[发明专利]基于直方图对的图像可逆数据隐藏方法

说明书

技术领域

本发明属于数据隐藏技术领域，具体涉及一种无损数据隐藏方法，可被应用在医学、法律和军事等敏感领域。

背景技术

无损数据隐藏是数据隐藏领域的一个分支，它不但能恢复嵌入的隐藏数据，而且数据提取后原始图像也能得到完全恢复。

现有技术中，已有的各种无损数据隐藏方法：

Fridrich的LSB方法，即J.Fridrich等人对图像空域的最不重要位平面(Least Significant Bit，LSB)进行无损压缩，在压缩后腾出的剩余空间中嵌入比较少的信息量，无损压缩后嵌入，涉及象素太多，嵌入数据量受限制，且嵌入效果PSNR差。

Tian的Difference Expansion方法(属于location map法)，即Tian提出的差分扩展方法，为2x+b方法，是一种奇数偶判别法，将x移动一倍，变成偶数，偶数与奇数形成许多直方图对，都可嵌入数据。但该方法必须排除可能溢出的象素，并用location map记录嵌入位置，以防止嵌入前后矛盾，才可无损恢复。排除可能溢出的点，涉及象素太多，location map记录偏大。

Ni的Maximum and Minimum Point方法，为x+b方法，是一种特殊的直方图移位法，可以称为最大最小移位法。最大直方图和最小直方图间的象素灰度扩展移位，在最大直方图处，形成直方图对，嵌入数据。必须记录最小直方图所有象素坐标，才可无损恢复。但该方法的局限是：最大直方图并不是最适合嵌入的地方，记录最小直方图所有象素坐标，占容量大。

2012年11月1日公开的论文《基于预测误差和直方图对的无损数据隐藏方法》(张晓杰等人，计算机应用，2012，32(11)：3125-3128)。作为铺垫该论文首先介绍了直方图对的原理，此时属于在空域直接嵌入式的方法，仅适用于嵌入小数据，且性能差。《基于预测误差和直方图对的无损数据隐藏方法》论文，公开了用被测值减去预测值得到预测误差，再将待隐藏数据嵌入到预测误差中的直方图对的无损数据隐藏，在直方图对阈值T的基础上，加入起伏阈值T_F，尝试在某设定的两个阈值T、T_F参数下进行“自左到右、自上到下，逐次边预测边嵌入”。通过人工多次调整，挑选出最优的阈值参数。该最优阈值应满足：一次能全部嵌入数据，数据嵌入后不存在溢出，且获得最优嵌入效果。这里最优嵌入是指在给定嵌入时得到的PSNR(峰值信噪比Peak Signal to Noise Ratio)最高。但是，该论文公开的“基于预测误差和直方图对的无损数据隐藏方法”，由于只有二个最优阈值，其阈值T为单阈值，嵌入效率和均匀性不够理想，又由于得到的最优解阈值是通过人工多次试错对比后获得的，具有偶然性，所谓的最优解具有不确定性，非绝对的，且效率低。

发明内容

本发明目的在于克服现有技术的不足，提出一种改进的基于直方图对的图像可逆数据隐藏方法。本发明方法涉及能影响PSNR的四个参数，通过自动搜索确定出四个最优参数，即同时完成嵌入数据。过程中，当出现嵌入后溢出情况，本发明采取评价函数，自动搜索确定出最优压缩点，并用灰度范围阈值TL(左)和TR(右)作直方图最优调整；在数据嵌入环节，采用正负双向扫描的直方图对方法，逐次预测误差。本发明方法PSNR值高，效率高，视觉效果好。

为实现上述目的，本发明给出的技术方案表征为：

一种基于直方图对的图像可逆数据隐藏方法，其特征在于，本方法包括如下步骤：

第(1)步，设置T、T_F、TL、TR四个参数，预设一套参数值：

将该四个参数分两组，其中参数T和T_F为一组，TL、TR为另一组；每组的参数各预设一个序贯，每个序贯由5个值组成(5^＊5＝25个数值形成数据列阵)，用以简化四变量求解最高PSNR。

第(2)步，先取定TR、TL组不变，遍历T、T_F组的25种情况：

(2.1)判断是否溢出，如果TL、TR都等于0，则直接进入(2.3)进行逐一迭代方式嵌入数据过程；否则进入(2.2)先进行压缩及进行直方图对调整。

(2.2)：采用评价函数P＝k1*P1+k2*P2，搜索出图像中合适的象素点，做好位置记录，将记录到的象素点作为压缩点，采用初始的阈值TL和TR作直方图压缩调整，为第三步的嵌入作准备。

(2.3)：采用直方图对的方法进行逐一迭代方式嵌入数据，具体流程为：