CN114979403B - 基于像素残差直方图修改的可逆信息隐藏方法及系统 - Google Patents
基于像素残差直方图修改的可逆信息隐藏方法及系统 Download PDFInfo
- Publication number
- CN114979403B CN114979403B CN202210504307.XA CN202210504307A CN114979403B CN 114979403 B CN114979403 B CN 114979403B CN 202210504307 A CN202210504307 A CN 202210504307A CN 114979403 B CN114979403 B CN 114979403B
- Authority
- CN
- China
- Prior art keywords
- residual
- histogram
- pixel
- modification
- embedding
- 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.)
- Active
Links
- 238000012986 modification Methods 0.000 title claims abstract description 134
- 230000004048 modification Effects 0.000 title claims abstract description 134
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000002441 reversible effect Effects 0.000 title claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 44
- 238000013507 mapping Methods 0.000 claims abstract description 30
- 229910003460 diamond Inorganic materials 0.000 claims abstract description 15
- 239000010432 diamond Substances 0.000 claims abstract description 15
- 238000013139 quantization Methods 0.000 claims abstract description 13
- 230000007480 spreading Effects 0.000 claims description 6
- 238000003892 spreading Methods 0.000 claims description 6
- 238000010845 search algorithm Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 7
- 230000003044 adaptive effect Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 241001504519 Papio ursinus Species 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
- H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
- H04N1/32347—Reversible embedding, i.e. lossless, invertible, erasable, removable or distorsion-free embedding
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本发明提供一种基于像素残差直方图修改的可逆信息隐藏方法及系统,属于图像处理技术领域,舍去菱形预测器中的量化取整操作,利用每个像素的周围像素计算像素残差,通过统计像素残差生成残差直方图;建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改;将基于残差直方图修改的嵌入算法扩展到基于多个直方图的嵌入,根据修改的残差修改对应像素,得到嵌入后的图像。本发明可以更好的利用图像冗余从而获得更好的嵌入性能,尤其在较小的嵌入容量下具有很大优势,较为理想地实现了未压缩图像的可逆信息隐藏的嵌入工作。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于像素残差直方图修改的可逆信息隐藏方法及系统。
背景技术
信息隐藏旨在通过适当地修改载体数据将秘密信息嵌入到载体中,从而实现诸如版权保护,秘密通讯,信息完整性认证等目的。作为一种有效的信息安全保护技术,信息隐藏已经被广泛应用于各个领域。然而,大多数信息隐藏操作会在秘密信息嵌入之后对原始载体数据产生不可恢复的破坏,使其无法应用于例如医疗和军事等敏感图像处理场景。为了解决这一问题,研究者进一步提出了可逆信息隐藏来满足对原始载体数据无损恢复的要求。利用可信息隐藏技术,被隐藏的数据和原始载体都能在提取端被完全恢复。
针对可逆信息隐藏技术研究,为了实现好的嵌入性能来减少嵌入失真并增大嵌入容量,研究者陆续提出了大量的可逆隐藏算法,如面向未压缩图像的,面向JPEG图像的,以及面向加密域的各种算法。目前主流的方法主要是针对未压缩图像设计的,包括早期提出的基于无损压缩的方法,基于差值扩展的方法,以及研究的最多的基于直方图移位(Histogram shifiting,简称HS)的方法。基于直方图移位的方法利用图像的某个统计特征,例如灰度像素值或者预测误差,来生成对应直方图,然后通过对生成的直方图进行修改来实现嵌入。具体来说,在直方图修改过程中,为了进行可逆数据嵌入,通常会将峰值柱扩展到多个直方图柱,并对其他直方图柱进行相应的移位以避免重叠。由于在提取端可以清楚地区分扩展柱和被移动的柱,从而保证了算法的可逆性。在所有的基于直方图移位的方法中,预测误差扩展(Prediction error expansion,简称PEE)由于其有效的容量失真权衡成为了最受欢迎并被广泛研究的嵌入方案。该方案主要包括预测误差直方图生成和预测直方图修改两部分。一方面,针对直方图生成,研究者提出了各种预测技术,以生成更适合数据嵌入的预测误差直方图,其中,菱形预测器以其简单、可扩展的特性备受关注。另一方面,针对直方图修改,很多自适应选择扩展柱的方法以及多层嵌入的方法也被陆续提出以进一步优化嵌入方案。一般来说,通过一个尖锐的预测误差直方图和自适应选择的扩展柱,可以很好地利用图像相关性来实现更好的可逆嵌入。然而,对于其中最广泛使用的菱形预测器来说,由于其中的量化取整操作将不同的预测误差归为一个值,其预测误差之间的相关性并没有被很好的利用,而大量的可逆隐藏方法基于此预测方法来设计嵌入方法,使得利用图像冗余进行有效的可逆信息隐藏技术没能实现更优的嵌入性能。
发明内容
本发明的目的在于提供一种可以更好的利用图像冗余从而获得更好的嵌入性能,实现了未压缩图像的可逆信息隐藏的嵌入工作的基于像素残差直方图修改的可逆信息隐藏方法及系统,以解决上述背景技术中存在的至少一项技术问题。
为了实现上述目的,本发明采取了如下技术方案:
一方面,本发明提供一种基于像素残差直方图修改的可逆信息隐藏方法,包括:
舍去菱形预测器中的量化取整操作,利用每个像素的周围像素计算像素残差,通过统计像素残差生成残差直方图;
建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改;
将基于残差直方图修改的嵌入算法扩展到基于多个直方图的嵌入,根据修改的残差修改对应像素,得到嵌入后的图像;其中,生成多个残差直方图,自适应选择每个残差直方图的修改参数进行嵌入。
可选的,所述的建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改,包括:
根据残差直方图,选择直方图中的四对扩展柱进行直方图扩展;
根据扩展规则,建立基于一维残差直方图修改的率失真模型;
根据率失真模型,确定基于一维残差直方图修改的最优修改参数;其中,对参数施加限制对于1≤k≤4,ak=-bk-1,bk∈{k-1+4l:0≤l≤7}∪{+∞};通过穷举搜索确定参数{(ak,bk)}{1≤k≤4},其中,ak,bk∈Ek为扩展参数,Ek={-k-4l:l≥0}U{k-1+4l:l≥0}。
可选的,根据残差直方图,选择直方图中的四对扩展柱进行直方图扩展,包括:建立了像素残差和像素的修改之间的四对一映射,确定以不同扩展柱为参数的可逆嵌入规则;所述嵌入规则如下式所示:
可选的,根据扩展规则,建立基于一维残差直方图修改的率失真模型,包括:
根据下式计算嵌入容量
其中,R为残差直方图;
根据下式计算嵌入失真
所述基于一维残差直方图修改的率失真模型为
其中,P为给定嵌入容量。
可选的,所述的生成多个残差直方图,包括:计算对应像素复杂度ni,将复杂度范围n相应地被划分为M个等级{V1,V2,...,VM},使得具有不同复杂度级别的像素残差被均匀地划分为M部分,通过计算具有不同复杂度级别的像素残差的出现次数,对应生成M个残差直方图。
可选的,自适应选择每个残差直方图的修改参数进行嵌入,包括:将多个像素残差直方图中的每个像素残差直方图的直方图柱以四个像素间隔扩展或移动,建立基于多个残差直方图修改的嵌入容量失真模型如下式所示
第二方面,本发明提供一种基于像素残差直方图修改的可逆信息隐藏系统,包括:
计算模块,用于舍去菱形预测器中的量化取整操作,利用每个像素的周围像素计算像素残差,通过统计像素残差生成残差直方图;
修改模块,用于建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改;
嵌入模块,用于将基于残差直方图修改的嵌入算法扩展到基于多个直方图的嵌入,根据修改的残差修改对应像素,得到嵌入后的图像;其中,生成多个残差直方图,自适应选择每个残差直方图的修改参数进行嵌入。
第三方面,本发明提供一种计算机设备,包括存储器和处理器,所述处理器和所述存储器相互通信,所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令执行如上所述的基于像素残差直方图修改的可逆信息隐藏方法。
第四方面,本发明提供一种电子设备,包括存储器和处理器,所述处理器和所述存储器相互通信,所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令执行如上所述的基于像素残差直方图修改的可逆信息隐藏方法。
第五方面,本发明提供一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的基于像素残差直方图修改的可逆信息隐藏方法。
本发明有益效果:可以更好的利用图像冗余从而获得更好的嵌入性能,尤其在较小的嵌入容量下具有很大优势,较为理想地实现了未压缩图像的可逆信息隐藏的嵌入工作。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所述的像素划分以及像素xi对应的预测内容示意图。
图2为本发明实施例所述的传统预测误差直方图和本发明所提出的残差直方图对比示意图。
图3为本发明实施例所述的传统预测误差直方图修改和本发明所提出的残差直方图修改对比示意图。
图4本发明实施例所述的基于多个像素残差直方图修改示例示意图。
图5为本发明实施例所述的单个残差直方图扩展方法与传统PEEPSNR-嵌入容量的变化曲线对比示意图。
图6为本发明实施例所述的单个与多个残差直方图扩展方法PSNR-嵌入容量的变化曲线对比示意图。
图7为本发明实施例所述的多个残差直方图扩展方法与已有算法PSNR-嵌入容量的变化曲线示意图。
具体实施方式
下面详细叙述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。
还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件和/或它们的组。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
为便于理解本发明,下面结合附图以具体实施例对本发明作进一步解释说明,且具体实施例并不构成对本发明实施例的限定。
本领域技术人员应该理解,附图只是实施例的示意图,附图中的部件并不一定是实施本发明所必须的。
实施例1
本实施例1提供了一种基于像素残差直方图修改的可逆信息隐藏系统,该系统包括:
计算模块,用于舍去菱形预测器中的量化取整操作,利用每个像素的周围像素计算像素残差,通过统计像素残差生成残差直方图;
修改模块,用于建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改;
嵌入模块,用于将基于残差直方图修改的嵌入算法扩展到基于多个直方图的嵌入,根据修改的残差修改对应像素,得到嵌入后的图像;其中,生成多个残差直方图,自适应选择每个残差直方图的修改参数进行嵌入。
本实施例1中,利用上述的系统实现了基于像素残差直方图修改的可逆信息隐藏方法,包括:
舍去菱形预测器中的量化取整操作,利用每个像素的周围像素计算像素残差,通过统计像素残差生成残差直方图;
建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改;
将基于残差直方图修改的嵌入算法扩展到基于多个直方图的嵌入,根据修改的残差修改对应像素,得到嵌入后的图像;其中,生成多个残差直方图,自适应选择每个残差直方图的修改参数进行嵌入。
所述的建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改,包括:
根据残差直方图,选择直方图中的四对扩展柱进行直方图扩展;
根据扩展规则,建立基于一维残差直方图修改的率失真模型;
根据率失真模型,确定基于一维残差直方图修改的最优修改参数;其中,对参数施加限制对于1≤k≤4,ak=-bk-1,bk∈{k-1+4l:0≤l≤7}∪{+∞};通过穷举搜索确定参数{(ak,bk)}{1≤k≤4},其中,ak,bk∈Ek为扩展参数,Ek={-k-4l:l≥0}U{k-1+4l:l≥0}。
根据残差直方图,选择直方图中的四对扩展柱进行直方图扩展,包括:建立了像素残差和像素的修改之间的四对一映射,确定以不同扩展柱为参数的可逆嵌入规则;所述嵌入规则如下式所示:
根据扩展规则,建立基于一维残差直方图修改的率失真模型,包括:
根据下式计算嵌入容量
其中,R为残差直方图;
根据下式计算嵌入失真
所述基于一维残差直方图修改的率失真模型为
其中,P为给定嵌入容量。
所述的生成多个残差直方图,包括:计算对应像素复杂度ni,将复杂度范围n相应地被划分为M个等级{V1,V2,...,VM},使得具有不同复杂度级别的像素残差被均匀地划分为M部分,通过计算具有不同复杂度级别的像素残差的出现次数,对应生成M个残差直方图。
自适应选择每个残差直方图的修改参数进行嵌入,包括:将多个像素残差直方图中的每个像素残差直方图的直方图柱以四个像素间隔扩展或移动,建立基于多个残差直方图修改的嵌入容量失真模型如下式所示
实施例2
本实施例2提供一种基于像素残差直方图修改的可逆信息隐藏算法,目的就是通过舍去菱形预测器中的量化取整操作,利用每个像素的周围像素计算像素残差生成残差直方图来完成基于像素残差直方图修改的可逆信息隐藏。在统计生成的残差直方图中,四个直方图柱对应传统预测误差直方图一个直方图柱。然后,不同于预测误差修改与像素修改之间的一对一映射,本实施例2中建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改以实现可逆嵌入。由于引入了更多的修改映射选择,可以期望获得更好的性能。进一步,将基于残差直方图修改的嵌入算法扩展到基于多个直方图的嵌入,根据建立的残差直方图修改的率失真模型,自适应选择多直方图的每个直方图的扩展柱,在满足嵌入容量的前提下使得总体失真最小化。
具体的,基于像素残差直方图修改的可逆信息隐藏算法,包括以下两个部分:基于一维像素残差直方图修改的自适应嵌入和基于多个残差直方图修改的自适应嵌入。在基于一维像素残差直方图修改的自适应嵌入中包含以下两个步骤:一维残差直方图生成和自适应修改。在基于多个残差直方图修改的自适应嵌入中包含以下两个步骤:多个残差直方图生成和自适应修改。
所述基于一维像素残差直方图修改的自适应嵌入过程为:首先,将图像分为两层,对于各层像素,利用另外一层的周围像素计算该层像素残差。然后,统计所有的残差生成对应一维残差直方图。在生成的残差直方图中,一个直方图柱对应于传统预测误差直方图中四个直方图柱,因此可建立像素残差修改和像素修改之间的四对一映射。最后,根据嵌入规则建立对应残差直方图修改的率失真模型,自适应确定残差直方图的扩展柱以完成可逆嵌入。
所述基于多个残差直方图修改的自适应嵌入过程为:首先,在得到计算后的残差序列之后,根据不同像素复杂度将像素残差分为多个序列,统计对应不同序列生成多个残差像素直方图。然后。根据可逆嵌入规则建立多个残差直方图修改的率失真模型。最后,设计贪心算法自适应找到每个直方图的扩展柱,根据残差像素修改对应修改图像像素,生成标记好的嵌入后图像,即完成了基于多个像素残差直方图修改的接近最优的可逆嵌入。
本实施例2中,上述的基于像素残差直方图修改的可逆信息隐藏算法,具体实施步骤如下:
舍去菱形预测器中的量化取整操作,利用每个像素的周围像素计算像素残差,通过统计像素残差生成残差直方图;建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改;将基于残差直方图修改的嵌入算法扩展到基于多个直方图的嵌入,根据修改的残差修改对应像素,得到嵌入后的图像;其中,生成多个残差直方图,自适应选择每个残差直方图的修改参数进行嵌入。
所述的建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改,包括:
根据残差直方图,选择直方图中的四对扩展柱进行直方图扩展;
根据扩展规则,建立基于一维残差直方图修改的率失真模型;
根据率失真模型,确定基于一维残差直方图修改的最优修改参数;其中,对参数施加限制对于1≤k≤4,ak=-bk-1,bk∈{k-1+4l:0≤l≤7}∪{+∞};通过穷举搜索确定参数{(ak,bk)}{1≤k≤4},其中,ak,bk∈Ek为扩展参数,Ek={-k-4l:l≥0}U{k-1+4l:l≥0}。
根据残差直方图,选择直方图中的四对扩展柱进行直方图扩展,包括:建立了像素残差和像素的修改之间的四对一映射,确定以不同扩展柱为参数的可逆嵌入规则;所述嵌入规则如下式所示:
根据扩展规则,建立基于一维残差直方图修改的率失真模型,包括:
根据下式计算嵌入容量
其中,R为残差直方图;
根据下式计算嵌入失真
所述基于一维残差直方图修改的率失真模型为
其中,P为给定嵌入容量。
所述的生成多个残差直方图,包括:计算对应像素复杂度ni,将复杂度范围n相应地被划分为M个等级{V1,V2,...,VM},使得具有不同复杂度级别的像素残差被均匀地划分为M部分,通过计算具有不同复杂度级别的像素残差的出现次数,对应生成M个残差直方图。
自适应选择每个残差直方图的修改参数进行嵌入,包括:将多个像素残差直方图中的每个像素残差直方图的直方图柱以四个像素间隔扩展或移动,建立基于多个残差直方图修改的嵌入容量失真模型如下式所示
实施例3
本实施例3中,提供了基于一维像素残差直方图修改的自适应嵌入以及基于多个残差直方图修改的自适应嵌入。
基于一维像素残差直方图修改的自适应嵌入如下所述:
与传统PEE方法不同,利用每个像素周围的像素来计算像素残差,对像素残差直方图进行修改来实现自适应可逆嵌入。基于一维像素残差直方图修改的自适应嵌入中包含一维残差直方图生成,自适应修改两部分内容。
1)一维残差直方图生成
首先,如图1所示,将图像像素分为两层,其中,蓝色块像素作为第一层,白色块像素作为第二层。由于两层的嵌入过程相同,这里以第一层的嵌入过程为示例来具体说明。假设第一层像素的个数为N,对应像素序列为(x1,...,xN)。对于每个xi,本实施例3中定义像素残差为:
ri=4xi-(p1+p2+p3+p4) (4-1)
其中是p1,...,p4是xi最近邻的四个像素。然后,统计像素残差出现的频次生成残差直方图R,其中R被定义为,对于s∈Z,
R(s)={1≤i≤N:ri=s} (4-2)
如图2是传统预测误差直方图和本发明所提出的残差直方图对比,可以看出与原来的预测误差直方图相比,利用本实施例3所提出的方法生成的残差直方图的柱的取值范围更大,而每个柱出现的次数更少。
实际上,利用公式(4-2),传统预测误差直方图的每个柱被不均匀地划分为四个残差直方图柱。基于生成的残差直方图,可进一步建立新的映射机制对直方图进行修改以完成可逆嵌入。
2)自适应选择扩展柱修改
对应于传统PEE中选择一对扩展柱进行嵌入,本发明将选择四对扩展柱进行残差直方图扩展。具体来说,对于1≤k≤4,令
Ek={-k-4l:l≥0}∪{k-1+4l:l≥0} (4-3)
对于残差直方图扩展,首先,找到k∈{1,2,3,4}使得ri∈Ek,然后,将残差ri通过下述公式扩展为ri′:
其中m∈{0,1}为待嵌入消息。在扩展嵌入之后,r′i∈Ek依然成立,因此保证了所提算法的可逆性。对应地,像素xi需要通过以下公式被修改为xi′:
如图3是传统的预测误差直方图修改和本发明所提出的残差直方图修改对比示意图。其中,每个直方图的红色柱代表扩展柱,蓝色柱代表移动柱。每个直方图根据对应的修改映射进行修改。
可以看出,传统预测误差直方图中的每个柱被不均匀的划分为四个柱,例如,预测误差直方图中的d=-1被不均匀地划分为r=-1,-2,-3,-4,预测误差直方图中的d=0被不均匀地划分为r=0,1,2,3等等,依此类推。基于此,对应于预测误差扩展中di和xi的修改之间的一对一映射,本发明建立了像素残差直方图ri和xi的修改之间的四对一映射。
本实施例3中指出,传统的预测误差扩展也可以通过修改残差直方图来完成,并且传统预测误差扩展只是所提出的像素残差扩展的一个特例。
如图3所示,图中空心框和虚线箭头代表的是扩展柱,所展示的像素残差拓展示例(a1,b1)=(-1,0),(a2,b2)=(-2,1),(a3,b3)=(-3,2),(a4,b4)=(-4,3)与图3所展示的以(-1,0)为扩展柱的传统预测误差扩展示例完全对应。可以看到,直方图柱(0,1,2,3)被扩展到(0,1,2,3)以嵌入数据m=0,或扩展到(4,5,6,7)以嵌入数据m=1,而直方图柱(-1,-2,-3,-4)被扩展到(-1,-2,-3,-4)或(-5,-6,-7,-8),分别嵌入数据m=0或m=1,其他直方图柱只需按四个柱的间隔移动,从而保证算法的可逆性。通过新的映射机制,可以在嵌入优化中考虑更多的嵌入选择。如图3中最下方的例子所示,通过像素残差扩展可以选择(b1,b2,b3,b4)=(4,1,6,3)作为可逆嵌入的扩展柱,而这在传统的预测误差扩展中无法考虑,因为像素残差直方图的直方图柱4、1和6、3分别属于预测误差直方图的两个不同直方图柱,即0和1。因此,通过更多的修改映射选择,本实施例所提出的像素残差拓展可以预期获得更好的嵌入性能。
为了自适应地确定基于残差直方图修改的扩展柱并最小化嵌入失真,本实施例3中进一步讨论基于一维残差直方图修改的率失真模型。
具体来说,嵌入容量EC可以被计算为
而嵌入失真ED可以被计算为
而对于给定嵌入容量P,率失真优化模型为
基于公式(4-8),可以通过穷举搜索确定参数{(ak,bk)}{1≤k≤4}。此外,为了减少时间成本,本发明对参数进一步施加以下限制:对于1≤k≤4,(1)ak=-bk-1,(2)bk∈{k-1+4l:0≤l≤7}∪{+∞}。
此外,本实施例3中还采用了像素选择策略来优先处理平滑像素。
具体来说,对于每个xi,计算局部复杂度ni
ni=|p2-q1|+|q1-p8|+|p3-q4|+|p4-q3|+|q3-p6|+|p7-q2|+|q2-p3|+|p5+|p6-q5|-q5|+|p4-q2|+|q1-p3|+|p3-q3|+|q3-p5|+|p8-q4|+|q4-p6|
其中{q1,...,q5,p2,...,p8}是xi的相邻像素。然后,选择阈值T,对于图像的所有像素,只利用ni≤T的像素进行直方图生成与修改的过程,而阈值T被确定为嵌入失真最小化的最佳阈值。需要注意的是,为了实现盲提取,应该在嵌入信息之前在图像的最前面的像素以LSB替换的方式提前记录确定好的参数T和{(ak,bk)}{1≤k≤4}。
对于提取端的盲提取过程,首先,根据得到的修改后像素xi′,通过r′i=4x′i-(p1+p2+p3+p4)得到r′i。然后,找到k∈{1,2,3,4}使得ri∈Ek,利用预先记录的参数{(ak,bk)}{1≤k≤4},根据以下公式恢复xi
而所嵌入的秘密消息m可通过以下公式提取:
本实施例3中,基于多个残差直方图修改的自适应嵌入如下所示:
为了更好地利用图像冗余并展示所提出的基于残差扩展算法的通用性,本发明进一步将一维像素残差直方图修改拓展到多个直方图。基于多个残差直方图修改的自适应嵌入中包含多个残差直方图的生成,自适应直方图修改两部分内容。
1)多个残差直方图的生成
首先,对于每个像素xi,利用公式(4-1)计算像素残差ri,再利用公式(4-9)计算对应像素复杂度ni。然后,复杂度范围n相应地被划分为M个等级{V1,...,VM},基于{V1,...,VM},具有不同复杂度级别的像素残差被均匀地划分为M部分。接下来,通过计算具有不同复杂度级别的像素残差的出现次数,对应生成M个残差直方图,其中
Rt(s)={1≤i≤N:ri=s,ni∈Vt} (4-12)
在此基础上,可以通过修改{R1,...,RM}来执行多个基于多个残差直方图的嵌入。具体来说,对于每一个1≤t≤M,令整数集合{(a{k,t},b{k,t})}{1≤k≤}为基于多个残差直方图修改的扩展柱,其中a{k,t},b{k,t}∈Ek,a{k,t}<0≤b{k,t}。然后,对于Rt中的每个像素残差ri,找到k∈{1,2,3,4}使得r{i}∈Ek,进一步通过下述公式将对应ri修改为ri′来执行嵌入
在得到修改后的r′i后,根据公式(4-5)将像素xi相应地修改为x′i。通过对不同的t选择不同的扩展柱{(a{k,t},b{k,t})}{1≤k≤4}对Rt进行相应修改,基于多个残差直方图的方法由此完成可逆信息嵌入。如图4是基于多个残差直方图修改的一个示例,其中
{(a{k,1},b{k,1})}{1≤k≤4}={(-1,0),(-2,1),(-3,2),(-4,3)}
{(a{k,2},b{k,2)}{1≤k≤4}={(-5,4),(-2,1),(-3,2),(-4,3)}
{(a(k,3},b{k,3})}{1≤k≤4}={(-5,4),(-6,5),(-3,2),(-4,3)}
对于t>3,(a{k,t},b{k,t})=(-∞,+∞),k∈{1,2,3,4}
可以看到,类似于单个残差直方图修改,基于多个像素残差直方图中的每个像素残差直方图的直方图柱以四个像素间隔扩展或移动。
2)自适应直方图修改
为了优化嵌入性能并选择合适的参数,进一步建立基于多个残差直方图修改的嵌入容量失真模型。具体而言,每个残差直方图ht冲嵌入容量ECt为
而每个残差直方图ht中嵌入失真EDt为
因此,对于给定容量P,基于多个残差直方图修改的优化目标函数可以写为
其中{(a{k,t},b{k,t})}{1≤k≤4}为需确定的参数。为了降低计算成本,对于1≤t≤M和1≤k≤4,限制a{k,t}=-b{k,t}-1,b{k,t}∈{k-1+4l:0≤l≤7}∪{+∞}。进一步为了缩短搜索时间,提出利用贪心搜索算法来获得最终参数。贪心搜索的主要思想是将优化过程划分为多个迭代。对于每一次迭代,只优化{b{k,t}:1≤k≤4,1≤t≤M}中的两个参数,其他参数保持不变。重复该优化过程,直到不再减少时,即可获得接近最优的参数集合。
为了更好说明本实施例3中方法的有效性,下面利用附图和表格数据对实验结果进行展示和分析,以此证明其具有优良的嵌入性能。其中,表1给定嵌入容量为10,000比特时本发明所提出的方法与已有算法具体PSNR对比;表2给定嵌入容量为20,000比特时本发明所提出的方法与已有算法具体PSNR对比。
表1
表2
如附图5是本实施例所提出的单个残差直方图扩展方法与传统PEE方法得到的载密图像Lena的PSNR-嵌入容量的变化曲线对比,可以观察到本实施例所提出的单个残差直方图扩展方法在不同嵌入容量下都取得了比传统PEE方法更高的PSNR,尤其对于容量较小的情况,本算法得到的性能增益更加明显。说明利用本发明提出的残差直方图扩展方法能更好利用图像冗余从而取得比传统预测误差扩展方法更好的嵌入性能。
如附图6是本发明所提出的单个残差直方图扩展方法与多个残差直方图扩展方法得到的载密图像的PSNR-嵌入容量的变化曲线对比,可以观察到所提出的多个残差直方图要比单个残差直方图取得的性能更好,尤其对于Baboon图像。一方面,这是因为生成的多个残差直方图能根据不同像素复杂度更好的区分像素残差,自适应挑选不同区域的最优嵌入方案从而更好的利用图像冗余。另一方面,由于Baboon图像相对纹理更复杂,利用而本发明所提出的像素残差拓展方法能有效区分不同像素从而为纹理变化较大的区域分配不同的嵌入方案,进一步优化嵌入性能。
如附图7是本发明所提出的多个残差直方图扩展方法与已有算法PSNR-嵌入容量的变化曲线对比。如附表1、2是所给定嵌入容量分别为10,000比特和20,000比特时本发明所提出的方法与之前算法具体PSNR对比,其中“—”表示该情况下算法无法嵌入。传统PEE利用菱形预测和双层嵌入机制来完成对图像的可逆嵌入。从附图7可以看出,无论对于何种测试图像或容量,本发明所提出的算法都比传统PEE方法获得了显著的PSNR增益。此外,从附表1和附表2可以看出,在10,000比特和20,000比特的嵌入容量下,本算法取得的平均PSNR增益分别为3.43dB和2.69dB。二维PEE将传统PEE扩展到2D空间,并通过设计成对映射实现更好的性能。从附图7可以看出,该方法得到的PSNR高于二维PEE,且具有明显的优势。具体地说,从附表1和附表2可以看出,在10,000比特和20,000比特的嵌入容量下,本算法取得的平均PSNR增益分别为1.90dB和1.50dB。原始的基于MHM的方法将传统PEE拓展到多个直方图。从附图7可以看出,本算法在所有图像和嵌入容量下取得的性能都优于原始MHM,并且在某些情况下具有明显的优势。例如,对于MHM,本算法在Baboon图像的PSNR平均增益约为0.80dB。从附表1和附表2可以看出,在10,000比特和20,000比特的嵌入容量下,本算法取得的平均PSNR分别提高了0.46dB和0.40dB,优于MHM方法。不规则HS算法在直方图生成方面有更好的表现,因此实现了比此前算法更好的嵌入性能。从附图7可以看出,在大多数情况下,该方法与不规则HS方法相比具有显著的优势,并且从表1和表2可以看出,本算法将不规则HS算法得到的载密图像的PSNR平均提高了1.50dB。多个HS,高容量MHM和优化MHM从不同角度扩展了原始MHM。从附图7可以看出,尽管这三个算法在所有基于PEE的方法中表现得很好,但在大多数情况下,本发明所提出的算法仍然获得了比这三个算法更好的嵌入性能。从附表1和附表2可以看出,在10,000比特和20,000比特的嵌入容量下,相比于这三个算法,本算法取得的平均PSNR增益分别为0.87dB和0.55dB,0.49dB和0.20dB,以及0.26dB和0.20dB。
实施例4
本发明实施例4提供一种电子设备,包括存储器和处理器,所述处理器和所述存储器相互通信,所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令执行基于像素残差直方图修改的可逆信息隐藏方法,该方法包括如下流程步骤:
舍去菱形预测器中的量化取整操作,利用每个像素的周围像素计算像素残差,通过统计像素残差生成残差直方图;
建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改;
将基于残差直方图修改的嵌入算法扩展到基于多个直方图的嵌入,根据修改的残差修改对应像素,得到嵌入后的图像;其中,生成多个残差直方图,自适应选择每个残差直方图的修改参数进行嵌入。
实施例5
本发明实施例5提供一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现基于像素残差直方图修改的可逆信息隐藏方法,该方法包括如下流程步骤:
舍去菱形预测器中的量化取整操作,利用每个像素的周围像素计算像素残差,通过统计像素残差生成残差直方图;
建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改;
将基于残差直方图修改的嵌入算法扩展到基于多个直方图的嵌入,根据修改的残差修改对应像素,得到嵌入后的图像;其中,生成多个残差直方图,自适应选择每个残差直方图的修改参数进行嵌入。
实施例6
本发明实施例6提供一种计算机设备,包括存储器和处理器,所述处理器和所述存储器相互通信,所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令执行基于像素残差直方图修改的可逆信息隐藏方法,该方法包括如下步骤:
舍去菱形预测器中的量化取整操作,利用每个像素的周围像素计算像素残差,通过统计像素残差生成残差直方图;
建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改;
将基于残差直方图修改的嵌入算法扩展到基于多个直方图的嵌入,根据修改的残差修改对应像素,得到嵌入后的图像;其中,生成多个残差直方图,自适应选择每个残差直方图的修改参数进行嵌入。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明公开的技术方案的基础上,本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于像素残差直方图修改的可逆信息隐藏方法,其特征在于,包括:
舍去菱形预测器中的量化取整操作,利用每个像素的周围像素计算像素残差,通过统计像素残差生成残差直方图;
建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改;
将基于残差直方图修改的嵌入算法扩展到基于多个直方图的嵌入,根据修改的残差修改对应像素,得到嵌入后的图像;其中,生成多个残差直方图,自适应选择每个残差直方图的修改参数进行嵌入;
所述的建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改,包括:
根据残差直方图,选择直方图中的四对扩展柱进行直方图扩展;
根据扩展规则,建立基于一维残差直方图修改的率失真模型;
根据率失真模型,确定基于一维残差直方图修改的最优修改参数;其中,对参数施加限制,对于1≤k≤4,ak=-bk-1,bk∈{k-1+4l:0≤l≤7}∪{+∞};通过穷举搜索确定参数{(ak,bk)}{1≤k≤4},其中,ak,bk∈Ek为扩展参数,Ek={-k-4l:l≥0}∪{k-1+4l:l≥0};
根据残差直方图,选择直方图中的四对扩展柱进行直方图扩展,包括:建立了像素残差和像素的修改之间的四对一映射,确定以不同扩展柱为参数的可逆嵌入规则;所述嵌入规则如下式所示:
3.根据权利要求1所述的基于像素残差直方图修改的可逆信息隐藏方法,其特征在于,所述的生成多个残差直方图,包括:计算对应像素复杂度ni,将复杂度范围n相应地划分为M个等级{V1,V2,...,VM},使得具有不同复杂度级别的像素残差被均匀地划分为M部分,通过计算具有不同复杂度级别的像素残差的出现次数,对应生成M个残差直方图。
4.根据权利要求1所述的基于像素残差直方图修改的可逆信息隐藏方法,其特征在于,自适应选择每个残差直方图的修改参数进行嵌入,包括:将多个像素残差直方图中的每个像素残差直方图的直方图柱以四个像素间隔扩展或移动,建立基于多个残差直方图修改的嵌入容量失真模型,如下式所示
5.一种基于像素残差直方图修改的可逆信息隐藏系统,其特征在于,包括:
计算模块,用于舍去菱形预测器中的量化取整操作,利用每个像素的周围像素计算像素残差,通过统计像素残差生成残差直方图;
修改模块,用于建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改;
嵌入模块,用于将基于残差直方图修改的嵌入算法扩展到基于多个直方图的嵌入,根据修改的残差修改对应像素,得到嵌入后的图像;其中,生成多个残差直方图,自适应选择每个残差直方图的修改参数进行嵌入;
所述的建立像素残差修改和像素修改之间的四对一映射,通过自适应选择四个扩展柱对直方图进行修改,包括:
根据残差直方图,选择直方图中的四对扩展柱进行直方图扩展;
根据扩展规则,建立基于一维残差直方图修改的率失真模型;
根据率失真模型,确定基于一维残差直方图修改的最优修改参数;其中,对参数施加限制对于1≤k≤4,ak=-bk-1,bk∈{k-1+4l:0≤l≤7}∪{+∞};通过穷举搜索确定参数{(ak,bk)}{1≤k≤4},其中,ak,bk∈Ek为扩展参数,Ek={-k-4l:l≥0}∪{k-1+4l:l≥0};
根据残差直方图,选择直方图中的四对扩展柱进行直方图扩展,包括:建立了像素残差和像素的修改之间的四对一映射,确定以不同扩展柱为参数的可逆嵌入规则;所述嵌入规则如下式所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210504307.XA CN114979403B (zh) | 2022-05-10 | 2022-05-10 | 基于像素残差直方图修改的可逆信息隐藏方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210504307.XA CN114979403B (zh) | 2022-05-10 | 2022-05-10 | 基于像素残差直方图修改的可逆信息隐藏方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114979403A CN114979403A (zh) | 2022-08-30 |
CN114979403B true CN114979403B (zh) | 2023-05-30 |
Family
ID=82981924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210504307.XA Active CN114979403B (zh) | 2022-05-10 | 2022-05-10 | 基于像素残差直方图修改的可逆信息隐藏方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114979403B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7415155B2 (en) * | 2003-05-06 | 2008-08-19 | New Jersey Institute Of Technology | Methods and apparatus for reversible data hiding through histogram modification |
CN110362964B (zh) * | 2019-06-05 | 2021-06-01 | 北京大学 | 一种基于多直方图修改的高容量可逆信息隐藏方法 |
CN114004724A (zh) * | 2020-09-02 | 2022-02-01 | 国际关系学院 | 基于改进权重预测器的可逆水印方法及装置 |
CN113923314B (zh) * | 2021-10-09 | 2022-08-05 | 河海大学 | 一种可逆数据隐藏方法及装置 |
CN114140304A (zh) * | 2021-11-24 | 2022-03-04 | 邹啸宇 | 一种基于多个差值直方图自适应修改的可逆嵌入方法 |
-
2022
- 2022-05-10 CN CN202210504307.XA patent/CN114979403B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114979403A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A novel reversible image data hiding scheme based on pixel value ordering and dynamic pixel block partition | |
Qin et al. | Reversible data hiding in VQ index table with lossless coding and adaptive switching mechanism | |
He et al. | Reversible data hiding in JPEG images based on negative influence models | |
Yang et al. | Reversible data hiding in medical images with enhanced contrast in texture area | |
CN110445949B (zh) | 基于直方图移位的ambtc域可逆信息隐藏方法 | |
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 | |
Hameed et al. | A secure data hiding approach based on least-significant-bit and nature-inspired optimization techniques | |
CN110362964B (zh) | 一种基于多直方图修改的高容量可逆信息隐藏方法 | |
Kumar et al. | Reversible data hiding: A contemporary survey of state-of-the-art, opportunities and challenges | |
Lu et al. | Reversible data hiding using local edge sensing prediction methods and adaptive thresholds | |
Xiang et al. | Cryptanalysis and improvement of a reversible data-hiding scheme in encrypted images by redundant space transfer | |
Kaur et al. | High‐quality reversible data hiding scheme using sorting and enhanced pairwise PEE | |
Chang et al. | A difference expansion based reversible information hiding scheme with high stego image visual quality | |
Panchikkil et al. | A pseudo-random pixel mapping with weighted mesh graph approach for reversible data hiding in encrypted image | |
Arabzadeh et al. | Reversible watermarking based on generalized histogram shifting | |
Faragallah et al. | Quadruple histogram shifting-based reversible information hiding approach for digital images | |
Kouhi et al. | Prediction error distribution with dynamic asymmetry for reversible data hiding | |
Su et al. | Reversible data hiding using the dynamic block-partition strategy and pixel-value-ordering | |
CN114979403B (zh) | 基于像素残差直方图修改的可逆信息隐藏方法及系统 | |
Wu et al. | Efficient reversible data hiding via two layers of double-peak embedding | |
CN113032813A (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 | |
Das et al. | An LSB based novel data hiding method using extended LBP | |
Li et al. | A robust watermarking scheme with high security and low computational complexity | |
CN113923314B (zh) | 一种可逆数据隐藏方法及装置 | |
Ma et al. | A Novel Reversible Watermarking Scheme for Relational Databases Protection Based on Histogram Shifting. |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |