差值量化数字水印

像处理中的数字水印算法在当今数字化的时代，随着互联网和数字媒体的广泛应用，保护个人和企业的知识产权变得尤为重要。

数字水印算法作为一种常用的技术手段，被广泛应用于数字内容的鉴权、版权保护和信息追踪等方面。

本文将详细介绍数字水印算法的定义、原理、分类以及应用，并探讨其未来的发展与挑战。

一、数字水印算法的定义与原理1. 定义数字水印算法是一种将隐藏信息嵌入到数字媒体中的技术手段。

隐藏信息的形式可以是文字、图像、音频等，它在媒体文件中几乎不可见。

使用数字水印算法可以保护数字媒体的版权，追踪盗版行为以及提供所有权证明。

2. 原理数字水印算法的核心原理是将隐藏信息嵌入到载体媒体中，通过对载体媒体进行微小的改动实现的。

这些微小的改动对于人眼来说是难以察觉的，但对于专门设计的解码器可以被正确提取出来。

传统的数字水印算法通常基于以下几种原理实现：频域水印、空域水印、哈希水印和差值水印等。

二、数字水印算法的分类根据数字水印算法的应用领域和特点，可以将其分为以下几类：1. 盲水印算法盲水印算法即提取水印不需要原始载体，只需加密的水印信息即可。

盲水印算法具有提取方便、高安全性等优点，广泛应用于版权保护和溯源等领域。

2. 非盲水印算法非盲水印算法在提取水印时需要原始载体，即需要原始载体加密后的信息。

非盲水印算法常用于数字内容的鉴权和认证。

3. 频域水印算法频域水印算法是利用图像或音频的频谱特征进行信息嵌入和提取。

该算法具有较强的鲁棒性和隐蔽性，在图像和音频版权保护中得到广泛应用。

4. 空域水印算法空域水印算法是将信息直接嵌入到图片或视频的像素中。

空域水印算法无需频域转换，可以提高算法的实时性和适用性。

三、数字水印算法的应用领域1. 版权保护数字水印算法可以对数字媒体进行标识和追踪，以保护作者的版权。

这在音乐、电影、文学作品等领域具有重要意义。

2. 鉴权认证数字水印算法可以用于数字证书、身份证明等文件的鉴权认证，确保文件的真实性和合法性。

数字水印技术的嵌入和提取算法分析数字水印技术是一种在数字媒体中隐藏和提取信息的技术，被广泛应用于保护版权、数据完整性验证、源追踪等领域。

数字水印通过在媒体中嵌入一些看不见或难以察觉的信息来实现，同时保持媒体的视觉和听觉效果。

本文将对数字水印技术的嵌入和提取算法进行分析。

首先，数字水印的嵌入算法。

数字水印嵌入算法通常分为空域嵌入和频域嵌入两种类型。

空域嵌入是将水印信息嵌入到媒体像素的数值中。

最常见的空域嵌入算法是改变像素的最低有效位（Least Significant Bit, LSB）来存储水印信息。

嵌入过程首先将水印信息转化为二进制编码，然后将二进制编码嵌入到像素的最低有效位中。

由于人眼对最低有效位的变化难以察觉，因此嵌入的水印信息不会影响媒体原有的视觉效果。

此外，还有一些基于像素的差值、像素重新排列等技术，可以提高空域嵌入算法的鲁棒性和安全性。

频域嵌入是将水印信息嵌入到媒体的频域表示中。

频域嵌入算法通常使用变换方法，如离散余弦变换（Discrete Cosine Transform, DCT）和小波变换（Wavelet Transform）。

这些变换能将媒体信号分解成频域的系数，然后在一些特定的系数上嵌入水印信息。

常见的频域嵌入算法有基于DCT的嵌入算法和基于小波变换的嵌入算法。

这些算法能够在不引起明显视听质量下降的情况下嵌入大量的水印信息，提高了鲁棒性和隐藏能力。

其次，数字水印的提取算法。

数字水印提取算法是将嵌入在媒体中的水印信息从中提取出来的过程。

对于空域嵌入算法，提取算法是将被修改的像素进行读取和解码，以获得嵌入的二进制编码信息。

然后，解码的二进制信息转化为水印信息。

对于基于像素差值的嵌入算法，提取算法是提取出像素之间的差值，并根据差值来确定是否存在水印信息。

解码差值可以获得嵌入的水印信息。

对于频域嵌入算法，提取算法是将嵌入的频域系数进行逆变换，得到嵌入水印后的媒体。

然后，通过对比媒体的原始和解码后的水印信息，可以确定是否成功提取出水印。

数字水印编码算法数字水印技术是一种将特定信息隐藏在数字媒体中以保护版权和验证数据完整性的方法。

数字水印编码算法是其中的核心部分，它决定了如何将信息嵌入到媒体中以及如何提取出隐藏的信息。

本文将介绍数字水印编码算法的基本原理和常见的几种算法。

数字水印编码算法的基本原理是在媒体的特定区域中，通过微小的变换来嵌入隐藏信息，这些变换在人眼或者其他传感器中是不可察觉的。

在数字图像中，常见的嵌入方法有像素值修改、离散余弦变换和离散小波变换等。

在数字音频中，常见的嵌入方法有低频扩频、频谱扩展和时间扩展等。

通过这样的嵌入方法，信息就被隐写在媒体中，起到了防伪、认证和追溯的作用。

一种常见的数字水印编码算法是基于离散余弦变换（DCT）的方法。

在这种算法中，将媒体分成多个块，对每个块进行DCT变换得到频域系数。

然后根据隐藏信息，在频域系数中进行微小的变换。

变换的方式可以是将信息加到系数中，或者在系数中微调一些分量。

最后进行逆DCT变换得到嵌入了隐藏信息的媒体。

在提取时，按照相同的方式对媒体进行DCT变换和逆DCT变换，就可以得到隐藏的信息。

另一种常见的数字水印编码算法是基于离散小波变换（DWT）的方法。

在这种算法中，同样将媒体分成多个块，对每个块进行DWT变换得到频域系数。

然后根据隐藏信息，在频域系数中进行微小的变换。

不同于DCT算法，DWT在频谱分析中更适合处理不同尺度的信息。

同样地，在提取时，按照相同的方式对媒体进行DWT变换和逆DWT变换，就可以得到隐藏的信息。

除了上述两种基本的数字水印编码算法，还有一些其他的算法。

例如基于人眼视觉特性的算法，它利用视觉系统的特性来增强水印的可见性或者提高抗干扰能力。

还有基于量化器特性的算法，它利用量化器的误差来嵌入和提取水印。

此外，还有一些基于传输特性的算法，它在数字媒体传输过程中嵌入和提取水印。

在数字水印编码算法中，除了嵌入和提取隐藏信息的功能，还有一些其他的要求。

例如鲁棒性，即算法要能在媒体经过压缩、裁剪、旋转等处理后仍然能够提取出水印。

数字水印数字水印（Digital Watermarking）技术是将一些标识信息(即数字水印)直接嵌入数字载体当中(包括多媒体、文档、软件等)或是间接表示(修改特定区域的结构)，且不影响原载体的使用价值，也不容易被探知和再次修改。

但可以被生产方识别和辨认。

通过这些隐藏在载体中的信息，可以达到确认内容创建者、购买者、传送隐秘信息或者判断载体是否被篡改等目的。

数字水印是信息隐藏技术的一个重要研究方向。

数字水印是实现版权保护的有效办法，是信息隐藏技术研究领域的重要分支。

数字水印的特点作为数字水印技术基本上具有下面几个方面的特点：----安全性：数字水印的信息应是安全的，难以篡改或伪造，同时，应当有较低的误检测率，当原内容发生变化时，数字水印应当发生变化，从而可以检测原始数据的变更；当然数字水印同样对重复添加有很强的抵抗性----隐蔽性：数字水印应是不可知觉的，而且应不影响被保护数据的正常使用；不会降质；----鲁棒性：是指在经历多种无意或有意的信号处理过程后，数字水印仍能保持部分完整性并能被准确鉴别。

可能的信号处理过程包括信道噪声、滤波、数/模与模/数转换、重采样、剪切、位移、尺度变化以及有损压缩编码等。

主要用于版权保护的数字水印易损水印（Fragile Watermarking），主要用于完整性保护，这种水印同样是在内容数据中嵌入不可见的信息。

当内容发生改变时，这些水印信息会发生相应的改变，从而可以鉴定原始数据是否被篡改。

----水印容量：是指载体在不发生形变的前提下可嵌入的水印信息量。

嵌入的水印信息必须足以表示多媒体内容的创建者或所有者的标志信息，或购买者的序列号，这样有利于解决版权纠纷，保护数字产权合法拥有者的利益。

尤其是隐蔽通信领域的特殊性，对水印的容量需求很大。

编辑本段数字水印的分类1.按特性划分----按水印的特性可以将数字水印分为鲁棒数字水印和易损数字水印两类。

鲁棒数字水印主要用于在数字作品中标识著作权信息，利用这种水印技术在多媒体内容的数据中嵌入创建者、所有者的标示信息，或者嵌入购买者的标示（即序列号）。

数字⽔印算法介绍数字⽔印算法列举湖南科技⼤学计算机科学与⼯程学院①基于LSB 的数字⽔印⽅案（空间域、不可逆、不可见和盲检测）嵌⼊步骤：（1）先把⽔印信息转化为⼆进制⽐特流I。

（2）根据I的长度⽣成密钥K，并且严格保存。

密钥K是对图像载体像素位置的⼀个映射。

（3）把I中的每⼀位依次根据密钥K，置换掉原始载体图像中相应位置的像素最后⼀位。

提取步骤：（1）根据严格保存的密钥K遍历嵌⼊了⽔印的图像中的相应像素，提取出最后⼀位。

（2）将提取出来的每⼀位重新组合成⽔印信息。

②基于差分扩展的数字⽔印⽅案（变换域、可逆、不可见和盲检测）嵌⼊步骤：（1）将图像M分成像素点对（x，y），将⽔印信息转化为⼆进制⽐特流,⽐特流的每⼀位⽤m 表⽰。

（2）根据⽔印信息⽐特流的长度随机⽣成信息的嵌⼊位置k作为密钥信息严格保存。

（3）对图像M计算均值l和差值h：-=+=yx h y x floor l 2(（floor表⽰向下取整）（4）将⽔印⽐特信息m以差值扩展的⽅法嵌⼊到差值h中：mh h +?='2（5）将得到的h '代⼊（3）中，得到新的图像像素对，形成嵌⼊秘密信息后的图像C。

提取步骤：（1）将图像C分成像素点对（x，y），读⼊密钥信息K。

（2）将图像C依旧按照嵌⼊步骤中的（3）式计算均值l和差值h。

（3）根据密钥k找到相应位置，提取差值h的最后⼀位⽐特信息m，再将差值h进⾏变换得到1>>='h h 。

（4）将提取到的⽐特信息m进⾏组合可以恢复⽔印信息，将得到的h '代⼊嵌⼊步骤的（3）中计算新的图像像素对可以恢复原始图像载体M。

③基于直⽅图修改的数字⽔印算法（空间域、可逆、不可见和盲检测）嵌⼊步骤：（1）找到直⽅图的零点z和峰值点p，将z v p <<的像素值v⾃加1。

（2）漂移后的直⽅图v=p处即为嵌⼊⽔印的位置，将⽔印信息转化为⼆进制流并记为k，按顺序嵌⼊，即k v v +='；（3）得到的由像素值v '组成的图像就是嵌⼊秘密信息后的图像。

数字水印技术第一篇：数字水印技术概述随着数字化技术的发展，数字水印技术也随之应运而生。

数字水印技术是一种在数字内容中嵌入隐藏信息的技术，它可以通过不可见的方式来保护数字内容的版权和真实性。

数字水印技术的应用广泛，包括音频、视频、图片等各种数字媒体文件。

他们可以用于鉴定文件的合法性，确定数据来源，防止盗版行为等。

数字水印技术的基本原理是将被保护的数字内容与一个特定的信息比如所有者的名称，一个标识符或一个日期进行编码并插入到被保护的数字媒体文件中。

这样可以让数字内容的所有者或相关人士可以在需要时轻松识别出数字内容的原始来源并对其进行相应的处理。

数字水印技术与传统的隐蔽保护技术有所不同。

传统的技术主要是对原始数据进行加密，而数字水印技术则是将嵌入隐藏信息的方式应用在原始数据上，以达到保护和处理数据的目的。

数字水印技术分为可逆和不可逆两种类型。

可逆型数码水印方案指水印嵌入过程是可逆的，原始图像可以被完美重构，例如用调节像素值所得。

不可逆型则是一种在保护数字媒体的完整性和真实性方面更加稳健的数字水印技术，其插入后无法再被移除或者破坏，除非对整个数字媒体文件进行更改。

总之，数字水印技术已经成为数字内容保护的重要环节之一，未来将会在更广泛的领域中得到应用。

虽然它已经在防止盗版方面得到了广泛应用，但它还可以被用在更重要的领域，如国家安全、商业安全、个人隐私保护等方面。

第二篇：数字水印技术的应用数字水印技术在版权保护方面的应用非常广泛。

在数字音乐和视频的领域中，这种技术可以用来保护音乐和电影工业中的版权。

数字音乐：数字音乐行业向来备受盗版问题之苦。

通过嵌入数字水印，可以标识音乐的来源并追踪任何盗版行为。

数字水印技术还可以用于确定音乐文件的完整性，防止文件被篡改或替换。

数字视频：数字视频中的数字水印技术可以防止针对电影的爬取或侵权行为。

该技术还可以用于确保视频质量，以及在数字广告中标识内容所有者或相关信息。

数字图书：数字图书也需要得到保护，数字水印技术不仅可以防止盗版，还可以保护数字内容的完整性和来源。

双层差值扩展可逆数字水印算法苏文桂;沈玉龙;王祥【摘要】传统的差值扩展可逆数字水印算法通过将图像相邻像素对的差值进行扩展来嵌入1b水印,最大嵌入率为0.5 bpp.其不足之处在于低嵌入率和高嵌入失真.为提高嵌入率,差值扩展算法需进行多次嵌入,由于无法有效地利用像素间的相关性,从而带来较大的嵌入失真.为了提高嵌入性能提出一种新的双层差值扩展嵌入可逆数字水印算法,通过分析差值扩展对像素对的修改规律,对第1层嵌入和第2层嵌入分别采用不同的像素对构建方式,更好地利了像素的相关性,并进一步利用像素块的均值作为预测器优先选择平滑像素对用于嵌入,使得在超过0.5 bpp的嵌入率时仍可保持较高的峰值信噪比.仿真实验结果表明:所提出的算法在提高水印嵌入容量的同时可有效减少图像的失真.【期刊名称】《计算机研究与发展》【年(卷),期】2019(056)007【总页数】8页(P1498-1505)【关键词】差值扩展;可逆水印;信息隐藏;双层嵌入法;像素选择【作者】苏文桂;沈玉龙;王祥【作者单位】西安电子科技大学计算机科学与技术学院西安710071;广西制造系统与先进制造技术重点实验室(广西大学机械工程学院)南宁 530004;西安电子科技大学计算机科学与技术学院西安710071;西安电子科技大学通信工程学院西安710071【正文语种】中文【中图分类】TP391在过去的几年里，数字媒体的使用大幅增加了在线数据攻击和版权侵犯等问题.数字水印技术是一种新的信息隐藏技术，将秘密信息隐藏到数字媒体载体中来实现数字版权保护和内容认证[1].而原始媒体由于水印的嵌入，会遭受不可擦除的失真，在一些高保真的应用场合，比如法律、医学图像、军事图像、遥感等，即使是非常轻微的失真也是不能容忍的.因此，可逆数字水印应运而生.可逆数字水印也称为无损水印，在水印嵌入后能从媒体中成功地提取嵌入的秘密信息并且无损恢复原始媒体.在目前的研究中，基于图像的可逆数字水印是可逆数字水印技术研究的热点.作为信息隐藏技术的一个重要分支，可逆水印侧重于数据隐藏行为的不可感知性及可恢复性.现有的可逆水印在本质上是脆弱水印，对于可能遭受的攻击没有鲁棒性，当宿主图像遭到轻微改变或攻击时都会对水印造成影响，主要用于数字图像的真伪鉴别和完整性保护.可逆数字水印的2个重要特性是不可感知性和嵌入容量.简单地说，不可感知性是嵌入水印后的图像与宿主图像相似度的度量，嵌入水印后的图像质量不能出现明显的下降；而嵌入容量是宿主图像能携带信息量的度量，指能够嵌入到宿主图像中并能提取的最大信息量.不可感知性和嵌入容量是相互制约的2个指标，当嵌入容量高时图像会出现明显的视觉失真，而当嵌入容量低时图像的失真较小.一个可逆水印算法应能在保持一定失真的情况下,具有尽可能大的嵌入容量.我们通常采用嵌入失真率和嵌入容量这2个指标来评价一个可逆水印算法的性能.常见的基于图像可逆数字水印算法可以归纳为三大类：1) 基于无损压缩的可逆数字水印算法.这类算法通过无损压缩原始载体图像的一部分为水印创造嵌入空间[2]，但是这种算法的水印嵌入容量有限.早期的基于无损压缩的可逆信息隐藏方法由于水印嵌入容量有限并且有可能导致嵌入后图像质量的明显下降，主要应用于图像完整性认证和版权认证.2) 直方图平移(histogram shifting， HS)可逆数字水印算法.这类算法把灰度值在图像直方图峰值和零值之间的像素平移1个单位来嵌入水印，可以获得较高品质的嵌入图像，但是最大嵌入容量受限于直方图峰值点像素数量.为提高嵌入容量，近年来很多学者在直方图平移技术基础上进行了进一步的改进[3-4].Chen等人[3]从图像对比度增强、视觉失真减少和嵌入容量增加3个方面对直方图平移算法进行了改进.通过直方图的分布特性自适应调整直方图平移过程来增强图像对比度，将直方图预平移中像素修改范围减少一半来减少图像失真，并通过像素值排序技术来提高嵌入容量.文献[4]利用矩形预测误差分布的特点，首先将直方图峰值向右移动用于嵌入水印信息，然后再将峰值向左移动以留下更多的空间用于更多的数据嵌入，这可以减少由于直方图右移动造成的失真，实验证明该算法能获得较大的嵌入容量和较小的失真.3) 基于Tian[5]提出的差值扩展(difference expansion, DE)的可逆数字水印算法.DE算法把图像相邻像素对的差值进行扩展来嵌入1b水印，它的缺点之一是嵌入水印信息后图像的质量普遍较差.近年来大量高效的预测算法提出以提高DE算法的性能，在整数小波变换[6-7]、预测误差扩展(prediction-error expansion, PEE)[8-9]、像素值排序(pixel-value-ordering, PVO)[9-11]等方面得到广泛的研究和发展.Wang 等人在文献[6]中提出了一种基于有效整数变换的可逆水印算法，将DE技术扩展到任意长度的像素块，同时优先选择引入较少失真的可嵌入块来控制失真，取得了很好的嵌入性能.Weng等人[7]提出了一种基于整数Haar小波变换的新DE算法，利用块的不变平均值评估局部复杂度来选择嵌入块的大小，运用差值扩展(或直方图平移)进行嵌入.PEE算法通过引入直方图平移算法高效地压缩位置图，使用预测误差来代替差值扩展算法中的相邻像素差值来获得更尖锐的直方图.Ou等人[8]提出一种新的算法集成了成对的PEE和一种自适应的2D映射选择机制，在嵌入时为图像中的粗糙像素对和平滑像素对选择不同的嵌入机制，进一步优化了嵌入性能.Yu等人[9]提出了一种基于多维PEE的可逆水印算法，并通过摒弃可能产生高失真的嵌入映射来减小嵌入失真.由于只需考虑嵌入失真阈值的最简单情况，该算法更适合纹理简单和平滑的图像.像素值排序预测算法是近年来高保真可逆信息隐藏方法，通过预测和修改像素块的最大值和最小值嵌入数据，并且通过保存像素值排列次序保证了可逆性.文献[10]提出了一种自适应预测模型和最佳箱选择策略的PVO可逆数据隐藏方法，利用每个待嵌入像素周围的邻域来测量局部复杂度，提高了预测性能.He等人[11]提出了n阈值和n级分块的多级分块策略，根据分块类型选择不同的嵌入方案.Ou等人[12]将多重直方图修改引入到现有的PVO算法中，对PVO算法进行了改进.Tian[5]的DE算法中单遍嵌入最大嵌入率为0.5 bpp，为提高嵌入率需要进行多遍嵌入.第1遍DE嵌入后图像像素间的相关性明显降低.若直接采用同样的像素对分组方式对图像进行第2遍嵌入，嵌入后图像质量将会显著降低.为达到嵌入容量和低失真之间的平衡，本文在Tian提出的DE算法的基础上，提出一种新的可逆水印嵌入算法.在嵌入方法上采用正交双层嵌入方案，第1层嵌入采用传统的Tian[5]提出的DE算法对像素对进行分组嵌入，通过分析嵌入失真与嵌入位置的关系，第2层嵌入使用正交方向对像素对进行分组嵌入，在提高水印嵌入容量的同时减少图像的失真.在嵌入单元的选择方面，引入像素对均值局部方差作为图像平滑度的度量，优先选择平滑的像素对嵌入数据，使失真得到较好的控制.1 Tian的差值扩展可逆数字水印算法Tian[5]提出的差值扩展可逆水印算法中，对于1幅8 b灰度图像中的1个像素对(x,y)，x，y∈Z,0≤x,y ≤255,定义该像素对整数平均值l和差值h分别为(1)式(1)的逆变换为(2)对差值h进行扩展将1 b的信息b(b∈{0,1})嵌入，扩展后的差值h′为h′=2h+b.(3)定义可扩展和可变的差值为：1) 若|2h+b|≤min(2(255-l),2l+1)，则差值为可扩展的；2) 若则差值为可改变的.可扩展差值也属于可改变差值.对于可变差值，修改它们的最低有效位(least significant bit， LSB)，修改后的差值仍然是可改变的.将差值h分为4类，分别放入EZ，EN，CN，NC 这4个不相交的集合中.其中EZ 包含所有可扩展的差值h=0和h=-1.EN包含所有可扩展的差值h∉EZ.设置阈值T,通过T进一步将EN分为EN1(h≤T),EN2(h>T).CN包含所有可改变的差值h∉(EZ∪EN).NC包含所有不可改变的差值.待嵌入的比特流嵌入差值中：(4)嵌入后像素对(x′,y′)可计算为(5)水印嵌入完成.提取流程为嵌入流程的逆过程，在此不再详述.2 本文提出的算法2.1 嵌入像素对选择经典的DE算法在水印嵌入后对图像的峰值信噪比(peak signal-to-noise ratio，PSNR)影响较大.DE算法通过扩展或者改变像素对差值h来完成嵌入，选择较小的差值h进行嵌入将会减小由于水印嵌入导致图像的失真.为了保证可逆性，根据图像不同区域具备不同的统计特性，我们利用图像局部区域像素对平均值l的局部方差v作为平滑度的预测器.由于在嵌入前后，像素对的平均值l保持不变，因此由平均值l计算出的局部方差v保持不变.在提取端，依然可以利用均值局部方差区分出该像素对是否为平滑块.同时若局部方差v值较小，意味着图像纹理较平滑，像素对差值h较小.因此，嵌入时尽可能选择处在平滑图像区域的像素对进行嵌入，可以提高嵌入水印后的图像质量.假设原始图像I是1幅大小为n1×n2(n1=n2=512)的灰度图像I={(i,j),1≤i≤n1,1≤j≤n2}，其中i,j代表图像I的第i行、第j列.根据DE算法，在嵌入水印时，首先将I中的像素按照水平或者垂直的方向分为像素对.以水平方向分组的像素对(i,2j),(i,2j+1)为例，用于计算局部方差的像素对平均值l(i,j)及其周围的8个像素对平均值如图1所示.均值l(i,j)处的局部方差v(i,j)计算为(6)根据嵌入容量引入阈值T，T>0.当v(i,j)≤T时，我们认为该像素对处在平滑区域，当v(i,j)>T时，像素对处在不平滑区域.应用算法进行嵌入时，对平滑区域的像素对计算差值并进行分类，平滑区域内的所有可扩展差值全部用于嵌入，由于平滑区域内差值h较小，优先选择用于嵌入可以减少失真，提高图片的PSNR.l1l2l3l4l(i,j)l5l6l7l8Fig. 1 Mean region of pixel pair图1 像素对均值区域2.2 双层嵌入方案为了进一步提高嵌入容量，本文提出了基于DE算法的双层嵌入方案.双层嵌入指的是在原始图像上完成1次全图的嵌入，再在得到的水印图片上进行第2次嵌入.1) 第1层嵌入.在第1层嵌入时，我们按照传统的Tian[5]提出的DE算法，将原始图像上的像素分为两两互不重叠的像素对，完成像素对分组后，按照DE算法进行第1层的水印嵌入.2) 第2次嵌入.与第1次嵌入相比，第2次嵌入时我们调整像素对分组方式，使用与第1次分组方式正交的方向对像素两两分组.也就是说，如果第1次嵌入时，我们使用水平方向分组的方法，那么第2次嵌入时，就采用垂直方向两两分组的方法.3) 嵌入失真讨论.本文采用双层嵌入的方式，在第2层嵌入时采用与第1次不同的像素分组方式，这样的调整将会减小第2次嵌入带来的失真，下面我们对这一说法做出证明.为简化表示，假设图像像素对如图2所示，我们用l表示2个像素的平均值，h表示2个像素之间的差.b表示要嵌入的水印比特，b=0‖1，因为b为0或1的概率均为0.5，所以=0.x1y1x2y2Fig. 2 Embedded pixel pair图2 嵌入像素对第1层嵌入.以第1次嵌入使用水平分组为例，像素对分为(x1,y1)(x2,y2)共2组，对于像素对(x1,y1)，均值和差值分别用l11，h11表示，第1层嵌入完成后像素对为根据式(1)(3)(5)，得到:(7)同理对于像素对(x2,y2)，第1层嵌入后像素对为(8)第2层嵌入.我们通过计算第2层嵌入时调整分组方法与不调整分组方法这2种情况引起的嵌入误差来说明采用调整分组方式能减少嵌入误差.1) 第2次嵌入时分组方式不做调整，依然以水平方向将相邻像素两两分组.像素对嵌入后得到像素对均值和差值分别为l21，h21，嵌入结果为(9)同理，像素对嵌入后得到(10)以像素对(x1,y1)为例，第2次嵌入完成后带来的失真为(11)2) 第2次嵌入时改变分组方法，按照垂直方向将相邻像素两两分组，分为为1组，嵌入后得到(12)同理，像素对嵌入后得到(13)与第1次嵌入完成后的像素值相比，第2次嵌入带来的失真为(14)由于像素相邻，我们认为l11≈l12≈，h11≈h12≈.所以:(15)由式(15)可见，在第2次嵌入时，改变像素的分组方式，将会减少一定的失真.2.3 嵌入流程以像素对先按水平方向分组为例，对于原始图像I和阈值T>0，嵌入过程可以分为5步：Step1. 将需要嵌入的水印序列P分为均等的2部分P1和第1层和第2层各嵌入总容量的一半.第1层嵌入：将原始图像I中的像素按照水平方向，相邻的像素两两分为互不重叠的像素对.计算每组像素对平均值矩阵lH.Step2. 根据式(7)，由平均值矩阵计算每组像素对的局部方差vH(i,j).选择阈值T，将像素对分为平滑(vH≤T)和不平滑(vH>T)两类.其中，平滑的像素对用来嵌入水印，不平滑的像素对保持不变.Step3.计算平滑的像素对的差值hH{hH1,hH2,…,hHn}，将hH分为ET,CT,NCT三类.ET：包含所有可扩展差值hH，且vH≤T；CT：包含所有可改变差值hH，hH∉ET；NCT：包含所有不可改变差值.创建位置图LM：若h∈ET，LM=1；若h∈(CT∪NCT)，LM=0.将LM用JBIG2无损压缩，压缩后的水印序列记作LH.Step4. 记录所有CT差值集合的LSB,并将其组成水印序列CH.对于双层嵌入，需要在水印序列LH之前嵌入48 b头信息F,包括16 b配对模式、24 b嵌入容量长度、8 b阈值T.嵌入水印序列BH=F∪LH∪CH∪P1，得到水印图像I′.Step5. 第2层需嵌入水印序列P2.将图像I′按照垂直方向，把相邻的像素两两分为互不重叠的像素对，计算每组像素对的平均值，生成像素对的平均值矩阵lV.重复Step2开始的嵌入过程，得到最终的水印图像I″.2.4 提取流程提取时，分为2层提取.首先提取第2层嵌入的水印并恢复出图像I′；然后，在图像I′上提取第1层嵌入的水印并恢复出图像I.Step1. 提取第2层嵌入的水印.将最终的水印图像I″的像素按照垂直方向分为两两1组的互不重叠的像素对.计算像素对的平均值矩阵lV.Step2. 由平均值矩阵lV计算每组像素对的局部方差vV(i,j)，选择平滑的像素对，计算差值hV{hV1,hV2,…,hVn}，把像素对按照差值hV分为2类,其中CHV包含所有可改变的差分；NCV包括所有不可改变的差分.Step3. 选择所有在CHV中的差值的LSB组成比特流BV，提取前48 b头文件后解码位置图，根据位置图来还原原始差值，并根据式(2)恢复图像I′.Step4. 在图像I′上提取第1层嵌入的水印.对I′的像素按照水平方向分为两两1组的互不重叠的像素对，计算像素对的平均值矩阵lH.按照Step2同样的方法提取水印信息，并恢复出图像I.3 实验结果分析我们提出的算法与Tian[5]算法和近年来提出Wang[6]算法进行实验比较，从图像的峰值信噪比和嵌入容量进行对比来评价本文算法的嵌入性能.Tian[5]算法是基于差值扩展的可逆水印经典算法.Wang [6]算法从整数变换的角度改进了Tian[5]算法，通过构造广义整数变换和依赖于有效载荷的位置图将DE技术扩展到任意长度的像素块，使用像素块的平均值来预测块内的像素，获得了较高的嵌入容量和低失真.用于实验的6幅512×512标准灰度图像Lena，Airplane,Baboon，Barbara，Goldhill，Boat均下载自USC-SIPI图像数据库.实验结果如图3所示.在标准的灰度图像Lena，Airplane,Baboon，Barbara，Goldhill中，本文提出的算法相比于Tian[5]算法在PSNR和最大嵌入率上均有明显的提升，在低嵌入率时本文的算法取得了较高的PSNR,同时Tian[5]算法最大嵌入率为0.5 bpp，本文算法最大嵌入率可达到1 bpp.在图像Boat中，当嵌入率小于0.3 bpp时，Tian[5]算法略优于本文提出的法，嵌入率大于0.3 bpp时，本文算法优于Tian[5]算法.说明本文提出的算法通过选择平滑块并使用正交双层嵌入，在提高嵌入容量的同时保持了较高的图片质量.Fig. 3 Embedding performance comparison on the proposed scheme and other schemes图3 本文算法和其他算法的嵌入性能比较在图像Lena，Airplane，Goldhill中，在低嵌入率时本文的算法的嵌入性能与Wang[6]算法接近，随着嵌入率的增大，本文提出的算法提供了较好的嵌入性能.图像Baboon中，Wang[6]算法的嵌入性能略优与本文提出的算法.对于纹理复杂的图像Baboon，Wang[6]算法通过优先选择引入较少失真的块来嵌入数据，因此图像失真得到较好的控制.在图像Babara，Boat中，当嵌入率低于0.45 bpp时，Wang[6]算法相对于本文的算法获得较高的PSNR;当嵌入率高于0.45 bpp时本文的算法获得较高的PSNR值.在图像Lena，Airplane，Baboon，Barbara中，本文算法获得比Wang[6]算法更高的最大嵌入率.为了进一步验证本文提出方案的优越性，在常用的6幅512×512标准灰度图像Elaine，Pepper，Fishboat，Lake，House，Tiffany上利用计算本文提出的算法计算在嵌入率为0.4 bpp时图像平均PSNR值，并与Wang[6] 算法和Tian[5]算法在0.4 bpp嵌入率下获得的平均PSNR进行对比，结果如表1所示:Table 1 Comparison of Average PSNR Between the Proposed Scheme and Other Schemes for an Embedding Rate of 0.4 bpp表1 0.4 bpp嵌入率下本文算法与其他算法平均PSNR对比SchemeAverage PSNR∕dBRef [5]35.5Ref [6]39.6Proposed Method40.2从表1比较结果得出，本文提出的算法在0.4 bpp嵌入率下，相对于Tian[5]算法平均PSNR提升了4.7 dB，相对于Wang[6]算法提升了0.6 dB，本文提出的算法获得了较好的图像质量.4 结论本文提出了一种新的双层差值扩展可逆水印算法，新算法根据像素对均值局部方差大小优先选择差值较小的像素对进行水印嵌入，保证了可逆性同时减少了图像失真.使用双层嵌入，增大了嵌入容量，并在第2次嵌入时，通过改变像素对分组方式，减少了嵌入失真.实验结果表明:提出的算法能在提高嵌入容量的同时保持较好的图像可视性，提高了嵌入性能.参考文献【相关文献】[1]Gong Daofu, Liu Fenlin, Luo Xiangyang. A variable-payload self-embedding fragile watermarking algorithm for image[J]. Journal of Computer Research and Development, 2014, 51(11): 2505-2512 (in Chinese)(巩道福, 刘粉林, 罗向阳. 一种变容量的自嵌入图像易碎水印算法[J]. 计算机研究与发展, 2014, 51(11): 2505-2512)[2] Hussain M, Wahab A W A, Idris Y I B, et al. Image steganography in spatial domain: A survey[J]. Signal Processing: Image Communication, 2018, 65: 46-66[3] Chen Haishan, Ni Jiangqun, Hong Wien, et al. Reversible data hiding with contrast enhancement using adaptive histogram shifting and pixel value ordering[J]. Signal Processing: Image Communication, 2016, 46: 1-16[4] Wang Weiqing, Ye Junyong, Wang Tongqing, et al. A high capacity reversible data hiding scheme based on right-left shift[J]. Signal Processing, 2018, 150: 102-115[5] Tian Jun. Reversible data embedding using a difference expansion[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2003, 13(8): 890-896[6] Wang Xiang, Li Xiaolong, Yang Bin, et al. Efficient generalized integer transform for reversible watermarking[J]. IEEE Signal Processing Letters, 2010, 17(6): 567-570[7] Weng Shaowei, Pan Jengshyang. Integer transform based reversible watermarking incorporating block selection[J]. Journal of Visual Communication and Image Representation, 2016, 35: 25-35[8] Ou Bo, Li Xiaolong, Wang Jinwei. High-fidelity reversible data hiding based on pixel-value-ordering and pairwise prediction-error expansion[J]. Journal of Visual Comm-unication and Image Representation, 2016, 39: 12-23[9] Yu Xiang, Wang Xiang, Pei Qingqi. Reversible watermarking based on multi-dimensional prediction-error expansion[J]. Multimedia Tools and Applications, 2018,77(14): 18085-18104[10] Weng Shaowei, Zhang Guohao, Pan Jeng-Shyang, et al. Optimal PPVO-based reversible data hiding[J]. Journal of Visual Communication and Image Representation, 2017, 48: 317-328[11] He Wenguang, Zhou Ke, Cai Jie, et al. Reversible data hiding using multi-pass pixel value ordering and prediction-error expansion[J]. Journal of Visual Communication and Image Representation, 2017, 49: 351-360[12] Ou Bo, Li Xiaolong, Wang Jinwei. Improved PVO-based reversible data hiding: A new implementation based on multiple histograms modification[J]. Journal of Visual Communication and Image Representation, 2016, 38: 328-339。