CN112911290A - 一种基于预测差值压缩编码的密文图像可逆数据隐藏方法 - Google Patents

Abstract

本发明公开了一种基于预测差值压缩编码的密文图像可逆数据隐藏方法，方法包括：图像拥有者通过像素预测得到预测差值，采用熵编码对预测差值进行无损压缩编码，对压缩数据流和原图像分别加密，然后将加密后的压缩数据流保存在密文图像的低位有效位，最后将得到的含嵌入空间的密文图像上传云服务器；在云服务器端，数据嵌入者从含嵌入空间的密文图像中提取并解密数据，确定数据嵌入空间，通过比特替换方式嵌入加密后的附加数据，得到载密密文图像；授权接收者首先对载密密文图像低位位平面的压缩数据流解密，根据嵌入数据加密密钥则可正确提取得到嵌入的附加数据，根据图像加密密钥则可无失真恢复原图像；本发明方法可实现密文图像大容量的可逆数据隐藏，实现正确提取嵌入数据且无失真恢复原图像，可保障图像内容安全。

Description

一种基于预测差值压缩编码的密文图像可逆数据隐藏方法

技术领域

本发明涉及多媒体信息安全技术领域，特别是指一种基于预测差值压缩编码的密文图像可逆数据隐藏方法。

背景技术

随着数字经济浪潮势不可挡地席卷全球，云计算已成为保障我国经济结构调整，向数字化、智能化转型的重要基础设施。集中式的云计算服务提高了信息处理效率，但也不可避免地威胁了数据私密性。为了在云计算环境下兼顾数据安全与信号处理，密文域信号处理技术应运而生，如由可逆隐藏技术与加密技术相结合发展的密文图像可逆数据隐藏。

可逆数据隐藏技术以可逆方式将附加数据嵌入到数字图像中，在提取嵌入数据后可无失真恢复原图像，已广泛应用于对图像内容敏感的军事通信、医疗、法律论证等领域。明文图像的可逆数据隐藏技术主要有无损压缩、差值扩展、直方图修改三大类，已取得了良好的性能，不能直接应用到密文图像中。密文图像可逆数据隐藏主要分成加密后生成嵌入空间和加密前生成嵌入空间两大类。由于加密操作消除了图像像素间的相关性，加密后生成嵌入空间的方法数据嵌入容量较低，而加密前生成嵌入空间的方法可利用明文图像相关性，可实现更大的数据嵌入容量。当前，密文图像可逆数据隐藏方法仍无法满足大容量嵌入的应用需求，存在较大的发展空间。本发明通过对图像预测差值进行压缩编码设计一个具有高数据嵌入容量的安全的密文图像可逆数据隐藏方法。

发明内容

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种基于预测差值压缩编码的密文图像可逆数据隐藏方法，本发明方法利用明文图像的像素相关性，用相邻像素预测得到像素预测差值，进而使用熵编码方法对预测差值进行压缩编码，经加密后置于密文图像低位有效位位平面，在高位有效位位平面上生成大容量嵌入空间用于图像密文域的数据嵌入，授权接收者可正确提取嵌入数据及无失真恢复原图像。

本发明采用如下技术方案：

一种基于预测差值压缩编码的密文图像可逆数据隐藏方法，由图像拥有者、数据嵌入者、授权接收者三方分别完成无损压缩图像并加密上传云服务器、密文图像嵌入数据、提取嵌入数据或无失真恢复图像的操作。根据不同的应用场景需要，图像拥有者也可承担数据嵌入者和接收者的角色。

本发明公开的基于预测差值压缩编码的密文图像可逆数据隐藏方法，图像拥有者生成含嵌入空间的密文图像过程包括：

S1：以图像中的任意像素作为参考像素，可使用不同预测模板或使用机器学习方法构建的预测器得到像素预测差值；

S2：设定正、负阈值T⁺≥0、T^-≤0，将预测差值在[T^-,T⁺]范围内的像素归为独立编码像素，而预测差值在[T^-,T⁺]范围之外的像素归为联合编码像素；

S3：统计在[T^-,T⁺]范围内各不同预测差值的独立编码像素个数，统计所有联合编码像素的总数，计算各独立编码像素和所有联合编码像素的概率分布；

S4：采用熵编码技术(如Huffman编码、算术编码等)进行压缩编码；

S5：重复S2-S4，不断调整T^-、T⁺数值，计算不同阈值组合T^-、T⁺下进行熵编码得到压缩数据，比较压缩数据量的大小，最终得到可取得最佳压缩效果的最优阈值

S6：将熵编码的边信息、

为阈值进行熵编码得到的数据、参考像素位置和像素值、所有联合编码像素值组成压缩数据流，并进行加密处理。

S7：将原始图像进行加密得到密文图像；

S8：以直接替换方式，并按照位平面从低位到高位的顺序，将加密后的压缩数据依次取代密文图像各位平面的二进制数值，从而生成含嵌入空间的密文图像并上传云服务器。

具体地，所述步骤S1具体包括：参考像素P_R可以选择图像X中的任意一个像素，以达到最佳压缩效果；可利用预测模板包括中值边缘预测器(Median Edge Detection，MED)、梯度调节预测器(gradient-adjusted predictor，GAP)或基于机器学习训练得到的预测器等；通过像素预测得到除参考像素外的其余像素预测差值e，e∈[-(2^H-1)，2^H-1]，其中H为图像像素的比特数；统计各预测差值出现频次h(e)。

具体地，所述步骤S2具体包括：若正、负阈值分别为T⁺≥0、T^-≤0，将预测差值e∈[T^-,T⁺]的像素归为独立编码像素集P_I，将预测差值

的像素归为联合编码像素集P_J。

具体地，所述步骤S3具体包括：统计各预测差值e∈[T^-,T⁺]对应的独立编码像素个数为h(e)，统计所有联合编码像素的总数为

计算各独立编码像素概率为p(e)＝h(e)/∑_eh(e),e∈[T^-,T⁺]，所有联合编码像素的概率

具体地，所述步骤S4具体包括：根据概率分布，采用熵编码技术(如Huffman编码、算术编码等)进行压缩编码，得到预测差值压缩数据流长度为L(T^-,T⁺)(包括压缩编码边信息)。

具体地，所述步骤S5具体包括：以T^-＝T⁺＝0开始重复S2-S4，若h(T^--1)>h(T⁺-1),将T^-＝T^--1，否则调整T⁺＝T⁺+1，进入下一次重复S2-S4步骤迭代，直至T^-达到最小预测值e_min、T⁺达到最大预测值e_max为止；比较所有T^-、T⁺阈值组合对应的

值，使得该值最小的T^-、T⁺确定为最优阈值

具体地，所述步骤S6具体包括：以

为阈值，计算预测差值

的各独立编码像素的概率，以及预测差值

的所有联合编码像素的概率；根据概率分布，对预测差值进行熵编码；熵编码的边信息、熵编码数据、参考像素P_R的位置和像素值、所有联合编码像素P_J的像素值组成压缩数据流C，用密钥Key1进行加密得到C’。

具体地，所述步骤S7具体包括：用密钥Key2生成与图像像素个数相同、数值在[0，2^H-1]范围内的随机数，分别与图像各像素按位进行异或运算得到密文图像Y。

具体地，所述步骤S8具体包括：按照位平面从低位到高位的顺序，将加密后的压缩数据C’依次替换密文图像各位平面的二进制数值，将剩余高位位平面作为预留的密文域数据嵌入空间，从而生成含嵌入空间的密文图像Y_R，并将该图像上传云服务器。

本发明公开的基于预测差值压缩编码的密文图像可逆数据隐藏方法，云端数据嵌入者在密文图像中嵌入数据的过程包括：

T1：按照位平面从低位到高位的顺序，从含嵌入空间的密文图像依次提取低有效位数据进行解密，通过熵解码可确定压缩数据流的数据量，从而确定高位位平面可嵌入数据空间；

T2：将需要嵌入的附加数据进行加密，然后直接取代T1所确定的嵌入空间对应的各二进制数位，得到载密密文图像。

具体地，所述步骤T1具体包括：按位平面从低位到高位的顺序，从含嵌入空间的密文图像Y_R中依次提取低有效位数据，并用密钥Key1进行解密，借助熵编码边信息来确定熵编码压缩数据，经过解压缩后可确定联合编码像素个数，从而确定压缩数据流C的数据量，定位出可用图像密文域数据嵌入的高位有效位空间；

具体地，所述步骤T2具体包括：用密钥Key3将待嵌入的附加数据S进行加密处理得到S’,然后直接取代步骤T1所定位出的可嵌入空间上各二进制数位，得到载密密文图像Z。

本发明公开的基于预测差值压缩编码的密文图像可逆数据隐藏方法，授权接收者拥有密钥Key1和Key3时，在载密密文图像中提取数据的过程包括：

E1：按照位平面从低位到高位的顺序，从载密密文图像中依次提取低有效位数据进行解密，通过熵解码可确定压缩数据流的数据量，从而确定已嵌入数据的高位位平面空间；

E2：从已嵌入数据的高位位平面空间中依次提取嵌入的二值数据，经解密处理得到嵌入的附加数据。

具体地，所述步骤E1具体包括：按位平面从低位到高位的顺序，从载密密文图像Z中依次提取低有效位数据，并用密钥Key1进行解密，借助熵编码边信息来确定熵编码压缩数据，经过解压缩后可确定联合编码像素个数，从而确定压缩数据流C的数据量，定位出Z中嵌入数据的高位有效位位置；

具体地，所述步骤E2具体包括：从步骤E1所定位出的数据嵌入位置依次提取各二进制数位得到S’，使用密钥Key3对S’解密得到嵌入的附加数据S。

本发明公开的基于预测差值压缩编码的密文图像可逆数据隐藏方法，授权接收者拥有密钥Key1和Key2时，无失真恢复原图像的过程包括：

P1：按照位平面从低位到高位的顺序，从载密密文图像中依次提取低有效位数据进行解密，提取熵编码边信息后进行熵解码，确定各独立编码像素预测差值、参考像素位置和加密像素值、所有联合编码像素的加密像素值；

P2：使用图像加密密钥，对恢复参考像素和联合编码像素的加密像素值后的密文图像进行解密。

P3：根据参考像素、联合编码像素和已恢复的独立编码像素值，对于所有独立编码像素，按特定顺序依次采用与图像拥有者相同的预测模板进行像素预测，结合预测差值可无失真独立编码像素，恢复的独立编码像素用于后续独立编码像素的预测和无失真恢复。

P4：将参考像素、所有无失真恢复的独立编码像素和联合编码像素重组即得到原始图像。

具体地，所述步骤P1具体包括：按位平面从低位到高位的顺序，从载密密文图像Z中依次提取低有效位数据，并用密钥Key1进行解密，借助熵编码边信息进行数据解压缩，确定各独立编码像素预测差值

参考像素P_R的位置和加密后的像素值，无失真恢复所有联合编码像素P_J加密后的像素值；

具体地，所述步骤P2具体包括：恢复参考像素和联合编码像素的加密像素值后，载密密文图像Z转换成Z’,用密钥Key2生成与图像像素个数相同、数值在[0，2^H-1]范围内的随机数，分别与图像Z’各像素按位进行异或运算，解密得到近似图像X’。

具体地，所述步骤P3具体包括：根据参考像素P_R、联合编码像素P_J和已恢复的独立编码像素值，对于所有独立编码像素P_I，按特定顺序依次采用与图像拥有者相同的预测模板进行像素预测，结合预测差值

可无失真独立编码像素，恢复的独立编码像素用于后续独立编码像素的预测和无失真恢复。

具体地，所述步骤P4具体包括：将参考像素P_R、所有无失真恢复的独立编码像素P_I和联合编码像素P_J重组即得到原始图像X。

本发明公开的基于预测差值压缩编码的密文图像可逆数据隐藏方法，授权接收者拥有所有密钥Key1、Key2和Key3时，不仅可以正确提取载密密文图像中嵌入的附加数据，而且可以无失真恢复原图像。

由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：

1、本发明方法利用明文图像的像素相关性，用相邻像素预测得到像素预测差值，进而使用熵编码方法对预测差值进行压缩编码，经加密后置于密文图像低位有效位位平面，在高位有效位位平面上生成大容量嵌入空间用于图像密文域的数据嵌入，授权接收者可正确提取嵌入数据及无失真恢复原图像，通过像素预测差值进行熵编码压缩，可实现密文图像大容量的可逆数据隐藏，数据提取和图像恢复操作可分离进行，可100％正确提取嵌入数据且无失真恢复原图像，且加密操作可保障图像内容安全，特别是对像素预测差值的压缩数据进行了加密保护，可进一步加强图像内容保护。

附图说明

图1为本发明方法生成含嵌入空间的密文图像流程图；

图2为以参考像素为中心的像素预测示意图；

图3为四角方向的MED预测器示意图；

图4为四角方向的GAP预测器示意图；

图5为本发明方法的密文图像嵌入数据流程图；

图6为本发明方法的载密密文图像提取数据流程图；

图7为本发明方法的载密密文图像中恢复原图像流程图；

以下结合附图和具体实施例对本发明作进一步详述。

具体实施方式

以下通过具体实施方式对本发明作进一步的描述。

图像拥有者通过像素预测得到预测差值，采用熵编码对预测差值进行无损压缩编码，对压缩数据流和原图像分别加密，按照位平面从低到高的顺序，将加密后的无损压缩数据流替换密文图像的低位有效位，最后将得到的含嵌入空间的密文图像上传云服务器；

为了便于讨论，设实施例对8比特灰度明文图像X＝{x(i,j)|x(i,j)[0,255],1≤i≤M,1≤j≤N}进行密文图像可逆数据隐藏，图像大小为M×N。彩色图像可按不同颜色空间各分量分别按实施例进行处理。参见图1，一种基于预测差值压缩编码的密文图像可逆数据隐藏方法，以MED和GAP预测器作为像素预测的实施例，以Huffman编码作为熵编码的实施例，对图像加密并生成嵌入空间的具体实施步骤如下：

步骤101，以图像中的任意像素作为参考像素，使用不同预测模板或使用机器学习方法构建的预测器得到像素预测差值。

所述步骤S1具体包括：参考像素P_R可以选择图像X中的任意一个像素，以达到最佳压缩效果；可利用预测模板包括中值边缘预测器(Median Edge Detection，MED)、梯度调节预测器(gradient-adjusted predictor，GAP)或基于机器学习训练得到的预测器等；通过像素预测得到除参考像素外的其余像素预测差值e，e∈[-255，255]；统计各预测差值出现频次h(e)。

具体地，图像中的任意像素x(m,n)(1≤m≤M,1≤n≤N)均可作为参考像素，(m,n)为参考像素坐标位置。如先图2所示，从水平、垂直方向用单一相邻像素进行预测，预测规则如下：

然后，对四角方向参考像素上一行、下一行、左一列或右一列的像素值预测可使用图3所示MED预测器，x为被预测像素，a为x对角方向相邻像素，b为x水平方向相邻像素，c为x垂直方向相邻像素，预测规则可统一如下:

对于四角方向的其余像素，可继续使用MED预测器进行预测，或以图2所示的三行、三列像素值为基础，使用图4所示的GAP预测器来进行四角方向的预测，若使用其余预测模板可参照实施例。四角方向分别使用图4(a)-(d)所示的GAP预测器时，x为被预测像素，a-h为特定位置上的相邻像素，先计算水平和垂直方向的梯度Δ_H和Δ_V:

计算垂直梯度与水平梯度之间的梯度差

Δ＝Δ_V-Δ_H

基于梯度差，预测规则可统一如下：

其中，s＝(a+b)/2+(d-c)/4。

完成预测后，各像素(除参考像素)的预测差值e为

e(i,j)＝x(i,j)-p(i,j) i≠m或j≠n

对于8比特灰度图像，e∈[-255,255]。

步骤102，设定正、负阈值T⁺≥0、T^-≤0，将预测差值在[T^-,T⁺]范围内的像素归为独立编码像素，而预测差值在[T^-,T⁺]范围之外的像素归为联合编码像素。

具体地，对于设定的正、负阈值T⁺≥0、T^-≤0，将预测差值e∈[T^-,T⁺]的像素归为独立编码像素P_I，其余e∈[-255,T^-)∪(T⁺,255]的像素归为联合编码像素P_J。

步骤103，统计在[T^-,T⁺]范围内各不同预测差值的独立编码像素个数，统计所有联合编码像素的总数，计算各独立编码像素和所有联合编码像素的概率分布

统计各预测差值e∈[T^-,T⁺]对应的独立编码像素个数为h(e)，统计所有联合编码像素的总数为

计算各独立编码像素概率为p(e)＝h(e)/∑_eh(e),e∈[T^-,T⁺]，所有联合编码像素的概率

具体地，按下式统计预测差值直方图h

h(e)＝{#e(i,j)＝e,e∈[-255,255],1≤i≤M,1≤j≤N且i≠m或j≠n}

统计所有联合编码像素的总数为

计算各独立编码像素概率为

所有联合编码像素的概率

步骤104，采用熵编码技术进行压缩编码。

具体地，以Huffman编码作为熵编码的实施例，根据概率分布p(e)(e∈[T^-,T⁺])和p(J)，按照Huffman编码规则分配码字。设对于e∈[T^-,T⁺]，分配二进制码字依次为

各码字长度为l(C_e)比特，其余e∈[-255,T^-)∪(T⁺,255]则分配统一码字C_J，长度为l(C_J)比特。对所有预测差值进行Huffman编码的长度为

熵编码的边信息包括T⁺和T^-值、Huffman树信息、参考像素位置和像素值、所有联合编码像素的像素值，计为

步骤105，重复102-104，不断调整T^-、T⁺数值，计算不同阈值组合T^-、T⁺下进行熵编码得到压缩数据，比较压缩数据量的大小，最终得到可取得最佳压缩效果的最优阈值

具体地，遍历以T⁺＝T^-＝0开始重复102-104，得到当前阈值组合下的Huffman编码数据量

若h(T^--1)>h(T⁺+1),则修改T^-＝T^--1，否则修改T⁺＝T⁺+1；然后重复102-104，直至

则不再更新T^-，

则不再更新T⁺；完成熵编码遍历后，找到使得

最小的阈值确定为最佳阈值

步骤106，将熵编码的边信息、

为阈值进行熵编码得到的数据、参考像素位置和像素值、所有联合编码像素值组成压缩数据流，并进行加密处理。

以

为阈值，计算预测差值

的各独立编码像素的概率，以及预测差值

的所有联合编码像素的概率；根据概率分布，对预测差值进行熵编码；熵编码的边信息、熵编码数据、参考像素P_R的位置和像素值、所有联合编码像素P_J的像素值组成压缩数据流B，用密钥Key1进行加密得到B’。

具体地，以最佳阈值

进行像素分类，

的像素归为独立编码像素P_I，

的像素归为联合编码像素P_J；计算p(e)、p(J)，分配Huffman码字使得

最小；除参考像素外的所有像素按照预测差值的大小，用相应的Huffman码字进行编码，得到的熵编码数据与相应由

和

值、Huffman树信息、参考像素位置和像素值、所有联合编码像素的像素值一起组成的边信息组合成二进制压缩数据流B＝{b₁,b₂,…,b_l(B)}；用密钥Key1生成l(B)比特二进制随机数F＝{f₁,f₂,…,f_l(B)}，使用异或运算对B进行如下加密操作：

式中

为异或运算，得到加密后压缩数据流B’＝{b′₁,b′₂,…,b′_l(B)}。

步骤107，将原始图像进行加密得到密文图像。

具体地，以流加密为实施例，用密钥Key2生成大小为M×N、像素值在[0,255]范围内随机图像R＝{r(i,j)|r(i,j)[0,255],1≤i≤M,1≤j≤N}，各图像像素通过按位异或运算XOR进行加密

y(i,j)＝x(i,j)XORr(i,j)

得到密文图像Y＝{y(i,j)|y(i,j)[0,255],1≤i≤M,1≤j≤N}。

步骤108，直接替换方式，并按照位平面从低位到高位的顺序，将加密后的压缩数据依次取代密文图像各位平面的二进制数值，从而生成含嵌入空间的密文图像并上传云服务器。

具体地，按位平面从低到高的顺序，将密文图像Y各位平面二值数据组成二值序列{y(1,1,0),y(1,2,0),…,y(1,N,0),y(2,1,0),…,y(M,N,0),y(1,1,1),…,y(M,N,1),…,y(1,1,7),…,y(M,N,7)},其中前l(B)比特二进制数据直接用加密后压缩数据流B’替换，其余数据保持不变，将各像素值重组得到含嵌入空间的密文图像Y_R。

在云服务器端，数据嵌入者从含嵌入空间的密文图像中提取并解密低位位平面数据，图像无损压缩数据流，确定图像高位位平面上的数据嵌入空间，通过比特替换方式嵌入加密后的附加数据，得到载密密文图像；

参见图5，本发明公开的基于预测差值压缩编码的密文图像可逆数据隐藏方法，云端数据嵌入者在密文图像中嵌入数据的具体实施步骤如下：

步骤201，按照位平面从低位到高位的顺序，从含嵌入空间的密文图像依次提取低有效位数据进行解密，通过熵解码可确定压缩数据流的数据量，从而确定高位位平面可嵌入数据空间。

具体地，按位平面从低到高的顺序，将嵌入空间的密文图像Y_R各位平面二值数据组成二值序列，用密钥Key1生成二进制随机数进行异或运算进行解密操作，提取其中熵编码边信息，进行熵解码可确定预测差值熵编码数据量以及联合编码像素个数，确定加密后压缩数据流的大小l(B)比特，从而定位出密文图像中可嵌入数据空间位置。

步骤202，将需要嵌入的附加数据进行加密，然后直接取代T1所确定的嵌入空间对应的各二进制数位，得到载密密文图像。

具体地，用密钥Key3生成二进制随机数与二进制附加数据S一一异或运算得到S’；将嵌入空间的密文图像Y_R各位平面二值数据组成二值序列，用S’中的加密数据依次取代其除前l(B)比特外的其余二进制数据即可完成数据嵌入；将各像素值重组得到载密密文图像Z。

授权接收者根据压缩数据加密密钥，对载密密文图像低位位平面的压缩数据流解密，拥有嵌入数据加密密钥则正确提取得到嵌入的附加数据，拥有图像加密密钥则正确提取无失真恢复原图像，拥有嵌入数据加密密钥和图像加密密钥则正确提取嵌入数据和无失真恢复原图像。

参见图6，本发明公开的基于预测差值压缩编码的密文图像可逆数据隐藏方法，授权接收者拥有密钥Key1和Key3时，在载密密文图像中提取数据的具体实施步骤如下：

步骤301，按照位平面从低位到高位的顺序，从载密密文图像中依次提取低有效位数据进行解密，通过熵解码可确定压缩数据流的数据量，从而确定已嵌入数据的高位位平面空间。

具体地，按位平面从低到高的顺序，将载密密文图像Z各位平面二值数据组成二值序列，用密钥Key1生成二进制随机数进行异或运算进行解密操作，提取其中熵编码边信息，进行熵解码可确定预测差值熵编码数据量以及联合编码像素个数，确定加密后压缩数据流的大小l(B)比特，从而定位出载密密文图像中嵌入附加数据位置。

步骤302，从已嵌入数据的高位位平面空间中依次提取嵌入的二值数据，经解密处理得到嵌入的附加数据。

具体地，从载密密文图像Z各位平面按从低到高的顺序中提取除前l(B)比特外的其余二进制数据得到S’，用密钥Key3生成二进制随机数与S’进行异或运算解密，即可得到嵌入的附加数据S。

参见图7，本发明公开的基于预测差值压缩编码的密文图像可逆数据隐藏方法，授权接收者拥有密钥Key1和Key2时，无失真恢复原图像的具体实施步骤如下：

步骤401，按照位平面从低位到高位的顺序，从载密密文图像中依次提取低有效位数据进行解密，提取熵编码边信息后进行熵解码，确定各独立编码像素预测差值、参考像素位置和加密像素值、所有联合编码像素的加密像素值。

具体地，按位平面从低到高的顺序，将载密密文图像Z各位平面二值数据组成二值序列，用密钥Key1生成二进制随机数进行异或运算进行解密操作，提取其中熵编码边信息，进行熵解码可以得到独立编码像素的预测差值，并在载密密文图像Z中无失真恢复加密后的参考像素值和联合编码像素值，得到图像Z’。

步骤402，使用图像加密密钥，对恢复参考像素和联合编码像素的加密像素值后的密文图像进行解密。

具体地，用密钥Key2生成大小为M×N、像素值在[0,255]范围内随机图像R＝{r(i,j)|r(i,j)[0,255],1≤i≤M,1≤j≤N}，与图像Z’各像素通过按位异或运算解密

x’(i,j)＝z’(i,j)XORr(i,j)

得到解密恢复参考像素P_R和联合编码像素P_J的图像X’。

步骤403，根据参考像素、联合编码像素和已恢复的独立编码像素值，对于所有独立编码像素，按特定顺序依次采用与图像拥有者相同的预测模板进行像素预测，结合预测差值可无失真独立编码像素，恢复的独立编码像素用于后续独立编码像素的预测和无失真恢复。

具体地，从参考像素P_R出发，按步骤101所述的相同方式，依次从水平、垂直方向用单一相邻像素对独立编码像素进行预测，得到预测值加上相应预测差值即可无失真恢复该独立编码像素，恢复像素将用于后续像素的预测恢复。完成水平、垂直方向独立像素无失真恢复后，对于四角方向上的独立编码像素，同理按步骤101所述的相同方式，用MED或GAP预测器进行预测，得到的预测值加上相应预测差值进行无失真恢复，恢复像素将用于后续像素的预测恢复。

步骤404，将参考像素、所有无失真恢复的独立编码像素和联合编码像素重组即得到原始图像。具体地，将所有无失真恢复独立编码像素P_I与参考像素P_R和联合编码像素P_J重组即可得到原图像X。

本发明方法利用明文图像的像素相关性，用相邻像素预测得到像素预测差值，进而使用熵编码方法对预测差值进行压缩编码，经加密后置于密文图像低位有效位位平面，在高位有效位位平面上生成大容量嵌入空间用于图像密文域的数据嵌入，授权接收者可正确提取嵌入数据及无失真恢复原图像，通过像素预测差值进行熵编码压缩，可实现密文图像大容量的可逆数据隐藏，数据提取和图像恢复操作可分离进行，可100％正确提取嵌入数据且无失真恢复原图像，且加密操作可保障图像内容安全，特别是对像素预测差值的压缩数据进行了加密保护，可进一步加强图像内容保护。

上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (5)

1.一种基于预测差值压缩编码的密文图像可逆数据隐藏方法，其特征在于：

图像拥有者通过像素预测得到预测差值，采用熵编码对预测差值进行无损压缩编码，对压缩数据流和原图像分别加密，按照位平面从低到高的顺序，将加密后的无损压缩数据流替换密文图像的低位有效位，最后将得到的含嵌入空间的密文图像上传云服务器；

在云服务器端，数据嵌入者从含嵌入空间的密文图像中提取并解密低位位平面数据，图像无损压缩数据流，确定图像高位位平面上的数据嵌入空间，通过比特替换方式嵌入加密后的附加数据，得到载密密文图像；

授权接收者根据压缩数据加密密钥，对载密密文图像低位位平面的压缩数据流解密，根据嵌入数据加密密钥则正确提取得到嵌入的附加数据，根据图像加密密钥则正确提取无失真恢复原图像，根据嵌入数据加密密钥和图像加密密钥则正确提取嵌入数据和无失真恢复原图像。

2.根据权利要求1中的一种基于预测差值压缩编码的密文图像可逆数据隐藏方法，其特征在于，图像拥有者通过像素预测得到预测差值，采用熵编码对预测差值进行无损压缩编码，对压缩数据流和原图像分别加密，按照位平面从低到高的顺序，将加密后的无损压缩数据流替换密文图像的低位有效位，最后将得到的含嵌入空间的密文图像上传云服务器，具体包括：

S1：以图像中的任意像素作为参考像素，使用不同预测模板或机器学习方法构建的预测器得到像素预测差值；

S2：设定正、负阈值T⁺≥0、T^-≤0，将预测差值在[T^-,T⁺]范围内的像素归为独立编码像素，而预测差值在[T^-,T⁺]范围之外的像素归为联合编码像素；

S3：统计在[T^-,T⁺]范围内各不同预测差值的独立编码像素个数，统计所有联合编码像素的总数，计算各独立编码像素和所有联合编码像素的概率分布；

S4：采用熵编码技术进行压缩编码；

S5：重复S2-S4，不断调整T^-、T⁺数值，计算不同阈值组合T^-、T⁺下进行熵编码得到压缩数据，比较压缩数据量的大小，最终得到取得最佳压缩效果的最优阈值

S6：将熵编码的边信息、

为阈值进行熵编码压缩得到的数据、参考像素位置和像素值、所有联合编码像素值组成压缩数据流，并进行加密处理。

S7：将原始图像进行加密得到密文图像；

S8：以直接替换方式，并按照位平面从低位到高位的顺序，将加密后的压缩数据依次取代密文图像各位平面的二进制数值，从而生成含嵌入空间的密文图像并上传云服务器。

3.根据权利要求1中的一种基于预测差值压缩编码的密文图像可逆数据隐藏方法，其特征在于，在云服务器端，数据嵌入者从含嵌入空间的密文图像中提取并解密低位位平面数据，得到图像无损压缩数据流，确定图像高位位平面上的数据嵌入空间，通过比特替换方式嵌入加密后的附加数据，得到载密密文图像，具体包括：

T1：按照位平面从低位到高位的顺序，从含嵌入空间的密文图像中依次提取低有效位数据进行解密，通过熵解码可确定压缩数据流的数据量，从而确定高位位平面可嵌入数据空间；

T2：将需要嵌入的附加数据进行加密，然后直接取代T1所确定的嵌入空间对应的各二进制数位，得到载密密文图像。

4.根据权利要求1中的一种基于预测差值压缩编码的密文图像可逆数据隐藏方法，其特征在于，授权接收者根据压缩数据加密密钥，对载密密文图像低位位平面的压缩数据流解密，根据嵌入数据加密密钥则正确提取得到嵌入的附加数据，具体包括：

E1：按照位平面从低位到高位的顺序，从载密密文图像中依次提取低有效位数据进行解密，通过熵解码可确定压缩数据流的数据量，从而确定已嵌入数据的高位位平面空间；

E2：从已嵌入数据的高位位平面空间中依次提取嵌入的二值数据，经解密处理得到嵌入的附加数据。

5.根据权利要求1中的一种基于预测差值压缩编码的密文图像可逆数据隐藏方法，其特征在于，授权接收者根据压缩数据加密密钥，对载密密文图像低位位平面的压缩数据流解密，根据图像加密密钥则正确提取无失真恢复原图像，具体包括：

P1：按照位平面从低位到高位的顺序，从载密密文图像中依次提取低有效位数据进行解密，提取熵编码边信息后进行熵解码，确定各独立编码像素预测差值、参考像素位置和加密像素值、所有联合编码像素的加密像素值；

P2：使用图像加密密钥，对恢复参考像素和联合编码像素的加密像素值后的密文图像进行解密；

P3：根据参考像素、联合编码像素和已恢复的独立编码像素值，对于所有独立编码像素，按特定顺序依次采用与图像拥有者相同的预测模板进行像素预测，结合预测差值可无失真独立编码像素，恢复的独立编码像素用于后续独立编码像素的预测和无失真恢复；

P4：将参考像素、所有无失真恢复的独立编码像素和联合编码像素重组即得到原始图像。

Images