CN110162986B - 基于相邻像素预测模型的可逆信息隐藏方法 - Google Patents
基于相邻像素预测模型的可逆信息隐藏方法 Download PDFInfo
- Publication number
- CN110162986B CN110162986B CN201910386918.7A CN201910386918A CN110162986B CN 110162986 B CN110162986 B CN 110162986B CN 201910386918 A CN201910386918 A CN 201910386918A CN 110162986 B CN110162986 B CN 110162986B
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- prediction model
- pixels
- secret information
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2107—File encryption
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Image Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种基于相邻像素预测模型的可逆信息隐藏方法,包括如下步骤:(1)建立相邻像素预测模型,计算目标像素预测值;(2)应用相邻像素确定预测模型参数;(3)应用相邻像素预测模型实现秘密信息的嵌入与提取。本发明方法,通过自适应学习目标像素局部相邻像素相关性来构建预测模型来预测目标像素。相对于其他预测算法,本发明方法能更好的适应周围像素的变化,同时使用了较少的邻域像素建立模型。进一步提高了预测的精确度,该预测模型作用于可逆信息隐藏应用能进一步提高秘密信息的嵌入容量和图像的保真度。
Description
技术领域
本发明涉及信息安全技术领域,具体是一种基于相邻像素预测模型的可逆信息隐藏方法。
技术背景
信息隐藏技术是将秘密信息以某种不可察觉的方式嵌入到数字图像中,达到隐秘传输的目的,提高秘密信息安全性。信息的嵌入或多或少会修改原始图像,但在某些领域如医学、军事、法律等,原始图像是不允许有失真的,因此信息必须以可逆的方式隐藏在图像中。由此产出了可逆信息隐藏技术,可逆信息隐藏技术不仅能正确提取秘密信息还能无损恢复原始图像。
可逆信息隐藏方法主要分为三类:无损压缩、差值扩展、直方图平移。无损压缩通过无损压缩原始图像冗余信息来腾出隐藏空间,提取秘密信息后对压缩信息解压恢复出原始图像。差值扩展基于扩展相邻像素差值来获取空间进行秘密信息的嵌入。直方图平移方法中,统计载体图像像素或差值直方图,找出直方图中峰值点和最小值点,在峰值点对应元素中隐藏信息,修改图像中最小值点与峰值点之间的元素,使他们的值不等于隐藏信息后的值;恢复时先根据记录的峰值提取秘密信息,再改变值介于峰值和最小值之间的元素,实现载体图像的恢复。上述方法中,直方图平移方法取得较大的隐藏容量和较好的载密图像质量。其中预测差值直方图的效果尤为明显。通过自然图像的局部相关性使用目标像素的周围像素对其进行预测得到预测值,并将实际像素值与预测值做差得到预测差值,统计预测差值分布情况得到预测误差直方图,预测差值由于预测方法的准确性,该预测差值大量分布在0点附近。现有的预测方法大多是固定权重的预测方法,并不能很好的适应图像局部像素的变化规则。本预测模型通过自适应的学习目标像素周围像素线性相关性确定权重,大大提高预测算法的精确度。
发明内容
本发明的目的在于提供一种基于相邻像素预测模型的可逆信息隐藏方法,通过使用目标像素的邻域像素进行预测,确定邻域像素权重和残差项,计算目标像素预测值,大大提高目标像素的预测精度,最后通过平移预测差值直方图实现可逆信息隐藏。
实现本发明目的的技术方案是:
一种基于相邻像素预测模型的可逆信息隐藏方法,包括如下步骤:
(1)建立相邻像素预测模型,计算目标像素预测值
(2)应用相邻像素确定预测模型参数
从x1对应的邻域中可知,x2的相邻像素为{x1,x3,x4,x5,x6},预测目标像素为x1,因此将x1去除,得到x2的相邻像素为{x3,x4,x5,x6},同理x4的相邻像素{x2,x5,x7,x8},x5的相邻像素{x2,x4,x6,x8,x9},应用这些相邻像素建立如下方程组:
令:
F(β)=||Xβ-y||2
F(β)为范数方程,F(β)当取得最小值时,即可得到最优预测参数,即
β*=argmin{F(β)}。
(3)应用相邻像素预测模型实现秘密信息的嵌入与提取
(3.1)秘密信息的嵌入,设原始图像大小为m×n,当前目标像素为xi,j,其中i和j分别表示像素点的横纵坐标,采用步骤1对xi,j进行预测,得到预测值计算原始像素值与预测值的差值ei,j,计算公式如下所示:
根据上述方法按从左到右,从上到下的顺序计算所有预测差值,并对差值进行统计得到预测差值直方图,记在直方图中“0”值两侧的峰值点分别为Tl,Tr,设e,h(e)分别表示预测差值及其对应的统计数,计算峰值Tl,Tr的方法如下所示:
对直方图中值小于Tl的预测差值和值大于Tr的预测差值进行平移得到隐藏空间,根据以下公式嵌入秘密信息:
其中s为1bit秘密信息,s∈{0,1},令
根据上述公式计算载密像素;
按自左向右,由上到下的顺序对所有像素进行遍历,通过上述方法得到载密图像,由于最后两行和最后两列像素无法构成3×3邻域,因此这些区域像素保持不变,不嵌入秘密信息;
(3.2)秘密信息的提取和原始图像恢复是嵌入过程的逆操作,通过逆向遍历载密图像;由于最后两行和最后两列像素保持不变,因此可用于无损恢复图像和提取秘密信息,使用步骤(1)依次预测遍历像素,计算预测差值,通过峰值点参数Tl,Tr,来判断恢复原始像素和提取秘密信息;
提取秘密信息公式为:
通过上述公式能无损的恢复原始载体图像,同时提取秘密信息。
本发明方法,通过自适应学习目标像素局部相邻像素相关性来构建预测模型来预测目标像素。相对于其他预测算法,本发明方法能更好的适应周围像素的变化,同时使用了较少的邻域像素建立模型。进一步提高了预测的精确度,该预测模型作用于可逆信息隐藏应用能进一步提高秘密信息的嵌入容量和图像的保真度。
附图说明
图1实施例可逆信息隐藏仿真实验整体框架图。
图2实施例可逆信息隐藏仿真实验使用的原始图像。
图3实施例可逆信息隐藏仿真实验得到的含秘密信息的明文图像。
具体实施方式
下面结合附图和实施例对本发明内容作进一步的详细说明,但不对本发明的限定。
采用本发明方法,实施例通过对图像某个分块为例进行说明:
图1表示实施例整体框架图,主要分为两部分,第一部分是嵌入阶段,是将秘密信息通过相邻像素预测模型嵌入到原始图像,生成载密图像;第二部分是数据提取和图像恢复阶段,应用相邻像素预测模型实现秘密信息的提取,并无损还原原始图像。
参照图1,可逆信息隐藏第一部分,秘密信息的嵌入阶段;
图2为本实施例中使用的原始图像样本。假设Lena图的局部像素块如下所示:
162 | 161 | 162 | 161 |
162 | 161 | 162 | 161 |
162 | 161 | 162 | 161 |
162 | 161 | 162 | 161 |
162 | 161 | 162 | 161 |
依次对图像块像素遍历,每遍历一个像素将使用该像素的3×3相邻像素对像素进行预测。如第一个像素“162”,其对应3×3相邻像素为使用块内剩余像素建立预测模型对目标像素进行预测。通过构建通过上述步骤(2)得到权重β0=161.3512,β1=0.002,β2=-0.0041,β3=0.0020。最后通过β0+β1×161+β2×162+β3×161=161,得到预测值“161”。使用原始值减去预测值得到预测差值162-161=1。
同理第二个像素“161”,其对应3×3相邻像素为使用同样的方法得到β0=161.6846,β1=-0.0021,β2=-0.0041,β3=-0.0021,并计算β0+β1×162+β2×161+β3×162=161,得到预测值“161”,则预测差值为161-161=0。依次类推,每遍历一个像素并对其进行预测,然后使用原始值减去预测值得到预测差值。特别的对于最后两列、最后两行像素,由于无法构成3×3相邻像素块,将不作为嵌入区域。经过遍历之后可嵌入区域得到预测值对应的矩阵为:
161 | 161 | 162 | 161 |
161 | 161 | 162 | 161 |
162 | 161 | 162 | 161 |
162 | 161 | 162 | 161 |
原始像素值与预测像素值做差值得到预测差值。如下表所示:
1 | 0 | 162 | 161 |
1 | 0 | 162 | 161 |
162 | 161 | 162 | 161 |
162 | 161 | 162 | 161 |
统计嵌入区域的差值分布情况,求“0”值两侧的峰值点Tl=0,Tr=1。然后根据差值直方图平移的方式腾出空间嵌入秘密信息。假设秘密信息比特流S=“0101”,修改值为0和1的差值隐藏秘密信息,得到载密像素矩阵,如下表所示:
162 | 160 | 162 | 161 |
162 | 160 | 162 | 161 |
162 | 161 | 162 | 161 |
162 | 161 | 162 | 161 |
最后可得到载密图像,如图3所示。
可逆信息隐藏第二部分,原始像素恢复和秘密信息的提取;
秘密信息的提取和原始图像恢复是嵌入过程的逆操作,如上表载密像素矩阵,由于加粗像素在嵌入过程并未改变。所以信息提取过程使用由下往上,由右往左的方式遍历求预测值,并使用峰值点作为参数,来提取秘密信息。
Claims (3)
1.基于相邻像素预测模型的可逆信息隐藏方法,其特征在于,包括如下步骤:
(1)建立相邻像素预测模型,计算目标像素预测值
(2)应用相邻像素确定预测模型参数
从x1对应的邻域中可知,x2的相邻像素为{x1,x3,x4,x5,x6},预测目标像素为x1,因此将x1去除,得到x2的相邻像素为{x3,x4,x5,x6},同理x4的相邻像素{x2,x5,x7,x8},x5的相邻像素{x2,x4,x6,x8,x9},应用这些相邻像素建立如下方程组:
令:
F(β)=||Xβ-y||2
F(β)为范数方程,F(β)当取得最小值时,即可得到最优预测参数,即
β*=ar gmin{F(β)};
(3)应用相邻像素预测模型实现秘密信息的嵌入与提取。
2.根据权利要求1所述的基于相邻像素预测模型的可逆信息隐藏方法,其特征在于:步骤(3)所述秘密信息的嵌入,具体步骤是:
根据上述方法按从左到右,从上到下的顺序计算所有预测差值,并对差值进行统计得到预测差值直方图,记在直方图中“0”值两侧的峰值点分别为Tl,Tr,设e,h(e)分别表示预测差值及其对应的统计数,计算峰值Tl,Tr的方法如下所示:
对直方图中值小于Tl的预测差值和值大于Tr的预测差值进行平移得到隐藏空间,根据以下公式嵌入秘密信息:
其中s为1bit秘密信息,s∈{0,1},令
根据上述公式计算载密像素;
按自左向右,由上到下的顺序对所有像素进行遍历,通过上述方法得到载密图像,由于最后两行和最后两列像素无法构成3×3邻域,因此这些区域像素保持不变,不嵌入秘密信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910386918.7A CN110162986B (zh) | 2019-05-10 | 2019-05-10 | 基于相邻像素预测模型的可逆信息隐藏方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910386918.7A CN110162986B (zh) | 2019-05-10 | 2019-05-10 | 基于相邻像素预测模型的可逆信息隐藏方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110162986A CN110162986A (zh) | 2019-08-23 |
CN110162986B true CN110162986B (zh) | 2022-11-25 |
Family
ID=67634209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910386918.7A Active CN110162986B (zh) | 2019-05-10 | 2019-05-10 | 基于相邻像素预测模型的可逆信息隐藏方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110162986B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113489859B (zh) * | 2021-06-10 | 2023-07-14 | 绍兴聚量数据技术有限公司 | 使用自适应编码在加密图像上的可逆信息隐藏方法 |
CN113744113B (zh) * | 2021-09-09 | 2023-08-29 | 中国科学技术大学 | 一种卷积神经网络驱动的图像可逆信息隐藏方法 |
CN113923314B (zh) * | 2021-10-09 | 2022-08-05 | 河海大学 | 一种可逆数据隐藏方法及装置 |
CN114466113B (zh) * | 2022-01-11 | 2024-05-17 | 山东师范大学 | 一种面向感知加密图像的可逆信息隐藏方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103501400B (zh) * | 2013-10-16 | 2015-12-09 | 广西师范大学 | 基于抛物线插值图像的可逆信息隐藏方法 |
US9892549B2 (en) * | 2016-06-15 | 2018-02-13 | Pixar | Adaptive rendering with linear predictions |
CN107944282B (zh) * | 2017-11-08 | 2019-10-29 | 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 |
-
2019
- 2019-05-10 CN CN201910386918.7A patent/CN110162986B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110162986A (zh) | 2019-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110162986B (zh) | 基于相邻像素预测模型的可逆信息隐藏方法 | |
Wang et al. | A novel reversible image data hiding scheme based on pixel value ordering and dynamic pixel block partition | |
Hong et al. | Reversible data hiding using Delaunay triangulation and selective embedment | |
Chen et al. | Reversible watermarking method based on asymmetric-histogram shifting of prediction errors | |
US6977664B1 (en) | Method for separating background sprite and foreground object and method for extracting segmentation mask and the apparatus | |
CN105741224B (zh) | 基于pvo和自适应块分割的可逆水印算法 | |
CN110232650B (zh) | 一种彩色图像水印嵌入方法、检测方法及系统 | |
CN108416724B (zh) | 一种基于多预测器的可逆信息隐藏方法 | |
CN102147912A (zh) | 一种基于自适应差值扩展的可逆图像水印方法 | |
CN111898136A (zh) | 一种基于预测误差值排序的高保真可逆信息隐藏方法和装置 | |
Hong et al. | An improved human visual system based reversible data hiding method using adaptive histogram modification | |
Luo et al. | Convolutional neural networks-based stereo image reversible data hiding method | |
CN101105857A (zh) | 一种基于预测和压扩技术的高容量可逆水印方法 | |
Lu et al. | Reversible data hiding using local edge sensing prediction methods and adaptive thresholds | |
Wang et al. | BBC++: Enhanced block boundary continuity on defining non-additive distortion for JPEG steganography | |
CN109360140B (zh) | 基于预测误差加法扩展的可逆图像水印方法及装置 | |
CN110362964A (zh) | 一种基于多直方图修改的高容量可逆信息隐藏方法 | |
CN109671010A (zh) | 一种基于多个二维直方图修改的可逆信息隐藏及提取方法 | |
Ong et al. | Fast recovery of unknown coefficients in DCT-transformed images | |
CN109391819B (zh) | 一种基于像素值动态预测的可逆信息隐藏方法 | |
CN113032813B (zh) | 基于改进的像素局部复杂度计算和多峰嵌入的可逆信息隐藏方法 | |
Baligar et al. | High compression and low order linear predictor for lossless coding of grayscale images | |
CN107241597A (zh) | 一种结合四叉树自适应编码的可逆信息隐藏方法 | |
US20040175017A1 (en) | Method of watermarking a video signal, a system and a data medium for implementing said method, a method of extracting the watermarking from a video signal, and system for implementing said method | |
CN116743936A (zh) | 一种基于残差网络的密文域多方可逆信息隐藏方法 |
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 |