基于块最优动态选择的可逆信息隐藏算法制造技术

本发明专利技术涉及信息隐藏，数字水印技术领域，公开了一种基于块最优动态选择的可逆信息隐藏算法，包括水印嵌入与水印提取方法。首先以2

【技术实现步骤摘要】
基于块最优动态选择的可逆信息隐藏算法


[0001]本专利技术涉及信息隐藏，数字水印
，具体涉及一种基于块最优动态选择的可逆信息隐藏算法。

技术介绍

[0002]可逆信息隐藏(reversible data hiding,RDH)是近年来多媒体信息安全领域的热点研究问题，该技术能够将一定量的信息嵌入到载体图像中，并且不但能够盲提取所嵌入的信息，而且还可以无损恢复载体图像，因此其所具备的可逆特性，在军事、遥感以及医疗等特殊行业发挥出了巨大作用。一种良好的可逆信息隐藏算法需具备高嵌入量、低失真两个重要条件，但这二者间往往呈相互矛盾关系，因此，研究在同等嵌入容量下具有较低失真率的可逆信息隐藏技术具有重要的理论意义和应用价值。
[0003]目前通过结合PEE策略，Li等人提出了基于像素值排序(pixel vaule order,PVO)的可逆嵌入方案，通过PVO将载体图像划分成固定大小的非重叠块，然后修改块内最大(小)值来嵌入秘密信息，由于在嵌入时块内像素的最大值和最小值永远处于+1或
‑
1操作，因此秘密信息在嵌入前后块内像素值顺序仍旧保持一致，从而保证了可逆性。此外由于PVO算法只修改块内最大值和最小值，因此能够使得载密图像的失真不至于过大，但是由于只在预测误差值“1”处进行修改，使得嵌入容量过小。而后Peng等人为了能够增加秘密信息的嵌入容量，考虑到原始块内像素的相对位置，提出了基于改进的PVO(IPVO)可逆嵌入方案，但所采用的是固定大小的块，因此无法进一步提升算法的嵌入性能。
[0004]上述提出的基于像素值排序(pixel vaule order,PVO)可逆信息隐藏算法，因其良好的嵌入性能而被广泛研究，但传统的PVO算法通常将载体图像划分成多个非重叠且固定大小的块，但是若所划分的块较大，那么就会使得水印嵌入容量过小，然而若以小块进行划分，那么则会提高载密图像失真，降低图像质量，因此这些大部分算法无法根据所需水印嵌入容量，自适应调整块的大小以达到最佳性能；此外在计算块复杂度时，大部分算法所采用的都是半封闭式计算，因此利用所计算的块复杂度无法对块进行准确分类。
[0005]总之，亟需设计一种即能够显著提高嵌入容量又能够能够保证载密图像的视觉质量的可逆信息隐藏算法。

技术实现思路

[0006]专利技术目的：针对现有技术中存在的问题，本专利技术提供一种基于块最优动态选择的可逆信息隐藏算法，不仅使得嵌入容量有了显著的增加，而且载密图像的视觉质量也得到了有效保证。
[0007]技术方案：本专利技术提供了一种基于块最优动态选择的可逆信息隐藏算法，包括水印嵌入方法，所述水印嵌入方法包括如下步骤：
[0008]步骤1：对原始图像进行扫描，图像在扫描过程中遇到值为0的像素更改为1，值为255的像素改为254，构建溢出位置图LM记录这些像素，取LM
i
＝1，未溢出像素LM
i
＝0，最后当
所有块都扫描完毕后，对最终得到的位置图采用算术编码对其进行无损压缩，压缩后的位置图为CLM，其长度表示为l
CLM
；
[0009]步骤2：嵌入时以2
×
3大小的块为基本单元将载体图像划分成灰、白两层，首先对灰色层进行操作，计算灰色层各块的局部复杂度BC，并设置阈值T1，如果BC≤T1，认定为平滑块，否则为非平滑块；
[0010]步骤3：对于2
×
3大小的平滑块，对其再次划分成1
×
3的图像块，然后对其中的小块像素根据预排序方案来自适应收集像素，并使用IPVO方法进行秘密信息嵌入；
[0011]步骤4：对于2
×
3的非平滑块，计算其块内复杂度值IBC并设置阈值T2，若IBC≤T2，采用IPVO方法来嵌入秘密信息；若IBC>T2，利用块对角合并策略判断当前块与对角块是否可以合并，具体为：计算当前块与对角块的像素密度分布值PDD，将其合并后相应计算合并块的PDD，若合并块的PDD均大于二者，那么认定这两个块可以进行合并，完成秘密信息的嵌入，否则不能够进行合并，跳过；
[0012]步骤5：在嵌入了整个有效载荷之后，通过LSB替换将辅助信息嵌入到第一行前36+l
CLM
个像素中，辅助信息包括块大小(4bits)、阈值T1和T2(16bits)、最后嵌入块索引(16bits)和压缩位置图的长度(l
CLM
bits)；
[0013]步骤6：对于白色层的像素重复前面步骤2
‑
4，并生成最终的载密图像。
[0014]进一步地，还包括水印提取方法，具体包括：
[0015]S1：首先采用LSB方法提取载密图像第一行前36+l
CLM
个像素，以提取辅助信息，包括块大小、阈值T1和T2、最后嵌入块索引、压缩位置图CLM；
[0016]S2：将载密图像以2
×
3大小的块为基本单元划分成灰、白两层；首先从白色层开始，根据块复杂度计算方法，并根据所提取的阈值T1，划分平滑块和非平滑块；对于平滑块，将其二次划分成2个1
×
3大小的块，采用IPVO方法直接提取秘密信息，并恢复像素值；
[0017]S3：对于非平滑块，进一步计算块内复杂度值IBC，并利用所提取的阈值T2来提取秘密信息，若IBC≤T2，则采用与平滑块相同的操作提取秘密信息；否则根据块对角合并策略，来判定当前块是否与对角块进行了合并，由于块对角合并策略所利用的次大/次小像素在嵌入前后均不发生改变，因此在提取时以当前块、对角块以及二者合并块的顺序依次计算PDD，若合并块PDD均大于二者，那么该块则与对角块进行了合并，生成了合并块，然后对其提取秘密信息；
[0018]S4：最后采用同样的操作对灰色层完成秘密信息的提取，然后恢复图像。
[0019]进一步地，将载体图像划分成灰、白两层具体操作为：利用菱形预测两层嵌入方法将图像以2
×
3大小的块为基本单元，以棋盘方式划分为灰色层和白色层。
[0020]进一步地，计算灰色层各块的局部复杂度BC和白色层各块的局部复杂度步骤相同，采用棋盘式分层嵌入框架，使用最近的四个其他层的相邻块作为该块的上下文，通过全封闭的上下文来计算块的复杂度值；以灰色层为例：
[0021]上下文像素包括围绕中心灰色块的两圈像素点x1,x2,x3，
…
，x
18
,x
19
,x
20
，通过这些像素点来计算块复杂度值NC，计算公式如下：
[0022]BC＝d
n
+d
v
+d
h
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0023]其中d
n
，d
v
，d
h
分别表示对角、水平以及垂直像素间的差值总和，具体计算过程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于块最优动态选择的可逆信息隐藏算法，其特征在于，包括水印嵌入方法，所述水印嵌入方法包括如下步骤：步骤1：对原始图像进行扫描，图像在扫描过程中遇到值为0的像素更改为1，值为255的像素改为254，构建溢出位置图LM记录这些像素，取LM
i
＝1，未溢出像素LM
i
＝0，最后当所有块都扫描完毕后，对最终得到的位置图采用算术编码对其进行无损压缩，压缩后的位置图为CLM，其长度表示为l
CLM
；步骤2：嵌入时以2
×
3大小的块为基本单元将载体图像划分成灰、白两层，首先对灰色层进行操作，计算灰色层各块的局部复杂度BC，并设置阈值T1，如果BC≤T1，认定为平滑块，否则为非平滑块；步骤3：对于2
×
3大小的平滑块，对其再次划分成1
×
3的图像块，然后对其中的小块像素根据预排序方案来自适应收集像素，并使用IPVO方法进行秘密信息嵌入；步骤4：对于2
×
3的非平滑块，计算其块内复杂度值IBC并设置阈值T2，若IBC≤T2，采用IPVO方法来嵌入秘密信息；若IBC>T2，利用块对角合并策略判断当前块与对角块是否可以合并，具体为：计算当前块与对角块的像素密度分布值PDD，将其合并后相应计算合并块的PDD，若合并块的PDD均大于二者，那么认定这两个块可以进行合并，完成秘密信息的嵌入，否则不能够进行合并，跳过；步骤5：在嵌入了整个有效载荷之后，通过LSB替换将辅助信息嵌入到第一行前36+l
CLM
个像素中，辅助信息包括块大小(4bits)、阈值T1和T2(16bits)、最后嵌入块索引(16bits)和压缩位置图的长度(l
CLM
bits)；步骤6：对于白色层的像素重复前面步骤2
‑
4，并生成最终的载密图像。2.根据权利要求1所述的基于块最优动态选择的可逆信息隐藏算法，其特征在于，还包括水印提取方法，具体包括：S1：首先采用LSB方法提取载密图像第一行前36+l
CLM
个像素，以提取辅助信息，包括块大小、阈值T1和T2、最后嵌入块索引、压缩位置图CLM；S2：将载密图像以2
×
3大小的块为基本单元划分成灰、白两层；首先从白色层开始，根据块复杂度计算方法，并根据所提取的阈值T1，划分平滑块和非平滑块；对于平滑块，将其二次划分成2个1
×
3大小的块，采用IPVO方法直接提取秘密信息，并恢复像素值；S3：对于非平滑块，进一步计算块内复杂度值IBC，并利用所提取的阈值T2来提取秘密信息，若IBC≤T2，则采用与平滑块相同的操作提取秘密信息；否则根据块对角合并策略，来判定当前块是否与对角块进行了合并，由于块对角合并策略所利用的次大/次小像素在嵌入前后均不发生改变，因此在提取时以当前块、对角块以及二者合并块的顺序依次计算PDD，若合并块PDD均大于二者，那么该块则与对角块进行了合并，生成了合并块，然后对其提取秘密信息；S4：最后采用同样的操作对灰色层完成秘密信息的提取，然后恢复图像。3.根据权利要求1或2所述的基于块最优动态选择的可逆信息隐藏算法，其特征在于，将载体图像划分成灰、白两层具体操作为：利用菱形预测两层嵌入方法将图像以2
×
3大小的块为基本单元，以棋盘方式划分为灰色层和白色层。4.根据权利要求1或2所述的基于块最优动态选择的可逆信息隐藏算法，其特征在于，计算灰色层各块的局部复杂度BC和白色层各块的局部复杂度步骤相同，采用棋盘式分层嵌
入框架，使用最近的四个其他层的相邻块作为该块的上下文，通过全封闭的上下文来计算块的复杂度值；以灰色层为例：上下文像素包括围绕中心灰色块的两圈像素点x1,x2,x3，
…
，x
18
,x
19
,x
20
，通过这些像素点来计算块复杂度值NC，计算公式如下：BC＝d
n
+d
v
+d
h
ꢀꢀꢀꢀꢀ
(1)其中d
n
，d
v
，d
h
分别表示对角、水平以及垂直像素间的差值总和，具体计算过程如下：5.根据权利要求1所述的基于块最优动态选择的可逆信息隐藏算法，其特征在于，所述步骤3中再次划分成1
×
3的图像块具体为：将灰色层和白色层的平滑块均进行再次划分，得到灰色叉集、灰色点集、白色叉集和白色点集，灰色叉集、白色叉集的像素连线均为原2
×
3图像块的正V型图像块，灰色点集、白色点集的像素连线均为原2
×

【专利技术属性】
技术研发人员：张正伟，肖为恩，李芬芬，刘天府，李瑶，孟倩，肖绍章，张粤，金圣华，杨畅，陈礼青，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：