CN112070647B - 一种可逆高动态范围图像信息隐藏方法 - Google Patents

Abstract

本发明公开了一种基于多层预测误差扩展的可逆高动态范围图像信息隐藏方法，在隐秘信息嵌入过程中，利用人类视觉系统和OpenEXR存储格式的冗余性，设计多种载体生成模型、载体组合方式、载体嵌入强度、像素分类和嵌入顺序的设定以及像素混合预测模型，实现了大嵌入容量和高不可见性的高动态范围图像的信息嵌入，具有较高的灵活性和实用性；在隐秘信息提取和载体恢复过程中，基于差值扩展策略和多层嵌入策略等，实现了多层的可逆高动态范围图像信息隐藏，本发明充分利用了高动态范围图像存储格式的特性，具有良好的不可见性，混合预测模型和多层嵌入策略也进一步提高了算法的嵌入容量和安全性，满足医学、军事及司法等敏感应用场景的需求。

Description

一种可逆高动态范围图像信息隐藏方法

技术领域

本发明涉及一种图像信息隐藏方法，尤其是涉及一种基于多层预测误差扩展的可逆高动态范围图像信息隐藏方法。

背景技术

高动态范围(High dynamic range,HDR)成像技术采用浮点型数据记录像素信息，可以真实展现现实世界丰富的色彩细节和明暗层次，因而得到了广泛的关注和迅猛的发展。然而，作为一种新兴的数字媒体，HDR图像/视频在网络传输的过程中，难以避免的被复制和传播，甚至是任意编辑或恶意篡改，进而导致一系列的安全问题，甚至于可能被恶意利用或从事非法活动，严重影响企业的经济发展甚至国家的政治稳定。因此，在网络传输和信息共享的过程中，如何对HDR图像的真实性以及完整性等进行有效地保护，成为信息隐藏技术研究领域亟待解决的课题。

信息隐藏技术作为信息与网络安全领域的一个研究热点，近些年在理论创新和系统设计上得到了长足发展，主要包括隐写术、数字水印技术等。对于这些传统的信息隐藏技术而言，隐秘信息的嵌入会对原始载体造成或多或少的永久性失真，虽然其不可见性很高，但是在某些敏感场合任何失真都是不允许的，因而在一定程度上限制了信息隐藏技术的应用范围。可逆信息隐藏技术是一种能够将原始载体从含密载体中无损恢复的特殊信息隐藏技术。该技术对内容认证要求较高且需要无损原始图像的应用场合，诸如医学诊断、司法认证、军事传输等敏感领域，有着极为重要的应用前景。作为一种脆弱性信息隐藏技术，任何轻微的图像处理或有损数据传输都会造成隐秘信息的丢失和内容认证的失败，因而可逆/无损信息隐藏需要严格的无损的数据传输环境。

目前，可逆信息隐藏领域的研究成果可分为两大类，分别为空间域算法和变换域算法。前者可以简单分为三类：基于数据压缩的、基于差值扩展的以及基于直方图偏移的可逆信息隐藏算法。J.Fridrich,M.Goljan,and D.Rui,"Invertible authentication",Security and Watermarking of Multimedia Contents,vol.3971,pp.197–208,2001.(Fridrich、Goljan等人，可逆认证，多媒体内容的安全与水印，3971，197–208，2001)、M.Celik,G.Sharma,A.M.Tekalp,et al."Lossless generalized-LSB data embedding",IEEE Transactions on Image Processing,vol.14,no.2,pp.253-266,2005(Celik、Sharma等人，无损广义LSB数据嵌入，IEEE图像处理汇刊，14(2)，253-266，2005)，这些方法基于数据压缩的算法主要利用无损压缩中的空间冗余性进行隐秘信息的嵌入，但通常无损压缩的压缩率较小，因而算法的嵌入容量有限。J.Tian,"Reversible data embeddingusing a difference expansion",IEEE Transactions on Circuits and Systems forVideo Technology,vol.13,no.8,pp.890-896,2003.(田，误差扩展的可逆信息隐藏，IEEE视频技术电路和系统汇刊，13(8)，890-896，2003)、D.Coltuc,“Improved embedding forprediction-based reversible watermarking,”IEEE Transactions on InformationForensics and Security,vol.6,no.3,pp.873–882,Sep.2011(Coltuc，改进的基于预测的可逆水印嵌入，IEEE信息取证与安全汇刊，6(3)，873–882，2011)，这些方法基于差值扩展的算法利用灰度图像相邻像素值之间相关性高、像素差值小的特点，通过扩展差值的方法实现可逆性的同时也取得了很好的不可见性，得到了非常广泛的应用并对后续可逆信息隐藏技术的发展产生了深远的影响。Z.Ni,Y.-Q.Shi,N.Ansari,et al."Reversible datahiding",IEEE Transactions on Circuits and Systems for Video Technology,vol.16,no.3,pp.354-362,2006(倪、石等人，可逆信息隐藏，视频技术电路和系统汇刊，16(3)，354-362，2006)、L.Luo,Z.Chen,M.Chen,X.Zeng,and Z.Xiong,“Reversible imagewatermarking using interpolation technique,”IEEE Transactions on InformationForensics and Security,vol.5,no.1,pp.187–193,Mar.2010(罗、陈等人，运用差值技术的可逆图像水印，IEEE信息取证与安全汇刊，5(1)，187–193，2010)，这些方法基于直方图偏移的算法通过修改图像直方图峰值进行信息嵌入，含密图像的不可见性优异，但其嵌入容量依赖于直方图中峰值像素的个数，容量较小且不稳定。总的来说，空间域算法的优点在于实现简单、计算量小，但没有充分考虑到人眼的视觉特性，因而无法很好地实现嵌入容量和视觉质量之间的平衡。而变换域算法能将图像转化为能量集中与分散的特点恰恰满足了这一条件。近些年，在DCT域和DWT域均取得了不错的效果。B.Yang,M.Schmucker,W.Funk,etal,"Integer DCT-based reversible watermarking for images using compandingtechnique",Security,Steganography,and Watermarking of Multimedia Contents,vol.5306,pp.405-415,2004(杨、Schmucker等人，基于整数DCT的图像压缩可逆水印技术，多媒体内容的安全性、隐写和水印，5306，405-415,2004)利用整数DCT系数的拉普拉斯型分布特性，对其交流系数进行信息嵌入，并通过选择不同频率的系数个数优化嵌入容量和图像质量，取得了不错的效果。C.Chang,C.Lin,C.Tseng,et al."Reversible hiding inDCT-based compressed images",Information Sciences,vol.177,no.13,pp.2768-2786,2007(常、林等人，基于DCT压缩图像的可逆信息隐藏，信息科学，177(13)，2768-2786，2007)在分块DCT的中频分量中，选择连续的零系数实现信息嵌入和提取，并修改量化表进一步增强图像质量。S.Lee,C.Yoo,T.Kalker,"Reversible image watermarking based oninteger-to-integer wavelet transform",IEEE Transactions on InformationForensics and Security,vol.2,no.3,pp.321-330,2007(Lee、Yoo等人，基于整数小波变换的可逆图像水印，信息取证与安全，2(3)，321-330，2007)基于整数小波变换，在分块的高频小波系数中嵌入水印，具有较好的嵌入容量和不可见性。M.Kumar,S.Agrawal,T.Pant,"SVD-based fragile reversible data hiding using DWT",in Proceedings of FifthInternational Conference on Soft Computing for Problem Solving.SpringerSingapore,2016,pp.743-756(Kumar、Agrawal等人，运用DWT并基于SVD的脆弱性可逆信息隐藏，第五届解决问题的软计算国际会议，斯普林格，新加坡，2016)利用小波的多分辨率特性和奇异值分解的鲁棒性，将水印嵌入高频子带的奇异值中，具有较高的安全性。但这些方法主要是针对传统的LDR图像/视频，用于HDR图像领域的成果鲜有报道。考虑到HDR图像独特的浮点型存储格式以及迥异于LDR图像的视觉感知特性，不能简单地将现有的信息隐藏技术移植到HDR图像领域。因此，针对HDR图像的信息隐藏技术研究尚处于起步阶段，如何建立适合HDR图像的视觉感知模型以及充分利用其浮点型存储格式的信息冗余，是横亘在该领域研究面前的首要难点和关键问题。

发明内容

本发明所要解决的技术问题是提供一种基于多层预测误差扩展的可逆高动态范围图像信息隐藏方法，其能够在OpenEXR格式的高动态范围图像中嵌入隐秘信息，在接收端隐秘信息可以进行准确提取，同时宿主图像可以无损的得到恢复。

本发明解决上述技术问题所采用的技术方案为：一种基于多层预测误差扩展的可逆高动态范围图像信息隐藏方法，包括隐秘信息嵌入部分和隐秘信息提取及载体恢复部分；

所述的隐秘信息嵌入部分的具体步骤为：_

①_1、将待嵌入隐秘信息的OpenEXR格式的原始高动态范围图像记为I_org，该I_org的高度为R，该I_org的宽度为C，OpenEXR格式高动态范围图像具有RGB三个色彩通道，各通道均采用16位半浮点类型，包括1位符号位Sign、5位指数位Exponent以及10位尾数位Mantiss，将I_org从RGB色彩空间转化为HSV色彩空间，得到色度通道图像I_org-H、饱和度通道图像I_org-S和亮度通道图像I_org-V，其中亮度通道图像I_org-V的存储格式和OpenEXR格式高动态范围图像的R通道、G通道和B通道图像相同，采用相同的16位半浮点类型，读取亮度通道图像I_org-V中5位指数位以及10位尾数位的二进制数值，从高位到低位分别记为B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁；

①_2、选取其中任意8位数值并按照不同的排列顺序作为载体生成模型，生成多种具有不同内容特性的8位二进制图像并作为待嵌入隐秘信息的嵌入载体，将这些载体生成模型作为隐秘信息提取和载体恢复的第一秘钥，记为K₁；

①_3、对上述嵌入载体以不同的组合方式进行排列，并按照该载体组合方式的排列顺序依次选择相应的嵌入载体，进行后续隐秘信息的嵌入，将选择的载体组合方式作为隐秘信息提取和载体恢复的第二秘钥，记为K₂；

①_4、将亮度通道图像I_org-V中坐标位置为(i,j)的像素点所对应的5位指数位组成的数值记为E(i,j)，且E(i,j)＝16×B₁₅+8×B₁₄+4×B₁₃+2×B₁₂+B₁₁，令嵌入载体中坐标位置为(i,j)的像素点的隐秘信息嵌入强度为Q，将隐秘信息嵌入强度作为隐秘信息提取和载体恢复的第三秘钥，记为K₃；

①_5、对嵌入载体中的所有像素点进行分类并设定隐秘信息的嵌入顺序，将像素分类方法和嵌入顺序作为隐秘信息的提取和载体恢复的第四秘钥，记为K₄；

①_6、对嵌入载体中的所有像素点进行预测，得到预测图像，对于嵌入载体的所有像素点，将嵌入载体和预测图像两者之间的预测误差记为e(n)，且e(n)＝I(n)-P(n)，其中，I(n)为嵌入载体的各像素点的像素值，P(n)为预测图像各像素点的像素值；

①_7、根据隐秘信息嵌入强度Q和预测误差e(n)，令待嵌入的二进制隐秘信息为b，且b∈{0,1}；计算得到嵌入隐秘信息后的预测误差e'(n)，且

进而得到隐秘信息嵌入后的图像像素值I′(n)＝P(n)+e′(n)，当I′(n)的数值出现大于256或小于0的溢出现象时，记录该像素点的位置信息和像素值，并将包含溢出像素点位置信息和像素值的定位图作为隐秘信息提取和载体恢复的第五秘钥，记为K₅；

当嵌入载体I中的所有像素点隐秘信息嵌入结束后，得到嵌入隐秘信息后的图像I'中所有像素点的8位二进制数值，然后，根据第一秘钥K₁和嵌入隐秘信息后的图像I'中所有像素点的8位二进制数值，替换I_org-V中对应像素点的B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁的数值，进而得到嵌入隐秘信息后的图像I'_org-V，此时，根据第二秘钥K₂，判断是否所有的待嵌入载体I均完成隐秘信息的嵌入，如果是，则将得到的I'_org-V确定为最终嵌入隐秘信息后的高动态范围图像的亮度通道图像，记为含密图像I_stego，隐秘信息嵌入过程结束；否则，根据I'_org-V更新B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁的数值，并返回步骤①_2继续执行，直至隐秘信息嵌入过程结束；

所述的隐秘信息提取和载体恢复部分的具体步骤为：

②_1、读取嵌入隐秘信息的高动态范围图像的亮度通道的含密图像I_stego，含密图像I_stego的高度为R，含密图像I_stego的宽度为C；

②_2、读取含密图像I_stego的5位指数位以及10位尾数位的二进制数值，从高位到低位分别记为B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁。

②_3、根据第一秘钥K₁和第二秘钥K₂分别得到嵌入载体生成模型和嵌入载体组合方式，按照嵌入载体组合方式的逆序方式和载体生成模型得到嵌入隐秘信息的8位二进制含密载体，并记为I'，含密载体I'的各像素值记为I'(n)；

②_4、将含密图像I_stego坐标位置为(i,j)的像素点对应的5位指数位组成的数值记为E'(i,j)，且E'(i,j)＝16×B₁₅+8×B₁₄+4×B₁₃+2×B₁₂+B₁₁；根据第三秘钥K₃得到含密载体I'坐标位置为(i,j)像素点的隐秘信息嵌入强度Q；

②_5、根据第四秘钥K₄得到含密载体I'中所有像素点的分类方式和隐秘信息的嵌入顺序，并按照像素分类方式的逆序方式和嵌入顺序的逆序方式进行后续步骤；

②_6、根据第五秘钥K₅得到定位图，判断该像素点是否需要提取信息，如果不需要提取，则表明该像素点没有嵌入隐秘信息，像素值保持不变，反之，执行下述步骤；

②_7、根据①_6中的像素值预测方法，对含密载体I'中的所有像素点进行预测，得到预测图像，并将预测图像的各像素点的预测值记为P(n)，随后计算I'(n)和P(n)之间的差值，即

得到预测差值/>

后，计算嵌入隐秘信息前的预测差值e(n)和隐秘信息b，且/>

其中，符号/>

表示向下取整操作，并得到嵌入隐秘信息前的嵌入载体I的各像素值，I(n)＝P(n)+e(n)；

当含密载体I'所有像素点隐秘信息提取结束后，得到嵌入载体I中所有像素点的8位二进制数值，然后，根据第一秘钥K₁得到的嵌入载体生成模型和嵌入载体I中所有像素点的8位二进制数值，替换I_stego中对应像素的B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁的数值，得到嵌入隐秘信息前的图像I'_stego，根据第二秘钥K₂得到的嵌入载体组合方式，按照嵌入载体组合方式的逆序方式判断是否所有的含密载体I'均完成隐秘信息的提取，如果是，则将得到的I'_stego确定为原始高动态范围图像的亮度通道图像，记为I_org-V，隐秘信息提取过程结束；否则，根据I'_stego更新B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁的数值，并返回步骤②_2继续执行，直至隐秘信息提取过程结束。

步骤①_2中载体生成模型为5种，其中，将第一载体生成模型记为M₁，由B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第一嵌入载体，记为I_M1；将第二载体生成模型记为M₂，由B₉、B₈、B₇、B₆、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第二嵌入载体，记为I_M2；将第三载体生成模型记为M₃，由B₁₀、B₉、B₈、B₇、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第三嵌入载体，记为I_M3；将第四载体生成模型记为M₄，由B₁₄、B₁₃、B₁₂、B₁₁、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第四嵌入载体，记为I_M4；将第五载体生成模型记为M₅，由B₁₅、B₁₄、B₁₃、B₁₂、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第五嵌入载体，记为I_M5，步骤①_3中的载体组合方式为I_M1→I_M2→I_M3→I_M4→I_M5，选择的嵌入载体记为I，且I∈{I_M1,I_M2,I_M3,I_M4,I_M5}，进行后续嵌入隐秘信息的嵌入。

步骤①_4中，当E(i,j)∈[0,2]时，令Q＝8；当E(i,j)∈[3,4]时，令Q＝7；当E(i,j)∈[5,6]时，令Q＝6；当E(i,j)∈[7,8]时，令Q＝5；当E(i,j)∈[9,10]时，令Q＝4；当E(i,j)∈[11,13]时，令Q＝3；当E(i,j)∈[14,17]时，令Q＝2；当E(i,j)∈[18,22]时，令Q＝1；当E(i,j)∈[23,26]时，令Q＝3；当E(i,j)∈[27,31]时，令Q＝4。

步骤①_5中，将嵌入载体I各像素点分为四类，分别记为A、B、C和D，并将嵌入顺序设定为A→B→C→D。

对嵌入载体I中所有像素点进行预测，得到的预测图像记为P，将嵌入载体I和预测图像P的各像素点的像素值分别记为I(n)和P(n)，其中n为图像的像素点个数；将嵌入载体I中坐标位置为(i,j)像素点的像素值记为I(i,j)，预测图像P中坐标位置为(i,j)像素点的像素值记为P(i,j)；则当i＝1且j＝1时，P(i,j)＝[I(i+1,j)+I(i,j+1)]/2；当i＝1且j＝R时，P(i,j)＝[I(i+1,j)+I(i,j-1)]/2；当i＝C且j＝1时，P(i,j)＝[I(i-1,j)+I(i,j+1)]/2；当i＝C且j＝R时，P(i,j)＝[I(i-1,j)+I(i,j-1)]/2；当i＝1且j∈[2,R)时，P(i,j)＝[I(i,j+1)+I(i+1,j)+I(i,j-1)]/3；当i＝C且j∈[2,R)时，P(i,j)＝[I(i,j+1)+I(i-1,j)+I(i,j-1)]/3；当j＝1且i∈[2,C)时，P(i,j)＝[I(i-1,j)+I(i,j+1)+I(i+1,j)]/3；当j＝R且i∈[2,C)时，P(i,j)＝[I(i-1,j)+I(i,j-1)+I(i+1,j)]/3；当i∈[2,C)且j∈[2,R)时，嵌入载体I中坐标位置为(i,j)的像素点的邻域像素值分别为I(i-1,j)、I(i-1,j+1)、I(i,j+1)、I(i+1,j+1)、I(i+1,j)、I(i+1,j-1)、I(i,j-1)、I(i-1,j-1)，将邻域像素值的平均值和方差分别记为Avg(i,j)、Var(i,j)，当Var(i,j)∈[0,10]时，P(i,j)＝[I(i-1,j)+I(i,j+1)+I(i+1,j)+I(i,j-1)]/4；当Var(i,j)∈(10,40]时，将预测像素点八个相邻像素按升序排列的集合记为S_i，

当Var(i,j)∈(40,+∞)时，

其中max(I(i-1,j),I(i,j+1))为计算数值I(i-1,j)和I(i,j+1)中的最大值，min(I(i-1,j),I(i,j+1))为计算数值I(i-1,j)和I(i,j+1)中的最小值，令嵌入载体I和预测图像P两者之间在坐标位置为(i,j)像素点的预测误差为e(i,j)，且e(i,j)＝I(i,j)-P(i,j)，对于嵌入载体I的所用像素点而言，嵌入载体I和预测图像P两者之间的预测误差记为e(n)，且e(n)＝I(n)-P(n)。

与现有技术相比，本发明的优点在于：

1)本发明方法利用人类视觉系统和OpenEXR存储格式的冗余性，生成多模型的嵌入载体，并且结合差值扩展策略，采用基于亮度信息的混合预测模型和多层嵌入策略，实现了多层的可逆高动态范围图像信息隐藏；实验结果表明，该发明充分利用了高动态范围图像存储格式的特性，具有良好的不可见性。同时，混合预测模型和多层嵌入策略也进一步提高了算法的嵌入容量和安全性，可以满足医学、军事及司法等敏感应用场景的需求，具有良好的应用前景；

2)本发明方法在嵌入大量隐秘信息后仍具有良好的不可见性，即人眼无法察觉嵌入隐秘信息后的含密高动态范围图像和原始高动态范围图像之间的差异；一方面，充分考虑人类视觉系统中亮度敏感度曲线特性和背景亮度对应失真可见性阈值的影响，在隐秘信息嵌入过程中，保持OpenEXR存储格式中人眼比较敏感的指数部分的数值恒定性，确保了含密高动态范围图像的图像质量；另一方面，充分考虑嵌入载体的内容特性，基于像素点邻域方差范围大小，设计多模式的预测器，优化了预测模型并提高了预测精度，进一步提高了嵌入载体和含密高动态范围图像的图像质量；因而，本发明在保证较大嵌入容量的情况下，含密高动态范围图像仍具有较高的图像质量，具有极强的实用性；

3)本发明方法在保证含密高动态范围图像具有良好的不可见性的情况下，具有自主设定嵌入隐秘信息的容量大小的功能；首先，可以通过载体生成模型的数量调节嵌入容量。载体生成模型越多，相应的嵌入容量越大；其次，根据生成载体的数量，设定多种组合方式可以优化嵌入容量的大小；最后，对不同嵌入载体设定相应的嵌入强度，也可以直接增大嵌入容量；因而，本发明方法的嵌入容量可以根据用户的不同需求进行自主设定，具有较高的灵活性和实用性；

4)本发明方法具有极高的安全性，可以满足医学、军事及司法等敏感应用场景的无损和安全需求；嵌入载体生成模型、载体组合方式、嵌入强度设定、像素分类方法和嵌入顺序以及生成的定位图等5种信息均作为秘钥进行传输，即便本发明的嵌入方法和参数设定不慎泄露，未被授权的用户在缺乏任何一种秘钥的情况下，也无法进行相应的信息提取和载体恢复，确保了本发明的安全性；同时，这些秘钥信息所占用的存储空间极小，也增强了本发明的实用性。

附图说明

图1嵌入载体各像素分类示意图，A、B、C和D表示四种类型；

图2为本发明方法的隐秘信息嵌入部分的流程框图；

图3为本发明方法的隐秘信息提取和载体恢复部分的流程框图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

一种基于多层预测误差扩展的可逆高动态范围图像信息隐藏方法，包括隐秘信息嵌入部分和隐秘信息提取及载体恢复部分；隐秘信息嵌入部分的流程框图如图2所示，其具体步骤为：

①_1、将待嵌入隐秘信息的OpenEXR格式的原始高动态范围图像记为I_org，该I_org的高度为R，该I_org的宽度为C，OpenEXR格式高动态范围图像具有RGB三个色彩通道，各通道均采用16位半浮点类型，包括1位符号位Sign、5位指数位Exponent以及10位尾数位Mantiss，将I_org从RGB色彩空间转化为HSV色彩空间，得到色度(Hue)通道图像I_org-H、饱和度(Saturation)通道图像I_org-S和亮度(Value)通道图像I_org-V，其中亮度通道图像I_org-V的存储格式和OpenEXR格式高动态范围图像的R通道、G通道和B通道图像相同，采用相同的16位半浮点类型，读取亮度通道图像I_org-V中5位指数位以及10位尾数位的二进制数值，从高位到低位分别记为B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁；

①_2、选取其中任意8位数值并按照不同的排列顺序作为载体生成模型，生成多种具有不同内容特性的8位二进制图像并作为待嵌入隐秘信息的嵌入载体，本实例中仅选用其中5种载体生成模型，其中，将第一载体生成模型记为M₁，由B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第一嵌入载体，记为I_M1；将第二载体生成模型记为M₂，由B₉、B₈、B₇、B₆、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第二嵌入载体，记为I_M2；将第三载体生成模型记为M₃，由B₁₀、B₉、B₈、B₇、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第三嵌入载体，记为I_M3；将第四载体生成模型记为M₄，由B₁₄、B₁₃、B₁₂、B₁₁、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第四嵌入载体，记为I_M4；将第五载体生成模型记为M₅，由B₁₅、B₁₄、B₁₃、B₁₂、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第五嵌入载体，记为I_M5，将这些载体生成模型作为隐秘信息提取和载体恢复的第一秘钥，记为K₁；

①_3、对上述嵌入载体以不同的组合方式进行排列，并按照该载体组合方式的排列顺序依次选择相应的嵌入载体，进行后续隐秘信息的嵌入，载体组合方式为I_M1→I_M2→I_M3→I_M4→I_M5，选择的嵌入载体记为I，且I∈{I_M1,I_M2,I_M3,I_M4,I_M5}，进行后续嵌入隐秘信息的嵌入，将选择的载体组合方式作为隐秘信息提取和载体恢复的第二秘钥，记为K₂；

①_4、将亮度通道图像I_org-V中坐标位置为(i,j)的像素点所对应的5位指数位组成的数值记为E(i,j)，且E(i,j)＝16×B₁₅+8×B₁₄+4×B₁₃+2×B₁₂+B₁₁，令嵌入载体中坐标位置为(i,j)的像素点的隐秘信息嵌入强度为Q，当E(i,j)∈[0,2]时，令Q＝8；当E(i,j)∈[3,4]时，令Q＝7；当E(i,j)∈[5,6]时，令Q＝6；当E(i,j)∈[7,8]时，令Q＝5；当E(i,j)∈[9,10]时，令Q＝4；当E(i,j)∈[11,13]时，令Q＝3；当E(i,j)∈[14,17]时，令Q＝2；当E(i,j)∈[18,22]时，令Q＝1；当E(i,j)∈[23,26]时，令Q＝3；当E(i,j)∈[27,31]时，令Q＝4，将隐秘信息嵌入强度作为隐秘信息提取和载体恢复的第三秘钥，记为K₃；

①_5、对嵌入载体中的所有像素点进行分类并设定隐秘信息的嵌入顺序，本实例将嵌入载体I各像素点分为四类，分别记为A、B、C和D，并将嵌入顺序设定为A→B→C→D，将像素分类方法和嵌入顺序作为隐秘信息的提取和载体恢复的第四秘钥，记为K₄；

①_6、对嵌入载体I中所有像素点进行预测，得到的预测图像记为P，将嵌入载体I和预测图像P的各像素点的像素值分别记为I(n)和P(n)，其中n为图像的像素点个数；将嵌入载体I中坐标位置为(i,j)像素点的像素值记为I(i,j)，预测图像P中坐标位置为(i,j)像素点的像素值记为P(i,j)；则当i＝1且j＝1时，P(i,j)＝[I(i+1,j)+I(i,j+1)]/2；当i＝1且j＝R时，P(i,j)＝[I(i+1,j)+I(i,j-1)]/2；当i＝C且j＝1时，P(i,j)＝[I(i-1,j)+I(i,j+1)]/2；当i＝C且j＝R时，P(i,j)＝[I(i-1,j)+I(i,j-1)]/2；当i＝1且j∈[2,R)时，P(i,j)＝[I(i,j+1)+I(i+1,j)+I(i,j-1)]/3；当i＝C且j∈[2,R)时，P(i,j)＝[I(i,j+1)+I(i-1,j)+I(i,j-1)]/3；当j＝1且i∈[2,C)时，P(i,j)＝[I(i-1,j)+I(i,j+1)+I(i+1,j)]/3；当j＝R且i∈[2,C)时，P(i,j)＝[I(i-1,j)+I(i,j-1)+I(i+1,j)]/3；当i∈[2,C)且j∈[2,R)时，嵌入载体I中坐标位置为(i,j)的像素点的邻域像素值分别为I(i-1,j)、I(i-1,j+1)、I(i,j+1)、I(i+1,j+1)、I(i+1,j)、I(i+1,j-1)、I(i,j-1)、I(i-1,j-1)，将邻域像素值的平均值和方差分别记为Avg(i,j)、Var(i,j)，当Var(i,j)∈[0,10]时，P(i,j)＝[I(i-1,j)+I(i,j+1)+I(i+1,j)+I(i,j-1)]/4；当Var(i,j)∈(10,40]时，将预测像素点八个相邻像素按升序排列的集合记为S_i，

当Var(i,j)∈(40,+∞)时，

其中max(I(i-1,j),I(i,j+1))为计算数值I(i-1,j)和I(i,j+1)中的最大值，min(I(i-1,j),I(i,j+1))为计算数值I(i-1,j)和I(i,j+1)中的最小值，令嵌入载体I和预测图像P两者之间在坐标位置为(i,j)像素点的预测误差为e(i,j)，且e(i,j)＝I(i,j)-P(i,j)，对于嵌入载体I的所用像素点而言，嵌入载体I和预测图像P两者之间的预测误差记为e(n)，且e(n)＝I(n)-P(n)。

①_7、根据隐秘信息嵌入强度Q和预测误差e(n)，令待嵌入的二进制隐秘信息为b，且b∈{0,1}；计算得到嵌入隐秘信息后的预测误差e'(n)，且

进而得到隐秘信息嵌入后的图像像素值I′(n)＝P(n)+e′(n)，当I′(n)的数值出现大于256或小于0的溢出现象时，记录该像素点的位置信息和像素值，并将包含溢出像素点位置信息和像素值的定位图作为隐秘信息提取和载体恢复的第五秘钥，记为K₅；

当嵌入载体I中的所有像素点隐秘信息嵌入结束后，得到嵌入隐秘信息后的图像I'中所有像素点的8位二进制数值，然后，根据第一秘钥K₁和嵌入隐秘信息后的图像I'中所有像素点的8位二进制数值，替换I_org-V中对应像素点的B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁的数值，进而得到嵌入隐秘信息后的图像I'_org-V，此时，根据第二秘钥K₂，判断是否所有的待嵌入载体I均完成隐秘信息的嵌入，如果是，则将得到的I'_org-V确定为最终嵌入隐秘信息后的高动态范围图像的亮度通道图像，记为含密图像I_stego，隐秘信息嵌入过程结束；否则，根据I'_org-V更新B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁的数值，并返回步骤①_2继续执行，直至隐秘信息嵌入过程结束；

所述的隐秘信息提取和载体恢复部分的具体步骤为：

②_1、读取嵌入隐秘信息的高动态范围图像的亮度通道的含密图像I_stego，含密图像I_stego的高度为R，含密图像I_stego的宽度为C；

②_2、读取含密图像I_stego的5位指数位以及10位尾数位的二进制数值，从高位到低位分别记为B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁。

②_3、根据第一秘钥K₁和第二秘钥K₂分别得到嵌入载体生成模型和嵌入载体组合方式，按照嵌入载体组合方式的逆序方式和载体生成模型得到嵌入隐秘信息的8位二进制含密载体，并记为I'，含密载体I'的各像素值记为I'(n)；

②_4、将含密图像I_stego坐标位置为(i,j)的像素点对应的5位指数位组成的数值记为E'(i,j)，且E'(i,j)＝16×B₁₅+8×B₁₄+4×B₁₃+2×B₁₂+B₁₁；根据第三秘钥K₃得到含密载体I'坐标位置为(i,j)像素点的隐秘信息嵌入强度Q；

②_5、根据第四秘钥K₄得到含密载体I'中所有像素点的分类方式和隐秘信息的嵌入顺序，并按照像素分类方式的逆序方式和嵌入顺序的逆序方式进行后续步骤；

②_6、根据第五秘钥K₅得到定位图，判断该像素点是否需要提取信息，如果不需要提取，则表明该像素点没有嵌入隐秘信息，像素值保持不变，反之，执行下述步骤；

②_7、根据①_6中的像素值预测方法，对含密载体I'中的所有像素点进行预测，得到预测图像，并将预测图像的各像素点的预测值记为P(n)，随后计算I'(n)和P(n)之间的差值，即

得到预测差值/>

后，计算嵌入隐秘信息前的预测差值e(n)和隐秘信息b，且/>

其中，符号/>

表示向下取整操作，并得到嵌入隐秘信息前的嵌入载体I的各像素值，I(n)＝P(n)+e(n)；

当含密载体I'所有像素点隐秘信息提取结束后，得到嵌入载体I中所有像素点的8位二进制数值，然后，根据第一秘钥K₁得到的嵌入载体生成模型和嵌入载体I中所有像素点的8位二进制数值，替换I_stego中对应像素的B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁的数值，得到嵌入隐秘信息前的图像I'_stego，根据第二秘钥K₂得到的嵌入载体组合方式，按照嵌入载体组合方式的逆序方式判断是否所有的含密载体I'均完成隐秘信息的提取，如果是，则将得到的I'_stego确定为原始高动态范围图像的亮度通道图像，记为I_org-V，隐秘信息提取过程结束；否则，根据I'_stego更新B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁的数值，并返回步骤②_2继续执行，直至隐秘信息提取过程结束。

Claims (5)

1.一种基于多层预测误差扩展的可逆高动态范围图像信息隐藏方法，其特征在于包括隐秘信息嵌入部分和隐秘信息提取及载体恢复部分；

所述的隐秘信息嵌入部分的具体步骤为：

①_1、将待嵌入隐秘信息的OpenEXR格式的原始高动态范围图像记为I_org，该I_org的高度为R，该I_org的宽度为C，OpenEXR格式高动态范围图像具有RGB三个色彩通道，各通道均采用16位半浮点类型，包括1位符号位Sign、5位指数位Exponent以及10位尾数位Mantiss，将I_org从RGB色彩空间转化为HSV色彩空间，得到色度通道图像I_org-H、饱和度通道图像I_org-S和亮度通道图像I_org-V，其中亮度通道图像I_org-V的存储格式和OpenEXR格式高动态范围图像的R通道、G通道和B通道图像相同，采用相同的16位半浮点类型，读取亮度通道图像I_org-V中5位指数位以及10位尾数位的二进制数值，从高位到低位分别记为B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁；

①_2、选取其中任意8位数值并按照不同的排列顺序作为载体生成模型，生成多种具有不同内容特性的8位二进制图像并作为待嵌入隐秘信息的嵌入载体，将这些载体生成模型作为隐秘信息提取和载体恢复的第一秘钥，记为K₁；

①_3、对上述嵌入载体以不同的组合方式进行排列，并按照该载体组合方式的排列顺序依次选择相应的嵌入载体，进行后续隐秘信息的嵌入，将选择的载体组合方式作为隐秘信息提取和载体恢复的第二秘钥，记为K₂；

①_4、将亮度通道图像I_org-V中坐标位置为(i,j)的像素点所对应的5位指数位组成的数值记为E(i,j)，且E(i,j)＝16×B₁₅+8×B₁₄+4×B₁₃+2×B₁₂+B₁₁，令嵌入载体中坐标位置为(i,j)的像素点的隐秘信息嵌入强度为Q，将隐秘信息嵌入强度作为隐秘信息提取和载体恢复的第三秘钥，记为K₃；

①_5、对嵌入载体中的所有像素点进行分类并设定隐秘信息的嵌入顺序，将像素分类方法和嵌入顺序作为隐秘信息的提取和载体恢复的第四秘钥，记为K₄；

①_6、对嵌入载体中的所有像素点进行预测，得到预测图像，对于嵌入载体的所有像素点，将嵌入载体和预测图像两者之间的预测误差记为e(n)，且e(n)＝I(n)-P(n)，其中，I(n)为嵌入载体的各像素点的像素值，P(n)为预测图像各像素点的像素值；

①_7、根据隐秘信息嵌入强度Q和预测误差e(n)，令待嵌入的二进制隐秘信息为b，且b∈{0,1}；计算得到嵌入隐秘信息后的预测误差e'(n)，且

进而得到隐秘信息嵌入后的图像像素值I′(n)＝P(n)+e′(n)，当I′(n)的数值出现大于256或小于0的溢出现象时，记录该像素点的位置信息和像素值，并将包含溢出像素点位置信息和像素值的定位图作为隐秘信息提取和载体恢复的第五秘钥，记为K₅；

当嵌入载体I中的所有像素点隐秘信息嵌入结束后，得到嵌入隐秘信息后的图像I'中所有像素点的8位二进制数值，然后，根据第一秘钥K₁和嵌入隐秘信息后的图像I'中所有像素点的8位二进制数值，替换I_org-V中对应像素点的B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁的数值，进而得到嵌入隐秘信息后的图像I'_org-V，此时，根据第二秘钥K₂，判断是否所有的待嵌入载体I均完成隐秘信息的嵌入，如果是，则将得到的I'_org-V确定为最终嵌入隐秘信息后的高动态范围图像的亮度通道图像，记为含密图像I_stego，隐秘信息嵌入过程结束；否则，根据I'_org-V更新B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁的数值，并返回步骤①_2继续执行，直至隐秘信息嵌入过程结束；

所述的隐秘信息提取和载体恢复部分的具体步骤为：

②_1、读取嵌入隐秘信息的高动态范围图像的亮度通道的含密图像I_stego，含密图像I_stego的高度为R，含密图像I_stego的宽度为C；

②_2、读取含密图像I_stego的5位指数位以及10位尾数位的二进制数值，从高位到低位分别记为B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B_1；

②_3、根据第一秘钥K₁和第二秘钥K₂分别得到嵌入载体生成模型和嵌入载体组合方式，按照嵌入载体组合方式的逆序方式和载体生成模型得到嵌入隐秘信息的8位二进制含密载体，并记为I'，含密载体I'的各像素值记为I'(n)；

②_4、将含密图像I_stego坐标位置为(i,j)的像素点对应的5位指数位组成的数值记为E'(i,j)，且E'(i,j)＝16×B₁₅+8×B₁₄+4×B₁₃+2×B₁₂+B₁₁；根据第三秘钥K₃得到含密载体I'坐标位置为(i,j)像素点的隐秘信息嵌入强度Q；

②_5、根据第四秘钥K₄得到含密载体I'中所有像素点的分类方式和隐秘信息的嵌入顺序，并按照像素分类方式的逆序方式和嵌入顺序的逆序方式进行后续步骤；

②_6、根据第五秘钥K₅得到定位图，判断该像素点是否需要提取信息，如果不需要提取，则表明该像素点没有嵌入隐秘信息，像素值保持不变，反之，执行下述步骤；

②_7、根据①_6中的像素值预测方法，对含密载体I'中的所有像素点进行预测，得到预测图像，并将预测图像的各像素点的预测值记为P(n)，随后计算I'(n)和P(n)之间的差值，即

得到预测差值/>

后，计算嵌入隐秘信息前的预测差值e(n)和隐秘信息b，且/>

其中，符号/>

表示向下取整操作，并得到嵌入隐秘信息前的嵌入载体I的各像素值，I(n)＝P(n)+e(n)；

当含密载体I'所有像素点隐秘信息提取结束后，得到嵌入载体I中所有像素点的8位二进制数值，然后，根据第一秘钥K₁得到的嵌入载体生成模型和嵌入载体I中所有像素点的8位二进制数值，替换I_stego中对应像素的B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁的数值，得到嵌入隐秘信息前的图像I'_stego，根据第二秘钥K₂得到的嵌入载体组合方式，按照嵌入载体组合方式的逆序方式判断是否所有的含密载体I'均完成隐秘信息的提取，如果是，则将得到的I'_stego确定为原始高动态范围图像的亮度通道图像，记为I_org-V，隐秘信息提取过程结束；否则，根据I'_stego更新B₁₅、B₁₄、B₁₃、B₁₂、B₁₁、B₁₀、B₉、B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁的数值，并返回步骤②_2继续执行，直至隐秘信息提取过程结束。

2.如权利要求1所述的一种基于多层预测误差扩展的可逆高动态范围图像信息隐藏方法，其特征在于步骤①_2中载体生成模型为5种，其中，将第一载体生成模型记为M₁，由B₈、B₇、B₆、B₅、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第一嵌入载体，记为I_M1；将第二载体生成模型记为M₂，由B₉、B₈、B₇、B₆、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第二嵌入载体，记为I_M2；将第三载体生成模型记为M₃，由B₁₀、B₉、B₈、B₇、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第三嵌入载体，记为I_M3；将第四载体生成模型记为M₄，由B₁₄、B₁₃、B₁₂、B₁₁、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第四嵌入载体，记为I_M4；将第五载体生成模型记为M₅，由B₁₅、B₁₄、B₁₃、B₁₂、B₄、B₃、B₂、B₁按照高位到低位组成，对应的8位二进制图像作为第五嵌入载体，记为I_M5，步骤①_3中的载体组合方式为I_M1→I_M2→I_M3→I_M4→I_M5，选择的嵌入载体记为I，且I∈{I_M1,I_M2,I_M3,I_M4,I_M5}，进行后续嵌入隐秘信息的嵌入。

3.如权利要求1所述的一种基于多层预测误差扩展的可逆高动态范围图像信息隐藏方法，其特征在于步骤①_4中，当E(i,j)∈[0,2]时，令Q＝8；当E(i,j)∈[3,4]时，令Q＝7；当E(i,j)∈[5,6]时，令Q＝6；当E(i,j)∈[7,8]时，令Q＝5；当E(i,j)∈[9,10]时，令Q＝4；当E(i,j)∈[11,13]时，令Q＝3；当E(i,j)∈[14,17]时，令Q＝2；当E(i,j)∈[18,22]时，令Q＝1；当E(i,j)∈[23,26]时，令Q＝3；当E(i,j)∈[27,31]时，令Q＝4。

4.如权利要求1所述的一种基于多层预测误差扩展的可逆高动态范围图像信息隐藏方法，其特征在于步骤①_5中，将嵌入载体I各像素点分为四类，分别记为A、B、C和D，并将嵌入顺序设定为A→B→C→D。

5.如权利要求1所述的一种基于多层预测误差扩展的可逆高动态范围图像信息隐藏方法，其特征在于对嵌入载体I中所有像素点进行预测，得到的预测图像记为P，将嵌入载体I和预测图像P的各像素点的像素值分别记为I(n)和P(n)，其中n为图像的像素点个数；将嵌入载体I中坐标位置为(i,j)像素点的像素值记为I(i,j)，预测图像P中坐标位置为(i,j)像素点的像素值记为P(i,j)；则当i＝1且j＝1时，P(i,j)＝[I(i+1,j)+I(i,j+1)]/2；当i＝1且j＝R时，P(i,j)＝[I(i+1,j)+I(i,j-1)]/2；当i＝C且j＝1时，P(i,j)＝[I(i-1,j)+I(i,j+1)]/2；当i＝C且j＝R时，P(i,j)＝[I(i-1,j)+I(i,j-1)]/2；当i＝1且j∈[2,R)时，P(i,j)＝[I(i,j+1)+I(i+1,j)+I(i,j-1)]/3；当i＝C且j∈[2,R)时，P(i,j)＝[I(i,j+1)+I(i-1,j)+I(i,j-1)]/3；当j＝1且i∈[2,C)时，P(i,j)＝[I(i-1,j)+I(i,j+1)+I(i+1,j)]/3；当j＝R且i∈[2,C)时，P(i,j)＝[I(i-1,j)+I(i,j-1)+I(i+1,j)]/3；当i∈[2,C)且j∈[2,R)时，嵌入载体I中坐标位置为(i,j)的像素点的邻域像素值分别为I(i-1,j)、I(i-1,j+1)、I(i,j+1)、I(i+1,j+1)、I(i+1,j)、I(i+1,j-1)、I(i,j-1)、I(i-1,j-1)，将邻域像素值的平均值和方差分别记为Avg(i,j)、Var(i,j)，当Var(i,j)∈[0,10]时，P(i,j)＝[I(i-1,j)+I(i,j+1)+I(i+1,j)+I(i,j-1)]/4；当Var(i,j)∈(10,40]时，将预测像素点八个相邻像素按升序排列的集合记为S_i，

当Var(i,j)∈(40,+∞)时，

其中max(I(i-1,j),I(i,j+1))为计算数值I(i-1,j)和I(i,j+1)中的最大值，min(I(i-1,j),I(i,j+1))为计算数值I(i-1,j)和I(i,j+1)中的最小值，令嵌入载体I和预测图像P两者之间在坐标位置为(i,j)像素点的预测误差为e(i,j)，且e(i,j)＝I(i,j)-P(i,j)，对于嵌入载体I的所用像素点而言，嵌入载体I和预测图像P两者之间的预测误差记为e(n)，且e(n)＝I(n)-P(n)。

Images