基于人类视觉系统特性的直方图可逆信息隐藏算法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
许多重要 领域应 用 中所 需要 的． 因此在 提取 隐藏 的 数字信 息之后 ， 可完整地 恢 复原 始 图像 信息 的可逆
印信息分别进行提取 ， 并可以完整地恢复出原始图 像．
１ 基于人类视觉 系统特性的图像分块
要利用 人类视 觉系统 特性进 行信息 隐藏 ， 先 首 将 图像分 割成包 含个像 素 的图像块 ， 将 图像 戈分 再 ０ 为 平滑 区、 边缘 区和 纹 理 区． 图像 块分 类 流 程如 图
根据公式
ｓ ÷∑ Ｅｘ ） ｆ ＝ ｆ ， －］ （
，
Ｙ∈ Ｂｋ
小 于的灰 度值减 １ 和所 有大 于 的灰 度值 加 １ 对 应 ， 在直 方 图谷值点 左边 点 和 右边 点 的旁 边 生 成 了嵌
作者简介 ： 闫
文（ ９３ ， ， １７ ・）男 新疆喀什人 ， 讲师 ， 在职硕士研 究生 ， 主要研 究方 向为数字 图像处理
第 ３期
闰
文： 基于 人 类 视 觉 系 统 特 性 的直 方 图 可逆 信 息 隐藏 算 法
・ ３・ ６
值 （ ８图像分 块熵 值 的阈 值为 ４５ 可将 图像 划 ８× ．） 分 成平滑 区与非 平滑 区．
１ ２ 纹理 区和边缘 区的分类算 法 ．
边 缘 区对噪声 不是很 敏感 ， 可嵌入适 量秘 密信 息． 在边缘 区 图像 块直 方 图谷 值点 （ ａ ｅ ） 右 可 Ｖｌｙ 左 ｌ
变异度 是标准 差 占均 值 的 比例 ， 变异度计 算方
法 如下 ：
两边生 成嵌入 信息 的空 间． 谷值点 在 图像 块直方 图 中对应 出现次 数最少 的灰度 值点 ， 设谷值 点灰度 值 为 ｇ ， 值点左 边 点 灰 度 值 为 ｇ 谷 一１ 谷 值 点 右边 ； 点灰度 值 为 ｇ ＋１ 按行 逐 点 扫 描 图 像块 ， 所 有 ． 将
关键词 ： 人类视觉系统 ； 可逆信息隐藏 ； 直方 图
中 图分 类 号 ：Ｐ ９ ． １ Ｔ ３ １４ ３ 文 献 标识 码 ： Ａ 文 章 编 号 ：０ ６４ ２ ２ １ ）３０ ６ －３ １０ － Ｘ（ ０ １ ０ － ２０ ３ ０
信 息隐藏技 术 作 为保 护数 字 媒体 的知 识产 权 和保证 数字信息 传递安 全 的有效 手段 之一 ， 挥 的 发 作 用越来 越重要． 但绝 大部分信 息 隐藏算 法在 对载
第３ 第３ ２卷 期 ２ １ 年 ５月 ０１
喀 什 师 范学 院 学 报
Ｊ ｕ ｎ ｌ ｆＫａ ｈ ａ ｅ ｃ ｅ ｓ Ｃ ｌ ｇ ｏ ｒ ａ ｓ ｇ ｒＴ ａ ｈ ｒ ｏｌ ｅ ｏ ｅ
Ｖ０ ． ． １３２ Ｎｏ ３
Ｍａ ０ １ ｙ２ １
基 于人 类视 觉 系统特 性 的直 方 图 可逆 信 息 隐藏 算 法
－＿ ！
性 的直 方 图可逆 信息 隐藏算法 ， 该算法 首先 将 图像 分块 ， 利用信 息熵 和变 异 度将 图像 块 分 为 平滑 区 、 边缘 区和纹理 区 ， 由于人类 视觉 系统 对 平 滑 区 、 边
缘 区和纹理 区中噪声敏 感程度 不 同 ， 在不 同噪声敏
Ｈ＝ 一∑ Ｐ‘ ｇ ｌ２． ｏ ｐ
闫 文
（ 什 财 贸 学 校 ， 疆 喀 什 ８ ４Ｏ ） 喀 新 ４ ＯＯ
摘
要： 结合人类视觉系统特性 ， 提出一种基于人类视觉 系统特性 的直方图可逆信息 隐藏算法． 该算法根据人类
视觉掩蔽效应 ， 将图像划 分为纹理 区、 边缘 区和平滑区 ， 在不 同噪声 敏感区域分别嵌 入不同强度 信息量． 法在 算 确保嵌入更 多信息量 的同时 ， 也满足了信 息隐藏视觉上的不可感知性， 取得 了较好 的视觉效果．
到广泛 应用． 文提 出了一种基 于人类 视觉 系统特 本
图 １ 图像 块 分 类 流 程
１１ 平滑 区和 非平滑 区划分 算法 ． 熵是 在 信 息论 中 描述 信 源 的 平 均 信 息 量 】 ， 图像熵 值计 算 方 法 如 下 ： 图 像 有 Ｓ ， Ｓ ， ， 设 Ｓ ，， … Ｓ ， 幅值 ， ｑ种 出现 的概 率 为 Ｐ ，２Ｐ ， ， 每 一 Ｐ ，３… Ｐ ， 幅值信 息量为 ｌ ：１ｐ）则熵 值为 ｏ （／ ， ｇ
（） １
熵值越小包含信息量少， 对应 图像的平滑区； 熵值 越 大包 含信息 量多 ， 应 图像 非 平 滑 区． 据公 式 对 根 （ ） 算 出所 有 图像 块 的熵 值 ， １计 选取 合适 的熵 值 阈
感 区域 分别嵌入 不 同强 度信息 量 ， 而提 高 了水 印 从
收 稿 日期 ：０ ０ １ —８ ２ １ ． １１
１ 示． 所
信息 隐藏 算法 就显得尤 为重要． 可 逆信息 隐藏 算 法 原 理 如 下 ¨ ： 存 在 的载 Ｊ对
wenku.baidu.com
体数字 图像信号 Ｊ使用无损信息隐藏算法 ， ， 将信 息 嵌入 到 中获得 隐秘数 字 图像 信号 ，， 然后 ， 可公开传 播与通 信 对 接 收者 ， 在 没有 载 体数 字 可 图像信号 和嵌 入 信 息 的情 况 下 ， 获 得 的 ，中 从 通过相 应提取算 法得 到嵌入 的信息 ， 能够 完整 并 的恢复 嵌入信息 前 的载体数字 图像信 号 目前 ， 信息 隐藏算法按 实现 方式 可分为两 可逆 类 ， 法和 变换域 法． 域 法 中基 于 图像 直 方 图 空域 空 的可逆 信息 隐藏算法具 有信息 隐藏容 量大 、 算法简 单、 有较 高峰值 信 噪 比等特 点 ， 因此在 很 多领 域得
图像 的不 可感性． 收 方得 到 水 印 图像后 ， 同样 接 按 的方法对水 印图像 进行 分块 和划分 ， 不 同区域水 对
体数字图像嵌入数字信息的同时， 往往也会造成原
始 图像不 可逆转 的改变 ， 即使 在提 取 嵌 入信 息 后 ， 仍 无法 获得原始 图像． 而保证原 始数据 的完整 性是
印信息分别进行提取 ， 并可以完整地恢复出原始图 像．
１ 基于人类视觉 系统特性的图像分块
要利用 人类视 觉系统 特性进 行信息 隐藏 ， 先 首 将 图像分 割成包 含个像 素 的图像块 ， 将 图像 戈分 再 ０ 为 平滑 区、 边缘 区和 纹 理 区． 图像 块分 类 流 程如 图
根据公式
ｓ ÷∑ Ｅｘ ） ｆ ＝ ｆ ， －］ （
，
Ｙ∈ Ｂｋ
小 于的灰 度值减 １ 和所 有大 于 的灰 度值 加 １ 对 应 ， 在直 方 图谷值点 左边 点 和 右边 点 的旁 边 生 成 了嵌
作者简介 ： 闫
文（ ９３ ， ， １７ ・）男 新疆喀什人 ， 讲师 ， 在职硕士研 究生 ， 主要研 究方 向为数字 图像处理
第 ３期
闰
文： 基于 人 类 视 觉 系 统 特 性 的直 方 图 可逆 信 息 隐藏 算 法
・ ３・ ６
值 （ ８图像分 块熵 值 的阈 值为 ４５ 可将 图像 划 ８× ．） 分 成平滑 区与非 平滑 区．
１ ２ 纹理 区和边缘 区的分类算 法 ．
边 缘 区对噪声 不是很 敏感 ， 可嵌入适 量秘 密信 息． 在边缘 区 图像 块直 方 图谷 值点 （ ａ ｅ ） 右 可 Ｖｌｙ 左 ｌ
变异度 是标准 差 占均 值 的 比例 ， 变异度计 算方
法 如下 ：
两边生 成嵌入 信息 的空 间． 谷值点 在 图像 块直方 图 中对应 出现次 数最少 的灰度 值点 ， 设谷值 点灰度 值 为 ｇ ， 值点左 边 点 灰 度 值 为 ｇ 谷 一１ 谷 值 点 右边 ； 点灰度 值 为 ｇ ＋１ 按行 逐 点 扫 描 图 像块 ， 所 有 ． 将
关键词 ： 人类视觉系统 ； 可逆信息隐藏 ； 直方 图
中 图分 类 号 ：Ｐ ９ ． １ Ｔ ３ １４ ３ 文 献 标识 码 ： Ａ 文 章 编 号 ：０ ６４ ２ ２ １ ）３０ ６ －３ １０ － Ｘ（ ０ １ ０ － ２０ ３ ０
信 息隐藏技 术 作 为保 护数 字 媒体 的知 识产 权 和保证 数字信息 传递安 全 的有效 手段 之一 ， 挥 的 发 作 用越来 越重要． 但绝 大部分信 息 隐藏算 法在 对载
第３ 第３ ２卷 期 ２ １ 年 ５月 ０１
喀 什 师 范学 院 学 报
Ｊ ｕ ｎ ｌ ｆＫａ ｈ ａ ｅ ｃ ｅ ｓ Ｃ ｌ ｇ ｏ ｒ ａ ｓ ｇ ｒＴ ａ ｈ ｒ ｏｌ ｅ ｏ ｅ
Ｖ０ ． ． １３２ Ｎｏ ３
Ｍａ ０ １ ｙ２ １
基 于人 类视 觉 系统特 性 的直 方 图 可逆 信 息 隐藏 算 法
－＿ ！
性 的直 方 图可逆 信息 隐藏算法 ， 该算法 首先 将 图像 分块 ， 利用信 息熵 和变 异 度将 图像 块 分 为 平滑 区 、 边缘 区和纹理 区 ， 由于人类 视觉 系统 对 平 滑 区 、 边
缘 区和纹理 区中噪声敏 感程度 不 同 ， 在不 同噪声敏
Ｈ＝ 一∑ Ｐ‘ ｇ ｌ２． ｏ ｐ
闫 文
（ 什 财 贸 学 校 ， 疆 喀 什 ８ ４Ｏ ） 喀 新 ４ ＯＯ
摘
要： 结合人类视觉系统特性 ， 提出一种基于人类视觉 系统特性 的直方图可逆信息 隐藏算法． 该算法根据人类
视觉掩蔽效应 ， 将图像划 分为纹理 区、 边缘 区和平滑区 ， 在不 同噪声 敏感区域分别嵌 入不同强度 信息量． 法在 算 确保嵌入更 多信息量 的同时 ， 也满足了信 息隐藏视觉上的不可感知性， 取得 了较好 的视觉效果．
到广泛 应用． 文提 出了一种基 于人类 视觉 系统特 本
图 １ 图像 块 分 类 流 程
１１ 平滑 区和 非平滑 区划分 算法 ． 熵是 在 信 息论 中 描述 信 源 的 平 均 信 息 量 】 ， 图像熵 值计 算 方 法 如 下 ： 图 像 有 Ｓ ， Ｓ ， ， 设 Ｓ ，， … Ｓ ， 幅值 ， ｑ种 出现 的概 率 为 Ｐ ，２Ｐ ， ， 每 一 Ｐ ，３… Ｐ ， 幅值信 息量为 ｌ ：１ｐ）则熵 值为 ｏ （／ ， ｇ
（） １
熵值越小包含信息量少， 对应 图像的平滑区； 熵值 越 大包 含信息 量多 ， 应 图像 非 平 滑 区． 据公 式 对 根 （ ） 算 出所 有 图像 块 的熵 值 ， １计 选取 合适 的熵 值 阈
感 区域 分别嵌入 不 同强 度信息 量 ， 而提 高 了水 印 从
收 稿 日期 ：０ ０ １ —８ ２ １ ． １１
１ 示． 所
信息 隐藏 算法 就显得尤 为重要． 可 逆信息 隐藏 算 法 原 理 如 下 ¨ ： 存 在 的载 Ｊ对
wenku.baidu.com
体数字 图像信号 Ｊ使用无损信息隐藏算法 ， ， 将信 息 嵌入 到 中获得 隐秘数 字 图像 信号 ，， 然后 ， 可公开传 播与通 信 对 接 收者 ， 在 没有 载 体数 字 可 图像信号 和嵌 入 信 息 的情 况 下 ， 获 得 的 ，中 从 通过相 应提取算 法得 到嵌入 的信息 ， 能够 完整 并 的恢复 嵌入信息 前 的载体数字 图像信 号 目前 ， 信息 隐藏算法按 实现 方式 可分为两 可逆 类 ， 法和 变换域 法． 域 法 中基 于 图像 直 方 图 空域 空 的可逆 信息 隐藏算法具 有信息 隐藏容 量大 、 算法简 单、 有较 高峰值 信 噪 比等特 点 ， 因此在 很 多领 域得
图像 的不 可感性． 收 方得 到 水 印 图像后 ， 同样 接 按 的方法对水 印图像 进行 分块 和划分 ， 不 同区域水 对
体数字图像嵌入数字信息的同时， 往往也会造成原
始 图像不 可逆转 的改变 ， 即使 在提 取 嵌 入信 息 后 ， 仍 无法 获得原始 图像． 而保证原 始数据 的完整 性是