基于区域生长的信息隐藏方法＊

王英伟，杨志

基于区域生长的信息隐藏方法＊

王英伟，杨志

（华北电力大学 电子与通信工程系，河北 保定 071000）

基于像素值排序的信息隐藏方法取得了良好的效果，但此方法的选块方式固定，对于相邻像素区域的分类并不完善。对于像素值排序方法而言，将更多相似像素划分进同一分块可以提高其嵌入容量和嵌入质量。提出了一种基于区域生长的图像分块方法，将图像自适应地分割为不同大小的分块，使算法在嵌入容量和嵌入质量上得到提升。

信息隐藏；区域生长；粗糙度；像素值排序

在信息和大数据时代，人们可以获得海量的信息，同时信息也可以便捷地传输，但是同时也给信息安全和信息来源认证带来了巨大的挑战。

为了实现传输的安全性，信息隐藏技术应运而生，信息隐藏技术不仅可以将秘密信息隐藏进信息载体中，还可以在接收端接收并解密时，使秘密信息和载体图像完全恢复出来，在信息认证、版权保护、保证通信安全性等方面贡献突出[1]，并且在医学、军事等要求载体不失真领域起着不可替代的作用。因此，对于信息隐藏领域的研究具有重要的实用意义。

1 研究意义

由现有的像素排序类算法可知，平滑区域的像素值相差较小，对于像素的预测也越精确，在平滑区域嵌入秘密信息，可以提高算法的嵌入容量和嵌入质量，因此，将更多相似像素划分进同一区块，可以提升算法的嵌入容量和嵌入质量。

本文针对经典排序类算法[2-3]中只采用固定分块的特点进行改进，使得图像根据其局部特性分成大小不同的区块，可以较好地利用图像的区域特性，提高算法精度。

2 区域生长

区域生长[4]是指从一个像素点或一个像素区域出发，按照设定的合并条件，找到相邻相似的像素点或像素区域，逐步将其加入自身区域，在达到设定条件后，终止区域合并，达到目标提取和合理分块的目的。其根本思想是将性质相似的像素点或像素区域集合起来构成新的像素区域[5]，直到周围没有相似的区域为止。合并条件可以选定为灰度值、纹理方向、局部粗糙度等。

本文研究并采用的是利用局部粗糙度进行区域生长操作，以实现与排序类算法的融合。

2.1 局部粗糙度计算

本文采用的计算局部粗糙度的方法如下：设分块中包含个像素，像素值为（1，…，n），将像素值进行升序排列得到[π（1），…，π（n）]，其中π（1）≤…≤π（n），π（）为像素π（i）在未排序分块中所处的位置。如果π（i）=π（j）且＜，则π（）＜π（）。

根据排序后的像素值计算块粗糙度：

（1）

2.2 相似阈值T的选定

选择的起始分块大小可以为2×2、4×4、8×8等方式，本文选择适用性较好的2×2方式为例，介绍相似阈值的选定。

相似阈值与嵌入性能密切相关，决定着区块的大小。当待嵌入数据量较少时，可选择较大的阈值，在大阈值下，区域生长合并的区块尺寸较大，可以保证较好的嵌入质量；当待嵌入数据量较多时，选择较小的阈值，可以保证分出的分块较多，有更大的嵌入空间。

下面给出相似阈值的选定方法：首先将图像分为2×2的分块，并按照式（1）计算每个分块的粗糙度（），然后选定第一个2×2分块为起点，向周围扩张，其可以扩张的条件如下式所示：

相似阈值由设定的最大阈值逐步减小，当给定的待嵌入数据正好可以嵌入时，即可选定为最佳相似阈值。不同图像的区域生长分割效果如图1所示。

3 数据的嵌入

本文的嵌入过程采取了以下假设：处理的原始图像为灰度图像，待嵌入的信息采用二值图像，嵌入后的图像没有经过传输、攻击等干扰。

图1 区域生长分割示例

3.1 数据嵌入步骤

步骤1：像素预处理并构造位置图。嵌入操作会对分块内的最大值和最小值进行+1和－1的操作，原本最大值为255和最小值为0的像素，在嵌入数据后可能会发生上/下溢，因此需要对图像进行预处理。将像素值为255的像素点进行－1操作，将其修改为254，将像素值为0的像素点进行+1操作，将其修改为1，并建立一个位置图记录像素点是否经过预处理，如果经过预处理，则（）=1。在自然图像中，0和255的像素点并不多，因此对位置图进行算术编码压缩后，占用的空间较小，不会过多影响嵌入容量。

步骤2：按照区域生长方法将图像进行分块处理。

步骤3：将秘密信息嵌入。在分块时优先使用大分块，因为大分块较为平滑，可以保证嵌入质量。

步骤4：辅助信息和压缩位置图的嵌入。辅助信息用于数据的盲提取，保证算法的可逆性。辅助信息包括用于四叉树分割的阈值，最后嵌入位置end,压缩位置图的长度LM以及压缩位置图自身。利用替换最低有效位（LSB）的方法[6-7]将辅助信息嵌入到end之后。

3.1.1 最大值嵌入

设分块中包含个像素，像素值为（1，…，n）,将像素值进行升序排列得[π（1），…，π（n）]，其中π（1）≤…≤π（n），π（）为像素π（i）在未排序分块中所处的位置。如果π（i）=π（j）且＜，则π（）＜π（）。

最大值和次大值之间的差值max：

max=s－t（2）

式（2）中：=[π（－1），π（）]，=[π（－1），π（）]。

利用次大值和修改后的差值，计算嵌入或移位后的像素值：

3.1.2 最小值嵌入

首先，与最大值嵌入一样，对像素值进行排序，得到 [π（1），…，π（n）]，其中π（1）≤…≤π（n），如果π（i）=π（j）且＜，则π（）＜π（）。

计算最小值和次小值之间的差值min：

min=m－n（3）

式（3）中：=[π（1），π（2）]，=[π（1），π（2）]。

利用次小值和修改后的差值计算嵌入或移位后的像 素值：

进行嵌入过程，直到全部秘密信息嵌入完毕，记录最后嵌入位置end，方便提取时将秘密信息和辅助信息区分开。

3.2 提取过程

步骤1：提取辅助信息和压缩位置图。提取最低有效位得到用于区域生长阈值，最后嵌入位置end，压缩位置图的长度LM，根据辅助信息提取LSB得到压缩位置图，将压缩位置图解压缩[8]。按照LSB的方法替换最低有效位。

步骤2：提取秘密信息。由第一个嵌入位置到end嵌入位置提取，按照嵌入过程的逆过程提取隐藏信息。

步骤3：恢复原始图像。根据提取的辅助信息位置图恢复可能溢出的像素值。

4 实验结果与分析

将本文提出的方法与文献[3]中固定分块经典算法对比，选择SIPI图像库中的标准图像进行实验，如图2所示。

嵌入数据为二值图像，这样可以保证使用不同方法嵌入的数据是相同的，从而更好地比较算法的嵌入效果。比较的重点为嵌入容量和峰值信噪比（PSNR）两方面，其中，指标峰值信噪比代表着嵌入后图像质量的好坏。当峰值信噪比的值在51.14 dB以上时，嵌入数据后的图像在视觉上与原图像基本无差异，且峰值信噪比越大，嵌入后的图像质量越高。峰值信噪比的计算公式如下：

式（4）中：为两张尺寸为*图像1和2的均方 误差。

的计算公式如下：

本文算法与经典算法的对比结果如图3所示。

图3 嵌入不同数据量的峰值信噪比比较

由图3可知，在小嵌入容量时，本文的改进方法取得的值改进更明显，在30 000 bits以上的嵌入容量情况下，与原算法相差不多，但是也有一定改善。

在相同嵌入10 000 bits的情况下，本文算法相对于文献[2]中的算法平均值提高了1.8 dB左右，这是因为文献[2]中的方法只使用了0预测误差，并没有使用1预测误差。本文使用的方法同时也利用了1预测误差，嵌入质量和嵌入容量都有一定的提升。但是对于大嵌入容量，本文算法中的大分块较少，与文献[2]中的极限分块状态相似。因此在大嵌入容量时，本文算法的效果并没有太大提升。本文的嵌入方法更适用于中小嵌入容量的情况。

5 小结

本文针对排序类算法固定分块的问题，提出了一种基于区域生长的信息隐藏方法。实验结果表明，本文方法的嵌入质量高于经典排序类算法。在中小嵌入数据量的情况下，峰值信噪比提高较为明显，在大嵌入数据量时，峰值信噪比与经典排序类算法相近。

［1］李晓龙.图像可逆隐藏综述［J］.信息安全研究，2016，2（8）：729-734.

［2］L X L，L J，L B，et al.Hige-fidelity reversible data hiding scheme based on pixel-value-ordering and prediction-error expansion ［J］.Signal Processing，2013，93（1）：198-205.

［3］PENG F，LI X，YANG B.Improved pvo-based reversible data hiding［J］.Digital Signal Processing，2014（25）：255-265.

［4］孔俊，王佳男，谷文祥，等.基于区域的自动种子区域生长法的彩色图像分割算法［J］.东北师大学报（自然科学版），2008，40（4）：47-51.

［5］罗希平，田捷，诸葛婴，等.图像分割方法综述［J］.模式识别与人工智能，1999，12（3）：300-312．

［6］熊志勇，王江晴.基于预测误差差值扩展和最低有效位替换的可逆数据隐藏［J］.计算机应用，2010，30（4）：909- 913，920.

［7］任克强，肖璐瑶.融合CFT和LSB的高容量可逆数据隐藏［J］.液晶与显示，2019，34（4）：410-416.

［8］OU B，LI X，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.

TP309

A

10.15913/j.cnki.kjycx.2020.01.014

2095－6835（2020）01－0048－03

国家重大科学仪器设备开发重点专项（编号：2018YFF01011900）过传输、攻击等干扰。

王英伟（1993—），男，硕士研究生，研究方向为图像处理、信息隐藏。杨志，副教授，硕士生导师。

〔编辑：严丽琴〕