CN112132736A - 一种基于插值技术的加密图像可逆信息隐藏方法 - Google Patents

Abstract

本发明公开了一种基于插值技术的加密图像可逆信息隐藏方法，优势在于既能避免图像轮廓的泄露，又可以方便地调整嵌入容量。首先，内容拥有者将原始图像的所有像素分为采样像素和非采样像素，再利用插值技术为非采样像素产生预测差值并替代原像素值；然后处理像素溢出问题，并产生辅助信息标记修改位置，通过差分扩展(DE)技术嵌入到采样像素；对图像的加密分为用流密码对采样像素进行加密以及用置乱方法对非采样像素的预测插值加密。在云端，云端管理者可以从非采样像素得到预测差值，通过简单的扩展和移动就可以将额外信息嵌入到预测差值中。在接收端，通过不同的密钥就可以分别准确提取嵌入信息，无失真恢复原图像，且这两个操作是可分离的。

Description

一种基于插值技术的加密图像可逆信息隐藏方法

技术领域

本发明涉及可逆信息隐藏技术领域，具体是指一种基于插值技术的加密图像可逆信息隐藏方法。

背景技术

随着信息技术与网络的发展，数字媒体安全正受到越来越广泛的关注，而信息隐藏技术作为保证数字媒体安全的一种重要手段，也成为了信息安全领域的一个研究热点。信息隐藏指的是利用数字载体的冗余，通过修改载体数据嵌入信息从而得到含密载体的一项技术。近年来，针对不同的应用场景，各种卓有成效的信息隐藏技术被提出，例如用于版权保护的数字水印技术以及用于隐蔽通信的隐写术。但是，大多数的信息隐藏方法会对原始载体造成不可逆转的失真，因此不适用于某些特定的场合，于是一种兼顾了隐藏信息和载体无失真恢复的技术被提出，称为可逆信息隐藏技术。

可逆信息隐藏技术在嵌入秘密信息之后，接收者不仅能准确提取秘密信息，还能无失真地恢复出原始载体，因此在进行数据认证的同时需要使用原始载体的场合下有广泛的应用，例如军事图像、医疗图像辅助诊断、法庭取证等，原始载体图像的任何微小变化都可能导致错判军情、错误诊断或是诉讼失败。

明文域的可逆信息隐藏技术可以分为无损压缩算法、差值扩展算法、直方图移位算法这三类，用预测插值替代像素值进行扩展嵌入信息的方法也是当前可逆信息隐藏的一个重要研究方向。密文域的可逆信息隐藏技术则是结合了加密与信息隐藏的优势，既保护了原始数据，也实现了对密文数据的管理；它可以分为加密前生成嵌入空间(VRBE)和加密后生成嵌入空间(VRAE)两类，前者是首先在明文空间进行预处理生成嵌入空间，后者则是先对原始图像加密，再对加密图像生成嵌入空间。大多数的加密图像可逆信息隐藏技术属于VRAE，其根据信息提取域可以分为明文域提取、密文域提取、明文/密文域均可提取这三类，其对加密图像的嵌入性能较好，但容量较低。VRBE方法因为对原始图像明文域创建了嵌入空间，所以容量较高，最初的VRBE方法在明文域将某些像素的最不重要位嵌到其他像素生成嵌入空间，加密后再由云端管理者将数据嵌入生成空间；另一种代表性方法是在加密前计算像素的预测误差，然后对误差进行加密，构造误差直方图进行移位并嵌入。

发明内容

本发明要解决的技术问题是克服以上技术缺陷，提供一种基于插值技术的加密图像可逆信息隐藏方法，既能避免图像轮廓的泄露，又可以自行调整嵌入容量。

为解决上述技术问题，本发明提供的技术方案为：一种基于插值技术的加密图像可逆信息隐藏方法，包括以下步骤：

步骤一：生成含嵌入空间的加密图像

1)利用插值技术生成预测差值：首先对256级灰度的原始图像X进行下采样，将采样点的像素称为采样像素，没有采样到的像素称为非采样像素，若原始图像的尺寸为2N×2M，即X＝{x(i,j),1≤i≤2N,1≤j≤2M}，则“●”表示采样像素，共N×M个，记为Xs＝{x(2n-1,2m-1),1≤n≤N,1≤m≤M}；“○”为I类非采样像素，记为X1＝{x(2n-1,2m)或x(2n,2m-1),1≤n≤N,1≤m≤M}；“◎”为II类非采样像素，记为X2＝{x(2n,2m),1≤n≤N,1≤m≤M}。两类非采样像素都有N×M个；

接下来对两类非采样像素中的每个像素值用插值方法进行预测，对II类像素的预测，从45°和135°两个正交的方向利用四个采样像素进行插值预测；对I类像素的预测，从0°和90°方向利用相邻的两个采样像素和两个II类像素进行预测，得到所有非采样像素的预测值后，计算预测差值，即为非采样像素所在位置的原始灰度值减去该像素处的预测灰度值，共计为3×N×M个：

为了用8比特编码预测差值e，至少需要保证预测差值在[-128,127]范围内，在此基础上允许云端管理者在[T_{n_min},T_{p_max}]范围内自主设定预测差值扩展的正、负阈值T_p和T_n，其中T_{n_min}<0为预设的预测差值扩展最小负阈值，T_{p_max}>0为预设的预测差值扩展最大正阈值，通过设定T_p和T_n就可以控制嵌入容量用下式可以将预测差值e限制在[-128-T_{n_min},127-(T_{p_max}+1)]：

接下来用经过处理的预测差值直接替代原像素值，为了在提取端无失真恢复原始图像，需要再用一个二值图M标记修改的位置，当

时，对应位置为1，否则为0，得到尺寸为3×N×M的辅助图后，进一步用JBIG2无损压缩算法进行压缩，压缩后的位置图M’将被嵌入到图像；

2)图像自嵌入：将位置图M’嵌入到采样像素中，首先将采样像素按原来的结构组合成为低分辨率图像Xl，然后采用经典的可逆信息隐藏方法Tian插值扩展法将M’嵌入到Xl中，首先把Xl分成每两个相邻像素组成的像素对(xl1,xl2)，用l表示均值，h表示差值：

则对应的逆变换为：

通过对h进行乘2扩展可以嵌入1比特信息，即h'＝2×h+b，用扩展后的h'替代公式(3)中的h即可得到嵌入数据之后的像素值(x_l1’,x_l2’)，提取数据时，用像素值计算得到l与h’，就可以得到嵌入数据b＝h'mod2，再将

和l的值代入公式(3)就可以无失真地恢复出原像素，值得注意的是，Tian插值扩展法同样可能出现像素溢出，因此嵌入后得到的像素对的值必须在[0，255]范围内，经过简单的公式变换即可得：

满足该式的便认为该像素对为可扩展对，同样可采用位置图进行标记，为了减小嵌入给采样像素带来的失真，可根据嵌入数据量选择合适的阈值完成嵌入，最后用X_l’的像素替代原采样像素；

3)图像加密：用流加密方式对嵌入了辅助数据M’之后的采样像素加密，用到了两个密钥，各像素的8个比特用x′_l(n，m，k)表示，k∈[0，7]。用异或运算进行加密：

其中r_l(n，m，k)为用密钥1生成的伪随机二值序列，于是加密后的像素值

对所有的采样像素均进行这样的处理；

对于非采样像素位置的预测差值，为了让加密前后的直方图一致，从而保证云端管理者可以自主设置阈值，这里用密钥2对预测差值进行置乱，得到e'(2n,2m)，e'(2n-1,2m)和e'(2n,2m-1)，加密后的图像可以表示为：

最后将加密后的图像X_e上传到云端服务器；

步骤二：加密域数据嵌入：因为内容拥有者对非采样像素的预测差值只进行了置乱加密，因此其直方图保持不变，云端管理者从非采样像素位置提取出预测差值后，设定差值扩展的正负阈值T_p和T_n，就可以进行数据嵌入：

其中，

为修改后的预测差值，当e′∈[Tn，T_p]时，进行扩展并嵌入1比特数据b，否则将外围直方图平移，防止与扩展嵌入后的数据重叠，由于在预处理部分已经针对数据溢出做了处理，因此置乱后仍满足条件，可以确保修改后的

不会出现数据溢出；

云端管理者提取前16个预测差值的最不重要位即LSB，用T_p和T_n替换这些位，然后对剩余的预测差值用公式(8)进行处理，就得到了载密图像X_em；

步骤三：数据提取与图像恢复：数据的提取与图像的恢复根据不同的密钥可以分别进行，提取嵌入的秘密信息需要接收者有数据嵌入密钥3，首先从非采样像素位置的前16个预测差值中提取出正负阈值T_p和T_n，再从其他的预测差值中提取嵌入数据，用密钥解密得到嵌入的秘密信息：

原始图像的恢复需要接收者拥有密钥1和密钥2，首先根据加密后的图像，对每个采样像素得到8个加密后的值x_le(n,m,k)，k∈[0，7]；然后用密钥1生成二值伪随机序列，进行异或运算解密：

将x′_l(n，m，k)重组即可得到各采样像素x′_l(n，m)，将其两两组成像素对后，利用Tian差值扩展算法提取嵌入其中的压缩位置图M’，再用JBIG2压缩算法恢复出位置图M；进一步利用公式(4)恢复出原采样像素。

对非采样像素，首先和提取数据一样前16个预测差值中提取出正负阈值T_p和T_n，用下式恢复出嵌入前的预测差值：

并提取嵌入的16个预测差值最不重要位，得到置乱加密后的预测差值e'(2n,2m)，e'(2n-1,2m)，e'(2n,2m-1)后，利用密钥2反置乱得到预测差值e(2n,2m)，e(2n-1,2m)，e(2n,2m-1)，因为其中的部分像素经过了像素溢出的处理，因此对位置图M中值为1的像素点进行调整：

至此就无失真地恢复得到了所有采样像素的值以及非采样像素的预测差值，接下来采用与第1部分相同的插值预测方式，用4个采样像素的值得到II类非采样像素x'(2n,2m)，再利用两个采样像素与两个II类非采样像素得到I类非采样像素x'(2n-1,2m)、x'(2n,2m-1)，即：

将所有采样像素与非采样像素重组，就得到了原始图像X。

本发明与现有技术相比的优点在于：首先，内容拥有者将原始图像的像素分为采样像素和非采样像素，利用插值技术为非采样像素产生预测差值并替代原像素值；然后产生辅助信息来标记被修改位置，并通过经典的差分扩展(DE)技术嵌入到采样像素；再通过流密码对采样像素进行加密，并使用加扰加密对非采样像素的预测差值进行置乱，以保持加密前后直方图的一致。在云端，云端管理者可以从非采样像素得到预测差值，通过简单的扩展和移动就可以将额外信息嵌入到预测差值中。在接收端，通过不同的密钥就可以分别提取嵌入信息，无失真恢复原图像，且这两个操作是可分离的，既能避免图像轮廓的泄露，又可以自行调整嵌入容量。

附图说明

图1是发明一种基于插值技术的加密图像可逆信息隐藏方法的整体框图。

图2是发明一种基于插值技术的加密图像可逆信息隐藏方法的图像下采样与插值示意图。

图3是发明一种基于插值技术的加密图像可逆信息隐藏方法的基于预测差值修改的数据嵌入示意图。

具体实施方式

下面对本发明实施例中的技术方案进行清楚、完整地描述，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

1、数据嵌入：

对256级灰度的图像下采样，将所有像素分为采样像素、I类非采样像素和II类非采样像素，如图2所示；

利用图2所示的插值方法对所有非采样像素进行插值预测，并与非采样像素位置的原像素值相减得到预测差值；

对超出了8比特表示范围即像素溢出的预测差值，设定正负阈值Tp和Tn进行处理，使其不再溢出，用这些预测差值直接替代原像素值；并对进行过溢出处理的非采样像素点进行标记，具体而言使用了一个二值位置图，用1表示经过了修改，反之则为0；进一步用JBIG2方法压缩该位置图；

将上一步骤得到的位置图嵌入到采样像素中，使用Tian差值扩展算法，得到采样像素构成的低分辨率图像；

对图像进行加密。一方面对嵌入了位置图的采样像素，用密钥1产生的伪随机二值序列与像素值的二进制形式进行异或完成加密；另一方面对非采样像素，用密钥2进行置乱处理。将所有像素重组即得到加密图像；

数据嵌入，从加密图像的非采样像素位置提取得到预测差值，并设定阈值Tp和Tn。云端管理者提取前16个预测差值LSB并用Tp和Tn替换这些位，对其他的预测差值用公式(8)嵌入数据，得到加密载密图像。

2、数据提取：

对加密载密图像，从非采样像素位置对应的前16个预测差值的LSB中提取得到Tp和Tn；

从剩余的预测差值中用公式(9)依次提取得到嵌入数据。

3、原始图像恢复：

对加密后的采样像素值，使用密钥1产生的伪随机二值序列进行异或解密运算得到嵌入了位置图的采样像素值；

利用Tian差值扩展算法提取得到压缩位置图，进一步用JBIG2解压缩得到二值位置图，同时用公式(4)恢复得到原始的采样像素值；

对加密并嵌入了信息的非采样像素，从前16个预测差值中提取阈值Tp和Tn。用公式(11)恢复出嵌入数据前的预测差值，并恢复出前16个预测差值的LSB；

用密钥2对嵌入数据前的预测差值进行反置乱处理，并结合步骤(2)得到的二值位置图，对值为1的像素点进行调整，恢复出预测差值；

用图2所示的插值预测方式，依次恢复II类非采样像素和I类非采样像素，将所有像素重组，即可恢复得到原图像。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (1)

1.一种基于插值技术的加密图像可逆信息隐藏方法，其特征在于：包括以下步骤：

步骤一：生成含嵌入空间的加密图像

1)利用插值技术生成预测差值：首先对256级灰度的原始图像X进行下采样，将采样点的像素称为采样像素，没有采样到的像素称为非采样像素，若原始图像的尺寸为2N×2M，即X＝{x(i,j),1≤i≤2N,1≤j≤2M}，则“●”表示采样像素，共N×M个，记为Xs＝{x(2n-1,2m-1),1≤n≤N,1≤m≤M}；“○”为I类非采样像素，记为X1＝{x(2n-1,2m)或x(2n,2m-1),1≤n≤N,1≤m≤M}；“◎”为II类非采样像素，记为X2＝{x(2n,2m),1≤n≤N,1≤m≤M}，两类非采样像素都有N×M个；

接下来对两类非采样像素中的每个像素值用插值方法进行预测，对II类像素的预测，从45°和135°两个正交的方向利用四个采样像素进行插值预测，对I类像素的预测，从0°和90°方向利用相邻的两个采样像素和两个II类像素进行预测，得到所有非采样像素的预测值后，计算预测差值，即为非采样像素所在位置的原始灰度值减去该像素处的预测灰度值，共计为3×N×M个：

为了用8比特编码预测差值e，至少需要保证预测差值在[-128,127]范围内，在此基础上允许云端管理者在[T_{n_min},T_{p_max}]范围内自主设定预测差值扩展的正、负阈值T_p和T_n，其中T_{n_min}<0为预设的预测差值扩展最小负阈值，T_{p_max}>0为预设的预测差值扩展最大正阈值，通过设定T_p和T_n就可以控制嵌入容量用下式可以将预测差值e限制在[-128-T_{n_min},127-(T_{p_max}+1)]：

接下来用经过处理的预测差值直接替代原像素值，为了在提取端无失真恢复原始图像，需要再用一个二值图M标记修改的位置，当

时，对应位置为1，否则为0，得到尺寸为3×N×M的辅助图后，进一步用JBIG2无损压缩算法进行压缩，压缩后的位置图M’将被嵌入到图像；

2)图像自嵌入：将位置图M’嵌入到采样像素中，首先将采样像素按原来的结构组合成为低分辨率图像Xl，然后采用经典的可逆信息隐藏方法Tian插值扩展法将M’嵌入到Xl中，首先把Xl分成每两个相邻像素组成的像素对(xl1,xl2)，用l表示均值，h表示差值：

则对应的逆变换为：

通过对h进行乘2扩展可以嵌入1比特信息，即h'＝2×h+b，用扩展后的h'替代公式(3)中的h即可得到嵌入数据之后的像素值(x_l1’,x_l2’)，提取数据时，用像素值计算得到l与h’，就可以得到嵌入数据b＝h'mod2，再将

和l的值代入公式(3)就可以无失真地恢复出原像素，值得注意的是，Tian插值扩展法同样会出现像素溢出，因此嵌入后得到的像素对的值必须在[0，255]范围内，经过简单的公式变换即可得：

满足该式的便认为该像素对为可扩展对，同样可采用位置图进行标记，为了减小嵌入给采样像素带来的失真，可根据嵌入数据量选择合适的阈值完成嵌入，最后用X_l’的像素替代原采样像素；

3)图像加密：用流加密方式对嵌入了辅助数据M’之后的采样像素加密，用到了两个密钥，各像素的8个比特用x′_l(n，m，k)表示，k∈[0，7]，用异或运算进行加密：

其中r_l(n，m，k)为用密钥1生成的伪随机二值序列，于是加密后的像素值

对所有的采样像素均进行这样的处理；

对于非采样像素位置的预测差值，为了让加密前后的直方图一致，从而保证云端管理者可以自主设置阈值，这里用密钥2对预测差值进行置乱，得到e'(2n,2m)，e'(2n-1,2m)和e'(2n,2m-1)，加密后的图像可以表示为：

最后将加密后的图像X_e上传到云端服务器；

步骤二：加密域数据嵌入：因为内容拥有者对非采样像素的预测差值只进行了置乱加密，因此其直方图保持不变，云端管理者从非采样像素位置提取出预测差值后，设定差值扩展的正负阈值T_p和T_n，就可以进行数据嵌入：

其中，

为修改后的预测差值，当e′∈[T_n，T_p]时，进行扩展并嵌入1比特数据b，否则将外围直方图平移，防止与扩展嵌入后的数据重叠，由于在预处理部分已经针对数据溢出做了处理，因此置乱后仍满足条件，可以确保修改后的

不会出现数据溢出；

云端管理者提取前16个预测差值的最不重要位即LSB，用T_p和T_n替换这些位，然后对剩余的预测差值用公式(8)进行处理，就得到了载密图像X_em；

步骤三：数据提取与图像恢复：数据的提取与图像的恢复根据不同的密钥可以分别进行，提取嵌入的秘密信息需要接收者有数据嵌入密钥3，首先从非采样像素位置的前16个预测差值中提取出正负阈值T_p和T_n，再从其他的预测差值中提取嵌入数据，用密钥解密得到嵌入的秘密信息：

原始图像的恢复需要接收者拥有密钥1和密钥2，首先根据加密后的图像，对每个采样像素得到8个加密后的值x_le(n,m,k)，k∈[0，7]；然后用密钥1生成二值伪随机序列，进行异或运算解密：

将x′_l(n，m，k)重组即可得到各采样像素x′_l(n，m)，将其两两组成像素对后，利用Tian差值扩展算法提取嵌入其中的压缩位置图M’，再用JBIG2压缩算法恢复出位置图M；进一步利用公式(4)恢复出原采样像素。

对非采样像素，首先和提取数据一样前16个预测差值中提取出正负阈值T_p和T_n，用下式恢复出嵌入前的预测差值：

并提取嵌入的16个预测差值最不重要位，得到置乱加密后的预测差值e'(2n,2m)，e'(2n-1,2m)，e'(2n,2m-1)后，利用密钥2反置乱得到预测差值e(2n,2m)，e(2n-1,2m)，e(2n,2m-1)，因为其中的部分像素经过了像素溢出的处理，因此对位置图M中值为1的像素点进行调整：

至此就无失真地恢复得到了所有采样像素的值以及非采样像素的预测差值，接下来采用与第1部分相同的插值预测方式，用4个采样像素的值得到II类非采样像素x'(2n,2m)，再利用两个采样像素与两个II类非采样像素得到I类非采样像素x'(2n-1,2m)、x'(2n,2m-1)，即：

将所有采样像素与非采样像素重组，就得到了原始图像X。

Images