基于多元线性回归的图像可逆信息隐藏方法和装置制造方法及图纸

本发明专利技术公开了一种基于多元线性回归的图像可逆信息隐藏方法和方法，所述方法包括：根据一定规则在目标像素点的邻域内选择多个像素点作为预测样本，在每个预测样本邻域内以相同方式选择多个像素点作为训练样本；建立局部区域内训练样本像素与预测样本像素间的多元线性回归函数关系；并利用所述关系函数表示目标像素与预测样本像素间的函数关系，预测目标像素值。本发明专利技术利用目标像素周围像素点间的内在联系实现了目标像素值的准确预测，进一步增强了图像可逆信息隐藏嵌入的性能。

Reversible image hiding method and device based on multiple linear regression

The invention discloses an image reversible information hiding method and method based on multiple linear regression. The method includes: selecting a plurality of pixels in the neighborhood of the target pixel according to a certain rule as the prediction sample, selecting a plurality of pixels in the same way in the neighborhood of each prediction sample as the training sample; The relationship between the pixel of training sample and the multivariate linear regression function between the predicted sample pixels and the function relationship between the target pixels and the predicted sample pixels is used to predict the target pixel value. The invention makes use of the inner connection between pixels around the target pixels to realize the accurate prediction of the target pixel value, and further enhances the performance of the reversible information hiding and embedding of the image.

【技术实现步骤摘要】
基于多元线性回归的图像可逆信息隐藏方法和装置
本专利技术属于图像信息隐藏领域，尤其涉及一种基于多元线性回归的图像可逆信息隐藏方法和装置。
技术介绍
信息隐藏技术通过将需要保护的信息隐藏于公开的载体中，利用公开的信号载体来实现秘密信息传递。大多数的信息隐藏算法都会导致原始载体出现不可逆的失真，但是在军事、医学、遥感等敏感图像处理领域中，嵌入信息导致原始图像的失真是不可接受的，由此产生了可逆信息隐藏算法。基于可逆信息隐藏算法嵌入信息后的图像不仅能够完整提取图像中嵌入的秘密信息，而且可以无损恢复原始载体图像。目前常见的可逆信息隐藏算法大致分为三类：基于数据压缩的可逆信息隐藏算法，基于差值扩展的可逆信息隐藏算法和基于直方图平移的可逆信息隐藏算法。其中，基于差值扩展的可逆信息嵌入算法，通过将目标像素与预测像素的差值倍乘后嵌入信息；基于直方图平移的可逆信息嵌入算法通过平移数量最多的预测误差像素值实现信息的嵌入。因而，采用精确的目标像素预测算法提升误差预测精度，使得直方图更加陡峭的分布在“0”值周围，可在保持载密图像质量的前提下，增强图像信息嵌入的能力。然而，传统的误差预测算法都是基于计算目标像素与其邻近像素的相似性，通过邻近像素的简单算术组合实现目标像素值的预测，图像中相邻像素间的一致性关系仍没有被充分利用。如何进一步挖掘目标像素周围像素点间的内在联系进行目标像素值的预测，从而增强图像可逆信息隐藏嵌入的性能，是本领域技术人员目前迫切解决的技术问题。
技术实现思路
为克服上述现有技术的不足，本专利技术提供了一种基于多元线性回归的图像可逆信息隐藏方法和方法，首先，选择目标像素周围(左上方)紧密相连的4个像素点作为预测样本进行目标像素值的预测。然后，在每个预测样本像素周围按照相同的方式选取4个像素作为训练样本，建立局部区域内训练样本像素与预测样本像素间的多元线性回归映射关系函数矩阵，求取反映局部区域内像素一致性关系的线性回归函数。最后，利用反映目标像素所在局部区域内邻近像素一致性关系的多元线性回归方程，以预测样本像素作为自变量样本进行目标像素值的预测。为实现上述目的，本专利技术采用如下技术方案：一种基于多元线性回归的图像可逆信息隐藏方法，包括以下步骤：步骤1：根据一定规则在目标像素点的邻域内选择多个像素点作为预测样本，在每个预测样本邻域内以相同方式选择多个像素点作为训练样本；步骤2：建立局部区域内训练样本像素与预测样本像素间的多元线性回归函数关系；步骤3：利用所述关系函数表示目标像素与预测样本像素间的函数关系，预测目标像素值。进一步地，所述规则为：假设从图像一角向其对角方向进行信息嵌入，则预测样本选择目标像素点对角方向最紧密的多个像素点。进一步地，所述步骤2采用最小二乘法求取多元线性回归系数的值。进一步地，回归系数的值通过补偿系数进行调节。进一步地，所述步骤3中将所述函数关系近似表示目标像素与预测样本像素间的函数关系具体为：以预测样本作为自变量，目标像素作为因变量。进一步地，所述方法还包括：利用原始像素值和预测像素值计算预测误差。根据本专利技术的第二目的，本专利技术还提供了一种基于多元线性回归的图像可逆信息隐藏方法，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的方法。根据本专利技术的第三目的，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行所述的基于多元线性回归的图像可逆信息隐藏方法。本专利技术的有益效果1、本专利技术不是简单的采用与目标像素相连的邻近像素作为样本，通过不同像素的算术组合算法实现目标像素值的预测；而是利用自然图像局部区域内像素间的一致性关系，相对于传统的算法仅仅通过目标像素周围邻近像素的不同算术组合实现目标像素的预测，此算法能够自适应的学习自然图像中局部像素间的内在联系，更好地反映目标像素所在区域的局部一致性关系，因此，在理论上相比于传统的目标像素预测算法具有更好的预测精度，从而增强目标图像可逆信息嵌入的能力；在相同可逆信息嵌容量的情况下，取得比其他经典算法更好的图像质量保持能力。2、本专利技术首先学习建立反映目标像素所在区域内的像素间紧密一致性关系的多元线性回归函数，然后，采用多元线性回归函数，以目标像素的紧密邻近像素为预测样本实现目标像素值的预测，预测函数的系数不是固定的，而是随目标像素周围局部区域内不同像素分布关系而自适应变化的，在图像的不同部分，预测关系函数的参数不同，从而，根据图像不同区域内纹理的变换形成不同的预测函数，在图像的任何部分都能实现目标像素的精确预测。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1为训练样本与预测样本选择示意图；图2为四副图像(Lena、Baboon、Airplane、Tiffany)预测误差分布直方图；图3为几种误差预测算法在误差≦10时的像素点数量分布比较；图4为基于四种不同误差预测算法的可逆信息嵌入性能比较。具体实施方式应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。本专利技术提出的总体思路：本文提出一种基于多元线性回归算法的自适应图像可逆信息隐藏误差预测方法，利用目标像素周围像素点间的内在联系实现目标像素值的准确预测，而不是通过目标像素点周围像素间的简单算术组合计算目标像素的预测值。本方法基于多元线性回归算法自适应的学习目标像素点周围像素点间的一致性关系并构建多元线性回归函数矩阵，利用满足周围像素点一致性关系的预测关系函数实现目标像素点的像素值预测，从而降低预测误差,保障误差直方图分布更紧密的集中在“0”值附近，有效提升目标像素的预测精度，生成更加稀疏的预测误差平面，进一步增强图像可逆信息隐藏信息嵌入的性能。多元线性回归算法多元线性回归算法是基于数理统计中的回归分析，研究一个因变量与多个自变量之间线性关系的统计分析方法，其基本目的是利用多个自变量的分布状态估计另一个因变量的值或分析其变异性。多元线性回归一般模型：y＝β0+β1x1+β2x2+…+βkxk+ε(1)其中，β0,β1,β2,…,βk是k+1个未知参数，β0为常数项，通常称为回归常数，β1,β2,…,βk称为回归系数，x1,x2,…,xk是k个可以精确测量并控制的自变量。ε是补偿误差。针对具有一致线性映射关系的多组函数自变量和因变量，其线性映射的矩阵形式可表示为：Y＝βX+ε(2)其中，Y,β,X，ε用矩阵形式表示：具有相似映射关系的多元线性回归模型，一般可采用最小二乘法求解其回归参数，在保障误差平方和(sum(εi2))为最小的前提下，建立因变量关于自变量的线性函数关系模本文档来自技高网...

【技术保护点】
1.一种基于多元线性回归的图像可逆信息隐藏方法，其特征在于，包括以下步骤：步骤1：根据一定规则在目标像素点的邻域内选择多个像素点作为预测样本，在每个预测样本邻域内以相同方式选择多个像素点作为训练样本；步骤2：建立局部区域内训练样本像素与预测样本像素间的多元线性回归函数关系；步骤3：利用所述关系函数表示目标像素与预测样本像素间的函数关系，预测目标像素值。

【技术特征摘要】
1.一种基于多元线性回归的图像可逆信息隐藏方法，其特征在于，包括以下步骤：步骤1：根据一定规则在目标像素点的邻域内选择多个像素点作为预测样本，在每个预测样本邻域内以相同方式选择多个像素点作为训练样本；步骤2：建立局部区域内训练样本像素与预测样本像素间的多元线性回归函数关系；步骤3：利用所述关系函数表示目标像素与预测样本像素间的函数关系，预测目标像素值。2.如权利要求1所述的基于多元线性回归的图像可逆信息隐藏方法，其特征在于，所述规则为：假设从图像一角向其对角方向进行信息嵌入，则预测样板选择目标像素点对角方向最紧密的多个像素点。3.如权利要求1所述的基于多元线性回归的图像可逆信息隐藏方法，其特征在于，所述步骤2采用最小二乘法求取多元线性回归系数的值。4....

【专利技术属性】
技术研发人员：马睿和，
申请(专利权)人：马睿和，
类型：发明
国别省市：山东,37