CN109949199B - 基于二维预测误差直方图自适应扩展的可逆信息隐藏方法 - Google Patents

基于二维预测误差直方图自适应扩展的可逆信息隐藏方法 Download PDF

Info

Publication number
CN109949199B
CN109949199B CN201910145796.2A CN201910145796A CN109949199B CN 109949199 B CN109949199 B CN 109949199B CN 201910145796 A CN201910145796 A CN 201910145796A CN 109949199 B CN109949199 B CN 109949199B
Authority
CN
China
Prior art keywords
prediction error
embedding
pixels
mapping
reversible
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.)
Active
Application number
CN201910145796.2A
Other languages
English (en)
Other versions
CN109949199A (zh
Inventor
赵耀
李晓龙
常琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201910145796.2A priority Critical patent/CN109949199B/zh
Publication of CN109949199A publication Critical patent/CN109949199A/zh
Application granted granted Critical
Publication of CN109949199B publication Critical patent/CN109949199B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)
  • Editing Of Facsimile Originals (AREA)

Abstract

本发明提供了一种基于二维预测误差直方图自适应扩展的可逆信息隐藏方法,包括:将原始图像以棋盘格形式划分为黑色类像素和白色类像素两层,先后分别对黑色类像素和白色类像素执行下述步骤;对同一层像素中相临近的像素进行两两配对,预测像素值,得到二维预测误差直方图;根据所述二维预测误差直方图,通过自适应寻优的方法搜寻出最优的可逆映射策略;根据所述最优的可逆映射策略对图像进行秘密信息的嵌入。本发明通过自适应寻优的方式,找出最佳的可逆映射策略,在保证嵌入容量的前提下,降低嵌入失真,提高嵌入性能。

Description

基于二维预测误差直方图自适应扩展的可逆信息隐藏方法
技术领域
本发明涉及信息安全技术领域,尤其涉及一种基于二维预测误差直方图自适应扩展的可逆信息隐藏方法。
背景技术
近年来,随着计算机科学和通信技术的飞速的发展,数字产品已经从简单的文字发展为图文并茂的产品,比如图像、视频和流媒体等。随着图像和视频等感知技术的进步和获取手段的普及,这些数字媒体的数量和种类在大幅度地增长,成为网络信息的重要组成部分。由于这些数字媒体具有拷贝无失真和便于编辑修改等特点,导致它们在带来信息和提供更好的服务的同时,也引发了版权纠纷、内容真伪和信息安全等诸多问题。其中,基于数字水印的信息隐藏技术可以在不影响原载体利用价值的基础上实现对秘密信息的有效隐藏,对于信息的保护起到了重要作用。
可逆信息隐藏技术(Reversible data hiding,RDH)是近年来非常热门的研究领域。信息隐藏技术是将数字化信息(也可称为水印)以不可见的方式嵌入到图像中,水印嵌入之后,即使可能会对图像的质量造成一定的破坏,但完全不影响图像的自身价值和正常使用。如果载密的图像在传输中没有发生变化,那么在接收端可以根据提取算法提取出隐藏信息。并且在嵌入的信息被检测和提取出来之后,嵌入水印的图像能够无失真地恢复为原始图像。所以将秘密信息嵌入图像之后,可以将载密图像作为有效的载体,实现信息的秘密传递。
由于图像自身存在较大的冗余性,同时人眼对图像中的某些信息具有一定的掩蔽效应,通过人眼无法发现图像中被嵌入了秘密信息。所以,信息隐藏技术可以隐藏信息的内容和秘密信息的存在,人们难以从一幅图像中判断是否存在秘密信息,难以窃取秘密信息,从而保证了秘密信息的安全。
预测误差扩展是目前较为流行的一类可逆信息隐藏技术,它通过统计像素值的预测误差直方图(Prediction-Error Histogram,PEH)进行可逆信息隐藏,预测误差较小的值被认为是处于图像的平滑区域,预测误差值较大的值被认为是处于复杂区域,通过设计某种映射策略对预测误差直方图进行修改,不同的预测误差值对应不同的修改方式,以此来达到秘密信息的嵌入的效果。但是目前的算法对映射策略的探索仍比较基础,且考虑的多为低维直方图,因而算法设计的灵活性不足,也无法体现利用高维直方图和最优映射策略的优势。
因此,亟需设计一种直方图修改映射策略,以在保证嵌入容量的前提下,提高嵌入性能。
发明内容
本发明提供了一种基于二维预测误差直方图自适应扩展的可逆信息隐藏方法,旨在针对不同图像的预测误差直方图特征,单一的直方图修改方法对应的映射策略已经无法满足所需的嵌入性能,通过寻优的方式,自适应地生成映射策略,以在保证嵌入容量的同时,减少嵌入失真,提高嵌入性能。
为了实现上述目的,本发明采取了如下技术方案。
一种基于二维预测误差直方图自适应扩展的可逆信息隐藏方法,包括:
将原始图像以棋盘格形式划分为黑色类像素和白色类像素两层,先后分别对黑色类像素和白色类像素执行下述步骤;
对同一层像素中相临近的像素进行两两配对,预测像素值,得到二维预测误差直方图;
根据所述二维预测误差直方图,通过自适应寻优的方法搜寻出最优的可逆映射策略;
根据所述最优的可逆映射策略进行秘密信息的嵌入。
优选地,对同一层像素中相临近的像素进行两两配对,预测像素值,包括:使用菱形预测方法对配对后的像素进行预测。
优选地,二维预测误差直方图根据下式(1)得到:
Figure BDA0001979965740000031
其中,(e2i-1,e2i)为预测误差对,N为像素个数,#表示集合的基数。
优选地,根据所述二维预测误差直方图,通过自适应寻优的方法搜寻出最优的可逆映射策略,包括:搜寻出可能存在的可逆映射策略,计算嵌入失真和嵌入容量的比值,对应的失真-容量比越小,可逆映射策略越优。
优选地,嵌入失真和嵌入容量根据下述公式(2)和(3)所示:
Figure BDA0001979965740000033
Figure BDA0001979965740000032
其中,p、q为预测误差对,|f(p)|为p的映射扩展后的预测误差对的数量,Z2表示预测误差对空间,H(p)表示二维预测直方图H中p这个映射的个数。
优选地,自适应寻优的方法包括:设置寻优块的大小和寻优次数,修改每个点的入射出射情况,去掉不合法的映射,不断地更新映射,搜寻出最优的可逆映射策略。
优选地,搜寻出可能存在的可逆映射策略,包括:所述的可逆映射策略需要满足以下条件:
1)每个预测误差对,即每个点仅有一个入射;
2)点的入射可以为该点本身;
3)每个点都必须有出射,即出射最小值为1,对于二维直方图,出射的个数最多为4;
4)映射时,需往预测误差值增加的方向出射;
5)将预测误差值的最大修改量限定为1。
优选地,根据所述最优的可逆映射策略进行秘密信息的嵌入,包括:在进行嵌入时计算图像像素的邻域复杂度,对邻域复杂度阈值范围内的像素根据预测误差的大小进行嵌入或移位处理。
优选地,根据所述最优的可逆映射策略进行秘密信息的嵌入,还包括:嵌入映射策略、位置图信息、邻域复杂度的阈值ρ,嵌入的终止位置和位置图的长度。
由上述本发明的基于二维预测误差直方图自适应扩展的可逆信息隐藏方法提供的技术方案可以看出,本发明通过将原始图像分为黑色类像素和白色类像素两层,采用菱形预测方法得到二维预测误差直方图,对二维预测误差直方图进行可逆映射,通过寻优的方式,自适应地生成可逆映射策略,从而有效地在保证嵌入容量的同时,将嵌入失真控制在很低的水平,提高了嵌入性能,使所提方法能够明显优于目前主流的算法。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的基于二维预测误差直方图自适应扩展的可逆信息隐藏方法的流程图;
图2为图像分层方式与预测误差配对示意图;
图3为初始化得到的传统方法的可逆映射图;
图4为当D=3时的第一轮映射更新优化过程示意图;
图5为不同的邻域复杂度阈值对应的失真情况趋势图;
图6是采用本发明提出的方法得到的嵌入性能效果对比图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
本发明实施例的基于二维预测误差直方图自适应扩展的可逆信息隐藏方法,旨在针对不同图像的预测误差直方图特征,单一的直方图修改方法对应的映射策略已经无法满足所需的嵌入性能,通过寻优的方式,自适应地生成映射策略。
实施例
对于不同的自然图像,它们的平滑程度的不同会导致直方图的特征不同,并且预测误差对的数量和相应的修改将极大地影响嵌入带来的容量和失真情况。在传统预测误差扩展(Prediction-Error Expansion,PEE)中,通常情况下,预测误差直方图会服从以0为中心或接近0为中心的类拉普拉斯分布,那么直方图0和-1的像素点所在的区域有较大可能性是足够多并且足够平滑的,非常适合用来嵌入。因此我们选择预测误差值为0和-1的所有像素点来嵌入,其余预测误差值较大的点不作嵌入,只作移位处理,不带来容量的增长。但是,如果直方图的峰值集中在0和1之间,那么最优的嵌入位置就应该为0和1,嵌入位置的数量也不一定局限于两个点。从这个角度考虑的话,直方图的修改方法,或称之为映射策略,应该根据直方图的具体分布情况自适应地来制定,而不是对于所有图像都采用相同的策略。
图1为本实施例的基于二维预测误差直方图自适应扩展的可逆信息隐藏方法的流程图,参照图1,该方法包括:
图像分层
S1将原始图像分为黑色类像素和白色类像素两层,先后分别对所述的黑色类像素和白色类像素执行下述步骤。
将原始图像以棋盘格的形式分为两层,一层称为“黑色类像素”,另一层称为“白色类像素,图2为图像分层方式与预测误差配对示意图,如图1所示。对这两类像素的处理是有序并且互相独立的,先对第一层中黑色类像素做嵌入处理,再对第二层中的白色类像素做嵌入处理,提取时,先提取第二层中的白色类像素,再对第一层的黑色类像素做提取处理,处理的具体过程是相同的,接下来以黑色类像素为例进行说明。
S2对黑色类像素或白色类像素中相临近的像素进行两两配对,对像素对进行预测,得到二维预测误差直方图。
将图像临近的像素进行两两配对,得到像素对序列
Figure BDA0001979965740000071
使用菱形预测方法对像素对
Figure BDA0001979965740000072
进行预测,即分别将距像素
Figure BDA0001979965740000073
和像素
Figure BDA0001979965740000074
距离最近的四个像素的像素值平均值作为像素对的预测值
Figure BDA0001979965740000075
根据预测值
Figure BDA0001979965740000076
得到此像素对相对应的预测误差对
Figure BDA0001979965740000077
其中,假设
Figure BDA0001979965740000078
Figure BDA0001979965740000079
为整数值。
进而得到二维预测误差直方图,二维预测误差直方图根据下式(1)所示:
Figure BDA00019799657400000710
其中,(e2i-1,e2i)为预测误差对,N为像素个数,#表示集合的基数。
通常情况下,二维预测误差直方图服从以0为中心或接近0为中心的类拉普拉斯分布。
S3通过对二维预测误差直方图中的预测误差对进行可逆映射,对各个预测误差对通过自适应寻优映射的方法搜寻出最优的可逆映射策略。
通过对二维预测误差直方图中的预测误差对进行可逆映射,从而达到嵌入或移位的效果。其中,要对各个预测误差对通过自适应寻优映射的方法搜寻出最优的映射策略,在保证可逆的前提下,通过映射的形式将所有预测误差对之间建立联系。
可逆映射定义为
Figure BDA00019799657400000713
其中预测误差对表示为p=(a1,a2)和q=(b1,b2),且对于任意的p,q∈Z2,如果满足p≠q,则
Figure BDA00019799657400000711
Figure BDA00019799657400000712
成立。可逆映射可以解释为,对于预测误差对p,通过嵌入,修改为f(p),且|f(p)|称为f(p)的数量,代表着预测误差对p可以映射到多个不同的相邻预测误差对。示意性地,在传统的二维预测误差扩展方案中,如果预测误差对p=(0,1),则f((0,1))={(0,2),(1,2)},其中|f(p)|=2,即预测误差对(0,1)进行嵌入,当嵌入的二进制信息为0或1时,预测误差对被扩展为(0,2)或(1,2)。
进一步地,根据嵌入失真和嵌入容量的比值搜寻出最优的可逆映射策略,对应的失真-容量比越小,可逆映射策略越优。
嵌入失真和嵌入容量根据下述公式(2)和(3)所示:
Figure BDA0001979965740000081
Figure BDA0001979965740000082
其中,p、q为预测误差对,|f(p)|为p的映射扩展后的预测误差对的数量,Z2表示预测误差对空间,H(p)表示表示二维预测直方图H中p这个映射的个数。
根据自然图像生成的二维预测误差直方图,存在很多种不同的映射策略。一个好的映射策略意味着按照这种策略嵌入移位后,能够带来相对较高的嵌入容量和较低的嵌入失真。但事实上,这两个条件是互相制约的,当嵌入容量提高时,需要被修改的像素值就随之增加,只要像素值被修改了,不论是进行了嵌入还是移位,都会带来相应的嵌入失真。因此,采用失真-容量比(ED/EC)来衡量映射策略的优劣,失真-容量比越小,映射策略越优。
然而,好的策略中可能会存在不合法(或称为不可逆)的映射,从而导致秘密信息无法顺利嵌入,或嵌入后秘密信息无法提取,原始图像无法无损还原。因此,要求寻优出的映射是合法的、可逆的,给出如下定义:
对于一个预测误差对,它的来源称为“入射”,即它的入射通过映射变成它本身;把它的映射称为“出射”,一个点的出射可能大于1个。其中,合法的、可逆的映射必须满足的条件包括:1)每个预测误差对,即每个点都必须有且仅有一个入射;2)点的入射可以为该点本身;3)每个点都必须有出射,即出射最小值为1,对于二维直方图,出射的个数最多为4;4)映射时,需往预测误差值增加的方向出射;5)在本方法中,将预测误差值的最大修改量限定为1(T=1),即映射时,预测误差值要么不变,要么增加1。
设置寻优块的大小和寻优次数,修改每个点的入射出射情况,去掉不合法的映射,不断地更新映射,搜寻出最优的可逆映射策略。自适应寻优可逆映射的方法就是尽量考虑可能存在的映射可能性,从中去掉不合法的映射。如果确定了有一个映射是从p到q的,那么就不可能再有映射到q的其他可能性。由于预测误差值的范围是[-255,255],在这个大区间内进行寻优的话不太现实,并且实际上,对于较平滑区域,菱形预测方法的准确性比较高,落在区间[-255,-5],[5,255]的预测误差值很少,所以可以通过约束寻优块的大小D来大大减少计算量。
示意性地,图3为在得到二维预测误差直方图之后,初始化得到的传统方法的可逆映射图;然后设定寻优块的大小D和寻优次数后,在第一轮映射寻优中,轮流修改每个点的入射出射情况,图4为当D=3时的第一轮映射更新优化过程示意图,参照图4;再去除所有不合法的映射,之后通过计算所有新生成映射的失真-容量比,留下失真-容量比最大的作为本轮的最优映射。接着,通过不断循环以上过程,每轮的最优映射会不断被更新,当循环结束时,剩下的映射就是当前二维预测误差直方图对应的最优映射。
以上是映射过程中,一次只修改一个点的入射出射情况(定义为K=1),也可以同时修改多个点的入射出射情况(K=2,3,...),自适应寻优的方法跟K=1类似。
S4根据所述最优的映射策略进行秘密信息的嵌入。
在进行嵌入时计算图像像素的邻域复杂度的,对邻域复杂度阈值范围内的像素根据预测误差值的不同进行嵌入或移位处理。
为了进一步减少嵌入失真,大部分PEE算法都采用了排序策略。计算预测误差对的邻域复杂度(Local Complexity,LC),参照图2,根据下式(4)计算LC(x,y)。
LC(x,y)=|z2-z5|+|z5-z9|+|z9-z6|+|z6-z2|+|z9-z13|+|z13-z10|
+|z10-z6|+|z6-z4|+|z9-z11|+|z7-z4|+|z7-z6|
+|z7-z10|+|z12-z11|+|z12-z9|+|z12-z13|+|z14-z10|
+|z14-z13|
LC越小代表该像素对所在的区域越平滑,越应该用来进行秘密信息的嵌入,因此,优先选择邻域复杂度较小的点进行处理。设定好阈值ρ后,可以只处理满足条件LC(x,y)≤ρ的预测误差对。给定容量后,算法需要自适应地选择ρ使得嵌入过程有足够的容量。
同时,为了保证可逆性,还有一些额外的信息需要被嵌入到图像中,包括以下几个部分:
1)可逆映射策略
在嵌入过程中,自适应地寻优出了可逆映射策略,但在提取端,无法得到相同的这个可逆映射,因此可逆映射需要被保存。
2)位置图信息
为了防止在嵌入的过程中,部分像素的灰度值会超过[0,255]造成溢出,需要对图像做预处理。因为本论文只考虑对像素值的最大修改量为1(T=1),所以只需要修改位于[0,255]范围边缘的像素值。如果像素值为255,改动为254,标记为1;如果像素值为0,则改动为1,标记为1,其他像素值若是未经改动一律标记为0,这些值就构成了位置图信息,为了节省空间,位置图信息可以进行无损压缩再嵌入。
3)参数
邻域复杂度的阈值ρ,嵌入的终止位置,位置图的长度。
以上三个部分都会被嵌入到图像第一行的像素值的最低有效位中,在提取端,这些附加信息会先被提取出来。
进一步地,采用上述方法对白色类像素进行相同的处理。
为了有效说明本发明实施例的性能,下面利用附图和表格数据对实验结果进行展示和分析,以此证明本发明具有优良的性能。
图5讨论了当容量为10000比特时,Baboon图像不同的邻域复杂度阈值对应的失真情况。在现有技术中,对于特定的嵌入容量,通常选择一个最小的整数,该整数能满足足够的预测误差对可以用来嵌入,从而达到要求的容量。然而,邻域复杂度最小值ρ不一定是一个最优的选择,ρ+1或其他接近ρ的数可能会得到一个更好的结果。其中,图5中对于Baboon来说,当嵌入容量为10000比特,阈值为128时,此时已经满足了要求的容量。但当阈值为129时,失真-容量比会比阈值为128时更小。在这种情况下,最优的阈值应为129。
图6是采用本发明提出的方法得到的嵌入性能效果对比图。通过采用本发明的方法与其他三种现有方法对八张不同的图像进行实验,下表1为本发明的方法与其他三个方法的嵌入性能比较数据。参照图6和表1,可以看出,本发明的方法与其他三种方法相比,峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)均有明显的提升。
表1
Figure BDA0001979965740000111
Figure BDA0001979965740000121
综上所述,本发明实施例提出的基于二维预测误差直方图自适应扩展的可逆信息隐藏方法,能够根据直方图的特征,通过自适应寻优映射的方法搜寻出最优的映射策略,较为理想地嵌入秘密信息,在保证嵌入容量的前提下,有效地提高了嵌入性能。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。

Claims (6)

1.一种基于二维预测误差直方图自适应扩展的可逆信息隐藏方法,其特征在于,包括:
将原始图像以棋盘格形式划分为黑色类像素和白色类像素两层,先后分别对黑色类像素和白色类像素执行下述步骤;
对同一层像素中相临近的像素进行两两配对,预测像素值,得到二维预测误差直方图;
根据所述二维预测误差直方图,通过自适应寻优的方法搜寻出最优的可逆映射策略,包括:设置寻优块的大小和寻优次数,修改每个点的入射出射情况,去掉不合法的映射,不断地更新映射,搜寻出最优的可逆映射策略,搜寻出可能存在的可逆映射策略,计算嵌入失真和嵌入容量的比值,对应的失真-容量比越小,可逆映射策略越优,包括:所述的可逆映射策略需要满足以下条件:
1)每个预测误差对,即每个点仅有一个入射;
2)点的入射可以为该点本身;
3)每个点都必须有出射,即出射最小值为1,对于二维直方图,出射的个数最多为4;
4)映射时,需往预测误差值增加的方向出射;
5)将预测误差值的最大修改量限定为1;
根据所述最优的可逆映射策略进行秘密信息的嵌入。
2.根据权利要求1所述的方法,其特征在于,所述的对同一层像素中相临近的像素进行两两配对,预测像素值,包括:使用菱形预测方法对配对后的像素进行预测。
3.根据权利要求1所述的方法,其特征在于,所述的二维预测误差直方图根据下式(1)得到:
Figure FDA0002703609880000021
其中,(e2i-1,e2i)为预测误差对,N为像素个数,#表示集合的基数。
4.根据权利要求3所述的方法,其特征在于,所述的嵌入失真和嵌入容量根据下述公式(2)和(3)所示:
Figure FDA0002703609880000022
Figure FDA0002703609880000023
其中,p、q为预测误差对,|f(p)|为p的映射扩展后的预测误差对的数量,Z2表示预测误差对空间,H(p)表示二维预测直方图H中p这个映射的个数。
5.根据权利要求1所述的方法,其特征在于,所述的根据所述最优的可逆映射策略进行秘密信息的嵌入,包括:在进行嵌入时计算图像像素的邻域复杂度,对邻域复杂度阈值范围内的像素根据预测误差的大小进行嵌入或移位处理。
6.根据权利要求1所述的方法,其特征在于,所述的根据所述最优的可逆映射策略进行秘密信息的嵌入,还包括:嵌入映射策略、位置图信息、邻域复杂度的阈值ρ,嵌入的终止位置和位置图的长度。
CN201910145796.2A 2019-02-27 2019-02-27 基于二维预测误差直方图自适应扩展的可逆信息隐藏方法 Active CN109949199B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910145796.2A CN109949199B (zh) 2019-02-27 2019-02-27 基于二维预测误差直方图自适应扩展的可逆信息隐藏方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910145796.2A CN109949199B (zh) 2019-02-27 2019-02-27 基于二维预测误差直方图自适应扩展的可逆信息隐藏方法

Publications (2)

Publication Number Publication Date
CN109949199A CN109949199A (zh) 2019-06-28
CN109949199B true CN109949199B (zh) 2021-03-02

Family

ID=67007010

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910145796.2A Active CN109949199B (zh) 2019-02-27 2019-02-27 基于二维预测误差直方图自适应扩展的可逆信息隐藏方法

Country Status (1)

Country Link
CN (1) CN109949199B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111163241B (zh) * 2019-12-10 2021-08-20 中国科学院深圳先进技术研究院 一种基于预测值相关性的可逆信息隐藏方法
CN111127288B (zh) * 2019-12-16 2023-07-04 中移(杭州)信息技术有限公司 可逆图像水印处理方法、装置及计算机可读存储介质
CN111343466B (zh) * 2020-01-17 2021-09-21 华南理工大学 一种基于二维直方图平移的视频可逆数据隐藏方法
CN112132732B (zh) * 2020-09-10 2023-06-02 宁波大学科学技术学院 立体图像的像素预测方法、可逆信息隐藏提取方法、终端及存储介质
CN112132734B (zh) * 2020-09-25 2024-04-26 中国人民武装警察部队工程大学 一种基于多通道差值排序的图像可逆信息隐藏方法
CN112528234B (zh) * 2020-12-04 2023-12-19 中国科学院深圳先进技术研究院 一种基于预测误差扩展的可逆信息隐藏方法
CN114567710B (zh) * 2021-12-03 2023-06-06 湖北工业大学 一种基于岭回归预测的可逆数据隐写方法及系统
CN114971995B (zh) * 2022-05-19 2024-03-29 辽宁师范大学 一种基于超像素排序和边缘类型自适应预测的rdh方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105741225A (zh) * 2016-02-01 2016-07-06 西安电子科技大学 一种多维预测误差扩展的可逆水印方法
CN105761196A (zh) * 2016-01-28 2016-07-13 西安电子科技大学 基于三维预测误差直方图的彩色图像可逆数字水印方法
CN107944282A (zh) * 2017-11-08 2018-04-20 安徽大学 一种基于非对称预测误差直方图修改的可逆信息隐藏方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106023058B (zh) * 2016-05-25 2019-02-15 广东工业大学 一种高保真可逆水印嵌入方法
CN108898542B (zh) * 2018-07-04 2023-07-18 广东工业大学 一种可逆水印的嵌入方法
CN109360140B (zh) * 2018-09-10 2023-08-29 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
CN109348228B (zh) * 2018-09-14 2021-05-04 东南大学 一种图像加密域可逆信息隐藏系统与方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105761196A (zh) * 2016-01-28 2016-07-13 西安电子科技大学 基于三维预测误差直方图的彩色图像可逆数字水印方法
CN105741225A (zh) * 2016-02-01 2016-07-06 西安电子科技大学 一种多维预测误差扩展的可逆水印方法
CN107944282A (zh) * 2017-11-08 2018-04-20 安徽大学 一种基于非对称预测误差直方图修改的可逆信息隐藏方法

Also Published As

Publication number Publication date
CN109949199A (zh) 2019-06-28

Similar Documents

Publication Publication Date Title
CN109949199B (zh) 基于二维预测误差直方图自适应扩展的可逆信息隐藏方法
Weng et al. Dynamic improved pixel value ordering reversible data hiding
Dasgupta et al. Optimized video steganography using genetic algorithm (GA)
Liao et al. New cubic reference table based image steganography
Li et al. Efficient reversible data hiding based on multiple histograms modification
Balasubramanian et al. High payload image steganography with reduced distortion using octonary pixel pairing scheme
Lu et al. Secure halftone image steganography based on pixel density transition
Wang et al. Non-additive cost functions for color image steganography based on inter-channel correlations and differences
Huang et al. Hierarchy-based reversible data hiding
CN109948307B (zh) 基于像素多尺度预测的可逆数据隐藏方法
Chang et al. Adaptive pairwise prediction-error expansion and multiple histograms modification for reversible data hiding
CN110232650B (zh) 一种彩色图像水印嵌入方法、检测方法及系统
Meng et al. An adaptive reversible watermarking in IWT domain
Xue et al. Efficient halftone image steganography based on dispersion degree optimization
Geng et al. Real-time attacks on robust watermarking tools in the wild by CNN
Maniriho et al. Enhancing the Capability of Data Hiding Method Based on Reduced Difference Expansion.
Lee et al. Overlapping pixel value ordering predictor for high-capacity reversible data hiding
Huang et al. A self-embedding secure fragile watermarking scheme with high quality recovery
Wang et al. High-performance reversible data hiding based on ridge regression prediction algorithm
Meenakshi et al. A hybrid matrix factorization technique to free the watermarking scheme from false positive and negative problems
Kamili et al. Embedding information reversibly in medical images for e-health
Roselinkiruba et al. Secure video steganography using key frame and region selection technique
CN108876691B (zh) 自适应可逆水印方法及系统
Wang et al. Reversible data hiding based on structural similarity block selection
Wang An efficient multiple-bit reversible data hiding scheme without shifting

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