基于自适应成对误差扩展和嵌入回补的可逆数据隐藏算法制造技术

本发明专利技术公开的基于自适应成对误差扩展和嵌入回补的可逆数据隐藏算法，将原始图像按照棋盘格样式划分为两个像素集合，对两个像素集合进行溢出处理和复杂度计算，按照复杂度对像素块排序，再计算最大值像素和最小值像素的预测误差；通过计算峰值点和零值点构造二维映射，从而按照最优映射修改像素值进行数据嵌入，修改后将同一类像素按照菱形均值排序，通过直方图移动技术，单侧移动嵌入数据，最后计算计算各载密图像与原始图像的峰值信噪比，将最优载密图像与原始图像的最外围像素，采用LSB替换后相结合，形成最终的载密图像。本发明专利技术在低嵌入容量的情况下，提高了图像质量，并且增大了最大嵌入容量。增大了最大嵌入容量。增大了最大嵌入容量。

【技术实现步骤摘要】
基于自适应成对误差扩展和嵌入回补的可逆数据隐藏算法


[0001]本专利技术属于可逆数据隐藏
，具体涉及一种基于自适应成对误差扩展和嵌入回补的可逆数据隐藏算法。

技术介绍

[0002]随着计算机和互联网技术的快速发展，通信过程中传播的数据量也越来越大，这导致数据的安全性受到了威胁。为了保护数据不被攻击者发现、截取和篡改，数据隐藏技术受到越来越多的关注。数据隐藏技术是将需要传播的数据隐藏到信息载体当中，从而达到不被攻击者发现的目的。但是，传统的数据隐藏算法会对信息载体造成不可逆的伤害。对于某些对信息完整性要求高的领域，例如，医学、军事、航空航天和法律等领域是难以接受的。为了解决该问题，Honsinger提出了可逆数据隐藏(RDH)技术。该技术可以在不被攻击者发现的前提下，提取完整的数据以及无损恢复信息载体。由此可见，空间域的可逆数据隐藏算法具有实际应用价值。图像由于具有直观、信息量大的特点，逐渐成为可逆数据隐藏数主要研究的信息载体。
[0003]成对预测误差扩展技术(Pairwise Prediction
‑
Error Expansion)是一种将一维预测误差序列，按照某种成对策略构造二维预测误差对序列，进行扩展嵌入的技术。Ou等人发现预测误差之间存在相关性，为了更好地利用预测误差的相关性，采用菱形预测方法对像素点进行预测。然后再将相邻的预测误差成对，按照指定的二维映射进行嵌入，降低了图像失真程度。在此基础上，Wu等人提出增强的成对预测扩展方法。该算法将图像分为大小不同的块，使用像素值排序算法对块内最大值像素和最小值像素进行预测，将这两个预测误差成对。同时，根据嵌入容量和预测误差对序列选择合适的二维映射。该方法可以自适应选择块大小和所用的二维映射，但是每一块中只有最大值像素和最小值像素进行嵌入，块中剩余的其余像素不发生改变，这导致嵌入容量不高。而Kumar等人将图像分为2
×
3的棋盘块，同样使用增强的成对预测方法，对块中剩余的像素点使用菱形预测方法进行预测嵌入。该算法增大了嵌入容量，但是在低嵌入容量的情况下，图像质量并不理想。

技术实现思路

[0004]本专利技术的目的是提供一种基于自适应成对误差扩展和嵌入回补的可逆数据隐藏算法，低嵌入容量的情况下，提高了图像质量，并且增大了最大嵌入容量。
[0005]本专利技术所采用的技术方案是，基于自适应成对误差扩展和嵌入回补的可逆数据隐藏算法，具体按以下步骤实施：
[0006]步骤1、将原始图像第一行、第一列、最后一行和最后一列不做处理，剩余像素按照棋盘格样式划分为A、B像素集合，对A、B像素集合分别进行先后溢出处理；
[0007]步骤2、将步骤1中A像素集合的图像分为大小相同的块，计算每一块的复杂度，按照复杂度对像素块排序；针对块中同一类像素使用像素值排序算法，计算最大值像素和最小值像素的预测误差，两两成对；
[0008]步骤3、根据步骤2得到的预测误差对序列，计算两对峰值点和零值点，根据计算得到的峰值点和零值点构造二维映射；
[0009]步骤4、循环遍历步骤3构造的二维映射，采用优化函数选择满足当前嵌入容量的前提下，对于当前预测误差对序列来说，最优的二维映射，按照最优映射修改像素值进行数据嵌入；
[0010]步骤5、根据步骤4处理的图像，将图像块中的同一类像素按照菱形均值排序，统计每一块中最大均值像素和最小均值像素的预测误差，得到两个预测误差序列，然后通过直方图移动技术，单侧移动嵌入数据；
[0011]步骤6、计算步骤5块中剩余像素的预测误差，相邻两个预测误差成对，选择满足当前嵌入容量的前提下，对于当前预测误差对序列来说，最优的二维映射，按照最优映射修改像素值进行数据嵌入；
[0012]步骤7、改变步骤2中块大小，重复上述步骤2～6；处理B像素集合的方法相同，处理完A、B像素集合得到载密图像后，计算各载密图像与原始图像的峰值信噪比，得到峰值信噪比值最大时A、B像素集合的最优分块和最优映射，将最优载密图像与原始图像的最外围像素，采用LSB替换后相结合，形成最终的载密图像。
[0013]本专利技术的特征还在于，
[0014]步骤1的棋盘格样式划分具体公式如下：
[0015][0016]其中I表示图像，i表示行号，j表示列号，A，B表示两类像素的集合；
[0017]所述步骤1的溢出处理具体为按照光栅扫描的顺序扫描图像，将可能溢出的点修改为不可能溢出的点，由于修改后的像素值可能与其余像素值相等，因此采用Location_map区分两类像素点。
[0018]步骤2的图像块的复杂度具体计算公式如下：
[0019][0020]其中，I表示图像，i表示行号，j表示列号，N、W、S和E都是当前像素相邻的另一类像素点；
[0021]步骤2的像素值排序算法为将块中同一类像素排序，得到序列X(X1,X2,...,X
m
)，以及对应的下标序列σ(σ(1),σ(2),...,σ(m))，用第二大像素预测最大值像素，用第二小像素预测最小值像素，计算当前块中最大值像素X
m
和最小值像素X1对应的预测误差e
m
和e1，组成预测误差对(e
m
,e1)，具体计算公式如下：
[0022][0023][0024]其中，i表示行号，j表示列号；
[0025]处理完所有的像素块，可以得到预测误差对序列E(E1,E2,...,E
n
)，其中其中，M为图像的行号，N为图像的列号，P为块的行号，Q为块的列号。
[0026]步骤3中计算两对峰值点和零值点方法为统计步骤2的预测误差对序列E(E1,E2,...,E
n
)中所有预测误差的分布概率，将分布概率最大的两个像素点记做峰值点L
peak
和R
peak
，其中L
peak
<R
peak
；在左峰值点L
peak
左侧的分布概率最小的像素点记做左零值点L
zero
，在右峰值点R
peak
右侧的分布概率最小的像素点记做右零值点R
zero
；所述构造二维映射方法采用递归算法。
[0027]步骤4中优化函数为，计算步骤2的预测误差序列E在满足嵌入容量的前提下的图像损失程度，根据选择函数选择最优映射，具体计算公式如下：
[0028][0029]其中，ED为图像损失程度，EC为图像嵌入容量，payload为给定的嵌入数据长度；
[0030]步骤4中的修改像素值进行数据嵌入是根据单个映射单元的不同映射方向进行不同的像素值变化和数据嵌入，在二维映射嵌入过程中，每个映射单元最多存在四种可能，分别是上、右、对角线、自身四种映射方向，单个映射单元能够嵌入的数据为1bit或2bit；具体为单个映射单元只有一种映射方向时，像素值不发生变化，无数据嵌入；单个映射单元有两本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自适应成对误差扩展和嵌入回补的可逆数据隐藏算法，其特征在于，具体按以下步骤实施：步骤1、将原始图像第一行、第一列、最后一行和最后一列不做处理，剩余像素按照棋盘格样式划分为A、B像素集合，对A、B像素集合分别进行先后溢出处理；步骤2、将步骤1中A像素集合的图像分为大小相同的块，计算每一块的复杂度，按照复杂度对像素块排序；针对块中同一类像素使用像素值排序算法，计算最大值像素和最小值像素的预测误差，两两成对；步骤3、根据步骤2得到的预测误差对序列，计算两对峰值点和零值点，根据计算得到的峰值点和零值点构造二维映射；步骤4、循环遍历步骤3构造的二维映射，采用优化函数选择满足当前嵌入容量的前提下，对于当前预测误差对序列来说，最优的二维映射，按照最优映射修改像素值进行数据嵌入；步骤5、根据步骤4处理的图像，将图像块中的同一类像素按照菱形均值排序，统计每一块中最大均值像素和最小均值像素的预测误差，得到两个预测误差序列，然后通过直方图移动技术，单侧移动嵌入数据；步骤6、计算步骤5块中剩余像素的预测误差，相邻两个预测误差成对，选择满足当前嵌入容量的前提下，对于当前预测误差对序列来说，最优的二维映射，按照最优映射修改像素值进行数据嵌入；步骤7、改变步骤2中块大小，重复上述步骤2～6；处理B像素集合的方法相同，处理完A、B像素集合得到载密图像后，计算各载密图像与原始图像的峰值信噪比，得到峰值信噪比值最大时A、B像素集合的最优分块和最优映射，将最优载密图像与原始图像的最外围像素，采用LSB替换后相结合，形成最终的载密图像。2.根据权利要求1所述的基于自适应成对误差扩展和嵌入回补的可逆数据隐藏算法，其特征在于，所述步骤1的棋盘格样式划分具体公式如下：其中I表示图像，i表示行号，j表示列号，A，B表示两类像素的集合；所述步骤1的溢出处理具体为按照光栅扫描的顺序扫描图像，将可能溢出的点修改为不可能溢出的点，由于修改后的像素值可能与其余像素值相等，因此采用Location_map区分两类像素点。3.根据权利要求1所述的基于自适应成对误差扩展和嵌入回补的可逆数据隐藏算法，其特征在于，所述步骤2的图像块的复杂度具体计算公式如下：其中，I表示图像，i表示行号，j表示列号，N、W、S和E都是当前像素相邻的另一类像素点。4.根据权利要求3所述的基于自适应成对误差扩展和嵌入回补的可逆数据隐藏算法，其特征在于，所述步骤2的像素值排序算法为将块中同一类像素排序，得到序列X(X1,
X2,...,X
m
)，以及对应的下标序列σ(σ(1),σ(2),...,σ(m))，用第二大像素预测最大值像素，用第二小像素预测最小值像素，计算当前块中最大值像素X
m
和最小值像素X1对应的预测误差e
m
和e1，组成预测误差对(e
m
,e1)，具体计算公式如下：计算公式如下：其中，i表示行号，j表示列号；处理完所有的像素块，可以得到预测误差对序列E(E1,E2,...,E
n
)，其中其中，M为图像的行号，N为图像的列号，P为块的行号，Q为块的列号。5.根据权利要求1所述的基于自适应成对误差扩展和嵌入回补的可逆数据隐藏算法，其特征在于，所述步骤3中计算两对峰值点和零值点方法为统计步骤2的预测误差对序列E(E1,E2,...,E
n
)中所有预测误差的分布概率，将分布概率最大的两个像素点记做峰值点L
peak
和R
peak
，其中L
peak
<R
peak
；在左峰值点L
peak
左侧的分布概率最小的像素点记做左零值点L
zero
，在右峰值点R
peak
右侧的分布概率最小的像素点记做右零值点R
zero
；所述构造二维映射方法采用递归算法。6.根据权利要求1所述的基于自适应成对误差扩展和嵌入回补的可逆数据隐藏算法，其特征在于，所述步骤4中优化函数为，计算步骤2的预测误差序列E在满足嵌入容量的前提下的图像损失程度，根据选择函数选择最优映射，具体计算公式如下：其中，ED为图像损失程度，EC为图像嵌入容量，payload为给定的嵌入数据长度；所述步骤4中的修改像...

【专利技术属性】
技术研发人员：隋连升，周光飚，肖照林，王战敏，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：