B分别代表RGB三个通道的子序列的像素个数；

其中，τ_R的计算公式如下：

t为信息嵌入参数，E(τ_R,t)是序列

中预测误差e_i∈[-t,t)的像素个数，D(τ_R,t)的计算公式如下：

；

其中，h(τ_R,k)为序列

中预测误差为k的个数。

(4)根据自适应分配的信息嵌入量，选择每个通道的嵌入子序列，由于三个通道的选择方法相似，其中R通道的处理如下：

选择嵌入序列的表达式为：

#

代表嵌入序列

的序列长度；

为根据综合预测误差选出的嵌入序列，其计算公式如下：

其中t^r∈[1,255]，序列的长度

的大小则取决于信息嵌入量C；

综合预测误差

的计算公式如下：

(EC_R,EC_G,EC_B)和

将使用LSB替换的方式嵌入到R通道第一行的像素中，R通道第一行像素的LSB将作为秘密信息的一部分嵌入到图像中。

(5)计算载密预测误差，其计算公式如下：

其中m∈{0,1}为秘密信息，e_i为所有

对应得预测误差。在嵌入过程中每个通道均需要生成一幅单独的定位图来记录溢出像素点。在信息嵌入之前，所有像素值为0(或255)的像素值将修正为1(或254)，而这些像素点在定位图中标记为1，其余像素点标记为0。然后无损压缩定位图LocationMap_embedding，将压缩后定位图的大小标记为O_{embeddingflow}。O_{embeddingflow}也使用LSB替换的方式嵌入到R通道第一行的像素中。而LocationMap_embedding将作为秘密信息的一部分嵌入到图像中。

第三步，肤色区域的提取。利用肤色提取方法提取出肤色区域。由于对非肤色区域进行平滑处理会引起视觉失真，故而需要首先提取出肤色区域。针对对眼睛、嘴巴等非肤色区域进行平滑处理会引起明显的视觉失真，故而在平滑之前需要准确的提取出肤色区域。其具体步骤如下：

(1)将R、G、B三个通道转换为YC_bC_r色彩空间，其计算公式如下：

Y＝0.257×R+0.564×G+0.098×B+16

C_b＝-0.148×R-0.291×G+0.439×B+128

C_r＝0.439×R-0.368×G-0.071×B+128

其中，R、G、B分别代表当前像素在三个通道的像素值，而Y、C_b、C_r分别代表转换到YC_bC_r色彩空间的像素值。

(2)根据肤色模型提取出肤色区域。其可能采用现有方法，具体步骤如下：

A1)设定肤色模型分布在YCbCr空间的中心区域，其表达式如下：

在C′_bC′_r空间中的肤色椭圆可以计算出c_x＝109.38，c_y＝152.02，θ＝2.53(inradian),ec_x＝1.60，ec_y＝2.41，a＝25.39以及b＝14.03，其中C'_b(Y)和C′_r(Y)是转换后的色彩空间，由于C_b和C_r可以表示为Y的函数，C'_b(Y)和C′_r(Y)计算公式如下：

，

其中

其中，C_i为C_b或C_r，

K_l＝125和K_h＝188。

A2)根据肤色模型计算的结果F'，其计算公式如下：

其中，FT是经验值，F'为根据肤色模型二值化的肤色提取结果，F'＝1代表该像素点位于肤色区域，否则为非肤色像素点；

其中F计算如下：

F为肤色模型中的提取结果。

(3)利用一个5*5的模板去除IP，当前像素为5*5的中心像素；如果在这个模板中像素值为1的小于12个，那么就将当前像素值记为0，否则就记为1；改进值u′_i,j的计算公式如下：

，

其中，W代表u_i-2,j-2,u_i-2,j-1,u_i-2,ju_i-2,j+1,...,u_i,j,...,u_i+2,j,u_i+2,j+1,u_i+2,j+2中像素值为1的个数。；

(4)使用现有的腐蚀膨胀算法进一步去除杂点。

第四步，可逆肤色平滑处理。将肤色像素分为dot"O"和cross"X"两类，分别对两类像素按照RGB的顺序依次进行平滑处理，得到可逆肤色平滑处理后的图像。

目前为止没有一种美化算法可以在美化之后无损的恢复原始图像。尽管Chen提出了一种makeup-go的算法，该算法可以从美化后的虚拟图像中恢复出肖像图，但该肖像图仅仅只是视觉上接近于原始图像，并非与原始图像完全一致，并且该算法相对复杂。一般来说，均值滤波可以起到平滑图像的作用，但是该方法并不能恢复出原始图像。而使用菱形预测的传统可逆信息隐藏算法为了无损恢复原始图像，通常将像素点分为dot"O"和cross"X"两类，这两类像素在信息嵌入时相互独立。

除此之外，还可以通过周围12个像素点X_i-1,j+2,X_i,j-1,X_i,j+1,......,X_i+2,j+2计算出X_i,j的纹理度，故而在恢复原始图像时，该方法使用与嵌入顺序相反的像素处理顺序(即从右到左从下到上)进行信息提取以及原始图像恢复。

所述对dot"O"和cross"X"像素按照RGB的顺序依次进行平滑处理包括以下步骤：

(1)设定O_i,j对应的平滑像素值的计算公式如下：

(2)设定平滑过程中，像素处理的顺序为从左到右从上到下，对dot"O"和cross"X"像素进行L次平滑处理。

带有可逆信息隐藏功能的可逆肤色平滑处理：首先将用户信息嵌入到原始图像中得到载密图像，然后提取出肤色区域对肤色区域进行多轮可逆平滑处理。在获取处理后的平滑图像后进行原始图像恢复时则首先需要从平滑图像中恢复载密图像，最后再从载密图像中恢复原始图像。原始图像恢复方法包括以下步骤：

第一步，恢复至载密图像：从可逆肤色平滑处理后的图像恢复成载密图像。

其步骤如下：

B1)从R通道的第一行像素的LSB中提取出L,h,O_{embeddingflow}，(EC_R,EC_G,EC_B)和

然后根据提取出的h读取RGB三个通道中最外周h行和h列像素的LSB，即提取出平滑后C_b(Y)和C_r(Y)发生改变的像素坐标，需要注意的是此时不包括R通道的第一行；

B2)根据前述步骤(肤色区域的提取方法)，提取出肤色区域并区分出平滑后C_b(Y)和C_r(Y)发生改变的像素，获得与平滑前一致的肤色区域；

B3)使用下列公式L次恢复出载密像素值：

O_i,j＝O_'i,j×7-(X_i-1,j+X_i,j-1+X_i,j+1+O_i+1,j-1+X_i+1,j+O_i+1,j+1)，

B4)设定恢复过程中，像素处理的顺序为从右到左从下到上，对dot"O"和cross"X"像素进行L次恢复处理，即按照步骤B3)操作L次。

第二步，提取秘密信息并恢复原始图像：从载密图像中提取出秘密信息，并恢复成原始图像。其步骤如下：

C1)计算出预测误差序列(e′₁,...,e'_N)以及对应的Ω'_i和

C2)根据步骤B1)提取出的(EC_R,EC_G,EC_B)和

获取载密子序列S′_τ。原始预测误差即可按照下面公式恢复：

而秘密信息为载密预测误差e′_i∈[-2t,2t)的LSB；

C3)根据包含在秘密信息中的RGB四周h行和h列像素的LSB恢复RGB四周h行和h列像素；

C4)根据提取出的溢出定位图恢复溢出像素点：像素值为1或254的像素减1或加1；

C5)设定恢复过程中，按照GBR的顺序依次提取出各个通道的秘密信息。

针对于本发明的效果验证，在此首先验证了本发明采用的信息隐藏方法性能要好于传统可逆信息隐藏方法，其次说明本发明方法中的可逆肤色平滑效果。

表1本发明所述方法载密图像与Sachnev方法载密图像的PSNR结果对比表

表1为针对于现有的图2、图3和图4，利用本发明所述方法载密图像与传统的Sachnev方法载密图像的PSNR结果对比表。从表1可以看出，本算法要显著好于Sachnev方法。这是由于Sachnev的方法将预测误差扩展和排序技术结合，优先选出平滑的像素点进行信息嵌入。在信息嵌入时，阈值对初始值为(-1,0)，所有小于-1和大于0的像素向两侧平移，而预测误差为-1和0的像素。由于使用菱形预测计算误测误差，故而预测误差的精确度要好于一般方法，即预测误差直方图更加尖锐，故而该方法的PSNR要好于其他传统方法。由于将该方法应用到彩色图像时，信息嵌入量平均分配到三个通道中，而没有考虑到各个通道的特点。一般来说，直方图越尖锐图像失真越小。而本发明采用的方法根据各个通道的直方图分布情况，自适应的划分每个通道的信息嵌入量。此外，在单通道信息嵌入时，另外两个通道将作为参考像素选出失真最小的嵌入序列，故而可以提高算法性能。因此，本发明采用的方法的结果要明显好于Sachnev和传统方法。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (6)

1.一种带有可逆信息隐藏功能的可逆肤色平滑方法，其特征在于，包括以下步骤：

11)原始图像的获取：获取待处理的原始图像；

12)秘密信息的隐藏：根据RGB三个通道每个通道的特点，自适应的划分每个通道的信息嵌入量，使用预测误差扩展的方法进行信息嵌入；

13)肤色区域的提取：利用肤色提取方法提取出肤色区域；

所述肤色区域的提取包括以下步骤：

131)将R、G、B三个通道转换为YC_bC_r色彩空间，其计算公式如下：

Y＝0.257×R+0.564×G+0.098×B+16

C_b＝-0.148×R-0.291×G+0.439×B+128

C_r＝0.439×R-0.368×G-0.071×B+128

其中，R、G、B分别代表当前像素在三个通道的像素值，而Y、C_b、C_r分别代表转换到YC_bC_r色彩空间的像素值；

132)根据肤色模型提取出肤色区域；

所述根据肤色模型提取出肤色区域包括以下步骤：

1321)设定肤色模型分布在YCbCr空间的中心区域，其表达式如下：

在C′_bC′_r空间中的肤色椭圆计算出c_x＝109.38，c_y＝152.02，θ＝2.53,ec_x＝1.60，ec_y＝2.41，a＝25.39以及b＝14.03，其中C′_b(Y)和C′_r(Y)是转换后的色彩空间，由于C_b和C_r可以表示为Y的函数，C′_b(Y)和C′_r(Y)计算公式如下：

，

其中

其中，C_i为C_b或C_r，

K_l＝125和K_h＝188；

1322)根据肤色模型计算的结果F'，其计算公式如下：

其中，FT是经验值，F'为根据肤色模型二值化的肤色提取结果，F'＝1代表该像素点位于肤色区域，否则为非肤色像素点；

其中F计算如下：

F为肤色模型中的提取结果；

133)利用一个5*5的模板去除干扰像素点IP，当前像素为5*5的中心像素；如果在这个模板中像素值为1的小于12个，那么就将当前像素值记为0，否则就记为1；改进值F″_i,j的计算公式如下：

，

其中，W代表u_i-2,j-2,u_i-2,j-1,u_i-2,j u_i-2,j+1,...,u_i,j,...,u_i+2,j,u_i+2,j+1,u_i+2,j+2中像素值为1的个数；

134)使用腐蚀膨胀算法进一步去除杂点；

14)可逆肤色平滑处理：将肤色像素分为dot"O"和cross"X"两类，分别对两类像素按照RGB的顺序依次进行平滑处理，得到可逆肤色平滑处理后的图像。

2.根据权利要求1所述的一种带有可逆信息隐藏功能的可逆肤色平滑方法，其特征在于，所述秘密信息的隐藏包括以下步骤：

21)使用菱形预测的方法计算出R、G、B每个通道的预测误差，其计算公式如下：

生成对应的预测误差序列为(e₁,...,e_N)，N为像素个数；X_i-1,j，X_i,j-1，X_i,j+1和X_i+1,j为O_i,j上下左右相邻的四个像素点；

22)根据综合复杂度Ω_i将预测误差进行升序排列(e_σ(1),...,e_σ(N))，

综合复杂度Ω_i的计算公式如下：

其中，

和

是另外两个参考通道中与当前坐标相同的像素综合复杂度；

23)根据三个通道的嵌入总失真和信息嵌入量自适应的分配每个通道的信息嵌入量，其表达式如下：

其中，C为期望信息嵌入量，EC_R，EC_G和EC_B分别代表RGB三个通道各自的信息嵌入量，τ_R，τ_G和τ_B分别代表RGB三个通道的子序列的像素个数；

其中，τ_R的计算公式如下：

t为信息嵌入参数，E(τ_R,t)是序列

中预测误差e_i∈[-t,t)的像素个数，D(τ_R,t)的计算公式如下：

其中，h(τ_R,k)为序列

中预测误差为k的个数；

24)根据自适应分配的信息嵌入量，选择每个通道的嵌入子序列，其中R通道的处理如下：

选择嵌入序列的表达式为：

代表嵌入序列

的序列长度；

为根据综合预测误差选出的嵌入序列，其计算公式如下：

其中t^r∈[1，255]，序列的长度

的大小则取决于信息嵌入量C；

综合预测误差

的计算公式如下：

其中，G通道和B通道的处理方法与R通道的处理方法相同；

25)计算载密预测误差，其计算公式如下：

其中m∈{0,1}为秘密信息，e_i为所有

对应的预测误差。

3.根据权利要求1所述的一种带有可逆信息隐藏功能的可逆肤色平滑方法，其特征在于，所述对dot"O"和cross"X"像素按照RGB的顺序依次进行平滑处理包括以下步骤：

31)设定O_i,j对应的平滑像素值的计算公式如下：

32)设定平滑过程中，像素处理的顺序为从左到右从上到下，对dot"O"和cross"X"像素进行L次平滑处理。

4.根据权利要求1所述的一种带有可逆信息隐藏功能的可逆肤色平滑方法，其特征在于，原始图像恢复方法包括以下步骤：

41)恢复至载密图像：从可逆肤色平滑处理后的图像恢复成载密图像；

42)提取秘密信息并恢复原始图像：从载密图像中提取出秘密信息，并恢复成原始图像。

5.根据权利要求4所述的一种带有可逆信息隐藏功能的可逆肤色平滑方法，其特征在于，所述的恢复至载密图像包括以下步骤：

51)从R通道的第一行像素的LSB中提取出L,h,O_{embeddingflow}，(EC_R,EC_G,EC_B)和

然后根据提取出的h读取RGB三个通道中最外周h行和h列像素的LSB，即提取出平滑后C_b(Y)和C_r(Y)发生改变的像素坐标；

52)提取出肤色区域并区分出平滑后C_b(Y)和C_r(Y)发生改变的像素，获得与平滑前一致的肤色区域；

53)使用下列公式L次恢复出载密像素值：

O_i,j＝O'_i,j×7-(X_i-1,j+X_i,j-1+X_i,j+1+O_i+1,j-1+X_i+1,j+O_i+1,j+1)，

54)设定恢复过程中，按照RGB的顺序进行处理，每个通道中像素处理的顺序为从右到左从下到上，对dot"O"和cross"X"像素进行L次恢复处理，即按照步骤73)操作L次。

6.根据权利要求4所述的一种带有可逆信息隐藏功能的可逆肤色平滑方法，其特征在于，所述的提取秘密信息并恢复原始图像包括以下步骤：

61)计算出预测误差序列(e′₁,...,e′_N)以及对应的Ω′_i和

62)根据步骤51)提取出的(EC_R,EC_G,EC_B)和

获取载密子序列S′_τ，原始预测误差即可按照下面公式恢复：

而秘密信息为载密预测误差e′_i∈[-2t,2t)的LSB；

63)根据包含在秘密信息中的RGB四周h行和h列像素的LSB恢复RGB四周h行和h列像素；

64)根据提取出的溢出定位图恢复溢出像素点：像素值为1或254的像素减1或加1；

65)设定恢复过程中，按照GBR的顺序依次提取出各个通道的秘密信息。

Images