CN113393364A - 一种基于像素值排序的可逆信息隐藏方法 - Google Patents
一种基于像素值排序的可逆信息隐藏方法 Download PDFInfo
- Publication number
- CN113393364A CN113393364A CN202110765860.4A CN202110765860A CN113393364A CN 113393364 A CN113393364 A CN 113393364A CN 202110765860 A CN202110765860 A CN 202110765860A CN 113393364 A CN113393364 A CN 113393364A
- Authority
- CN
- China
- Prior art keywords
- pixel
- prediction error
- pixels
- prediction
- value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000002441 reversible effect Effects 0.000 title claims abstract description 18
- 238000012163 sequencing technique Methods 0.000 claims abstract description 6
- 238000011084 recovery Methods 0.000 claims description 12
- 230000001174 ascending effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000004372 Polyvinyl alcohol Substances 0.000 abstract 1
- 229920002451 polyvinyl alcohol Polymers 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于像素值排序的可逆信息隐藏方法。包括:将原始载体图像分成互不重叠且等大的图像块;设计16种像素扫描方式;针对每一种像素扫描方式,将块中所有像素按照从大到小的顺序排序,用第三大像素预测次大像素产生一个预测误差,采用IPVO进行数据嵌入;用次大像素预测最大像素产生第二个预测误差,用PVO进行数据嵌入,从而最大三个像素能至多携带两比特水印;遍历每一种像素扫描方式,选取预测误差值为1和值为0数量作为最终的像素扫描方式。本发明设计多种扫描方式,使得预测误差值为‑1的数量减少而预测误差值为1的数量增加,从而大大提升嵌入性能;并且充分利用排序后相邻像素间的高相关性,来进一步提升预测误差值为1和0的数量。
Description
技术领域
本发明涉及信息隐藏技术领域,尤其涉及一种基于像素值排序的可逆信息隐藏方法。
背景技术
网络技术和计算机多媒体技术的日新月异发展,使得多媒体信息在互联网上的应用越来越广泛,信息传输速度也变得越来越快,人们的生活也得到了极大的方便,但同时也引发了各种媒体信息的传输安全问题和数字产品的版权保护问题。信息隐藏是解决各种媒体信息的版权保护和信息安全问题的一种有效途径。数字图像在Internet的普遍使用和图像中固有的大量冗余空间,使其成为了信息隐藏中上最常用的载体,其安全问题也尤为突出
可逆信息隐藏是信息隐藏的一个特殊的分支,其特殊性体现在无失真抽取出水印信息后,仍能无损复原出原始载体信息。受何等人(W.G.He,Z.C.Cai,Y.M.Wang,Flexiblespatial location-based PVO predictor for high fidelity reversible datahiding,Inf.Sci.,520:431-444,2020.)的方法启发,本发明提出了一种基于PVO的全新的可逆信息隐藏方法。
发明内容
本发明的目的在于提供一种基于差扩展的可逆信息隐藏方法,通过设计多种像素扫描方式来使得预测误差值为1的数量增加而预测误差值为-1的数量减少,从而有效地提高了嵌入性能。
为实现上述目的,本发明的技术方案是:一种基于像素值排序的可逆信息隐藏方法,包括如下步骤:
步骤1、将大小为W×H的原始载体图像I分成N个互不重叠的、大小为w×h的图像块;
步骤2、设计候选扫描方式,遍历每一种候选扫描方式,从中找到在失真相同的情况下容量最高的扫描方式,并标记为最佳扫描方式;
步骤3、用最佳扫描方式将二维图像块Bk转变成一维像素序列其中Bk表示第k个图像块,k∈{1,2,…,N};然后,按照像素值从小到大的顺序重排lk得到排序后的像素序列其中下标σ(κ)表示的是像素pσ(κ)在lk中的位置,κ表示的是pσ(κ)在中的位置;
步骤4、对于三个最大像素,第三大像素pσ(w×h-2)采用IPVO的预测方式来预测pσ(w×h-1)得到预测误差em1如下:
em1=pu-pv (1)
其中u=min(σ(w×h-2),σ(w×h-1)),v=max(σ(w×h-2),σ(w×h-1));从式(1)可知,IPVO在计算em1的过程中考虑两个像素,即用作预测的像素pσ(w×h-2)和被预测像素pσ(w×h-1)在原始序列中所处的位置σ(w×h-2)和σ(w×h-1),从而产生以0为中心的近似拉普拉斯分布的预测误差灰度谱;
步骤5、1比特水印b,b∈{0,1}经下式嵌入到em1中:
其中e'm1是含密预测误差;从式(2)可知,经IPVO后,值为1的预测误差能携带1比特水印信息,相反,值为-1的预测误差只能被平移而不能携带任何的水印信息;通过式(1)可知,预测误差em1是和pσ(w×h-2)、pσ(w×h-1)在原始序列中所处的位置σ(w×h-2)、σ(w×h-1)有关的;而σ(w×h-2)和σ(w×h-1)又是受扫描的方式所决定的,因此,通过步骤2设计的候选扫描方式来增加值为1的预测误差的数量和降低值为-1的预测误差的数量;因为pσ(w×h-1)≥pσ(w×h-2),为保证em1=1,就必须让σ(w×h-1)<σ(w×h-2),也就是说,通过设计候选扫描方式,使得pσ(w×h-2)排在pσ(w×h-1)的后面;
含密像素p′σ(w×h-1)计算如下:
步骤6、pσ(w×h-1)采用PVO的预测方式预测pσ(w×h)得到预测误差em2如下:
不同于IPVO,PVO在计算em2的过程中并不会考虑用作预测的像素和被预测像素在原始序列lk中的位置,只是将两个像素简单地相减来得到差值;为得到更多的值为1的预测误差,即em2=1,pσ(w×h)必须大于pσ(w×h-1);
步骤7、对于em2,数据嵌入过程如下:
其中e'm2是含密预测误差;
含密像素等于
步骤8、对于三个最小像素,第三小像素pσ(3)采用IPVO的预测方式来预测pσ(2)得到预测误差es1如下:
es1=ps-pt (7)
其中s=min(σ(2),σ(3)),t=max(σ(2),σ(3));从式(1)可知,IPVO在计算es1的过程中考虑了两个像素,即用作预测的像素pσ(3)和被预测像素pσ(2)在原始序列中所处的位置σ(2)和σ(3),从而产生以0为中心的近似拉普拉斯分布的预测误差灰度谱;
步骤9、1比特水印b(b∈{0,1})经式(8)嵌入到es1中:
其中e's1是含密预测误差;从式(8)可知,经IPVO后,值为1的预测误差能携带1比特水印信息,相反,值为-1的预测误差只能被平移而不能携带任何的水印信息;通过式(7)可知,预测误差es1是和pσ(2)、pσ(3)在原始序列中所处的位置σ(2)、σ(3)有关的;而σ(2)和σ(3)又是受扫描的方式所决定的,因此,通过步骤2设计的候选扫描方式来增加值为1的预测误差的数量和降低值为-1的预测误差的数量;因为pσ(3)≥pσ(2),为保证em1=1,就必须让σ(3)<σ(2),也就是说,通过设计候选扫描方式,使得pσ(2)排在pσ(3)的后面;
含密像素p′σ(2)计算如下:
步骤10、pσ(2)采用PVO的预测方式预测pσ(1)得到预测误差es2如下:
es2=pσ(2)-pσ(1) (10)
为得到更多的值为1的预测误差,即es2=1,pσ(2)必须大于pσ(1);
步骤11、对于es2,数据嵌入过程如下:
其中e'm2是含密预测误差;
含密像素p′σ(1)等于
步骤12、待所有的图像块都按照步骤2-12处理完之后,一幅含密图像IW即可生成。
在本发明一实施例中,还包括抽取过程,其为步骤1-12的嵌入过程的反过程。
在本发明一实施例中,所述抽取过程,具体步骤如下:
步骤S1、按照和嵌入过程相同的方式将大小为W×H的含密图像IW分成N个互不重叠的、大小为w×h的含密图像块;
第三大像素p′σ(w×h-2)采用IPVO来预测p′σ(n-2)得到含密预测误差e′m1:
e′m1=p′u-p′v (13)
其中u=min(σ(w×h-2),σ(w×h-1)),v=max(σ(w×h-2),σ(w×h-1));
参照式(14),1比特水印信息从e′m1中抽取出来:
同时,像素值pσ(w×h-1)恢复如下:
步骤S3、恢复出来的pσ(w×h-1)采用PVO的方式预测pσ(w×h),得到含密预测误差e′m2:
e′m2=p′σ(w×h)-pσ(w×h-1) (16)
参照式(17),1比特水印信息可以从e′m2中提取出来;
同时,像素值pσ(w×h)恢复如下:
步骤S4、第三小像素p′σ(3)采用IPVO来预测p′σ(2)得到含密预测误差e′s1;
e′s1=p′s-p′t (19)
其中s=min(σ(w×h-2),σ(w×h-1)),t=max(σ(w×h-2),σ(w×h-1));
按照式(20),1比特水印信息从e′s1中抽取出来:
同时,像素值pσ(2)恢复如下:
步骤S5、恢复出来的pσ(2)采用PVO的方式预测pσ(1),得到含密预测误差e′m2:
e′s2=p′σ(2)-pσ(1) (22)
按照等式(23),1比特水印信息从e′m2中提取出来:
同时,像素值pσ(1)恢复如下:
在本发明一实施例中,步骤2中的候选扫描方式为16种。
在本发明一实施例中,步骤3中,升序排序完成后,第三大像素pσ(w×h-2)之后的两个像素需要重新调整位置,调整的规则是pσ(w×h-1)和pσ(w×h)必须满足σ(w×h-1)<σ(w×h),即pσ(w×h-1)在lk中的位置在pσ(w×h)的前面;同理,第三小pσ(3)之前的两个像素也需要重新调整位置,即pσ(1)和pσ(2)必须满足σ(1)<σ(2)。
在本发明一实施例中,升序排序完成后,第三大像素p′σ(w×h-2)之后的两个像素需要重新调整位置,调整的规则是p′σ(w×h-1)和p′σ(w×h)必须满足σ(w×h-1)<σ(w×h),即p′σ(w×h-1)在lk中的位置是位于p′σ(w×h-1)的位置之前;同理,第三小像素p′σ(3)之前的两个像素也需要调整位置,即p′σ(1)在lk中的位置是位于p′σ(2)的位置之前。
相较于现有技术,本发明具有以下有益效果:
本发明公开了一种基于像素值排序(pixel-value-ordering,PVO)的全新可逆信息隐藏算法。不同于传统的基于PVO的可逆信息隐藏算法,本发明有如下的优点:
在PVO和其改进版本(improved PVO,IPVO)中,预测误差数量是和排序前后的像素位置密切相关,为此,本发明设计了多种块内像素扫描方式,使得预测误差值为-1的数量减少而预测误差值为1的数量增加,从而大大提升嵌入性能;
2、充分利用排序后相邻像素间的高相关性,来进一步提升预测误差值为1和0的数量。
附图说明
图1为本发明设计的16种扫描方式。
图2为本发明其中一种扫描方式。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明一种基于像素值排序的可逆信息隐藏方法,包括如下步骤:
步骤1、将大小为W×H的原始载体图像I分成N个互不重叠的、大小为w×h的图像块;
步骤2、如图2所示,设计了16种候选扫描方式,遍历每一种候选扫描方式,从中找到在失真相同的情况下容量最高的扫描方式,并标记为最佳扫描方式;
步骤3、用最佳扫描方式将二维图像块Bk转变成一维像素序列其中Bk表示第k个图像块,k∈{1,2,…,N};然后,按照像素值从小到大的顺序重排lk得到排序后的像素序列其中下标σ(κ)表示的是像素pσ(κ)在lk中的位置,κ表示的是pσ(κ)在中的位置;值得注意的是:升序排序完成后,第三大像素pσ(w×h-2)之后的两个像素需要重新调整位置,调整的规则是pσ(w×h-1)和pσ(w×h)必须满足σ(w×h-1)<σ(w×h),即pσ(w×h-1)在lk中的位置在pσ(w×h)的前面;如图2所示,第三大像素是pσ(14)=p11=128,排在它后面的两个像素的值是p14=128和p13=129,然而p13在lk的位置是13和p14在lk的位置是14,因此需要重新调整位置,调整后,p13=129排在了p14=128的前面;同理,第三小pσ(3)之前的两个像素也需要重新调整位置,即pσ(1)和pσ(2)必须满足σ(1)<σ(2)。
如图2所示,按序连接的箭头代表的是扫描方式。按照这种扫描方式,二维图像块被转变成一维像素序列。接下来,将这一维像素序列按照升序排列得到排序后的像素序列,并从中选出第三大像素pσ(n-2)和第三小像素pσ(3)。用第三大像素预测最大两个像素来实现两比特数据嵌入,同时,用第三小像素预测最小两个像素来实现另外两比特数据嵌入。
步骤4、对于三个最大像素,第三大像素pσ(w×h-2)采用IPVO的预测方式来预测pσ(w×h-1)得到预测误差em1如下:
em1=pu-pv (1)
其中u=min(σ(w×h-2),σ(w×h-1)),v=max(σ(w×h-2),σ(w×h-1));从式(1)可知,IPVO在计算em1的过程中考虑两个像素,即用作预测的像素pσ(w×h-2)和被预测像素pσ(w×h-1)在原始序列中所处的位置σ(w×h-2)和σ(w×h-1),从而产生以0为中心的近似拉普拉斯分布的预测误差灰度谱;
步骤5、1比特水印b,b∈{0,1}经下式嵌入到em1中:
其中e'm1是含密预测误差;从式(2)可知,经IPVO后,值为1的预测误差能携带1比特水印信息,相反,值为-1的预测误差只能被平移而不能携带任何的水印信息;通过式(1)可知,预测误差em1是和pσ(w×h-2)、pσ(w×h-1)在原始序列中所处的位置σ(w×h-2)、σ(w×h-1)有关的;而σ(w×h-2)和σ(w×h-1)又是受扫描的方式所决定的,因此,通过步骤2设计的候选扫描方式来增加值为1的预测误差的数量和降低值为-1的预测误差的数量;因为pσ(w×h-1)≥pσ(w×h-2),为保证em1=1,就必须让σ(w×h-1)<σ(w×h-2),也就是说,通过设计候选扫描方式,使得pσ(w×h-2)排在pσ(w×h-1)的后面;
含密像素p′σ(w×h-1)计算如下:
步骤6、pσ(w×h-1)采用PVO的预测方式预测pσ(w×h)得到预测误差em2如下:
不同于IPVO,PVO在计算em2的过程中并不会考虑用作预测的像素和被预测像素在原始序列lk中的位置,只是将两个像素简单地相减来得到差值;为得到更多的值为1的预测误差,即em2=1,pσ(w×h)必须大于pσ(w×h-1);
步骤7、对于em2,数据嵌入过程如下:
其中e'm2是含密预测误差;
含密像素等于
步骤8、对于三个最小像素,第三小像素pσ(3)采用IPVO的预测方式来预测pσ(2)得到预测误差es1如下:
es1=ps-pt (7)
其中s=min(σ(2),σ(3)),t=max(σ(2),σ(3));从式(1)可知,IPVO在计算es1的过程中考虑了两个像素,即用作预测的像素pσ(3)和被预测像素pσ(2)在原始序列中所处的位置σ(2)和σ(3),从而产生以0为中心的近似拉普拉斯分布的预测误差灰度谱;
步骤9、1比特水印b(b∈{0,1})经式(8)嵌入到es1中:
其中e's1是含密预测误差;从式(8)可知,经IPVO后,值为1的预测误差能携带1比特水印信息,相反,值为-1的预测误差只能被平移而不能携带任何的水印信息;通过式(7)可知,预测误差es1是和pσ(2)、pσ(3)在原始序列中所处的位置σ(2)、σ(3)有关的;而σ(2)和σ(3)又是受扫描的方式所决定的,因此,通过步骤2设计的候选扫描方式来增加值为1的预测误差的数量和降低值为-1的预测误差的数量;因为pσ(3)≥pσ(2),为保证em1=1,就必须让σ(3)<σ(2),也就是说,通过设计候选扫描方式,使得pσ(2)排在pσ(3)的后面;
含密像素p′σ(2)计算如下:
步骤10、pσ(2)采用PVO的预测方式预测pσ(1)得到预测误差es2如下:
es2=pσ(2)-pσ(1) (10)
为得到更多的值为1的预测误差,即es2=1,pσ(2)必须大于pσ(1);
步骤11、对于es2,数据嵌入过程如下:
其中e'm2是含密预测误差;
含密像素p′σ(1)等于
步骤12、待所有的图像块都按照步骤2-12处理完之后,一幅含密图像IW即可生成。
抽取过程是嵌入过程的反过程,步骤如下:
步骤S1、按照和嵌入过程相同的方式将大小为W×H的含密图像IW分成N个互不重叠的、大小为w×h的含密图像块;
步骤S2、按照最佳扫描方式,将第k个二维图像块转变为一维像素序列之后,按照像素值从小到大的顺序排列lk得到排序后的像素序列值得注意的是:升序排完之后,排在第三大像素p′σ(w×h-2)之后的两个像素需要重新调整位置,调整的规则是p′σ(w×h-1)和p′σ(w×h)必须满足σ(w×h-1)<σ(w×h),即p′σ(w×h-1)在lk中的位置是位于p′σ(w×h-1)的位置之前。同理,排在第三小像素p′σ(3)之前的两个像素也需要调整位置,即p′σ(1)在lk中的位置是位于p′σ(2)的位置之前。第三大像素p′σ(w×h-2)采用IPVO来预测p′σ(n-2)得到含密预测误差e′m1;
第三大像素p′σ(w×h-2)采用IPVO来预测p′σ(n-2)得到含密预测误差e′m1:
e′m1=p′u-p′v (13)
其中u=min(σ(w×h-2),σ(w×h-1)),v=max(σ(w×h-2),σ(w×h-1));
参照式(14),1比特水印信息从e′m1中抽取出来:
同时,像素值pσ(w×h-1)恢复如下:
步骤S3、恢复出来的pσ(w×h-1)采用PVO的方式预测pσ(w×h),得到含密预测误差e′m2:
e′m2=p′σ(w×h)-pσ(w×h-1) (16)
参照式(17),1比特水印信息可以从e′m2中提取出来;
同时,像素值pσ(w×h)恢复如下:
步骤S4、第三小像素p′σ(3)采用IPVO来预测p′σ(2)得到含密预测误差e′s1;
e′s1=p′s-p′t (19)
其中s=min(σ(w×h-2),σ(w×h-1)),t=max(σ(w×h-2),σ(w×h-1));
按照式(20),1比特水印信息从e′s1中抽取出来:
同时,像素值pσ(2)恢复如下:
步骤S5、恢复出来的pσ(2)采用PVO的方式预测pσ(1),得到含密预测误差e′m2:
e′s2=p′σ(2)-pσ(1) (22)
按照等式(23),1比特水印信息从e′m2中提取出来:
同时,像素值pσ(1)恢复如下:
本发明在于通过设计多种块内像素扫描方式来增加值为1的预测误差数量和利用相邻像素间的高相关性提升预测性能。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (6)
1.一种基于像素值排序的可逆信息隐藏方法,其特征在于,包括如下步骤:
步骤1、将大小为W×H的原始载体图像I分成N个互不重叠的、大小为w×h的图像块;
步骤2、设计候选扫描方式,遍历每一种候选扫描方式,从中找到在失真相同的情况下容量最高的扫描方式,并标记为最佳扫描方式;
步骤3、用最佳扫描方式将二维图像块Bk转变成一维像素序列其中Bk表示第k个图像块,k∈{1,2,…,N};然后,按照像素值从小到大的顺序重排lk得到排序后的像素序列其中下标σ(κ)表示的是像素pσ(κ)在lk中的位置,κ表示的是pσ(κ)在中的位置;
步骤4、对于三个最大像素,第三大像素pσ(w×h-2)采用IPVO的预测方式来预测pσ(w×h-1)得到预测误差em1如下:
em1=pu-pv (1)
其中u=min(σ(w×h-2),σ(w×h-1)),v=max(σ(w×h-2),σ(w×h-1));从式(1)可知,IPVO在计算em1的过程中考虑两个像素,即用作预测的像素pσ(w×h-2)和被预测像素pσ(w×h-1)在原始序列中所处的位置σ(w×h-2)和σ(w×h-1),从而产生以0为中心的近似拉普拉斯分布的预测误差灰度谱;
步骤5、1比特水印b,b∈{0,1}经下式嵌入到em1中:
其中e'm1是含密预测误差;从式(2)可知,经IPVO后,值为1的预测误差能携带1比特水印信息,相反,值为-1的预测误差只能被平移而不能携带任何的水印信息;通过式(1)可知,预测误差em1是和pσ(w×h-2)、pσ(w×h-1)在原始序列中所处的位置σ(w×h-2)、σ(w×h-1)有关的;而σ(w×h-2)和σ(w×h-1)又是受扫描的方式所决定的,因此,通过步骤2设计的候选扫描方式来增加值为1的预测误差的数量和降低值为-1的预测误差的数量;因为pσ(w×h-1)≥pσ(w×h-2),为保证em1=1,就必须让σ(w×h-1)<σ(w×h-2),也就是说,通过设计候选扫描方式,使得pσ(w×h-2)排在pσ(w×h-1)的后面;
含密像素p′σ(w×h-1)计算如下:
步骤6、pσ(w×h-1)采用PVO的预测方式预测pσ(w×h)得到预测误差em2如下:
不同于IPVO,PVO在计算em2的过程中并不会考虑用作预测的像素和被预测像素在原始序列lk中的位置,只是将两个像素简单地相减来得到差值;为得到更多的值为1的预测误差,即em2=1,pσ(w×h)必须大于pσ(w×h-1);
步骤7、对于em2,数据嵌入过程如下:
其中e'm2是含密预测误差;
含密像素等于
步骤8、对于三个最小像素,第三小像素pσ(3)采用IPVO的预测方式来预测pσ(2)得到预测误差es1如下:
es1=ps-pt (7)
其中s=min(σ(2),σ(3)),t=max(σ(2),σ(3));从式(1)可知,IPVO在计算es1的过程中考虑了两个像素,即用作预测的像素pσ(3)和被预测像素pσ(2)在原始序列中所处的位置σ(2)和σ(3),从而产生以0为中心的近似拉普拉斯分布的预测误差灰度谱;
步骤9、1比特水印b(b∈{0,1})经式(8)嵌入到es1中:
其中e's1是含密预测误差;从式(8)可知,经IPVO后,值为1的预测误差能携带1比特水印信息,相反,值为-1的预测误差只能被平移而不能携带任何的水印信息;通过式(7)可知,预测误差es1是和pσ(2)、pσ(3)在原始序列中所处的位置σ(2)、σ(3)有关的;而σ(2)和σ(3)又是受扫描的方式所决定的,因此,通过步骤2设计的候选扫描方式来增加值为1的预测误差的数量和降低值为-1的预测误差的数量;因为pσ(3)≥pσ(2),为保证em1=1,就必须让σ(3)<σ(2),也就是说,通过设计候选扫描方式,使得pσ(2)排在pσ(3)的后面;
含密像素p′σ(2)计算如下:
步骤10、pσ(2)采用PVO的预测方式预测pσ(1)得到预测误差es2如下:
es2=pσ(2)-pσ(1) (10)
为得到更多的值为1的预测误差,即es2=1,pσ(2)必须大于pσ(1);
步骤11、对于es2,数据嵌入过程如下:
其中e'm2是含密预测误差;
含密像素p′σ(1)等于
步骤12、待所有的图像块都按照步骤2-12处理完之后,一幅含密图像IW即可生成。
2.根据权利要求1所述的一种基于像素值排序的可逆信息隐藏方法,其特征在于,还包括抽取过程,其为步骤1-12的嵌入过程的反过程。
3.根据权利要求2所述的一种基于像素值排序的可逆信息隐藏方法,其特征在于,所述抽取过程,具体步骤如下:
步骤S1、按照和嵌入过程相同的方式将大小为W×H的含密图像IW分成N个互不重叠的、大小为w×h的含密图像块;
第三大像素p′σ(w×h-2)采用IPVO来预测p′σ(n-2)得到含密预测误差e′m1:
e′m1=p′u-p′v (13)
其中u=min(σ(w×h-2),σ(w×h-1)),v=max(σ(w×h-2),σ(w×h-1));
参照式(14),1比特水印信息从e′m1中抽取出来:
同时,像素值pσ(w×h-1)恢复如下:
步骤S3、恢复出来的pσ(w×h-1)采用PVO的方式预测pσ(w×h),得到含密预测误差e′m2:
e′m2=p′σ(w×h)-pσ(w×h-1) (16)
参照式(17),1比特水印信息可以从e′m2中提取出来;
同时,像素值pσ(w×h)恢复如下:
步骤S4、第三小像素p′σ(3)采用IPVO来预测p′σ(2)得到含密预测误差e′s1;
e′s1=p′s-p′t (19)
其中s=min(σ(w×h-2),σ(w×h-1)),t=max(σ(w×h-2),σ(w×h-1));
按照式(20),1比特水印信息从e′s1中抽取出来:
同时,像素值pσ(2)恢复如下:
步骤S5、恢复出来的pσ(2)采用PVO的方式预测pσ(1),得到含密预测误差e′m2:
e′s2=p′σ(2)-pσ(1) (22)
按照等式(23),1比特水印信息从e′m2中提取出来:
同时,像素值pσ(1)恢复如下:
4.根据权利要求1所述的一种基于像素值排序的可逆信息隐藏方法,其特征在于,步骤2中的候选扫描方式为16种。
5.根据权利要求1所述的一种基于像素值排序的可逆信息隐藏方法,其特征在于,步骤3中,升序排序完成后,第三大像素pσ(w×h-2)之后的两个像素需要重新调整位置,调整的规则是pσ(w×h-1)和pσ(w×h)必须满足σ(w×h-1)<σ(w×h),即pσ(w×h-1)在lk中的位置在pσ(w×h)的前面;同理,第三小pσ(3)之前的两个像素也需要重新调整位置,即pσ(1)和pσ(2)必须满足σ(1)<σ(2)。
6.根据权利要求3所述的一种基于像素值排序的可逆信息隐藏方法,其特征在于,升序排序完成后,第三大像素p′σ(w×h-2)之后的两个像素需要重新调整位置,调整的规则是p′σ(w×h-1)和p′σ(w×h)必须满足σ(w×h-1)<σ(w×h),即p′σ(w×h-1)在lk中的位置是位于p′σ(w×h-1)的位置之前;同理,第三小像素p′σ(3)之前的两个像素也需要调整位置,即p′σ(1)在lk中的位置是位于p′σ(2)的位置之前。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110765860.4A CN113393364A (zh) | 2021-07-07 | 2021-07-07 | 一种基于像素值排序的可逆信息隐藏方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110765860.4A CN113393364A (zh) | 2021-07-07 | 2021-07-07 | 一种基于像素值排序的可逆信息隐藏方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113393364A true CN113393364A (zh) | 2021-09-14 |
Family
ID=77625339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110765860.4A Pending CN113393364A (zh) | 2021-07-07 | 2021-07-07 | 一种基于像素值排序的可逆信息隐藏方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393364A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160189325A1 (en) * | 2014-12-30 | 2016-06-30 | University Of Macau | Method for reversible image data hiding |
CN105741224A (zh) * | 2016-01-28 | 2016-07-06 | 广东工业大学 | 基于pvo和自适应块分割的可逆水印算法 |
CN109741233A (zh) * | 2018-12-29 | 2019-05-10 | 广东工业大学 | 一种可逆水印的嵌入和提取方法 |
CN111898136A (zh) * | 2020-06-12 | 2020-11-06 | 北京大学 | 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 |
CN112132734A (zh) * | 2020-09-25 | 2020-12-25 | 中国人民武装警察部队工程大学 | 一种基于多通道差值排序的图像可逆信息隐藏方法 |
-
2021
- 2021-07-07 CN CN202110765860.4A patent/CN113393364A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160189325A1 (en) * | 2014-12-30 | 2016-06-30 | University Of Macau | Method for reversible image data hiding |
CN105741224A (zh) * | 2016-01-28 | 2016-07-06 | 广东工业大学 | 基于pvo和自适应块分割的可逆水印算法 |
CN109741233A (zh) * | 2018-12-29 | 2019-05-10 | 广东工业大学 | 一种可逆水印的嵌入和提取方法 |
CN111898136A (zh) * | 2020-06-12 | 2020-11-06 | 北京大学 | 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 |
CN112132734A (zh) * | 2020-09-25 | 2020-12-25 | 中国人民武装警察部队工程大学 | 一种基于多通道差值排序的图像可逆信息隐藏方法 |
Non-Patent Citations (3)
Title |
---|
SHAOWEI WENG: "Pairwise IPVO-based reversible data hiding", 《MULTIMEDIA TOOLS AND APPLICATIONS》 * |
WENGUANG HE ET AL.: "Reversible data hiding using multi-pass pixel-value-ordering and pairwise prediction-error expansion", 《INFORMATION SCIENCE》 * |
李天雪等: "基于像素值排序的可逆信息隐藏算法", 《计算机应用》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Dual-image-based reversible data hiding method using center folding strategy | |
Qin et al. | An inpainting-assisted reversible steganographic scheme using a histogram shifting mechanism | |
Yang et al. | Improving histogram-based reversible data hiding by interleaving predictions | |
CN105741224B (zh) | 基于pvo和自适应块分割的可逆水印算法 | |
Weng et al. | Optimal PPVO-based reversible data hiding | |
CN108416724B (zh) | 一种基于多预测器的可逆信息隐藏方法 | |
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 | |
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 | |
CN111464717B (zh) | 利用直方图平移的具有对比度拉升的可逆信息隐藏方法 | |
Yang et al. | Efficient reversible data hiding algorithm based on gradient-based edge direction prediction | |
Chen et al. | Adaptive reversible image watermarking scheme | |
Lu et al. | Reversible data hiding using local edge sensing prediction methods and adaptive thresholds | |
CN114663268A (zh) | 基于改进位平面分解和差值扩展的可逆图像水印算法 | |
CN109391819B (zh) | 一种基于像素值动态预测的可逆信息隐藏方法 | |
Chu et al. | A digital image watermarking method based on labeled bisecting clustering algorithm | |
CN111163241B (zh) | 一种基于预测值相关性的可逆信息隐藏方法 | |
Lin et al. | A reversible data hiding scheme for block truncation compressions based on histogram modification | |
CN108510425B (zh) | 基于ippvo和优化mhm的可逆水印方法 | |
CN113393364A (zh) | 一种基于像素值排序的可逆信息隐藏方法 | |
CN110086955A (zh) | 一种大容量图像隐写方法 | |
Huang et al. | Efficient reversible data hiding based on the histogram modification of differences of pixel differences | |
Bhatnagar et al. | Reversible Data Hiding scheme for color images based on skewed histograms and cross-channel correlation | |
Ren et al. | Reversible Data Hiding in Encrypted Images Based on Adaptive Predictionerror Label Map. | |
Angreni et al. | Enhancing DE-based data hiding method by controlling the expansion | |
Weng et al. | Reversible watermarking based on two embedding schemes |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210914 |
|
RJ01 | Rejection of invention patent application after publication |