大容量的信息隐藏算法

基于多级可逆神经网络的大容量裁剪稳健型图像隐写技术随着互联网和数字媒体的快速发展，信息隐藏技术变得越来越受到关注。

图像隐写是其中一种常见的技术手段，它允许将秘密信息嵌入到图像中，以达到保密传输的目的。

然而，现有的图像隐写技术存在容量有限、鲁棒性不足等问题，因此需要开发一种具有更大容量和更强鲁棒性的图像隐写技术。

近年来，基于神经网络的图像隐写技术逐渐崭露头角。

其中，多级可逆神经网络被广泛应用于图像处理领域。

多级可逆神经网络是一种能够实现输入图像与输出图像完全对应的网络结构，具有较高的嵌入容量和良好的鲁棒性。

本文旨在基于多级可逆神经网络的大容量裁剪稳健型图像隐写技术展开研究。

首先，我们介绍了多级可逆神经网络的基本原理。

多级可逆神经网络由多个可逆层组成，每个可逆层包含一个正向函数和一个逆向函数，通过对输入图像进行正向传播和逆向传播，实现图像的恢复和隐藏信息的提取。

同时，我们引入了裁剪技术，通过裁剪图像的一部分进行嵌入或提取隐藏信息，以提高嵌入容量。

接着，我们提出了大容量裁剪稳健型图像隐写的方法。

首先，我们使用多级可逆神经网络对图像进行预处理，将原始图像转换为神经网络可接受的输入形式。

然后，我们将隐藏信息进行编码，并通过裁剪技术将编码后的信息嵌入到图像中。

嵌入完成后，我们可以通过逆向传播过程提取隐藏的信息。

为了提高隐藏信息的安全性和鲁棒性，我们采用了加密和纠错编码等技术手段。

接下来，我们进行了实验验证。

我们选取了一些常见的图像数据集，并使用不同隐写算法进行嵌入和提取实验。

实验结果表明，基于多级可逆神经网络的大容量裁剪稳健型图像隐写技术在嵌入容量和鲁棒性方面表现出色。

与传统的图像隐写技术相比，我们的方法能够更有效地隐藏信息，并在一定程度上抵抗图像处理操作带来的攻击。

最后，我们对基于多级可逆神经网络的大容量裁剪稳健型图像隐写技术进行了总结和展望。

我们提出了一些改进方向，包括进一步提高嵌入容量、增强鲁棒性，以及应用于其他领域等。

㊀第53卷第2期郑州大学学报(理学版)Vol.53No.2㊀2021年6月J.Zhengzhou Univ.(Nat.Sci.Ed.)Jun.2021收稿日期:2021-01-26基金项目:国家自然科学基金项目(U1804123);河南省科技厅科技攻关项目(212102210512);河南牧业经济学院科研创新团队资助项目㊂作者简介:刘征(1978 ),男,讲师,主要从事数字图像处理与大数据研究,E-mail:lz@;通信作者:李喜艳(1983 ),女,副教授,主要从事数字图像处理研究,E-mail:xiyanli2006@㊂基于信息预处理的PPVO 可逆信息隐藏算法刘㊀征1,2,㊀李喜艳2,㊀孙汉卿1,㊀连卫民1,㊀王桂芝1(1.河南牧业经济学院信息工程学院㊀河南郑州450044;2.解放军信息工程大学数学工程与先进计算国家重点实验室㊀河南郑州450000)摘要:基于像素的像素排序(PPVO)方法使用上下文概念,以像素为嵌入单位,极大地提高了嵌入量㊂为了进一步提高嵌入量和保证图像的保真度,对数据流秘密信息进行映射变换,嵌入率提高为原来的150%;当秘密信息是扫描文档图像时,对其进行半色调和四叉树处理,使实际嵌入量提高4倍左右㊂实验数据表明,提出的方法显著提高了嵌入容量,而且图像保真度效果更好㊂关键词:像素排序;数据隐藏;上下文;映射变换中图分类号:TP391.9㊀㊀㊀㊀㊀文献标志码:A㊀㊀㊀㊀㊀文章编号:1671-6841(2021)02-0050-07DOI :10.13705/j.issn.1671-6841.20211300㊀引言隐写技术和加密技术是提供秘密信息交流的两种方法㊂然而传统的加密技术目的是加密信息,而不是隐藏秘密通信的行为存在,容易引起第三方的注意㊂隐写技术主要是将信息隐藏在载体中,通信行为从视觉上是安全的,不容易引起注意㊂为了在网络上安全传播有价值的信息,信息隐藏技术越来越引起专家和学者的注意㊂Turner [1]提出最低有效位的方法来隐藏信息,虽然方法有效但是隐藏量不大,而且随着检测技术的发展很容易检测出信息的存在㊂为了嵌入更多的信息,并可以逆向提取,Tian [2]提出了差值扩展(difference expansion,DE)的方法来隐藏信息,并提取信息,具有里程碑式的意义㊂目前实现可逆信息隐藏的方法大致分4类:基于无损压缩[3]㊁基于差值扩展[2,4]㊁基于误差扩展[5-11]和基于直方图平移[12-15]㊂Thodi 等[5]提出的预测误差扩展方法(prediction error expansion,PEE)被一致认为是一种高效的方法㊂Li 等[6]提出了基于像素排序的预测方法(pixel value ordering,PVO),由于该方法具有保真度比较高,不用定位像素值的优点,成为研究热点㊂K 元像素排序的预测方法(PVO-K )[7]充分利用了可嵌入的最值像素,较传统方法的嵌入量提高了很多㊂Qu 等[8]进一步改进了算法,取得了创新性的突破,不再以分块为嵌入单位,提出基于像素的像素排序方法(pixel-based pixel value ordering,PPVO)㊂随着社会的发展,学术文献和办公文件的数字化,安全隐蔽的扫描文档图像传输也亟待研究,文献[16-17]采用半色调技术和四叉树技术处理扫描文档图像㊂张敏情等[18]提出基于Paillier 同态公钥加密系统的算法,孔咏骏等[19]提出基于序列动态选择的PVO 算法㊂秘密信息越来越多样化,虽然所有的秘密信息都可以转化为二进制串,但是很少有考虑扫描文档的冗余㊂将扫描文档图像的冗余背景消除掉,只保留实际内容的信息,并将其转化为二进制串,会大大减少实际嵌入量,从而也实现了大容量的有效嵌入,保留较好的图像品质㊂本文考虑数据流和扫描文档两种秘密信息形式,消除无意义的冗余背景,提出基于信息预处理的PPVO 可逆信息隐藏算法㊂将扫描的文档作为秘密信息,主要采用半色调技术和四叉树技术对扫描文档进行处理,处理的数据流为真正嵌入的数据,使嵌入容量有很大的提高㊂同时本文着眼于提高嵌入容量和提高图像的保真度,改进PPVO 算法,主要思路是将秘密信息分成数据流和扫描文档图像两种形式,对数据流进行映射变化,提高嵌入信息量;对扫描文档图像进行半色调和四叉树处理,嵌入真正的信息,从而实现大容量信息的传递㊂㊀第2期刘㊀征,等:基于信息预处理的PPVO 可逆信息隐藏算法1㊀相关工作1.1㊀传统PVO 算法像素值排序(PVO)算法是通过光栅扫描将图像分成若干相互不重叠的子块,假设子块B (w ㊃h )有w ㊃h 个像素,记作(X 1,X 2, ,X (w ㊃h )),将像素值进行排序,得到升序的像素值序列(X π(1),X π(2), ,X π(w ㊃h ))㊂每个像素误差通过公式计算得到,PE max =X π(w ㊃h )-X π(w ㊃h -1),PE max =X π(1)-X π(2)㊂修改误差值将秘密信息b ɪ{0,1}嵌入误差值中,PE max =PE max ,PE max =0,PE max +b ,PE max =1,PE max +1,PE max >1,ìîíïïïïPE min =PE min ,PE min =0,PE min -b ,PE min =-1,PE min -1,PE min <-1㊂ìîíïïïï然后修改最大和最小像素值,实现数据的嵌入,X ~π(w ㊃h )=X π(w ㊃h -1)+PE max ,X ~π(1)=X π(2)+PE min ㊂通过上述操作很容易看出数据嵌入到了最大像素值和最小像素值中,并且像素的排列顺序没有发生改变,有利于可逆运算,保证了数据的顺利提取㊂1.2㊀PVO-K 算法在PVO-K 算法中,考虑到像素序列中最大值和最小值可能不止一个,将所有最大值像素(最小值像素)作为数据嵌入对象㊂在传统的PVO 算法中,当最大像素值或最小像素值分别有两个或更多时,误差值是0,此像素值是不能嵌入对象的㊂在PVO-K 算法中,含有k 个最大或最小像素值,嵌入量更大,并且效果也更好㊂每个像素块的像素排序为(X π(1),X π(2), ,X π(w ㊃h )),最后k +1像素关系表示为X π(w ㊃h -k )<X π(w ㊃h -k +1)= =X π(w ㊃h ),k 个最大像素值为p ,像素误差值PE =X π(w ㊃h -k +1)-p ㊂最后,所有k 个最大像素值修改为X ~π(i )=X ~π(i )+b ,PE =-1X ~π(i )+1,PE <-1{,其中:w ㊃h -k +1ɤi ɤw ㊃h ㊂使用类似的方法在最小值像素中嵌入秘密信息㊂图1㊀目标像素及上下文临近像素Figure 1㊀The context pixels of pixel X 1.3㊀PPVO 算法传统的PVO 算法通过修改每个分块中的最大和最小像素值将秘密信息嵌入原始图像中,虽然预测准确率高,但是嵌入容量不够大,最多每个分块中嵌入2比特的数据㊂针对这一问题,Qu 等[8]利用目标像素的上下文概念,提出了以目标像素为嵌入目标的新方法(PPVO)㊂针对每一个目标像素X ,像素X 的上下文像素有CN 个,记作:C =(C 1,C 2, ,C CN )㊂图1以CN =15为例,展示了目标像素以及上下文像素㊂通过像素的上下文来预测误差,PE =X -max(C ),X ȡmax(C ),X -min(C ),X ɤmin(C )㊂{㊀㊀根据max(C )和min(C )是否相等两种情况来修改像素值,当max(C )ʂmin(C )时,PE =PE +b ,X =max(C ),PE +1,X >max(C ),PE -b ,X =min(C ),PE -1,X <min(C ),ìîíïïïïï(1)X ~=max(C )+PE ,X ȡmax(C ),min(C )+PE ,X ɤmin(C )㊂ìîíïïïï(2)㊀㊀当max(C )=min(C )时,还要解决溢出问题㊂在计算预测误差之前,将所有灰度值为255或0的像素修15郑州大学学报(理学版)第53卷改为254和1,并在定位图中用1表示,即LM (i )=1㊂像素值初始值是254或1的像素不变,令LM (i )=0㊂像素误差值通过公式(3)得到,像素修改值通过公式(4)得到,PE =PE +b ,max(C )=254,X =max(C ),PE -b ,max(C )ʂ254,X =min(C ),PE -1,max(C )ʂ254,X <min(C ),ìîíïïïï(3)X ~=max(C )+PE ,max(C )=254,X =max(C ),min(C )+PE ,max(C )ʂ254,X ɤmin(C )㊂ìîíïïïï(4)2㊀本文算法本文挖掘在像素排序预测误差系列方法中嵌入容量的能力,提出了新的PPVO 算法,将数据流秘密信息进行压缩映射变换,具有很好的通用性,而且当载体图像是纹理复杂的图像时嵌入信息意义更大;将扫描文档图像进行半色调和四叉树处理,处理后的数据采用PPVO 算法嵌入原始载体图像中㊂图2㊀算法流程图Figure 2㊀Framework of the proposed scheme 2.1㊀算法思想本文算法的核心是充分利用图像的冗余空间,并且对数据流秘密信息进行无损压缩映射变换,对扫描文档图像进行半色调和四叉树处理[17],大大增加了嵌入容量㊂为了实现这一目标,进行了以下工作:1)将秘密信息进行了映射变换,每6比特信息映射为4比特,压缩变换后的数据流采用PPVO 算法嵌入原始载体;2)除了对秘密信息进行数据流分析,还考虑了扫描文档图像;3)将扫描文档图像进行半色调和四叉树处理,处理的数据作为秘密信息,采用PPVO 算法嵌入原始载体㊂具体的算法流程图如图2所示㊂2.1.1㊀信息映射变换㊀使用DES 加密算法中S 盒压缩秘密信息的容量,使得实际嵌入量提高1.5倍㊂S 盒是DES 算法的核心,是唯一的非线性部分,每个S 盒可以实现6比特的输入,得到4比特的输出㊂根据这一特性,可以被应用到压缩和扩展变换中,行号被专门存储,并通过专门的安全通道传输㊂为了保持传统PVO 算法的高准确率特性,本文沿用了PPVO 算法的思想,同时为了进一步扩大嵌入容量,将秘密信息进行了映射变换㊂每6比特信息为一组b 1b 2b 3b 4b 5b 6,首先取中间4比特组成二进制数b 2b 3b 4b 5,两端2比特组成二进制数b 1b 6㊂令b 2b 3b 4b 5=r ,b 1b 6=h ,在S 盒的h 行r 列找到对应数字D ,D 在0~15之间,用二进制表示D =c 1c 2c 3c 4,就是S 盒的输出㊂DES 加密算法涉及8个S 盒,S 1盒是其中一个(图3)㊂图3㊀S 1盒Figure 3㊀S 1box2.1.2㊀半色调和四叉树处理㊀本文采用半色调方法处理灰度文档图像,得到二值图像㊂这就意味着每8比特的像素值只需要1比特显示,所以使得文件缩小为原来的1/8㊂二值图像中,白色背景的地方显示为1,其他含有内容的地方显示为0㊂相对来说含有信息的内容比背景更重要,采用四叉树的方法将内容从背景中分离出来㊂主要的处理过程如下:1)将任意尺寸的扫描图像处理成N ㊃N 的尺寸,然后进行半色调技术的误差扩散方法处理;2)每个图像的像素值对应一个矩阵㊂当矩形的尺寸大于4ˑ4时,将矩形分割成4个子矩形,重复进行25㊀第2期刘㊀征,等:基于信息预处理的PPVO 可逆信息隐藏算法分割,直到不满足分割条件;3)分割后产生的矩形块很多,意味着块坐标比较多,所以对矩形子块再通过水平和垂直方向进行合并,将合并之后含有内容的子块坐标记录下来,并将内容从图像中提取出来,使用文本文档存储;4)采用十进制编码算法处理3)的文件,忽略左侧是0的比特串,并以文本文档存储;5)将4)的文档内容转换成二进制串,作为PPVO 算法的嵌入内容㊂如图4所示,以2.27KB(2332字节)的扫描文档图像(a)为例,经过步骤3)处理之后文件大小为19.4KB (19900字节),经过步骤4)处理之后的文件大小为3.60KB(3696字节),最后转换成二进制串是460字节㊂在本文当中嵌入的秘密信息是460字节的二进制串,达到的效果是实现2332字节的扫描文档图像的嵌入㊂图4㊀扫描图像及处理图像Figure 4㊀Scanned document image and processed image2.1.3㊀像素预测值㊀本文为了确保算法的可逆性,使用目标像素上下文计算预测值㊂例如,如图1所示,目标像素X 的预测值X^由计算产生:X ^=min(C 1,C 2),C 3ȡmax(C 1,C 2),max(C 1,C 2),C 3ɤmin(C 1,C 2),C 1+C 2-C 3,其他㊂ìîíïïïï2.2㊀嵌入过程本文结合PPVO 算法和信息映射变换来提高嵌入容量,主要的嵌入过程为:1)当嵌入数据信息是数据流时,数据信息进行映射变换;2)当嵌入数据信息是扫描文档图像时,进行半色调和四叉树处理㊂用公式(1)~(4)对载体图像进行信息嵌入㊂2.3㊀提取和恢复过程秘密信息的提取和载体图像的恢复是嵌入过程的逆过程,X ~表示目标像素值,X ^表示预测像素值,X 表示恢复的像素值,b 表示提取的秘密信息,C 表示当前像素上下文像素组成的向量,VC 表示向量中的值,具体实现过程如下㊂1)对载密图像进行逆向扫描,实现秘密信息的提取,分两种情况㊂a)max(C )ʂmin(C )㊂X ~ɤmin(C ):①X ~=X ^,则X =X ~,b =0;②X ~=X^-1,则X =X ~+1,b =1;③X ~=X ^+1,则没有信息嵌入,X =X ~+1㊂X ~ȡmax(C ):①X ~=X ^,则X ~=X ^,b =0;②X ~=X ^+1,则X =X ~-1,b =1;③X ~=X ^-1,则没有信息嵌入,X =X ~-1㊂b)max(C )=min(C )㊂VC =254:①X ~=X ^,则X =X ^,b =0;②X ~=X ^+1,则X =X ~-1,b =1㊂VC ʂ254:①X ~=X ^,则X ~=X ^,b =0;②X ~=X ^-1,则X =X ~+1,b =1;③X ~=X ^+1,则没有信息嵌入,X =X ~+1㊂2)当秘密信息是数据流时,根据获得秘密信息查找对应的映射表,从而得到原始的秘密信息㊂举例说明逆映射过程㊂假设提取出来的秘密信息是00110110001101100011011000110110,首先对信息进行分组,每组4比特,分成8组0011㊁0110㊁0011㊁0110㊁0011㊁0110㊁0011㊁0110;然后根据记录的映射表号对每组进行映射得到8组数据,每组6比特,111000㊁101010㊁111000㊁101010㊁111000㊁101010㊁111000㊁101010㊂逆映射变换之后的数据就是原始的秘密信息㊂35郑州大学学报(理学版)第53卷3)当秘密信息是扫描文档图像时,获得的数据流是扫描文档的尺寸信息㊁含有内容的单元格的4个坐标值㊁内容信息等㊂根据坐标值和内容信息,我们可以恢复扫描文档图像㊂3㊀实验结果与分析原始载体图像会随着嵌入信息量的增大,图像越来越失真㊂如何评价载密图像的质量,最直接的方式就是比较载密图像与原始载体图像之间的差剖面,也就是可视误差来评判图像的品质㊂均方误差(mean squared error,MSE)和峰值信噪比(peak signal to noise ratio,PSNR)是常用的评价标准㊂均方误差的公式为MSE =1M ˑN ðM i =1ðN j =1(fᶄ(i ,j )-f (i ,j ))2,其中:f (i ,j )表示原始载体图像的像素值;fᶄ(i ,j )表示载密图像的像素值;M 和N 表示图像的长度与宽度㊂峰值信噪比用于衡量图像有效信息与噪声之间的比率,能够反映图像是否失真,计算公式为PSNR =10log z 2MSE,其中:z 表示图像的最大像素值,一般取值255㊂PSNR 值越大,表示图像失真越少㊂在原始载体图像嵌入数据之后,像素值发生了改变,在相同嵌入量的情况下,像素值改变越小图像的质量越好㊂为了验证算法的性能,采用Windows 2010操作系统下的Matlab 7.0作为实验平台,选用512ˑ512的灰度图像Lena㊁Baboon 和Airplane 为原始载体图像,秘密信息是随机产生的二进制串时,分别与传统的PVO 算法[6]㊁PVO-K 算法[7]㊁PPVO 算法[8]和改进的PPVO 算法(IPPVO)[9]进行比较;当处理的秘密信息是扫描文档图像时,与文献[16-17]比较㊂图5是采用本文算法达到最大嵌入容量时,原始载体图和载密图的效果图㊂图5㊀原图和载密图Figure 5㊀Cover image and embedded image本文主要侧重考虑图像的嵌入容量,通过表1可以看出PPVO 算法与PVO 算法和PVO-K 算法相比,嵌入容量有了大幅度的提高,而本文比PPVO 类算法嵌入容量又有了更大的提高㊂Lena 和Airplane 图像因为平滑区域多,嵌入容量提升幅度比较大,而纹理复杂的Baboon 图像在前三种方法上提升幅度不大,而本文方法对纹理复杂的图像嵌入信息时效果更明显㊂通过表2和表3可以看出,随着嵌入容量的增大,本文算法不㊀㊀表1㊀最大嵌入容量对比Table 1㊀Maximum embedding capacity comparison 单位:比特图像最大嵌入容量PVO PVO-K PPVO IPPVO 本文(数据流)本文(扫描图像)Lena 3100037000460004800069000230000Baboon 130001300015000150002250075000Airplane 3800048000690006800010350034500045㊀第2期刘㊀征,等:基于信息预处理的PPVO 可逆信息隐藏算法表2㊀嵌入10000比特时PSNR 对比Table 2㊀PSNR comparison when embedding 10000bits 图像PSNR PVO PVO-K PPVO IPPVO 本文Lena 60.360.660.360.2162.0Baboon 53.554.554.253.7856.1Airplane62.063.363.763.7264.1表3㊀嵌入20000比特时PSNR 对比Table 3㊀PSNR comparison when embedding 20000bits 图像PSNR PVO PVO-K PPVO IPPVO 本文Lena 56.256.656.756.4960.1Baboon ----50.7Airplane58.159.359.959.7962.3㊀㊀注: - 表示无数据仅能保持较好的PSNR 值,而且可以嵌入更多的信息㊂对于载体图像是Baboon 来说,本文算法最大嵌入量是22500比特,其他算法嵌入量不超过15000比特㊂当嵌入量是20000比特时,本文算法仍然能够保持较好的图像品质㊂4㊀结束语PVO 算法的特点是高预测准确率,而且保真度较高,因此成为近些年的研究热点之一㊂本文在PPVO 算法的基础上,引入了数据流信息映射转换及半色调和四叉树处理扫描文档,大大提高了信息的嵌入量,并且保真度也很好㊂实验数据表明,本文的算法保证了图像的保真度,同时也提高了嵌入量㊂算法中S 盒的行号另行存储,不与秘密信息放在一起,并通过专门的案例通道传输㊂下一步的研究工作可以着眼于新的映射变换研究,降低行号记录的空间占有率㊂参考文献:[1]㊀TURNER L F.Digital data security system:EP198********[P].1991-09-01.[2]㊀TIAN J.Reversible data embedding using a difference expansion[J].IEEE transactions on circuits and systems for video tech-nology,2003,13(8):890-896.[3]㊀CELIK M U,SHARMA G,TEKALP A M,et al.Lossless generalized-LSB data embedding[J].IEEE transactions on image processing,2005,14(2):253-266.[4]㊀ALATTAR A M.Reversible watermark using the difference expansion of a generalized integer transform[J].IEEE transactions on image processing,2004,13(8):1147-1156.[5]㊀THODI D M,RODRIGUEZ J J.Expansion embedding techniques for reversible watermarking[J].IEEE transactions on image processing,2007,16(3):721-730.[6]㊀LI X L,LI J,LI B,et al.High-fidelity reversible data hiding scheme based on pixel-value-ordering and prediction-error expan-sion[J].Signal processing,2013,93(1):198-205.[7]㊀OU B,LI X L,ZHAO Y,et al.Reversible data hiding using invariant pixel-value-ordering and prediction-error expansion[J].Signal processing:image communication,2014,29(7):760-772.[8]㊀QU X C,KIM H J.Pixel-based pixel value ordering predictor for high-fidelity reversible data hiding[J].Signal processing,2015,111:249-260.[9]㊀何文广,熊刚强,周珂,等.基于改进像素排序预测的大容量可逆数据隐藏[J].计算机应用研究,2018,35(1):266-271.HE W G,XIONG G Q,ZHOU K,et rger capacity reversible data hiding using improved pixel-based pixel value ordering5565郑州大学学报(理学版)第53卷prediction[J].Application research of computers,2018,35(1):266-271.[10]MEIKAP S,JANA B.Directional PVO for reversible data hiding scheme with image interpolation[J].Multimedia tools and ap-plications,2018,77(23):31281-31311.[11]WENG S W,PAN J S,LI L D.Reversible data hiding based on an adaptive pixel-embedding strategy and two-layer embedding[J].Information sciences,2016,369:144-159.[12]NI Z C,SHI Y Q,ANSARI N,et al.Reversible data hiding[J].IEEE trans on circuits and system for video technology,2016,16(3):354-362.[13]TSAI P,HU Y C,YEH H L.Reversible image hiding scheme using predictive coding and histogram shifting[J].Signalprocessing,2009,89(6):1129-1143.[14]FU D S,JING Z J,ZHAO S G,et al.Reversible data hiding based on prediction-error histogram shifting and EMD mechanism[J].AEU-international journal of electronics and communications,2014,68(10):933-943.[15]PAN Z B,HU S,MA X X,et al.Reversible data hiding based on local histogram shifting with multilayer embedding[J].Jour-nal of visual communication and image representation,2015,31:64-74.[16]SOLEYMANI S H,TAHERINIA A H.High capacity image steganography on sparse message of scanned document image(SMS-DI)[J].Multimedia tools and applications,2017,76(20):20847-20867.[17]SOLEYMANI S H,TAHERINIA A H.High capacity image data hiding of scanned text documents using improved quadtree[EB/OL].(2018-03-22)[2020-12-10].arXiv:1803.11286.[18]张敏情,李天雪,狄富强,等.基于Paillier同态公钥加密系统的可逆信息隐藏算法[J].郑州大学学报(理学版),2018,50(1):8-14.ZHANG M Q,LI T X,DI F Q,et al.Reversible data hiding algorithm based on paillier homomorphic public key encryption system[J].Journal of Zhengzhou university(natural science edition),2018,50(1):8-14.[19]孔咏骏,张敏情,彭菓玉,等.基于序列动态选择的PVO可逆信息隐藏算法[J].郑州大学学报(理学版),2019,51(3):34-41.KONG Y J,ZHANG M Q,PENG G Y,et al.A PVO reversible data hiding algorithm based on sequence dynamic selection [J].Journal of Zhengzhou university(natural science edition),2019,51(3):34-41.A PPVO Reversible Data Hiding Algorithm Based onInformation PreprocessingLIU Zheng1,2,LI Xiyan2,SUN Hanqing1,LIAN Weimin1,WANG Guizhi1(1.School of Information Engineering,Henan University of Animal Husbandry and Economy,Zhengzhou450044,China;2.State Key Laboratory of Mathematical Engineering and Advanced Computing,PLA Information Engineering University,Zhengzhou450000,China) Abstract:The idea of pixel-based pixel value ordering(PPVO)was proposed,where each pixel was predicted by using its sorted context pixels,and a better embedding performance could be acheived.In order to embed more data and keep the high fidelity,an improved method was proposed.The secret data was transformed by mapping transform,and the embedding rate was increased to150%.When the secret data was images of scanned document,half tone and quad tree technology were used.At last the embed-ding rate increased by4times.Experimental results demonstrated that the embedding capacity of our method was larger than that of PPVO,and with the higher fidelity.Key words:pixel value ordering;data hiding;context;mapping transfomation(责任编辑:王浩毅㊀方惠敏)。

一种低比特率变化的高容量HEVC视频数据隐藏方法
赵扬;何军辉
【期刊名称】《小型微型计算机系统》
【年(卷),期】2022(43)5
【摘要】适用于高效视频编码(High Efficiency Video Coding,HEVC)视频的数据隐藏方案相对较少,现有方案大多无法充分利用所有类型视频帧,并且存在嵌入容量不高或载密视频流比特率增加较大等问题.文中提出了一种HEVC视频数据隐藏方法,利用HEVC视频新的编码元素实现在不同类型视频帧中的数据嵌入.该方法主要包括三种嵌入模式:修改编码树单元的样值自适应补偿值(Sample Adaptive Offset,SAO)、交换16×16、8×8和4×4编码单元中的残差系数以及改变4×4变换跳过块的符号位.实验结果表明,所提出的方法具有较好的嵌入不可感知性和较高的嵌入容量,并对视频流比特率影响很小.与最近提出的方案相比,载密视频具有更高的视觉质量和更小的比特率增加.
【总页数】6页(P1033-1038)
【作者】赵扬;何军辉
【作者单位】华南理工大学计算机科学与工程学院
【正文语种】中文
【中图分类】TP309
【相关文献】
1.用低比特率传输井下视频图像的一种方法
2.高比特率信息隐藏技术的视频嵌入视频方案
3.减少低比特率视频编码计算复杂性的一种新方法
4.一种采用内预测模式的HEVC视频信息隐藏算法
5.一种新的用于低比特率视频编码的全零块预先判别方法
因版权原因，仅展示原文概要，查看原文内容请购买。

龙源期刊网
基于HVS特性的信息隐藏算法改进
作者：韩少军谢宝陵
来源：《现代电子技术》2011年第18期
摘要：为了提高原信息隐藏算法的不可感知性和扩展其隐藏容量，根据人类视觉系统（HVS）相关知识，从提高信息隐藏容量的角度出发，根据人眼对图像不同区域的敏感程度，充分利用人类视觉系统的方向特性、纹理特性和亮度特性对原算法进行改进。

并用文本和图像文件分别作为秘密信息，couPle.bmp灰度图像为载体图像，进行算法对比试验。

实验表明改进后算法缓解了信息隐藏系统各指标之间存在的矛盾，提高了秘密信息隐藏率和抵抗攻击的能力，进一步增强了隐藏系统的安全性，为大容量信息隐藏提供了一种思路。

lsb隐写方法LSB隐写技术详解什么是LSB隐写？LSB隐写全名为最低有效位（Least Significant Bit）隐写，是一种数字隐写技术。

它通过将秘密信息嵌入到数字媒体文件中，而不会引起明显的视觉或听觉变化。

最低有效位指的是像素值最右边的位，因为它对图像的感知变化最小。

嵌入秘密信息的方法1.LSB替换法在LSB隐写中，最常见的方法是利用最低有效位将秘密信息的二进制值直接替换到数字媒体文件（如图片或音频）的像素值或采样值中。

通过将秘密信息分割为一系列比特，并将其插入到图像或音频中不相关的位置，可以隐藏信息。

2.LSB匹配法除了替换法以外，还有一种方法叫做LSB匹配法。

这种方法使用像素值中的最低有效位来嵌入秘密信息，但是只在满足一定条件下进行替换。

例如，当像素的最低有效位为0时，接下来的三个像素的最低有效位从左到右依次也必须都为0，才能将秘密信息的比特嵌入其中。

3.LSB匹配与差异法LSB匹配与差异法是一种结合了LSB替换和LSB匹配的隐写方法。

它使用了部分随机性，以减少嵌入信息所引起的视觉和听觉变化。

首先通过LSB匹配法判断哪些像素可以嵌入信息，然后再使用替换法将秘密信息嵌入剩余的像素中。

提取秘密信息的方法•根据LSB替换法提取通过逐个获取像素值或采样值的最低有效位，并将其重组成二进制序列，就可以提取嵌入其中的秘密信息。

•根据LSB匹配法提取提取LSB匹配法嵌入的秘密信息需要根据规则进行匹配。

通过判断像素值最低有效位的变化，可以确定出哪些像素中嵌入了秘密信息。

•根据LSB匹配与差异法提取LSB匹配与差异法的提取过程相对复杂，并需要通过解密算法来提取嵌入的秘密信息。

具体步骤涉及像素排序、提取信息比特、解密等过程。

应用与风险LSB隐写技术有着广泛的应用，例如数字水印、信息隐藏、版权保护等。

它可以对信息进行隐藏保护，并且对原始文件的影响较小。

然而，LSB隐写技术也存在一些风险。

一旦秘密信息被发现，攻击者可能利用LSB隐写技术进行信息窃取、篡改甚至破坏。

15科技资讯 S CI EN CE & T EC HNO LO GY I NF OR MA TI ON 信 息 技 术随着计算机技术和互联网的发展，各种重要信息需要安全的传递，比如：政府信息、商务信息、个人隐私等，从而信息隐藏逐步受到重视。

信息隐藏是对信息存在本身以及信息存在位置加以隐藏，从而达到保密的效果，信息隐藏技术是有效地解决信息安全问题的重要手段之一。

1 信息隐藏的基本原理信息隐藏就是将保密信息隐藏于另一非保密载体中，以不引起检查者的注意。

这里的载体可以是图像、音频、视频，也可以是信道，甚至可以是某套编码体制或整个系统。

从狭义上看，信息隐藏就是将某一机密信息秘密隐藏于另一公开的信息中，然后通过公开信息的传输来传递机密信息。

信息隐藏的基本原理是[1]：若A打算秘密传递一些信息给B，A 需要从一个随机消息源中随机选取一个无关紧要的消息c，当这个消息公开传递时，不会引起怀疑，称这个消息c为载体对象。

把需要秘密传递的信息m隐藏到载体对象c中，此时，载体对象c 就变为伪装对象c＇。

秘密信息的嵌入过程需要密钥，此密钥称为伪装密钥。

载体对象是正常的，不会引起怀疑，伪装对象与载体对象无法区分，无论从感观上，还是从计算机的分析上，不可视通信的安全性取决于第三方有没有能力将载体对象和伪装对象区别开来，对伪装对象的正常处理，不应破坏隐藏的信息。

信息隐藏不同于传统的加密，因为其目的不在于限制正常的资料存取，而在于保证隐藏数据不被侵犯和发现。

另外，由于信息隐藏必须考虑隐藏的信息在经历各种环境、操作之后，仍需具有免遭破坏的能力；因此，信息隐藏技术必须考虑正常的信息操作所造成的威胁，使机密资料对正常的数据操作技术具有免疫能力。

所以信息隐藏应具有的特征[2]主要有鲁棒性、不可感知性、安全性、无歧义性、隐藏能力等。

其中鲁棒性是指抗拒各种信号处理操作和恶意攻击的能力，在隐蔽载体不产生明显降质的前提下，所隐藏的信息仍能保持完整性或仍能被准确鉴别。

stc编码隐写算法摘要：1.引言2.stc 编码隐写算法简介3.stc 编码隐写算法原理4.stc 编码隐写算法优缺点5.应用场景6.总结正文：stc 编码隐写算法是一种将数据隐藏在其他数据中的技术，通过编码方式将秘密信息嵌入到正常的载体数据中，实现信息的隐藏和传输。

该算法以其简单、高效和安全的特点，在信息安全领域得到了广泛的应用。

2.stc 编码隐写算法简介stc 编码隐写算法，全称为Steganographic Image Coding Using Error Correcting Codes，是一种基于纠错编码的图像隐写算法。

它通过在图像中添加冗余信息，将秘密数据嵌入到图像中，使得人眼难以察觉，同时保证数据的完整性和安全性。

3.stc 编码隐写算法原理stc 编码隐写算法的核心思想是将秘密数据编码为冗余信息，然后将这些冗余信息嵌入到图像中。

具体操作过程如下：（1）将原始图像划分为小的子块；（2）对每个子块进行编码，将秘密数据编码为冗余信息；（3）根据编码后的子块和冗余信息，生成新的图像；（4）将新图像与原始图像进行对比，人眼难以察觉差别。

4.stc 编码隐写算法优缺点优点：（1）安全性高：stc 编码隐写算法利用纠错编码技术，使得秘密数据在传输过程中不易被破解；（2）鲁棒性好：即使图像受到一定程度的损伤，也不会影响秘密数据的提取；（3）兼容性强：可以与其他隐写算法相结合，提高隐写效率。

缺点：（1）嵌入容量有限：由于需要在图像中添加冗余信息，导致秘密数据的嵌入容量有限；（2）计算复杂度较高：stc 编码隐写算法的计算复杂度相对较高，可能会影响其应用效率。

5.应用场景stc 编码隐写算法主要应用于以下场景：（1）数字图像隐写：将秘密数据嵌入到图像中，实现信息的隐藏和传输；（2）数据加密：利用stc 编码隐写算法对敏感数据进行加密，保护数据安全；（3）通信安全：在无线通信、网络传输等场景中，利用stc 编码隐写算法实现信息的抗干扰和抗攻击。

信息隐藏技术综述目录引言 (3)1信息隐藏技术发展背景 (3)2信息隐藏的概念和模型 (3)2.1信息隐藏概念及其基本原理 (3)2.2信息隐藏通用模型 (4)3信息隐藏技术特征及分类 (4)3.1信息隐藏技术的特征 (4)3.2信息隐藏技术的分类 (5)4信息隐藏技术方法 (5)4.1隐写术 (5)4.2数字水印 (6)4.3可视密码技术 (6)4.4潜信道 (6)4.5匿名通信 (6)5信息隐藏技术算法 (7)6信息隐藏技术应用领域 (7)6.1数据 (7)6.2数据的不可抵赖性 (8)6.3 数字作品的保护 (8)6.4防伪 (8)6.5数据的完整性 (8)7 结语 (8)参考文献 (9)引言随着Internet技术和多媒体信息技术的飞速发展，多媒体、计算机网络、个人移动通信技术等进入寻常百姓家，数字化已深入人心。

数字多媒体信息在网上传播与传输越来越方便，通过网络传递各种信息越来越普遍。

但与此同时也带来了信息安全的隐患问题。

信息隐藏是近年来信息安全和多媒体信号处理领域中提出的一种解决媒体信息安全的新方法[1]。

它通过把秘密信息隐藏在可公开的媒体信息里，达到证实该媒体信息的数据完整性或传递秘密信息的目的，从而为数字信息的安全问题提供了一种新的解决方法。

1信息隐藏技术发展背景信息隐藏的思想来源于古代的隐写术，历史上广为流传的“剃头刺字”的故事就是信息隐藏技术的应用。

大约在公元前440年，Histaieus为了通知他的朋友发动暴动来反抗米堤亚人和波斯人，将一个仆人的头发剃光后在头皮上刺上了信息，等那仆人头发长出来后再将他送到朋友那里，以此实现他们之间的秘密通信。

在16、17世纪还出现了许多关于隐秘术的著作，其中利用信息编码的方法实现信息隐藏较为普遍。

历史上信息隐藏的例子还有很多。

Willkins采用隐形墨水在特定字母上制作非常小的斑点来隐藏信息。

二战期间，德国人发明了微缩胶片，他们把胶片制作成句点大小的微粒来隐藏信息，放大后的胶片仍能有很好的清晰度[2]。