CN110047029B - 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 - Google Patents

Abstract

本发明公开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，用于解决现有的可逆信息隐藏方法无法精准、有效地实现水印信息嵌入的技术问题。本发明包括基于计算图像块内像素的像素值的方差和预设阈值的大小关系来区分原始图像的图像块的局部复杂度，将原始图像分为平滑区、近平滑区、弱边缘区、中边缘区和强边缘区；采用基于图像块内的当前像素及图像块内的其他像素的相对位置关系计算预测误差；根据计算得到的预测误差，采用直方图平移的方法对平滑区和强边缘区进行水印信息的嵌入，采用预测误差扩展的方法对近平滑区和中边缘区进行水印信息的嵌入，采用两倍预测误差扩展的方法对弱边缘区进行水印信息的嵌入，得到水印嵌入图像。

Description

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

技术领域

本发明涉及多媒体信号处理技术领域，尤其涉及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。

背景技术

可逆信息隐藏技术能在载体中嵌入隐秘信息并能够确保提取信息后无损地恢复载体，因此，该技术可用于军事、司法、医学等敏感图像的认证、标注或篡改检测。目前，传统的可逆信息隐藏方法的主要目的在于提高信息嵌入容量的同时最大程度上降低载密图像的失真度。研究者常用峰值信噪比(PSNR,peak signal to noise ratio)来评价载密图像的质量，即计算载体图像与隐藏信息后图像的统计误差。在同一嵌入率下，PSNR越大说明图像质量越好，图像失真度越小，算法性能越好。传统的可逆信息隐藏方法都在相同嵌入率下追求高的PSNR参数值。实际上，传统的峰值信噪比仅仅是计算原始图像和载密图像的像素差，未能考虑图像的本身结构特点以及人眼视觉特性，并不完全适合作为图像质量的判断标准。因此，在最新的可逆信息隐藏研究中，已有学者从主观视觉的角度提出了具有对比度增强效果的可逆信息隐藏，该系列方法与传统可逆信息隐藏追求高PSNR值的目的不同，其目的在于通过增强载体图像的对比度来提高嵌入信息后的载密图像的主观视觉质量。该系列方法在实现可逆信息嵌入的同时提高了图像的视觉质量。相关技术中，等人提出一种对图像局部复杂度进行分类并根据当前像素与领域像素均值的大小关系进行信息嵌入的具有对比度增强效果的可逆信息隐藏方法。然而，相关技术中仅根据邻域像素的最大值和最小值的差值来评价图像局部复杂度的方法是粗糙的，并不能精确地反映出该矩阵块所处的真实局部环境，导致这种使用矩阵块的邻域最大与最小值差值像素去评估该矩阵块的邻域复杂度的方法无法精准、有效地实现水印信息的嵌入。

为解决上述的技术问题，寻找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成为本领域技术人员所研究的重要课题。

发明内容

本发明实施例公开了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，用于解决现有的可逆信息隐藏方法无法精准、有效地实现水印信息嵌入的技术问题。

本发明实施例提供了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，包括：

基于计算图像块内像素的像素值的方差和预设阈值的大小关系来区分原始图像的图像块的局部复杂度，将原始图像分为平滑区、近平滑区、弱边缘区、中边缘区和强边缘区；

采用基于图像块内的当前像素及图像块内的其他像素的相对位置关系计算预测误差；

根据计算得到的预测误差，采用直方图平移的方法对平滑区和强边缘区进行水印信息的嵌入，采用预测误差扩展的方法对近平滑区和中边缘区进行水印信息的嵌入，采用两倍预测误差扩展的方法对弱边缘区进行水印信息的嵌入，得到水印嵌入图像。

可选地，得到水印信息嵌入图像之后，还包括：

获取所述水印嵌入图像中最后一行n个像素的最低有效位，并将所述最低有效位信息和嵌入水印容量信息构成图像恢复元素信息；

将附加参数信息填充至所述最低有效位处；

将所述图像恢复元素信息嵌入至每个嵌入水印的图像块中，得到水印嵌入细节图像；

其中，n为所述附加参数信息总长度，所述附加参数信息包括所述位置图压缩后的码流信息、原始图像的最小和最大值、阈值、图像块的行数和列数、水印嵌入终止位置所在行和所在列、结束字符。

可选地，得到水印嵌入细节图像之后，还包括：

获取所述水印嵌入图像最后一行n个像素的最低有效位，并从所述最低有效位中得到所述附加参数信息；

基于所述附加参数信息，按照与嵌入水印的相反顺序，从各图像块中提取水印信息，得到恢复的原始图像。

可选地，所述采用基于图像块内的当前像素及图像块内的其他像素的相对位置关系计算预测误差具体包括；

当前图像块位置(i,j)的像素值为x，其右边(i,j+1)相邻像素v₁，下边 (i+1,j)相邻像素v₃，斜右下(i+1,j+1)对角像素v₄以及其斜左下(i+1,j-1) 对角像素v₂

根据以上像素所构成的图像块对应所求得的预测值Pred为：

根据预测值Pred得到预测误差值预测误差值Pee＝x-Pred。

可选地，基于计算图像块内像素的像素值的方差和预设阈值的大小关系来区分原始图像的图像块的局部复杂度，将原始图像分为平滑区、近平滑区、弱边缘区、中边缘区和强边缘区具体包括：

计算四个像素值{v₁,v₂,v₃,v₄}的方差FV：

式中，

是四个像素值{v₁,v₂,v₃,v₄}的均值，即：

根据预设阈值对图像像素值进行5个类别划分，包括：

阈值为T₀,T₁,T₂,T₃,T₄和T₅，它们的关系为：

0<T₁<T₂<T₃<T₄<T₅

每一个区域所包含的像素为：

C_k＝{(i,j)|T_k-1＜FV(i,j)≤T_k,k∈[1,5]}

式中，T₀的值默认设为-1。

可选地，对平滑区和强边缘区进行水印信息的嵌入，所采用的直方图平移的方法为：

采用预测差值为0和-1作为嵌入点，嵌入水印信息前后的像素值对应关系为：

式中，

为嵌入水印信息后的像素值，I_i,_j为嵌入水银信息前的像素值；

当预测误差值Pred为0和-1，嵌入信息比特m为0时,预测误差值保持不变，即原始像素值也不变；当预测误差值Pred为0，且嵌入信息m等于1时，预测误差值变为1，嵌入信息后变化的像素值为原始像素值上加上1；当预测误差值Pred为-1，且嵌入信息m等于1时，新的预测误差值变为-2，嵌入信息后变化的像素为原始像素值上减去1；而对于其他的预测误差值Pred，对于这类像素值，采用灰度平移的方式，即对于预测误差值Pred大于0的，使嵌入水印信息前的像素值加上1，对于预测误差值Pred小于-1的，使嵌入水印信息前的像素值减去1。

可选地，对处于近平滑区和中边缘区进行水印信息嵌入，所采用的预测误差扩展方法为：

采用原始图像块内的像素的像素值为X_i,j，嵌入水印信息后的像素的像素值为Y_i,j，则嵌入前后的像素值对应关系为：

式中P_i,j为预测误差，Th为预设阈值。

可选地，对弱边缘区进行水印信息嵌入，所采用的两倍预测误差扩展的方法为：

采用原始图像块内的像素的像素值为X_i,j，嵌入水印信息后的像素的像素值为Y_i,j，则嵌入前后的像素值对应关系为：

其中，m＝2b₁+b₂，b₁,b₂∈{0,1}，即两倍预测误差最多能嵌入b₁和b₂两比特信息；Th为预设阈值。

一种结合多层差扩展具有对比度增强的可逆信息隐藏装置，包括：

原始图像局部平滑性计算模块，用于计算图像块内像素的像素值的方差和预设阈值的大小关系来区分原始图像的图像块的局部复杂度，将原始图像分为平滑区、近平滑区、弱边缘区、中边缘区和强边缘区；

预测误差计算模块，用于根据图像块内的当前像素及图像块内的其他像素的相对位置关系计算预测误差；

水印信息的嵌入模块，用于根据计算得到的预测误差，采用直方图平移的方法对平滑区和强边缘区进行水印信息的嵌入，采用预测误差扩展的方法对近平滑区和中边缘区进行水印信息的嵌入，采用两倍预测误差扩展的方法对弱边缘区进行水印信息的嵌入，得到水印嵌入图像。

从以上技术方案可以看出，本发明实施例具有以下优点：

本实施例包括计算图像块内像素的像素值的方差和预设阈值的大小关系来区分原始图像的图像块的局部复杂度，将原始图像分为平滑区、近平滑区、弱边缘区、中边缘区和强边缘区；采用基于图像块内的当前像素及图像块内的其他像素的相对位置关系计算预测误差；根据计算得到的预测误差，采用直方图平移的方法对平滑区和强边缘区进行水印信息的嵌入，采用预测误差扩展的方法对近平滑区和中边缘区进行水印信息的嵌入，采用两倍预测误差扩展的方法对弱边缘区进行水印信息的嵌入，得到水印嵌入图像。本实施例中能够利用更多的像素来进行块内纹理复杂度预测，使得图像块的纹理复杂度预测精度更高，使得最终的预测效果和性能更好，从而精准且有效地实现水印信息的嵌入。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明提供的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的流程示意图；

图2为本发明提供的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的总流程框图；

图3为本发明提供的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的图像块预测方式图；

图4为本发明提供的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的像素分类方式示意图；

图5为本发明提供的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中的采用直方图平移方法嵌入水印信息前后的预测误差变化示意图 (a)；

图6为本发明提供的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中的采用直方图平移方法嵌入水印信息前后的预测误差变化示意图 (b)；

图7为本发明提供的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中的采用预测误差扩展的方法嵌入水印信息前后的预测误差变化示意图；

图8为本发明提供的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中的采用两倍预测误差扩展的方法嵌入水印信息前后的预测误差变化示意图。

具体实施方式

本发明实施例公开了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，用于解决现有的可逆信息隐藏方法无法精准、有效地实现水印信息嵌入的技术问题。

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

请参阅图1至图8，本发明实施例中提供的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，包括：

S100、基于计算图像块内像素的像素值的方差和预设阈值的大小关系来区分原始图像的图像块的局部复杂度，将原始图像分为平滑区、近平滑区、弱边缘区、中边缘区和强边缘区；

S200、采用基于图像块内的当前像素及图像块内的其他像素的相对位置关系计算预测误差；

S300、根据计算得到的预测误差，采用直方图平移的方法对平滑区和强边缘区进行水印信息的嵌入，采用预测误差扩展的方法对近平滑区和中边缘区进行水印信息的嵌入，采用两倍预测误差扩展的方法对弱边缘区进行水印信息的嵌入，得到水印嵌入图像。

进一步地，得到水印信息嵌入图像之后，还包括：

获取所述水印嵌入图像中最后一行n个像素的最低有效位，并将所述最低有效位信息和嵌入水印容量信息构成图像恢复元素信息；

将附加参数信息填充至所述最低有效位处；

将所述图像恢复元素信息嵌入至每个嵌入水印的图像块中，得到水印嵌入细节图像；

其中，n为所述附加参数信息总长度，所述附加参数信息包括所述位置图压缩后的码流信息、原始图像的最小和最大值、阈值、图像块的行数和列数、水印嵌入终止位置所在行和所在列、结束字符。

进一步地，得到水印嵌入细节图像之后，还包括：

获取所述水印嵌入图像最后一行n个像素的最低有效位，并从所述最低有效位中得到所述附加参数信息；

基于所述附加参数信息，按照与嵌入水印的相反顺序，从各图像块中提取水印信息，得到恢复的原始图像。

进一步地，所述采用基于图像块内的当前像素及图像块内的其他像素的相对位置关系计算预测误差具体包括；

当前图像块位置(i,j)的像素值为x，其右边(i,j+1)相邻像素v₁，下边 (i+1,j)相邻像素v₃，斜右下(i+1,j+1)对角像素v₄以及其斜左下(i+1,j-1) 对角像素v₂

根据以上像素所构成的图像块对应所求得的预测值Pred为：

根据预测值Pred得到预测误差值预测误差值Pee＝x-Pred。

进一步地，基于计算图像块内像素的像素值的方差和预设阈值的大小关系来区分原始图像的图像块的局部复杂度，将原始图像分为平滑区、近平滑区、弱边缘区、中边缘区和强边缘区具体包括：

计算四个像素值{v₁,v₂,v₃,v₄}的方差FV：

式中，

是四个像素值{v₁,v₂,v₃,v₄}的均值，即：

根据预设阈值对

图像像素值进行5个类别划分，包括：阈值为T₀,T₁,T₂,T₃,T₄和T₅，它们的关系为：

0<T₁<T₂<T₃<T₄<T₅

每一个区域所包含的像素为：

C_k＝{(i,j)|T_k-₁＜FV(i,j)≤T_k,k∈[1,5]}

式中，T₀的值默认设为-1。

进一步地，对平滑区和强边缘区进行水印信息的嵌入，所采用的直方图平移的方法为：

采用预测差值为0和-1作为嵌入点，嵌入水印信息前后的像素值对应关系为：

式中，

为嵌入水印信息后的像素值，I_i,j为嵌入水银信息前的像素值；

当预测误差值Pred为0和-1，嵌入信息比特m为0时,预测误差值保持不变，即原始像素值也不变；当预测误差值Pred为0，且嵌入信息m等于1时，预测误差值变为1，嵌入信息后变化的像素值为原始像素值上加上1；当预测误差值Pred为-1，且嵌入信息m等于1时，新的预测误差值变为-2，嵌入信息后变化的像素为原始像素值上减去1；而对于其他的预测误差值Pred，对于这类像素值，采用灰度平移的方式，即对于预测误差值Pred大于0的，使嵌入水印信息前的像素值加上1，对于预测误差值Pred小于-1的，使嵌入水印信息前的像素值减去1。

进一步地，对处于近平滑区和中边缘区进行水印信息嵌入，所采用的预测误差扩展方法为：

采用原始图像块内的像素的像素值为X_i,j，嵌入水印信息后的像素的像素值为Y_i,j，则嵌入前后的像素值对应关系为：

式中P_i,j为预测误差，Th为预设阈值。

进一步地，对弱边缘区进行水印信息嵌入，所采用的两倍预测误差扩展的方法为：

采用原始图像块内的像素的像素值为X_i,j，嵌入水印信息后的像素的像素值为Y_i,j，则嵌入前后的像素值对应关系为：

其中，m＝2b₁+b₂，b₁,b₂∈{0,1}，即两倍预测误差最多能嵌入b₁和b₂两比特信息；Th为预设阈值。

其中，所述平滑区和强纹理区的预测误差值为0和-1之外的，不嵌入水印信息；所述近平滑区和中边缘区的预测误差值不小于所设定阈值T_h，不嵌入水印信息；所述近弱边缘区的预测误差值不小于所设定阈值的T_h/3，不嵌入水印信息。

本实施例中可逆信息隐藏具有以下优点：

1.本方案更充分地考虑了周围像素对当前像素(i,j)预测结果的影响，把斜左下(i+1,j-1)对角像素v₂也计算在内。而同时，更重要的是，本方案通过计算块内方差的方法来区别平滑与边缘块，利用更多的像素来进行块内纹理复杂度预测，使得图像块的纹理复杂度预测精度更高，使得最终的预测效果和性能更好。

2.本方案利用预测误差扩展的方法来对图像进行局部对比度增强，本方案在图像局部对比度增强效果有一定的改善。

3.本方案在弱边缘区C3中，由于采用两倍之预测误差扩展的方法进行水印信息的嵌入，使得在保证了水印图像不发生较大失真的情况下提升了嵌入容量。即，令原本像素最多只能嵌入1比特信息能提升到2比特信息。使得图像总的有一定的提升。整幅图像的嵌入率将超过0.5，改善了现有技术中嵌入容量不足的问题。

实施例二

本实施例基于实施例一提出一种结合多层差扩展具有对比度增强的可逆信息隐藏装置，包括：

原始图像局部平滑性计算模块，用于计算图像块内像素的像素值的方差和预设阈值的大小关系来区分原始图像的图像块的局部复杂度，将原始图像分为平滑区、近平滑区、弱边缘区、中边缘区和强边缘区；

预测误差计算模块，用于根据图像块内的当前像素及图像块内的其他像素的相对位置关系计算预测误差；

水印信息的嵌入模块，用于根据计算得到的预测误差，采用直方图平移的方法对平滑区和强边缘区进行水印信息的嵌入，采用预测误差扩展的方法对近平滑区和中边缘区进行水印信息的嵌入，采用两倍预测误差扩展的方法对弱边缘区进行水印信息的嵌入，得到水印嵌入图像。

其中，所述平滑区和强纹理区的预测误差值为0和-1之外的，不嵌入水印信息；所述近平滑区和中边缘区的预测误差值不小于所设定阈值T_h，不嵌入水印信息；所述近弱边缘区的预测误差值不小于所设定阈值的T_h/3，不嵌入水印信息。

实施例三

本实施例基于实施一进一步地对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进行说明，具体为：

请参阅图2，在嵌入阶段，执行三个主要步骤：全局对比度增强，局部对比度增强和信息嵌入，以及位置图、阈值等信息的嵌入；在提取阶段，按上述三个步骤相反操作，以恢复原始宿主图像以及提取嵌入的信息。

I、信息嵌入

信息嵌入阶段包括预处理，即全局增强、纹理复杂度的计算、位置图等信息的记录和预测方式等几个步骤，细节描述如下：

A1、全局增强：

在嵌入信息前，首先对原始宿主图像进行预处理，主要是为了提高图像的全局对比度。由于低全局对比度的图像通常有窄的直方图的特征，因此，通过使用简单的线性变换函数操作像素来改善全局对比度，以便在整个动态范围上扩展图像像素值。假设给定一幅二进制8位、大小为大小为H×W的宿主灰度图像，其最小和最大像素值分别用L_p和H_p表示，其中值表示为：

那么，使用以下简单的线性变换函数F(x)实现图像的全局增强：

通过公式(1)把像素值x处于[L_p，μ_p-1]范围映射到[0，μ_p-1]：

通过公式(2)把像素值x处于[μ_p，H_p]范围映射到[μ_p，255]：

其中，对于一幅给定的灰度图像，由最小像素值L_p和最大像素值H_p可以求得全局像素增强的系数K_L和K_H，用线性函数的斜率表示为：

和

可以容易地证明，公式(1)和(2)中的线性函数的系数K_L和K_H值均大于等于1，函数严格单调递增，对于具有窄直方图的图像，使用这些函数拉伸像素值保持了原像素的增强顺序，而没有相邻像素值之间的任何重叠。变换函数 F(x)的x是定义在范围[L_p，H_p]上且由F_L(x)与F_H(x)连接的线性变换函数。使用该函数实现全局增强，得到全局增强图像G。为了保证完整水印图像中提取信息的可逆性，此函数以及L_p和H_p必须保存为辅助信息。

A2、计算原始图像的局部纹理复杂度并根据复杂度聚类：

为了改善局部对比度，图像中的每个像素都是根据其邻域的预测误差值进行修改的。在不考虑像素发生溢出的情况下，当预测误差值小于零，即当前像素值比预测值小时，根据设定的阈值对当前像素值进行一定的减法操作。否则，像素增加。实际上，修改像素时应该考虑几个问题，为了增加对比度。第一个涉及处理平滑区域中的像素问题。在这种情况下，这些区域中的像素改变可能会导致“噪声放大”现象。第二个问题是在强边缘区域中拉伸像素会导致过度增强边缘现象。因此，局部对比度增强应以自适应的方式进行，即要对图像进行不同类型的区域划分后再进行对比度增强。

在大小为H×W的原始图像中,按从左到右、由上往下的顺序遍历整个图像。如图3所示，假设原始图像位置(i,j)的像素值为x，那么，使用其右边 (i,j+1)相邻像素v₁，下边(i+1,j)相邻像素v₃，斜右下(i+1,j+1)对角像素 v₄以及其斜左下(i+1,j-1)对角像素v₂进行计算图像的局部纹理复杂度。

首先，计算四个像素值{v₁,v₂,v₃,v₄}的方差FV：

其中，

是四个像素值{v₁,v₂,v₃,v₄}的均值，即：

接着，根据预先设定的阈值对图像像素值x进行5个类别划分，即：平滑区，近平滑区，近边缘区，中边缘区，强边缘区，它们分别用集合{C1，C2， C3，C4，C5}中的元素表示。给定阈值为T₀,T₁,T₂,T₃,T₄和T₅，它们的关系为： 0<T₁<T₂<T₃<T₄<T₅。每一个类别所包含的像素为：

C_k＝{(i,j)|T_k-1＜FV(i,j)≤T_k,k∈[1,5]} (5)

其中，T₀的值默认设为-1。根据分类原则分好之后，对不同类的像素以不同的方式处理以便改善局部对比度并同时嵌入数据，这样就能在一定程度上解决与局部对比度增强相关的两个问题。

A3、对所处不同类别像素采用不同嵌入方式：

根据设定的阈值，原始图像分成五类，并根据不同类别采用不同的嵌入方案，请参阅图4；

其中，对于平滑区C1和强边缘区C5采用一般的可逆嵌入方式，比如，直方图平移(Histogram Shifting，HS)；对于近平滑区C2和C4中边缘区，采用预测误差扩展(Prediction-Error Expansion，PEE)的方式；而对于弱边缘区 C3，采用两倍预测误差扩展(Twice_Prediction Error Expansion，2_PEE)的方式。

参考图3图像块块预测方式，对于像素x的预测值pred，使用则公式(6) 可得:

那么，根据预测误差pred得到预测误差值Pee＝x-Pred。

对于平滑区C1和强边缘区C5，只嵌入信息并不考虑是否具有对比度增强效果。为了更好的展示嵌入规则，采用图例进行说明，如下图5和图6所示；

对于平滑区C1和强边缘区C5，采用预测误差值直方图平移的方法进行信息隐藏。如图图5嵌入规则和图6所示，根据统计结果可得，对于大部分自然图像，均服从图6信息嵌入前的分布，因此，采用预测差值pred为0和-1 作为嵌入点。使用公式(7)表示如下：

当预测误差值pred为0和-1，嵌入信息m为“0”时,预测误差值保持不变，即原始像素值也不变；当预测误差值pred为0，且嵌入信息m等于“1”时，预测误差值变为1，嵌入信息后变化的像素为原始像素值上加上1；当预测误差值pred为-1，且嵌入信息m等于“1”时，新的预测误差值变为-2，嵌入信息后变化的像素为原始像素值上减去1；而对于其他的预测误差值pred，为了避免像素混叠，保证可逆性，对于这类像素值，采用灰度平移的方式，即对于预测值pred大于0的，使像素值加上1，对于预测值pred小于-1的，使像素值减去1。

对于近平滑区C2和中边缘区C4，采用预测误差扩展(Prediction-Error Expansion，PEE)的方式，如图7所示；

在图7中，当像素x大于预测值pred，即预测误差pred大于零且在设定的阈值内/内部区域，改变像素值并嵌入信息。对于外部区域，为了使嵌入后不发生像素“重叠”现象，也即保证可逆性，这部分的像素值使用平移的方法。在近平滑区C2和中边缘区C4中，假设原始图像值为X_i,j，其对应预测误差为P_i,j，嵌入信息后的像素值为Y_i,j，Y_i,j的值根据公式(8)得到：

其中，m代表嵌入的信息比特。另外，为了便于区分，使用设置的阈值 Th代表示例图中的T。

对于弱边缘区C3，采用两倍预测误差扩展的方法。假设原始像素为X_i,j，预测值为

那么预测误差为

假设嵌入信息后的像素值为Y_i,j，那么根据公式(9)可以得到Y_i,j。

其中，m＝2b₁+b₂，b₁,b₂∈{0,1}，即两倍预测误差最多能嵌入b₁和b₂两比特信息。为了便于理解，对于8位灰度图像，嵌入规则，请参阅图8；

如上图8所示，其中，

表示预测误差，e代表最低有效位，e∈{0，1}，

代表嵌入水印的预测误差，

那么，在近平滑区C2和中边缘区C4，嵌入1比特信息的像素值Y_i,j使用公式(10)表示如下：

在弱边缘区C3，嵌入2比特信息的像素值Y_i,j使用公式(11)表示如下：

使用上述公式可以完成弱边缘区C3的信息嵌入，得到载密局部增强图像 X。对于像素溢出的情况，采用位置图记录。

A4、构造位置图：

在信息嵌入过程中，为了避免像素溢出，需要对某些可能发生像素溢出的点进行位置信息记录，即构造位置图，构造位置图一是避免某些点像素溢出而导致嵌入信息的水印图像出现类似“椒盐”的噪声；二是位置图的信息保证了后续水印信息的提取的准确性。对于平滑区C1和强边缘区C5，由于采用简单的灰度平移的方法，在8位灰度图像中，需要对像素值X_i,j为0,1，254 和255的点进行记录，即当嵌入后的像素值Y_i,j一旦小于0或者大于255，就使用二进制位“1”进行记录，其余没有发生溢出的位置则用二进制位“0”进行记录；类似地，对于像素值X_i,j处于C2、C3和C4的情况，当使用以上预测误差的方法进行嵌入信息的时候，如果嵌入后的像素值Y_i,j小于0或者大于 255，使用二进制位“1”进行标记，其余没有发生溢出的位置则用二进制位“0”进行标记。构造位置图处理的顺序是从左往右，从上往下，一旦遍历完整幅图像，即生成完整的位置图信息。

对于一幅二进制8位大小为512×512的水印图像，生成的位置图大小也应该为512×512，位置图用LM_i,j表示，其中，i,j∈{1,...,512}。对于平滑区C1 和强边缘区C5，当原始图像像素值X_i,j∈{0,255}，则在位置图中相应位置标记“1”，即LM_i,j＝1，否则标记“0”，即LM_i,j＝0；对于C2、C3和C4区，同理，当使用预测误差计算方法得到的值一旦小于0或者超出255的，则在位置图中相应位置标记“1”，即LM_i,j＝1，否则标记“0”，即LM_i,j＝0。那么，遍历整个图像之后，位置图LM_i,j则是由“0”和“1”组成的与原始图像大小相同的，即512×512的矩阵，且对于大部分自然图像，LM_i,j绝大部分信息是“0”，只有少部分是“1”。为了方便后续水印信息的提取与原始图像的恢复，需要把位置图的信息发送到接收方。首先，生成一个大小为512×512的一维矩阵 LM_k，其中，k∈{1,...,512×512}，接着，将生成的位置图LM_k采用无损压缩编码的方式，比如，算术编码，压缩得到长度为L_s的二进制比特流B。

A5、嵌入位置图、阈值等附加信息和载荷：

对原始图像I嵌入水印信息后，收集嵌入水印信息图像最后一列没有修改过的那些像素的前L_x个像素的最低有效位LSB，然后把收集到的L_x个LSB添加到载荷Payload的后面，同时，将附加信息嵌入到空出来的L_x个LSB上，最后将代替后的LSB和载荷Payload一起嵌入到原始图像最后一列中。其中，产生的附加信息包括：

(1)压缩位置图后的二进制码流B_LM；(2)原始图像的最小像素值L_p (8bits)和最大像素值H_p(8bits)；3)阈值T_k,k∈{0,1,...,5}(6×8bits＝48bits)阈值T_h(8bits)；4)水印停止嵌入的所在行row(8bits)、水印停止嵌入的所在列column(8bits)、结束字符EOS(8bits)；将所有附加信息连接成一码流B_l，其总长度L_l等于L_x+96。

在原始图像I中所有像素经步骤A5处理完之后，完成信息隐藏，生成完整水印图像Y。

II、信息提取

信息提取是信息嵌入的逆过程。首先，从完整水印图像Y中提取位置图 LM、阈值T_k以及原始图像最小像素值L_p和最大像素值H_p等附加信息，得到载密局部增强图像X；然后，再从载密局部增强图像X中以倒序，即由右往左，从下往上的方式，并按图像分块方法和嵌入规则提取水印信息并恢复图像，得到全局增强图像G；最后，根据原始图像最小像素值L_p和最大像素值H_p对全局增强图像G使用简单线性变换函数F(x)操作得到原始图像。信息提取的具体步骤如下：

B1、位置图的重构以及附加信息的提取：

与嵌入过程相反的顺序，即从图像最后一行开始，收集完整水印图像Y的 L_l个像素的最低有效位LSB形成一个比特流B_l，在该比特流中找到算术编码的结束符EOS，从开始到结束符的比特流B_LM被解压得到原始位置图LM。另外，按照各自不同的比特长度，L_p、H_p、T_k、T_h、row和column等逐一被抽取出来，用于后续水印信息的提取和原始图像的恢复。提取完并重构完整位置图后，得到载密局部增强图像X。

B2、水印信息的提取和图像恢复：

在载密局部增强图像X中以倒序，即由右往左，从下往上的方式开始提取水印信息并恢复至全局增强图像G。具体来说，为了保证可逆性，从载密局部增强图像X的(H-1，W-1)位置开始，以其当前位置为(i,j)，并以其周围四个像素，具体参考图2的分块方式，进行计算当前块的纹理复杂度和根据提取的阈值T_k,k∈{0,1,...,5}进行分类。

对于属于平滑区C1或者强边缘区C5的图像块，提取的过程根据公式(12) 进行逆操作得到恢复的像素值和水印信息。

同时，水印信息M_k的提取使用公式(13)

对于像素值属于近平滑区C2和中边缘区C4以及弱边缘区C3的情况，根据步骤B1提取出来的阈值T_h进行提取水印信息和恢复像素值。

当像素值属于近平滑区C2和中边缘区C4，如果计算得到的预测误差值 pred∈(-2T_h,2T_h)，那么该像素位置嵌入1比特信息，水印信息M_k的提取使用公式(14)可得：

相应恢复的像素值

使用公式(15)可得：

当像素值属于弱边缘区C3，如果计算得到的预测误差值pred∈(-4T_h,4T_h)，则该像素位置嵌入2比特信息，水印信息M_k的提取使用公式(16)为：

相应恢复的像素值

使用公式(17)可得：

其他情况，表示该位置没有可提取的信息且该位置像素值没有被修改。即如果在位置图LM_i,j中标记为“1”的像素，则不修改其像素值。一旦处理完 X中的所有像素，得到全局增强图像G。提取过程的最后一步就是逆全局对比度增强操作。

B3、全局增强的逆操作：

经过上述水印信息提取和恢复图像操作之后得到全局增强图像G。为了得到原始图像I，需要用到提取过程中第一步提取的附加信息，即原始图像的最小像素值L_p和最大像素值H_p，接着，根据这两个值并利用简单的简单线性变换函数F(x)即可把全局增强图像G恢复到原始图像I。

根据提取的最小和最大像素值L_p和H_p，以及其中值

用以下公式(18)实现图像的全局逆增强操作：

其中，全局像素逆增强系数为

和

对全局增强图像G执行上述逆操作完成之后，即可得到原始图像I。

以上对本发明所提供的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进行了详细介绍，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种结合多层差扩展具有对比度增强的可逆信息隐藏方法，其特征在于，包括：

基于计算图像块内像素的像素值的方差和预设阈值的大小关系来区分原始图像的图像块的局部复杂度，将原始图像分为平滑区、近平滑区、弱边缘区、中边缘区和强边缘区；

采用基于图像块内的当前像素及图像块内的其他像素的相对位置关系计算预测误差；

根据计算得到的预测误差，采用直方图平移的方法对平滑区和强边缘区进行水印信息的嵌入，采用预测误差扩展的方法对近平滑区和中边缘区进行水印信息的嵌入，采用两倍预测误差扩展的方法对弱边缘区进行水印信息的嵌入，得到水印嵌入图像；

对平滑区和强边缘区进行水印信息的嵌入，所采用的直方图平移的方法为：

采用预测差值为0和-1作为嵌入点，嵌入水印信息前后的像素值对应关系为：

式中，

为嵌入水印信息后的像素值，

为嵌入水银信息前的像素值；

当预测误差值Pred为0和-1，嵌入信息比特m为0时,预测误差值保持不变，即原始像素值也不变；当预测误差值Pred为0，且嵌入信息m等于1时，预测误差值变为1，嵌入信息后变化的像素值为原始像素值上加上1；当预测误差值Pred为-1，且嵌入信息m等于1时，新的预测误差值变为-2，嵌入信息后变化的像素为原始像素值上减去1；而对于其他的预测误差值Pred，对于这类像素值，采用灰度平移的方式，即对于预测误差值Pred大于0的，使嵌入水印信息前的像素值加上1，对于预测误差值Pred小于-1的，使嵌入水印信息前的像素值减去1。

2.根据权利要求1所述的结合多层差扩展具有对比度增强的可逆信息隐藏方法，其特征在于，得到水印信息嵌入图像之后，还包括：

获取所述水印嵌入图像中最后一行n个像素的最低有效位，并将所述最低有效位信息和嵌入水印容量信息构成图像恢复元素信息；

将附加参数信息填充至所述最低有效位处；

将所述图像恢复元素信息嵌入至每个嵌入水印的图像块中，得到水印嵌入细节图像；

其中，n为所述附加参数信息总长度，所述附加参数信息包括位置图压缩后的码流信息、原始图像的最小和最大值、阈值、图像块的行数和列数、水印嵌入终止位置所在行和所在列、结束字符。

3.根据权利要求2所述的结合多层差扩展具有对比度增强的可逆信息隐藏方法，其特征在于，得到水印嵌入细节图像之后，还包括：

获取所述水印嵌入图像最后一行n个像素的最低有效位，并从所述最低有效位中得到所述附加参数信息；

基于所述附加参数信息，按照与嵌入水印的相反顺序，从各图像块中提取水印信息，得到恢复的原始图像。

4.根据权利要求1所述的结合多层差扩展具有对比度增强的可逆信息隐藏方法，其特征在于，所述采用基于图像块内的当前像素及图像块内的其他像素的相对位置关系计算预测误差具体包括；

当前图像块位置（i,j）的像素值为x，其右边（i,j+1）相邻像素v ₁ ，下边（i+1,j）相邻像素v ₃ ，斜右下（i+1,j+1）对角像素v ₄ 以及其斜左下（i+1,j-1）对角像素v ₂

根据以上像素所构成的图像块对应所求得的预测值Pred为：

根据预测值Pred得到预测误差值预测误差值

。

5.根据权利要求4所述的结合多层差扩展具有对比度增强的可逆信息隐藏方法，其特征在于，基于计算图像块内像素的像素值的方差和预设阈值的大小关系来区分原始图像的图像块的局部复杂度，将原始图像分为平滑区、近平滑区、弱边缘区、中边缘区和强边缘区具体包括：

计算四个像素值{v ₁ ,v ₂ ,v ₃ ,v ₄ }的方差FV：

式中，

是四个像素值{v ₁ ,v ₂ ,v ₃ ,v ₄ }的均值，即：

根据预设阈值对图像像素值进行5个类别划分，包括：

阈值为T ₀ ,T ₁ ,T ₂ ,T ₃ ,T ₄ 和T ₅ ，它们的关系为：

每一个区域所包含的像素为：

式中，T0的值默认设为-1。

6.根据权利要求5所述的结合多层差扩展具有对比度增强的可逆信息隐藏方法，其特征在于，对处于近平滑区和中边缘区进行水印信息嵌入，所采用的预测误差扩展方法为：

采用原始图像块内的像素的像素值为

，嵌入水印信息后的像素的像素值为

，则嵌入前后的像素值对应关系为：

式中

为预测误差，Th为预设阈值。

7.根据权利要求5所述的结合多层差扩展具有对比度增强的可逆信息隐藏方法，其特征在于，对弱边缘区进行水印信息嵌入，所采用的两倍预测误差扩展的方法为：

采用原始图像块内的像素的像素值为

，嵌入水印信息后的像素的像素值为

，则嵌入前后的像素值对应关系为：

其中，

，即两倍预测误差最多能嵌入b ₁ 和b ₂ 两比特信息；Th为预设阈值。

8.一种结合多层差扩展具有对比度增强的可逆信息隐藏装置，其特征在于，包括：

原始图像局部平滑性计算模块，用于计算图像块内像素的像素值的方差和预设阈值的大小关系来区分原始图像的图像块的局部复杂度，将原始图像分为平滑区、近平滑区、弱边缘区、中边缘区和强边缘区；

预测误差计算模块，用于根据图像块内的当前像素及图像块内的其他像素的相对位置关系计算预测误差；

水印信息的嵌入模块，用于根据计算得到的预测误差，采用直方图平移的方法对平滑区和强边缘区进行水印信息的嵌入，采用预测误差扩展的方法对近平滑区和中边缘区进行水印信息的嵌入，采用两倍预测误差扩展的方法对弱边缘区进行水印信息的嵌入，得到水印嵌入图像；

对平滑区和强边缘区进行水印信息的嵌入，所采用的直方图平移的方法为：

采用预测差值为0和-1作为嵌入点，嵌入水印信息前后的像素值对应关系为：

式中，

为嵌入水印信息后的像素值，

为嵌入水银信息前的像素值；

当预测误差值Pred为0和-1，嵌入信息比特m为0时,预测误差值保持不变，即原始像素值也不变；当预测误差值Pred为0，且嵌入信息m等于1时，预测误差值变为1，嵌入信息后变化的像素值为原始像素值上加上1；当预测误差值Pred为-1，且嵌入信息m等于1时，新的预测误差值变为-2，嵌入信息后变化的像素为原始像素值上减去1；而对于其他的预测误差值Pred，对于这类像素值，采用灰度平移的方式，即对于预测误差值Pred大于0的，使嵌入水印信息前的像素值加上1，对于预测误差值Pred小于-1的，使嵌入水印信息前的像素值减去1。

Images