CN112132734A - 一种基于多通道差值排序的图像可逆信息隐藏方法 - Google Patents

Abstract

本发明涉及图像信息隐藏技术，具体公开了一种基于多通道差值排序的图像可逆信息隐藏方法，包括以下步骤：对彩色图像的像素信息进行差分操作得到趋势差值序列；对趋势差值序列进行排序操作，然后再对趋势差值的排序最小值进行差分操作得到复杂度；引入复杂度阈值，选择复杂度小于复杂度阈值的像素位置作为具有嵌入条件的像素位置；对于具有嵌入条件的像素位置，自适应修改多通道差值排序序列中最值对应通道的相应像素信息，采取对基于多通道排序差值的最值预测误差对进行对偶式扩展完成信息可逆嵌入。利用彩色图像通道间像素的相关性，对通道间的趋势差值冗余程度进行排序后自适应选择通道进行可逆嵌入，相同嵌入容量下整体图像质量显著提升。

Description

一种基于多通道差值排序的图像可逆信息隐藏方法

技术领域

本发明涉及彩色图像信息隐藏技术，具体公开了一种基于多通道差值排序的图像可逆信息隐藏方法。

背景技术

可逆信息隐藏(Reversible Data Hiding，RDH)，不仅可以通过将秘密信息嵌入于宿主载体(如音频、图像、视频等)在公开信道实现隐蔽传递，同时在秘密信息提取之后还能保证原始载体的无损恢复。基于该特性，RDH的研究对于某些内容敏感的特定领域(如云空间检索管理、军事作战、气象遥感等)的发展具有重要的推动作用。

现有的RDH方法中，基于预测误差扩展(Prediction Error Expansion,PEE)的方法因充分利用相邻像素间的相关冗余从而实现信息的高效嵌入得到学者的广泛研究。PEE-RDH思想由Thodi和Rodriguez首次提出，该方法首先利用预测误差构建直方图，然后通过对预测直方图的进行扩展修改实现秘密信息的嵌入数据。在对PEE-RDH优化研究过程中，Li等人提出一种基于像素值排序(Pixel Value Ordering,PVO)的高精度误差预测方法。PVO方法利用对像素块排序后的次大/次小值对最大/最小值进行预测扩展实现秘密信息嵌入。该方法通过秘密信息嵌入前后块内像素序列的不变性来保证信息提取后对宿主图像的无损恢复。在低嵌入容量条件下，PVO-RDH较基于其他预测方法的PEE-RDH具有更好的嵌入性能，因此得到了关注。从多角度对PVO进行优化的方法被提出，Peng等人在嵌入过程中结合排序位置的顺序实现直方柱双向扩展，进一步实现可逆信息隐藏算法的性能优化。Ou等人引入对偶预测扩展嵌入(Pairwise Prediction-error expansion,PPE)的概念，构建PVO二维直方图进行可逆嵌入。He等人在对偶可逆嵌入基础上提出映射优化方法，使嵌入性能进一步提升。

现有PVO-RDH的研究对象始终为单一通道的灰度图像，然而现实生活中彩色图像的应用更为广泛。尽管彩色图像可以通过在分离的各个通道直接应用灰度算法实现RDH操作，但是从灰度图像到彩色图像的简单移植无法最大程度利用图像信息的内部冗余，导致嵌入性能受到制约。

发明内容

本发明的目的在于提供一种基于多通道差值排序的图像可逆信息隐藏方法，解决现有技术中无法充分利用彩色图像特性从而制约嵌入性能的问题。

本发明是通过以下技术方案来实现：

一种基于多通道差值排序的图像可逆信息隐藏方法，包括以下步骤：

步骤一、对彩色图像的邻近位置各个颜色通道内的像素信息进行差分操作得到趋势差值序列；

步骤二、对趋势差值序列进行排序操作，然后再对趋势差值的排序最小值进行差分操作得到复杂度；

步骤三、引入复杂度阈值，遍历图像所有像素位置进行预处理比较，选择复杂度小于复杂度阈值的像素位置作为具有嵌入条件的像素位置；

步骤四、对于具有嵌入条件的像素位置，自适应修改多通道差值排序序列中最值对应通道的相应像素信息，采取对基于多通道排序差值的最值预测误差对进行对偶式扩展完成信息可逆嵌入。

进一步，步骤一得到的趋势差值序列为D_i,j,D_i+1,j，计算公式为：

D_i,j＝{R_i,j-R_i+1,j,G_i,j-G_i+1,j,B_i,j-B_i+1,j}

D_i+1,j＝{R_i+1,j-R_i+2,j,G_i+1,j-G_i+2,j,B_i+1,j-B_i+2,j}

其中，R_i,j、G_i,j、B_i,j分别表示Location_i,j中相应通道的像素信息，Location_i,j为彩色图像的指定像素位置；

1≤i≤width-2，1≤j≤height，width表示原始图像的宽度尺寸，height分别表示原始图像的高度尺寸。

进一步，步骤二得到的复杂度为NL_i,j，计算公式如下：

NL_i,j＝|(D_i,j)_σ(2)-(D_i+1,j)_σ(2)|。

进一步，基于多通道排序差值的最值预测误差对(e_max,e_min)如下：

最值预测误差对发生e_max＝0→e_max'＝-1扩展：

最值预测误差对发生e_min＝0→e_min'＝-1扩展：

其他映射条件下的最值预测误差对扩展：

最后，利用相邻参考位置的通道信息实现秘密信息的可逆嵌入；

进一步，复杂度阈值设定为T，T的取值结合嵌入容量条件进行设定。

与现有技术相比，本发明具有以下有益的技术效果：

本发明公开了一种基于多通道差值排序的图像可逆信息隐藏方法，对图像像素位置进行遍历，利用嵌入阈值对彩色通道间排序差值的中值进行条件判断选择待嵌像素位置对于确定的待嵌位置，利用PPE-PVO可逆嵌入以通道间差值为排序对象进行嵌入；通过排序自适应选择相应通道实现嵌入，较其他两个通道更好地减少了通道绿色信息失真，从而更好地保证嵌密后彩色图像以灰度方式在公开信道传输的图像质量；本发明利用了彩色图像通道间像素的相关性，对通道间的趋势差值冗余程度进行排序后自适应选择通道进行可逆嵌入，从而使得由于信息嵌入导致的像素失真扩散到三个通道，相同嵌入容量下整体图像质量较现有PVO-RDH显著提升；本发明信息嵌入前利用复杂度阈值对待嵌空间进行滤选，仅对具有高冗余空间的像素位置进行扩展操作，从而是本发明的高保真性得以提升。

进一步，通过研究得到在满足同样嵌入容量的条件下，阈值设定越大，其图像失真越严重。若对图像Airplane的嵌入需求为20000bit时，阈值设定为0时，为61.99dB；当阈值设定为5时，则低至58.32dB。因此，阈值设定应结合需要嵌入容量条件合理设定，从而在满足嵌入需求的基础上提高图像质量。

附图说明

图1为可逆嵌入遍历流程示意图；

图2为最值预测误差对二维可逆嵌入映射图；

图3为最值预测误差对二维可逆提取映射图；

图4为四幅标准彩色图像，(a)代表Lena，(b)代表Airplane，(c)代表Lake，(d)代表Peppers；

图5为本发明的四幅标准彩色图像与Peng、Ou、He的峰值信噪比的对比图，(a)代表Lena，(b)代表Airplane，(c)代表Lake，(d)代表Peppers。

具体实施方式

下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。

本发明公开了一种基于多通道差值排序的图像可逆信息隐藏方法，包括以下步骤：

步骤一、对彩色图像的邻近位置各个颜色通道内的像素信息进行差分操作得到趋势差值序列；

步骤二、对趋势差值序列进行排序操作，然后再对趋势差值的排序最小值进行差分操作得到复杂度；

步骤三、引入复杂度阈值，遍历图像所有像素位置进行预处理比较，选择复杂度小于复杂度阈值的像素位置作为具有嵌入条件的像素位置；

步骤四、对于具有嵌入条件的像素位置，自适应修改多通道差值排序序列中最值对应通道的相应像素信息，采取对基于多通道排序差值的最值预测误差对进行对偶式扩展完成信息可逆嵌入。

下面结合附图说明和具体实施方式对本发明做进一步详细说明。

为充分利用通道间变化趋势的相关性，本发明利用相邻像素位置的多通道差值进行排序操作，获取指定彩色像素的复杂度判断是否嵌入，最后通过定义排序差值扩展对来实现信息的可逆嵌入。

彩色图像指定像素位置Location_i,j的复杂度NL_i,j由Location_i,j，Location_i+1,j，Location_i+2,j像素信息计算而得。

定义1：为充分利用通道自身所携信息，引入通道函数Channel(x)：对于某个指定的像素位置i,j分别有三个像素信息R_i,j,G_i,j,B_i,j，如果操作像素信息x为R_i,j，即操作像素信息x位于通道R，则Channel(x)＝1；若操作像素信息x位于通道G，则Channel(x)＝2；当操作像素信息x位于通道B，则Channel(x)＝3。对于指定像素位置Location_i,j，定义的通道函数channel(x)为单射函数。

步骤1：对相邻像素相应通道像素进行差分操作得到趋势差值序列D_i,j,D_i+1,j，计算方式如下所示：

D_i,j＝{R_i,j-R_i+1,j,G_i,j-G_i+1,j,B_i,j-B_i+1,j}

D_i+1,j＝{R_i+1,j-R_i+2,j,G_i+1,j-G_i+2,j,B_i+1,j-B_i+2,j}

其中，R_i,j、G_i,j、B_i,j分别表示Location_i,j中相应通道的像素信息，图像由512*512个像素位置组成，对于某个像素位置i,j有三个颜色通道信息R_i,j,G_i,j,B_i,j，图像信息是一个长为512，宽为512的二维矩阵。

定义2：对于由R、G、B通道数字信息构成的序列x＝{x₁，x₂，x₃}(定义1里的x表示放入channel(x)的变量，这里的x表示一个像素位置的三个信息序列)进行排序操作得到升序序列sort(x)＝{x_σ(1)，x_σ(2)，x_σ(3)}。该升序序列定义约束为：若i＜j，则x_σ(i)≤x_σ(j)，且当x_σ(i)＝x_σ(j)时则根据通道函数Channel(x)按序排列。

步骤2：对趋势差值序列进行排序操作，然后再对趋势差值的排序最小值进行差分操作得到复杂度NL_i,j：

NL_i,j＝|(D_i,j)_σ(2)-(D_i+1,j)_σ(2)|

步骤1是对邻近像素差分操作，步骤2对差分结果排序再左差，检验像素信息的相关性。

步骤3：为了能在达到指定嵌入容量下保证一定的图像质量，引入复杂度阈值T，对于NL_i,j≤T的Location_i,j进行遍历信息嵌入。

整个嵌入过程在不改变复杂度NL_i,j的基础上，以Location_i+1,j像素信息作为预测参照对象，仅对Location_i,j进行通道像素幅度最大为1的自适应变化，实现多通道差值排序序列sort(D_i,j)中最值的对偶式误差扩展。由于每比特信息嵌入仅对Location_i,j像素信息进行扩展，而Location_i+1,j，Location_i+2,j用于复杂度计算。因此，遍历约束为：1≤i≤width-2，1≤j≤height。width、height分别表示原始图像尺寸。在遍历过程中，若通道内有像素信息等于0或者255，在下一步嵌入扩展过程中可能发生溢出。因此建立辅助图LM，将该像素位置标记为LM_i,j＝1表示另行处置。其他情况下，则标记为LM_i,j＝0。本发明可逆嵌入遍历流程如图1所示，其中箭头为遍历方向。

步骤4：对于具有嵌入条件的像素位置Location_i,j，自适应修改多通道差值排序序列sort(D_i,j)中最值对应通道的相应像素信息，采取对基于多通道排序差值的最值预测误差对进行对偶式扩展实现信息可逆嵌入。

定义3：基于多通道排序差值的最值预测误差对定义如下：

该定义下(e_max,e_min)取值将出现非正，且最值预测误差对集中分布在(0,0)、(0,1)、(1,0)、(1,1)处。为充分利用最值对的相关性，结合最值对分布特性，将PPE-PVO仅局限于第一象限的二维映射扩展到整个二维空间。图2表示基于多通道差值排序下的最值预测误差对可逆映射关系。该映射关系下，根据所嵌信息不同，e_max→e_max'、e_min→e_min'。

本发明对整个二维空间的误差对划分成四种类型，A类、B类、C类可用于信息的可逆嵌入，D类则仅仅进行扩展保证信息提取后原始图像的无损恢复。基于图2的映射关系，本方法利用通道函数自适应选择中多Location_i,j通道差值的排序最值所在通道R、G、B，进行幅度最大为1的修改实现信息可逆扩展。

最值预测误差对发生e_max＝0→e_max'＝-1扩展：

最值预测误差对发生e_min＝0→e_min'＝-1扩展：

其他映射条件下的最值预测误差对扩展：

最后，利用相邻参考位置的通道信息实现秘密信息的可逆嵌入。

图2、图3为具体对偶式扩展可逆嵌入映射关系，参数基于多通道排序差值的最值预测误差对(e_max,e_min)是根据本方案自行定义的，并通过实验验证这个映射关系嵌入效果好，并且结合自己定义的通道关系能够实现可逆。

在嵌入过程中，用于计算多通道差值排序序列中值始终不变。因此，本方法可直接对整体彩色图像从后至前进行逆遍历进行秘密信息的提取以及图像的无损恢复。

溢出标记、嵌入阈值等辅助信息利用现有边信息处理策略提前传递，对于满足复杂度阈值且LM_i,j＝0的像素位置，利用定义3计算最值预测误差对e_max'、e_min'。然后，根据图3中提取端逆映射关系的单射特性确定秘密信息的提取以及预测误差对可逆映射恢复，e_max'→e_max、e_min'→e_min。

图像恢复过程中，由于不存在0→-1的映射关系，规避了多通道差值中值通道跳转的问题。利用嵌入始终不变的多通道差值中值以及逆影射获得最值预测误差对，进行多通道差值排序最值对恢复：

最后，利用相邻参考位置的通道信息实现原始信息的可逆恢复。

峰值信噪比(Peak Signal Noise Ratio，PSNR)，作为图像失真衡量指标一般用于分析嵌密后的图像质量，PSNR值越大代表图像质量越好。

本算法下多通道差值排序中值出现在通道G的情况多于通道R、通道B，更多情况下作为参考通道不做任何变化。由表2可知，当嵌入容量从5000以1000bits为幅度直间隔至到20000bits，通道G平均峰值信噪比较通道R、通道B高1.03dB、0.80dB，因此通道G的图像质量更好。在实际应用中，嵌密彩色图像有可能以灰度图像方式在公开信道传输。而彩色图像信息一般进行RGB到YUV空间转化，然后将亮度信息Y作为彩色图像的单通道表示。其转化公式为：Y＝0.299*R+0.587*G+0.114*B。

由该公式可得，当彩色图像以亮度信息方式在公开信道传递时，通道G信息对于转化成单通道的图像贡献比重最大。而基于本算法的RDH方法通过排序自适应选择相应通道实现嵌入，较其他两个通道更好地减少了通道G信息失真，从而更好地保证嵌密后彩色图像以灰度方式在公开信道传输的图像质量。

表1彩色图像各通道信息峰值信噪比PSNR(dB)

为验证本算法可逆嵌入性能，本节从USC-SIPI标准图像库中选用如图4所示四幅标准彩色图像，并选用MATLAB2018a实验平台进行仿真实验。

PVO类RDH方案可根据嵌入需求进行相应的阈值设定，通过阈值可自适应选择像素位置进行潜入操作，因此低嵌入容量下较其他传统非条件约束下的RDH方案嵌入性能更好。本文主要借鉴PVO中数值排序思想进行有阈值约束的高效嵌入，并结合彩色图像多通道特点设计基于MDVO的RDH方案。针对以彩色图像作为嵌密载体的RDH应用需要，通过与现有PVO类方案比较验证嵌入性能。

由图5(a)、图5(b)、图5(c)和图5(d)可得，在实现指定嵌入容量基础上，本方案在PSNR衡量指标上较He(对比例1)、Ou(对比例2)、Peng(对比例3)的现有PVO解决方案效果更好。现有PVO解决方案的嵌入算法研究对象都是灰度图像，信息的嵌入扩展都在灰度单一通道内进行。本文的嵌入算法研究对象是彩色图像，与多通道扩展成单一通道直接进行灰度RDH算法不同，本算法利用了通道间像素的相关性，对通道间的趋势差值冗余程度进行排序，自适应选择通道进行可逆嵌入。当进行信息嵌入时，多通道排序中值通道作为参考通道不发生任何变化的前提下在其他两个通道内根据可逆嵌入映射关系自适应选择扩展。本方案信息嵌入导致的像素失真扩散到三个通道，因此本方案下的通道R、G、B的峰值信噪比较单通道PVO-RDH提升效果显著。

嵌密图像在公开信道中有可能发生指定通道被识别成功的情况，因此在满足嵌入指定容量的前提下，应尽可能减少单一通道下的图像失真。由表2可得，当嵌入容量为20000bits时，本方案彩色图像峰值信噪比达到了58.60dB。而多通道像素信息中失真程度最大的通道R，较Peng、Ou、He的现有PVO方案平均峰值信噪比仍提升了1.37、1.46、2.06dB。

表2 EC＝10000、20000bit时，图像质量峰值信噪比PSNR(dB)

本方案的嵌入性能与图像通道间相邻复杂度有关，由表3可得，图像的通道间复杂度与最大嵌入性能基本成反比关系，对于通道间复杂度较高的图像，相同阈值限制条件下最大嵌入容量较少。

表3不同图像的最大嵌入容量(bits)

PVO-RDH信息嵌入前利用复杂度阈值对待嵌空间进行滤选，仅对具有高冗余空间的像素位置进行扩展操作，从该类算法的高保真性得以提升。当复杂度阈值设定大于3，本方案所能获得的最大嵌入容量可满足现有PVO方法的嵌入容量，随着阈值越大，滤选约束条件越宽松，最大嵌入容量也就越大。在满足同样嵌入容量的条件下，阈值设定越大，其图像失真越严重。若对图像Airplane的嵌入需求为20000bit时，阈值设定为0时，为61.99dB；当阈值设定为5时，则低至58.32dB。因此，阈值设定应结合需要嵌入容量条件合理设定，从而在满足嵌入需求的基础上提高图像质量。

本发明对彩色图像通道间变化趋势的相关性进行研究，结合数值排序思想设计一个基于多通道差值排序的可逆信息隐藏方案。通过定义的复杂度筛选出冗余空间较大的像素位置进行信息嵌入。对于具有嵌入条件的高冗余像素位置，首先将通道间变化趋势差值进行排序，通过变化趋势差值分布分析，设计基于排序最值的最值预测误差对进行二维可逆嵌入映射，从而实现信息的可逆嵌入。通过仿真实验验证，相较传统灰度单通道可逆信息隐藏算法，本方案充分利用像素信息冗余、像素位置冗余以及像素通道间冗余，自适应选择像素通道进行可逆扩展，从而实现了嵌入性能的提升。

Claims (5)

1.一种基于多通道差值排序的图像可逆信息隐藏方法，其特征在于，包括以下步骤：

步骤一、对彩色图像的邻近位置各个颜色通道内的像素信息进行差分操作得到趋势差值序列；

步骤二、对趋势差值序列进行排序操作，然后再对趋势差值的排序最小值进行差分操作得到复杂度；

步骤三、引入复杂度阈值，遍历图像所有像素位置进行预处理比较，选择复杂度小于复杂度阈值的像素位置作为具有嵌入条件的像素位置；

步骤四、对于具有嵌入条件的像素位置，自适应修改多通道差值排序序列中最值对应通道的相应像素信息，采取对基于多通道排序差值的最值预测误差对进行对偶式扩展完成信息可逆嵌入。

2.根据权利要求1所述的基于多通道差值排序的图像可逆信息隐藏方法，其特征在于，步骤一得到的趋势差值序列为D_i,j,D_i+1,j，计算公式为：

D_i,j＝{R_i,j-R_i+1,j,G_i,j-G_i+1,j,B_i,j-B_i+1,j}

D_i+1,j＝{R_i+1,j-R_i+2,j,G_i+1,j-G_i+2,j,B_i+1,j-B_i+2,j}

其中，R_i,j、G_i,j、B_i,j分别表示Location_i,j中相应通道的像素信息，Location_i,j为彩色图像的指定像素位置；

1≤i≤width-2，1≤j≤height，width表示原始图像的宽度尺寸，height分别表示原始图像的高度尺寸。

3.根据权利要求2所述的基于多通道差值排序的图像可逆信息隐藏方法，其特征在于，步骤二得到的复杂度为NL_i,j，计算公式如下：

NL_i,j＝|(D_i,j)_σ(2)-(D_i+1,j)_σ(2)|。

4.根据权利要求2所述的基于多通道差值排序的图像可逆信息隐藏方法，其特征在于，步骤四中，基于多通道排序差值的最值预测误差对(e_max,e_min)如下：

最值预测误差对发生e_max＝0→e_max'＝-1扩展：

最值预测误差对发生e_min＝0→e_min'＝-1扩展：

其他映射条件下的最值预测误差对扩展：

最后，利用相邻参考位置的通道信息实现秘密信息的可逆嵌入；

5.根据权利要求1所述的基于多通道差值排序的图像可逆信息隐藏方法，其特征在于，复杂度阈值设定为T，T的取值结合嵌入容量条件进行设定。

Images