CN116263931A - 一种自适应彩色图像可逆信息隐藏方法及系统 - Google Patents
一种自适应彩色图像可逆信息隐藏方法及系统 Download PDFInfo
- Publication number
- CN116263931A CN116263931A CN202111536610.XA CN202111536610A CN116263931A CN 116263931 A CN116263931 A CN 116263931A CN 202111536610 A CN202111536610 A CN 202111536610A CN 116263931 A CN116263931 A CN 116263931A
- Authority
- CN
- China
- Prior art keywords
- information
- gray
- embedding
- channel
- data set
- 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 140
- 230000002441 reversible effect Effects 0.000 title claims abstract description 40
- 230000003044 adaptive effect Effects 0.000 claims abstract description 43
- 230000008569 process Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 12
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 241001504519 Papio ursinus Species 0.000 description 1
- 241000758706 Piperaceae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000007 visual effect 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
- G06T1/0028—Adaptive watermarking, e.g. Human Visual System [HVS]-based watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0051—Embedding of the watermark in the spatial domain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0203—Image watermarking whereby the image with embedded watermark is reverted to the original condition before embedding, e.g. lossless, distortion-free or invertible watermarking
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20004—Adaptive image processing
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本申请提供一种自适应彩色图像可逆信息隐藏方法及系统,方法包括:对通道图像进行划分,得到白色数据集和灰度数据集;根据定向封闭预测方法和三维预测误差直方图扩展法,分别对白色数据集和灰度数据集中的每一个像素点进行信息嵌入,得到含密信息白色数据集和含密信息灰度数据集,信息嵌入的方式包括自适应嵌入方式和固定嵌入方式,根据原始彩色图像内容选择自适应嵌入方式或固定嵌入方式;提取含密信息白色数据集和含密信息灰度数据集,无损恢复原始彩色图像。基于三个通道之间的相关性,提出了基于图像内容的自适应嵌入方法,有效降低图像失真度。为了降低计算复杂度,本申请提出自适应嵌入方式和固定嵌入方式想结合的信息嵌入方法。
Description
技术领域
本申请涉及可逆信息隐藏检测技术领域,尤其涉及一种自适应彩色图像可逆信息隐藏方法及系统。
背景技术
可逆信息隐藏方法不仅可以准确地从含密图像中提取秘密信息,而且可以无损地恢复原始图像。因此,可逆信息隐藏方法已经被广泛应用于无损恢复一些重要领域中的原始图像,例如医学领域和军事领域。
目前,可逆信息隐藏方法包括基于无损压缩的可逆信息隐藏方法、基于直方图平移的可逆信息隐藏方法和基于差值扩展法的可逆信息隐藏方法,并且,可逆信息隐藏方法大多是基于灰度图像实现的。然而,在实际生活中,由于彩色图像具有强大的视觉表达能力,比灰色图像的应用范围更广。
现有技术中,在对彩色图像进行可逆信息隐藏时,通过直接将基于灰度图像实现的可逆信息隐藏方法分别应用到彩色图像的每个通道中,即将三个通道分离为三个灰度图像进行处理。但是该方法忽略了彩色图像的三个通道之间的相关性,对于彩色含密图像的嵌入质量差。
发明内容
本申请提供了一种自适应彩色图像可逆信息隐藏方法及系统,以解决现有技术中存在的对彩色图像进行可逆信息隐藏时,不考虑彩色图像的三个通道之间的相关性,对于彩色含密图像的嵌入质量差的问题。
第一方面,本申请提供一种自适应彩色图像可逆信息隐藏方法,包括:
对通道图像进行划分,得到数据集;所述通道图像通过将原始彩色图像进行分离得到,通道图像包括R通道图像、G通道图像和B通道图像,所述数据集通过对每个通道图像进行划分得到,数据集包括与每个通道图像对应的白色数据集和灰度数据集;
根据定向封闭预测方法和三维预测误差直方图扩展法,对所述白色数据集中的每一个像素点进行信息嵌入,得到含密信息白色数据集;
根据定向封闭预测方法和三维预测误差直方图扩展法,对所述灰度数据集中的每一个像素点进行信息嵌入,得到含密信息灰度数据集;
其中,所述信息嵌入的方式包括自适应嵌入方式和固定嵌入方式,所述自适应嵌入方式用于对所述三维预测误差直方图中分布集中的预测误差进行信息嵌入;所述固定嵌入方式用于对所述三维预测误差直方图中分布零散的预测误差进行信息嵌入,所述三维预测误差直方图通过统计元组出现的次数得到,所述元组由R、G、B三个通道中同一像素点所对应的预测误差组成,所述预测误差通过所述定向封闭预测方法计算得到,所述预测误差包括R通道预测误差、G通道预测误差和B通道预测误差;
根据所述含密信息白色数据集和所述含密信息灰度数据集,恢复所述原始彩色图像。
在本申请的较佳实施例中,根据定向封闭预测方法和三维预测误差直方图扩展法,对所述灰度数据集中的每一个像素点进行信息嵌入,得到含密信息灰度数据集,包括:
根据定向封闭预测方法,计算所述灰度数据集中每个灰度像素点对应的灰度预测误差,所述灰度预测误差包括R通道灰度预测误差、G通道灰度预测误差和B通道灰度预测误差;
根据所述灰度预测误差,构建元组序列,所述元组序列中包括至少一个元组,每一个所述元组中包括每个灰度像素点所对应的R通道灰度预测误差、G通道灰度预测误差和B通道灰度预测误差;
根据所述元组序列中每一个灰度像素点对应的灰度预测误差出现次数,建立三维预测误差直方图;
根据所述三维预测误差直方图中每一个灰度像素点对应的灰度预测误差分布情况,判断每一个所述元组的嵌入方式;
若所述灰度预测误差零散分布在所述三维预测误差直方图中,则选择固定嵌入方式进行信息嵌入;
若所述灰度预测误差集中分布在所述三维预测误差直方图中,则选择自适应嵌入方式进行信息嵌入;
对每一个所述元组进行信息嵌入后,得到含密信息灰度数据集。
在本申请的较佳实施例中,根据定向封闭预测方法,计算所述灰度数据集中每个灰度像素点对应的灰度预测误差,包括:
根据定向封闭预测方法,预测所述灰度数据集中每个灰度像素点的灰度预测值;
根据所述灰度预测值和原始灰度值,计算每个灰度像素点对应的灰度预测误差。
在本申请的较佳实施例中,若所述灰度预测误差零散分布在所述三维预测误差直方图中,则选择固定嵌入方式,包括:
将所述元组序列划分为8个象限;
将每个象限内的元组序列划分为5种类别,包括A类、B类、C类、D类和E类;
根据自适应嵌入方式对所述A类中的元组进行信息嵌入;
根据对应的固定嵌入方式,对所述B类、C类、D类和E类中的元组分别进行信息嵌入;
根据每一类别中元组出现的次数以及每一类别携带的嵌入信息容量和失真度,计算灰度数据集的嵌入信息容量和失真度。
在本申请的较佳实施例中,若所述灰度预测误差集中分布在所述三维预测误差直方图中,则选择自适应嵌入方式进行信息嵌入包括:
根据每一个灰度像素点对应的元组,计算对应的自适应嵌入路径,且不同元组所对应的自适应嵌入路径之间不存在交集;
根据所述自适应嵌入路径的嵌入信息容量和失真度、灰度数据集中彩色像素点对应的总复杂度以及灰度数据集的嵌入信息容量的,构建优化目标函数;
根据优化目标函数,计算最优自适应嵌入路径。
在本申请的较佳实施例中,所述白色数据集的信息嵌入过程与所述灰度数据集的嵌入过程相同。
第二方面,本申请提供一种自适应彩色图像可逆信息隐藏系统,包括:相互连接的划分数据集单元、信息嵌入单元和信息恢复单元;
其中,所述划分数据集单元被配置为:
对通道图像进行划分,得到数据集;所述通道图像通过将原始彩色图像进行分离得到,通道图像包括R通道图像、G通道图像和B通道图像,所述数据集通过对每个通道图像进行划分得到,数据集包括与每个通道图像对应的白色数据集和灰度数据集;
所述信息嵌入单元被配置为:
根据定向封闭预测方法和三维预测误差直方图扩展法,对所述白色数据集中的每一个像素点进行信息嵌入,得到含密信息白色数据集;
根据定向封闭预测方法和三维预测误差直方图扩展法,对所述灰度数据集中的每一个像素点进行信息嵌入,得到含密信息灰度数据集;
其中,所述信息嵌入的方式包括自适应嵌入方式和固定嵌入方式,所述自适应嵌入方式用于对所述三维预测误差直方图中分布集中的预测误差进行信息嵌入;所述固定嵌入方式用于对所述三维预测误差直方图中分布零散的预测误差进行信息嵌入,所述三维预测误差直方图通过统计元组出现的次数得到,所述元组由R、G、B三个通道中同一像素点所对应的预测误差组成,所述预测误差通过所述定向封闭预测方法计算得到,所述预测误差包括R通道预测误差、G通道预测误差和B通道预测误差;
所述信息恢复单元被配置为:
根据所述含密信息白色数据集和所述含密信息灰度数据集,恢复所述原始彩色图像。
第三方面,本申请提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现一种自适应彩色图像可逆信息隐藏方法的步骤。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现一种自适应彩色图像可逆信息隐藏方法的步骤。
本申请提供的一种自适应彩色图像可逆信息隐藏方法及系统,相较于现有技术而言,具有以下有益效果:
(1)本申请通过将自适应嵌入方式和固定嵌入方式相结合,对图像进行信息嵌入,针对出现频率高的像素,由于其嵌入方式对含密图像的保真度影响大,所以对于出现频率高的像素采用自适应嵌入方式,即根据图像内容搜索最优嵌入路径,从而使得含密图像具有高保真度;对于出现频率低的像素,其嵌入方式对含密图像的保真度影响小,所以采用固定嵌入方式,以降低嵌入过程中的计算复杂度。
(2)本申请可以根据图像的内容,即考虑图像三个通道之间的相关性,选择对应的自适应嵌入方式或固定嵌入方式,可以有效降低图像失真度,并且可以降低计算复杂度。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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是为像素x及其相邻像素示意图;
图2是本申请实施例1的一种自适应彩色图像可逆信息隐藏方法流程图;
图3是本申请实施例1的一种自适应彩色图像可逆信息隐藏方法中对灰度数据集进行信息嵌入的流程图;
图4为本申请实施例1的一种自适应彩色图像可逆信息隐藏方法中固定嵌入方式的划分示意图。
具体实施方式
为使本申请的目的、实施方式和优点更加清楚,下面将结合本申请示例性实施例中的附图,对本申请示例性实施方式进行清楚、完整地描述,显然,所描述的示例性实施例仅是本申请一部分实施例,而不是全部的实施例。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
基于本申请描述的示例性实施例,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他实施例,都属于本申请所附权利要求保护的范围。此外,虽然本申请中公开内容按照示范性一个或几个实例来介绍,但应理解,可以就这些公开内容的各个方面也可以单独构成一个完整实施方式。
需要说明的是,本申请中对于术语的简要说明,仅是为了方便理解接下来描述的实施方式,而不是意图限定本申请的实施方式。除非另有说明,这些术语应当按照其普通和通常的含义理解。
为便于对申请的技术方案进行,以下首先在对本申请所涉及到的一些概念进行说明。
在本申请中,诸如“第一”、“第二”、“第三”和“第四”等术语仅仅是用来将一个实体或者操作与另一个实体或者操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或顺序。另外,术语“包括”、“还包括”、“用于”或者任何其他变体意在涵盖非排他性的包含,从而使得其不仅包括明确列出的要素,还包括没有明确列出的其他要素。而且,本申请中的描述方位的词语“上”、“下”等均是根据本申请的附图位置或者该产品在实际使用时的方位进行描述,因此,不会造成本申请的方案不清楚。
信息隐藏作为一种视觉不可感知的多媒体数据内容认证和版权保护技术得到了普遍的研究和应用。
本申请的实现原理算法:
(1)基于预测误差扩展的可逆信息隐藏方法:
当预测误差e=v时,嵌入信息b,b=0或1。而其他预测误差则进行平移,嵌入信息后的预测误差e′为:
则嵌入后的像素值为:
提取嵌入信息b为:
恢复原始的预测误差和像素值:
这样就可以实现信息的嵌入和提取。
(2)定向封闭预测方法(Directionally Enclosed Prediction,DEP)
如图1所示,为像素x及其相邻像素示意图。DEP相对于菱形预测方法(rombustprediction)、中值边缘检测器(median-edge detector,MED)、梯度调节预测(Gradient-adjusted Prediction,GAP)具有较高得预测准确度。基于DEP方法,目标值x的预测值为预测误差为/>
则,
现有技术中,还提供了一种彩色图像嵌入技术,通过彩色图像三个通道间的相关性实现像素的准确预测,从而增加含密图像的嵌入质量,但该方法是通过建立一维直方图实现信息嵌入。
本申请利用彩色图像的三个通道间的相关性,提出了一种自适应彩色图像可逆信息隐藏方法。具体参见实施例1和实施例2的说明。
实施例1
如图2所示,本申请实施例1提供了一种自适应彩色图像可逆信息隐藏方法,包括以下步骤:
S101,对通道图像进行划分,得到数据集;所述通道图像通过将原始彩色图像进行分离得到,通道图像包括R通道图像、G通道图像和B通道图像,所述数据集通过对每个通道图像进行划分得到,数据集包括与每个通道图像对应的白色数据集和灰度数据集;
S102,根据定向封闭预测方法和三维预测误差直方图扩展法,对所述白色数据集中的每一个像素点进行信息嵌入,得到含密信息白色数据集;
S103,根据定向封闭预测方法和三维预测误差直方图扩展法,对所述灰度数据集中的每一个像素点进行信息嵌入,得到含密信息灰度数据集;
其中,所述信息嵌入的方式包括自适应嵌入方式和固定嵌入方式,所述自适应嵌入方式用于对所述三维预测误差直方图中分布集中的预测误差进行信息嵌入;所述固定嵌入方式用于对所述三维预测误差直方图中分布零散的预测误差进行信息嵌入,所述三维预测误差直方图通过统计元组出现的次数得到,所述元组由R、G、B三个通道中同一像素点所对应的预测误差组成,所述预测误差通过所述定向封闭预测方法计算得到,所述预测误差包括R通道预测误差、G通道预测误差和B通道预测误差;
S104,根据所述含密信息白色数据集和所述含密信息灰度数据集,恢复所述原始彩色图像。
进一步地,在本实施例1的一种具体实施方式中,以所述灰度数据集为例说明信息嵌入过程,具体地,如图3所示,步骤S103包括:
S1030,根据定向封闭预测方法,计算所述灰度数据集中每个灰度像素点对应的灰度预测误差,所述灰度预测误差包括R通道灰度预测误差、G通道灰度预测误差和B通道灰度预测误差;
S1031,根据所述灰度预测误差,构建元组序列,所述元组序列中包括至少一个元组,每一个所述元组中包括每个灰度像素点所对应的R通道灰度预测误差、G通道灰度预测误差和B通道灰度预测误差;
S1032,根据所述元组序列中每一个灰度像素点对应的灰度预测误差出现次数,建立三维预测误差直方图;
S1033,根据所述三维预测误差直方图中每一个灰度像素点对应的灰度预测误差分布情况,判断每一个所述元组的嵌入方式;
S1034,若所述灰度预测误差零散分布在所述三维预测误差直方图中,则选择固定嵌入方式进行信息嵌入;
S1035,若所述灰度预测误差集中分布在所述三维预测误差直方图中,则选择自适应嵌入方式进行信息嵌入;
S1036,对每一个所述元组进行信息嵌入后,得到含密信息灰度数据集。
更进一步地,在本实施例1的一种具体实施方式中,以灰度数据集的灰度预测误差的计算过程为例,步骤S1030包括:
根据定向封闭预测方法,预测所述灰度数据集中每个灰度像素点的灰度预测值;
根据所述灰度预测值和原始灰度值,计算每个灰度像素点对应的灰度预测误差。
需要特别说明的是,上述灰度数据集包括三个,即R通道图像分离得到的R通道灰度数据集,G通道图像分离得到的G通道灰度数据集以及B通道图像分离得到的B通道灰度数据集;对应地,灰度预测值包括R通道灰度预测值、G通道灰度预测值和B通道灰度预测值;原始灰度值也包括R通道原始灰度值、G通道原始灰度值和B通道原始灰度值。
具体地,在本实施例1中,以灰度数据集的灰度预测误差的计算过程为例,具体公式如下:
其中,表示单个通道图像中的像素,即像素点k对应的单通道原始灰度值,/>表示单通道灰度预测值,/>单通道表示灰度预测误差,i表示RGB三通道的其中一个通道,i取值为r、g、b,k∈(k=1,...,N)。
更进一步地,在本实施例1中,步骤S1031即采用R、G、B三通道图像中同一个像素点对应的灰度预测误差组成元组序列,元元组序列中包括N个像素点分别对应的元组,公式为:
(e1,e2,…,eN),
其中,ek表示灰度像素点k对应的元组,k表示灰度像素点,k∈(k=1,...,N)。
更进一步地,在本实施例1中,步骤S1032中三维预测误差直方图g(x,y,z)的计算公式如下:
其中,g(x,y,z)表示灰度预测误差ek为(x,y,z)出现的次数,k表示灰度像素点,k∈(k=1,...,N),表示灰度像素点k的R通道灰度预测误差,/>表示灰度像素点k的G通道灰度预测误差,/>表示灰度像素点k的B通道灰度预测误差。
更进一步地,在本实施例1中,步骤S1034中的固定嵌入方式如下:
将所述元组序列划分为8个象限;
将每个象限内的元组序列划分为5种类别,包括A类、B类、C类、D类和E类;
根据自适应嵌入方式对所述A类中的元组进行信息嵌入;
根据对应的固定嵌入方式,对所述B类、C类、D类和E类中的元组分别进行信息嵌入;
根据每一类别中元组出现的次数以及每一类别携带的嵌入信息容量和失真度,计算灰度数据集的嵌入信息容量和失真度。
具体地,在本实施例1中,如图4所示,将N个灰度像素点对应的元组构成的元组序列(e1,e2,…,eN)划分为8个象限,每一个象限内的信息嵌入方式相似,在本实施例1中,以第一象限的信息嵌入过程为例进行说明:
首先,如图4所示,将第一象限内的元组序列,划分为五种类别,包括A类、B类、C类、D类和E类,并且8个象限内的五种类别的划分类似,此处不做赘述;五种类别具体划分及信息嵌入方式如下:
基于贪婪搜索方法寻找最优嵌入路径实现信息嵌入,即通过步骤S1035中的自适应嵌入方式,完成A类的信息嵌入,其中,表示灰度像素点k的R通道灰度预测误差,对应图4中的x,/>表示灰度像素点k的G通道灰度预测误差,对应图4中的y,/>表示灰度像素点k的B通道灰度预测误差,对应图4中的z。
其中,表示灰度像素点k的R通道灰度预测误差,对应图4中的x,/>表示嵌入信息后的R通道灰度预测误差,/>表示嵌入信息后的G通道灰度预测误差,/>表示嵌入信息后的B通道灰度预测误差,b1和b2为嵌入信息。
其中,表示灰度像素点k的R通道灰度预测误差,对应图4中的x,/>表示嵌入信息后的R通道灰度预测误差,/>表示嵌入信息后的G通道灰度预测误差,/>表示嵌入信息后的B通道灰度预测误差,b∈(0,1)为嵌入信息。
其中,表示灰度像素点k的R通道灰度预测误差,对应图4中的x,/>表示灰度像素点k的G通道灰度预测误差,对应图4中的y,/>表示灰度像素点k的B通道灰度预测误差,对应图4中的z,/>表示嵌入信息后的R通道灰度预测误差,/>表示嵌入信息后的G通道灰度预测误差,/>表示嵌入信息后的B通道灰度预测误差,b∈(0,1)为嵌入信息。
E类元组通过平移为其他元组,完成嵌入信息释放嵌入空间;
基于上述五种类别的嵌入方式,灰度数据集的嵌入信息容量EC和失真度ED分别为:
EC=cA∑e∈Ag(e)+log2(3)∑ee∈Bg(e)+∑e∈Cg(e)+∑e∈Dg(e),
其中,EC表示嵌入信息容量,ED表示失真度,cA表示A类的嵌入信息容量,dA表示A类失真度,e表示某一类别的元组,g(e)为元组e在三维预测误差直方图中出现的次数。
需要说明的是,上述固定嵌入方式中,每种类别中携带的嵌入信息容量和失真度均为固定,并不因为象限的改变而改变。并且,本领域技术人员可根据图4中坐标系完成8个象限的划分。
更进一步地,在本实施例1中,步骤S1035中的自适应嵌入方式如下:
根据每一个灰度像素点对应的元组,计算对应的自适应嵌入路径,且不同元组所对应的自适应嵌入路径之间不存在交集,即相交为空集;
根据所述自适应嵌入路径的嵌入信息容量和失真度、灰度数据集中彩色像素点对应的总复杂度以及灰度数据集的嵌入信息容量的,构建优化目标函数;
根据优化目标函数,计算最优自适应嵌入路径。
上述方案中,任意两个元组的嵌入路径不能有交集是为了准确提取嵌入信息。
具体地,在本实施例1中,自适应嵌入方式的公式如下:
其中,表示灰度像素点k对应的元组,/>表示灰度像素点k对应元组的自适应嵌入路径,/>表示灰度像素点l对应元组的自适应嵌入路径,/>表示灰度像素点k的R通道灰度预测误差,对应图4中的x,/>表示灰度像素点k的G通道灰度预测误差,对应图4中的y,/>表示灰度像素点k的B通道灰度预测误差,对应图4中的z,k表示灰度像素点,k∈(k=1,...,N),l∈(k=1,...,N);
为了使含密图像具有高保真度,需要在平坦区域(即复杂度较低的区域)嵌入更多信息以降低含密图像失真度,需要构建优化目标函数,优化目标函数的公式如下:
其中,EC表示嵌入信息容量,ED表示失真度,F*表示复杂度阈值,M*表示最优自适应嵌入路径,表示单个通道中灰度像素点k的灰度复杂度,i表示某一通道,i∈(R,G,B),k∈(k=1,...,N),/>表示R通道中灰度像素点k的灰度复杂度,/>表示G通道中灰度像素点k的灰度复杂度,/>表示B通道中灰度像素点k的灰度复杂度,Fk表示彩色像素点/> 对应的总复杂度,/>表示单个通道中灰度像素点k的灰度值,M表示自适应嵌入路径,Cap表示预设嵌入信息容量阈值,p1,p2,p3和p4是目标像素值/>的最近邻四个像素。
需要说明的是,上述所有的信息嵌入均只以RGB三通道的灰度数据集的信息嵌入为例进行说明,当针对灰度数据集完成信息嵌入后,记录信息嵌入结束的位置。然后,重复上述嵌入信息的过程,完成对RGB三通道的白色数据集进行信息嵌入。
进一步地,在本实施例1的一种具体实施方式中,步骤S104对原始彩色图像进行恢复的过程为对所述白色数据集和所述灰度数据集进行信息嵌入的逆过程,白色数据集和灰度数据集同样需要对每个通道图像进行划分得到。此处不再赘述恢复过程,但本领域技术人员根据上述信息嵌入过程可以可逆恢复出原始彩色图像,不能认为未公开的信息提取恢复过程造成本身方案不清楚。
实施例2
与前述一种自适应彩色图像可逆信息隐藏方法的实施例1相对应,本申请还提供了一种自适应彩色图像可逆信息隐藏系统的实施例2。系统包括:相互连接的划分数据集单元、信息嵌入单元和信息恢复单元;
其中,所述划分数据集单元被配置为:
对通道图像进行划分,得到数据集;所述通道图像通过将原始彩色图像进行分离得到,通道图像包括R通道图像、G通道图像和B通道图像,所述数据集通过对每个通道图像进行划分得到,数据集包括与每个通道图像对应的白色数据集和灰度数据集;
所述信息嵌入单元被配置为:
根据定向封闭预测方法和三维预测误差直方图扩展法,对所述白色数据集中的每一个像素点进行信息嵌入,得到含密信息白色数据集;
根据定向封闭预测方法和三维预测误差直方图扩展法,对所述灰度数据集中的每一个像素点进行信息嵌入,得到含密信息灰度数据集;
其中,所述信息嵌入的方式包括自适应嵌入方式和固定嵌入方式,所述自适应嵌入方式用于对所述三维预测误差直方图中分布集中的预测误差进行信息嵌入;所述固定嵌入方式用于对所述三维预测误差直方图中分布零散的预测误差进行信息嵌入,所述三维预测误差直方图通过统计元组出现的次数得到,所述元组由R、G、B三个通道中同一像素点所对应的预测误差组成,所述预测误差通过所述定向封闭预测方法计算得到,所述预测误差包括R通道预测误差、G通道预测误差和B通道预测误差;
所述信息恢复单元被配置为:
根据所述含密信息白色数据集和所述含密信息灰度数据集,恢复所述原始彩色图像。
本申请提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例1中一种自适应彩色图像可逆信息隐藏方法的步骤。
本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现实施例1中一种自适应彩色图像可逆信息隐藏方法的步骤。
应用例
采用本申请实施例1的方法对标准彩色测试图像Tiffany,Baboon,Lena,Airplane,Lake和Peppers等图像进行可逆信息隐藏,标准彩色测试图像图像分辨率大小均为512*512*3,嵌入信息容量为30,000bit。
采用峰值信噪比(peak signal noise ratio,PSNR)值衡量信息嵌入的效果。
PSNR值的计算方法是:
PSNR=10*log10(2552*3/MSE),
其中,PSNR表示峰值信噪比,MSE表示均方误差(mean-square error,MSE),表示R通道图像中的像素,即像素点k对应的R通道原始灰度值,/>表示像素点k对应的R通道灰度预测值,/>表示G通道图像中的像素,即像素点k对应的G通道原始灰度值,/>表示像素点k对应的G通道灰度预测值,/>表示B通道图像中的像素,即像素点k对应的B通道原始灰度值,/>表示像素点k对应的B通道灰度预测值。
下表1为本申请方案和现有技术方案得到的PSNR值对比
经过上表1的对比,可知本申请所提出的方法在信息嵌入质量方面优于现有的技术方案。
需要说明的是,在应用例中,采用的标准彩色测试图像均为本领域技术人员公知的测试图像,但是本领域技术人员还可使用其他测试图像采用本申请的技术方案完成信息嵌入和恢复提取。
Claims (10)
1.一种自适应彩色图像可逆信息隐藏方法,其特征在于,包括:
对通道图像进行划分,得到数据集;所述通道图像通过将原始彩色图像进行分离得到,通道图像包括R通道图像、G通道图像和B通道图像,所述数据集通过对每个通道图像进行划分得到,数据集包括与每个通道图像对应的白色数据集和灰度数据集;
根据定向封闭预测方法和三维预测误差直方图扩展法,对所述白色数据集中的每一个像素点进行信息嵌入,得到含密信息白色数据集;
根据定向封闭预测方法和三维预测误差直方图扩展法,对所述灰度数据集中的每一个像素点进行信息嵌入,得到含密信息灰度数据集;
其中,所述信息嵌入的方式包括自适应嵌入方式和固定嵌入方式,所述自适应嵌入方式用于对所述三维预测误差直方图中分布集中的预测误差进行信息嵌入;所述固定嵌入方式用于对所述三维预测误差直方图中分布零散的预测误差进行信息嵌入,所述三维预测误差直方图通过统计元组出现的次数得到,所述元组由R、G、B三个通道中同一像素点所对应的预测误差组成,所述预测误差通过所述定向封闭预测方法计算得到,所述预测误差包括R通道预测误差、G通道预测误差和B通道预测误差;
根据所述含密信息白色数据集和所述含密信息灰度数据集,恢复所述原始彩色图像。
2.根据权利要求1所述的一种自适应彩色图像可逆信息隐藏方法,其特征在于,根据定向封闭预测方法和三维预测误差直方图扩展法,对所述灰度数据集中的每一个像素点进行信息嵌入,得到含密信息灰度数据集,包括:
根据定向封闭预测方法,计算所述灰度数据集中每个灰度像素点对应的灰度预测误差,所述灰度预测误差包括R通道灰度预测误差、G通道灰度预测误差和B通道灰度预测误差;
根据所述灰度预测误差,构建元组序列,所述元组序列中包括至少一个元组,每一个所述元组中包括每个灰度像素点所对应的R通道灰度预测误差、G通道灰度预测误差和B通道灰度预测误差;
根据所述元组序列中每一个灰度像素点对应的灰度预测误差出现次数,建立三维预测误差直方图;
根据所述三维预测误差直方图中每一个灰度像素点对应的灰度预测误差分布情况,判断每一个所述元组的嵌入方式;
若所述灰度预测误差零散分布在所述三维预测误差直方图中,则选择固定嵌入方式进行信息嵌入;
若所述灰度预测误差集中分布在所述三维预测误差直方图中,则选择自适应嵌入方式进行信息嵌入;
对每一个所述元组进行信息嵌入后,得到含密信息灰度数据集。
3.根据权利要求2所述的一种自适应彩色图像可逆信息隐藏方法,其特征在于,根据定向封闭预测方法,计算所述灰度数据集中每个灰度像素点对应的灰度预测误差,包括:
根据定向封闭预测方法,预测所述灰度数据集中每个灰度像素点的灰度预测值;
根据所述灰度预测值和原始灰度值,计算每个灰度像素点对应的灰度预测误差。
4.根据权利要求3所述的一种自适应彩色图像可逆信息隐藏方法,其特征在于,所述灰度数据集包括R通道灰度数据集、G通道灰度数据集以及B通道灰度数据集;
所述灰度预测值包括R通道灰度预测值、G通道灰度预测值和B通道灰度预测值;
所述原始灰度值包括R通道原始灰度值、G通道原始灰度值和B通道原始灰度值。
5.根据权利要求2所述的一种自适应彩色图像可逆信息隐藏方法,其特征在于,若所述灰度预测误差零散分布在所述三维预测误差直方图中,则选择固定嵌入方式,包括:
将所述元组序列划分为8个象限;
将每个象限内的元组序列划分为5种类别,包括A类、B类、C类、D类和E类;
根据自适应嵌入方式对所述A类中的元组进行信息嵌入;
根据对应的固定嵌入方式,对所述B类、C类、D类和E类中的元组分别进行信息嵌入;
根据每一类别中元组出现的次数以及每一类别携带的嵌入信息容量和失真度,计算灰度数据集的嵌入信息容量和失真度。
6.根据权利要求2所述的一种自适应彩色图像可逆信息隐藏方法,其特征在于,若所述灰度预测误差集中分布在所述三维预测误差直方图中,则选择自适应嵌入方式进行信息嵌入包括:
根据每一个灰度像素点对应的元组,计算对应的自适应嵌入路径,且不同元组所对应的自适应嵌入路径之间不存在交集;
根据所述自适应嵌入路径的嵌入信息容量和失真度、灰度数据集中彩色像素点对应的总复杂度以及灰度数据集的嵌入信息容量的,构建优化目标函数;
根据优化目标函数,计算最优自适应嵌入路径。
7.根据权利要求1所述的一种自适应彩色图像可逆信息隐藏方法,其特征在于,所述白色数据集的信息嵌入过程与所述灰度数据集的嵌入过程相同。
8.一种自适应彩色图像可逆信息隐藏系统,其特征在于,包括:相互连接的划分数据集单元、信息嵌入单元和信息恢复单元;
其中,所述划分数据集单元被配置为:
对通道图像进行划分,得到数据集;所述通道图像通过将原始彩色图像进行分离得到,通道图像包括R通道图像、G通道图像和B通道图像,所述数据集通过对每个通道图像进行划分得到,数据集包括与每个通道图像对应的白色数据集和灰度数据集;
所述信息嵌入单元被配置为:
根据定向封闭预测方法和三维预测误差直方图扩展法,对所述白色数据集中的每一个像素点进行信息嵌入,得到含密信息白色数据集;
根据定向封闭预测方法和三维预测误差直方图扩展法,对所述灰度数据集中的每一个像素点进行信息嵌入,得到含密信息灰度数据集;
其中,所述信息嵌入的方式包括自适应嵌入方式和固定嵌入方式,所述自适应嵌入方式用于对所述三维预测误差直方图中分布集中的预测误差进行信息嵌入;所述固定嵌入方式用于对所述三维预测误差直方图中分布零散的预测误差进行信息嵌入,所述三维预测误差直方图通过统计元组出现的次数得到,所述元组由R、G、B三个通道中同一像素点所对应的预测误差组成,所述预测误差通过所述定向封闭预测方法计算得到,所述预测误差包括R通道预测误差、G通道预测误差和B通道预测误差;
所述信息恢复单元被配置为:
根据所述含密信息白色数据集和所述含密信息灰度数据集,恢复所述原始彩色图像。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7任意一项所述的一种自适应彩色图像可逆信息隐藏方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任意一项所述的一种自适应彩色图像可逆信息隐藏方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111536610.XA CN116263931A (zh) | 2021-12-15 | 2021-12-15 | 一种自适应彩色图像可逆信息隐藏方法及系统 |
PCT/CN2022/138177 WO2023109705A1 (zh) | 2021-12-15 | 2022-12-09 | 一种自适应彩色图像可逆信息隐藏方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111536610.XA CN116263931A (zh) | 2021-12-15 | 2021-12-15 | 一种自适应彩色图像可逆信息隐藏方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116263931A true CN116263931A (zh) | 2023-06-16 |
Family
ID=86722353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111536610.XA Pending CN116263931A (zh) | 2021-12-15 | 2021-12-15 | 一种自适应彩色图像可逆信息隐藏方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116263931A (zh) |
WO (1) | WO2023109705A1 (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761196B (zh) * | 2016-01-28 | 2019-06-11 | 西安电子科技大学 | 基于三维预测误差直方图的彩色图像可逆数字水印方法 |
CN112788342B (zh) * | 2019-11-11 | 2022-07-08 | 阿里巴巴集团控股有限公司 | 一种水印信息嵌入方法以及装置 |
CN112132734B (zh) * | 2020-09-25 | 2024-04-26 | 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
- 2021-12-15 CN CN202111536610.XA patent/CN116263931A/zh active Pending
-
2022
- 2022-12-09 WO PCT/CN2022/138177 patent/WO2023109705A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023109705A1 (zh) | 2023-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liao et al. | New cubic reference table based image steganography | |
Ou et al. | Reversible data hiding based on PDE predictor | |
CN111696021B (zh) | 一种基于显著性检测的图像自适应隐写分析系统及方法 | |
Kouhi et al. | Prediction error distribution with dynamic asymmetry for reversible data hiding | |
Fan et al. | Multiple histogram based adaptive pairwise prediction-error modification for efficient reversible image watermarking | |
Kumar et al. | A review of different prediction methods for reversible data hiding | |
Gao et al. | Local feature-based mutual complexity for pixel-value-ordering reversible data hiding | |
CN114257697A (zh) | 一种高容量通用图像信息隐藏方法 | |
Liu et al. | Multi-dimensional constraints-based PPVO for high fidelity reversible data hiding | |
CN117391920A (zh) | 基于rgb通道差分平面的大容量隐写方法及系统 | |
Abed et al. | Efficient cover image selection based on spatial block analysis and DCT embedding | |
CN102760280A (zh) | 一种大容量可逆水印的嵌入和提取方法及其实现系统 | |
CN116263931A (zh) | 一种自适应彩色图像可逆信息隐藏方法及系统 | |
CN116385935A (zh) | 一种基于无监督域自适应的异常事件检测算法 | |
Lin et al. | Multi-frequency residual convolutional neural network for steganalysis of color images | |
Bhatnagar et al. | Reversible Data Hiding scheme for color images based on skewed histograms and cross-channel correlation | |
Wang | An efficient multiple-bit reversible data hiding scheme without shifting | |
CN115550518A (zh) | 一种基于自适应像素块划分的可逆信息隐藏方法及系统 | |
Mukherjee et al. | Octagon Shell Based Image Steganography for Avoiding Human Visual System with Lower Computational Time | |
CN115482463A (zh) | 一种生成对抗网络矿区土地覆盖识别方法及系统 | |
Li et al. | Smaller Is Bigger: Rethinking the Embedding Rate of Deep Hiding | |
Xiang et al. | Hybrid Predictor and Field‐Biased Context Pixel Selection Based on PPVO | |
Tang et al. | Reversible data hiding based on improved block selection strategy and pixel value ordering | |
KR101367821B1 (ko) | 계층적 영상블록의 대칭정보를 이용한 비디오 식별 방법 및 장치 | |
CN112966230A (zh) | 信息隐写及提取方法、装置及设备 |
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 |