专利名称：双阈值的图像无损数据嵌入方法
技术领域：
本发明涉及无损数据嵌入技术，特别是一种双阈值的图像无损数据嵌入方法。
背景技术：
图像无损数据嵌入技术，即无损数据隐藏技术，可分为小波法和预测法，小波法， 如[1]J. Tian, "Reversible data embedding using a difference expansion," IEEE Transactionon Circuits and Systems for Video Technology,2003, 13(8) :890-896.(小波加上嵌入位置图法的图像无损数据嵌入方法)；[3] L. Kamstra and H. J. Α. Μ. Hei jmans，"Reversible data embedding into images usingwavelet techniques and sorting，，，IEEE Transactions on Image Processing, vol. 14，no. 12，pp. 2082-2090，December 2005.(小波加上嵌入位置图法再用排队法的图像无损数据嵌入方法)；[4]D. Coltuc and J. Μ. Chassery, "Very fast watermarking by reversible contrastmapping，” IEEE Signal Processing Letters，Vol. 14，No. 4，pp. 255-258，April 2007.(小波加上嵌入位置图法再用排队法的图像无损数据嵌入方法)；[5] S. Lee, C. D. Yoo and Τ. Kalker, "Reversible image watermarking based oninteger-to-integer wavelet transform，” IEEE Transactions on Information Forensics and Security, vol. 2，issue3，part 1，pp. 321-330，September 2007.(小波力卩上嵌入位置图法再用排队法的图像无损数据嵌入方法)；[6]G. Xuan, Y. Q. Shi，P. Chai，J. Teng, Z. Ni，X. Tong，“Optimum histogram pair basedimage lossless data embedding，”Transactions on Data Hiding and Multimedia Security IViLNCS 5510，Springer，pp. 84_102，March2009 (小波直方图对的图像无损数据嵌入方法)；[7]G. Xuan, Y. Q. Shi, P. Chai, X Cui, Ζ. Ni, X. Tong, "Optimum histogram pair basedimage lossless data embedding，，，Proceedings of International Workshop on DigitalWatermarking, LNCS 5041， Springer， pp.264-278， Guangzhou, China， December 2007.(小波直方图对的图像无损数据嵌入方法)。预测法，如[2]M. Thodi and J.J.Rodriguez, "Reversible watermarking by prediction-errorexpansion,，，Proceedings of 6th IEEE Southwest Symposium on Image Analysis andlnterpretation, pp. 21-25，Lake Tahoe, CA, USA, March 28-30，2004.(窗口预测法的图像无损数据嵌入方法)；[8] V. Sachnev, H. J. Kim, J. Nam, S. Suresh, Y. Q. Shi , "Reversible watermarkingalgorithm using sorting and prediction,” IEEE Transactions on Circuits and Systems for VideoTechnology,vol. 19,no. 7,pp. 989-999,July 2009.(予页测误差逐次法和排队法的图像无损数据嵌入方法)。以Lena图像为例[1]J. Tian论文嵌入容量如0. Ibpp (Bit Per Pixel)时 PSNR(PeakSignal to Noise Ratio) = 45，嵌入最大容量=0. 5bpp。特点小波加上嵌入位置图法(LocationMap)嵌入。2003年田军Tian[l]提出的差分扩展(difference expansion technique)图像可逆数据嵌入技术，开创了高质量和大嵌入容量的图像无损数据隐藏技术的先河。田军后续改进方法[3] L. Kamstra论文嵌入容量如0. Ibpp时PSNR = 50，嵌入最大容量=0. 7bpp以上，[4] [5]是最近的发展，其中[5] S. Lee论文嵌入容量如0. Ibpp时PSNR =51。特点小波加上嵌入位置图法(Location Map)嵌入，再加上排队(sorting)技术。 后继有一系列的改善方法，使嵌入性能有更大的提高。我们2007年IWDW2007会议上提出直方图对方法[7](杂志[6]发表)。特点小波加上直方图对方法。该方法比田军方法， 包括比田军及其后续改进方法，有更高的性能。我们小波直方图对方法，嵌入容量如0. Ibpp 时PSNR = 52，嵌入最大容量=2. 4bpp以上。此外直方图对方法又进一步扩展应用到JPEG 压缩图像，二值图像等，成为通用的嵌入工具。同样以Lena图像为例，2004年的[2]M. Thodi论文嵌入容量如0. Ibpp时PSNR = 52。特点3*3窗口预测法嵌入数据。嵌入性能与田军方法可比，但解决无损恢复问题比较麻烦。由于近年来解决无损恢复问题的改进，预测法有超过小波嵌入方法的趋势。2009年的[8] V. Sachnev论文嵌入容量如0. Ibpp时PSNR = 54，嵌入最大容量略小。特点=PSNR很高，达到当时国际上最高水平。预测误差逐次法和排队法的图像无损数据嵌入方法，奇偶数行和列分开做，但是只能用3X3窗口的4邻域。
发明内容
本发明的目的是提供一种双阈值的图像无损数据嵌入方法，该方法可嵌入信息大，嵌入数据后图像改变小，PSNR高。本发明双阈值的图像无损数据嵌入方法，它是以灰度预测误差为特征，结合设定的嵌入阈值T和起伏阈值TF，采用直方图对的原理嵌入数据，该方法包括以下步骤1)根据嵌入容量设定嵌入阈值T和起伏阈值TF，将嵌入阈值T作为嵌入起始点， 设置变量P = T;2)用图像窗口从左到右、从上到下顺序扫描被嵌图像，在每个扫描位置计算图像窗口内中心像素的灰度预测误差y和邻域起伏值F，若邻域起伏值F小于或等于起伏阈值 TF，则比较灰度预测误差y和P，构造直方图对，嵌入数据，根据嵌入数据后的灰度预测误差 y’确定图像窗口内中心像素的灰度值，然后图像窗口移至下一扫描位置；否则，图像窗口直接移至下一扫描位置；3)判断待嵌数据是否嵌完，如果已嵌完，将此时的P作为嵌入停止点S，结束；否则，按正负交替且绝对值逐步减小的原则重新设置P，转至步骤2)继续嵌入待嵌数据。优选地，灰度预测误差y为图像窗口内中心像素的实际灰度值与预测灰度值之差，其中，所述预测灰度值由所述中心像素的各邻域像素的灰度值经加权平均后向下取整得到。邻域起伏值F由所述中心像素的预测灰度值分别与其各邻域像素的灰度值差平方后加权平均得到。图像窗口优选3X3图像窗口，优选采用8邻域计算灰度预测误差y和邻域起伏值F。所述起伏阈值Tf与嵌入容量正相关，嵌入后图像的峰值信噪比与起伏阈值Tf负相关。在步骤2、中采用逐次法计算灰度预测误差y，即当本扫描位置的中心像素嵌入数据后，以嵌入数据后的灰度值，作为下一个扫描位置的中心像素的邻域像素值。步骤2)中，优选采用移位法构造直方图对。步骤幻中嵌入数据的方法为当时，嵌入数据后的灰度预测误差y’等于灰度预测误差y和当前待嵌数据之和；当P < 0时，嵌入数据后的灰度预测误差y’等于灰度预测误差y和当前待嵌数据之差；所述当前待嵌数据为一位二进制数。在步骤幻中，根据嵌入数据后的灰度预测误差y’确定图像窗口内中心像素的灰度值的方法为嵌入后中心像素的灰度值等于所述预测灰度值和嵌入数据后的灰度预测误差y’之和。进一步还可包括对灰度预测误差的直方图调整的步骤，以克服上溢和下溢问题， 其中，相应的直方图调整信息与所述待嵌数据一起嵌入图像。本发明以预测误差为特征，采用嵌入阈值T和起伏阈值TF，通过直方图对的原理嵌入数据，不仅能够实现图像和嵌入数据的无损恢复，而且能够达到更高的PSNR。经试验，采用Lena. bmp512*512图像，嵌入容量为0. Ibpp时PSNR高于55dB，嵌入容量为0. Olbpp时 PSNR高于67dB，性能优于现有其它方法。
图1为本发明数据嵌入和提取的流程图，其中(a)为嵌入数据的流程图，(b)为提取数据的流程图；图2为本发明方法与其它方法的PSNR曲线对照图；图3为试验测试用图和对应的灰度直方图。
具体实施例方式下面结合附图及实施例对本发明做进一步说明。本双阈值图像无损数据嵌入方法的原理预测误差方法图像无损数据嵌入可以在空域进行，由于自然图像在空域中连续性明显，相关性太强，信息冗余小，体现在信息分布比较平，因此可嵌入信息小，嵌入数据后图像改变大，PSNR低。通过图像的预测误差变换，预测误差中连续性不明显，相关性变弱， 信息冗余大，体现在信息分布比较尖，因此可嵌入信息大，嵌入数据后图像改变小，PSNR高。本发明采用预测误差嵌入方法，再加上嵌入阈值(也叫直方图对的最优阈值)和起伏阈值(也叫指导阈值)两个阈值，通过直方图对的嵌入原理实现图像无损数据嵌入，能够得到更好的性能，两种阈值的共同使用，称为“双阈值的图像无损数据嵌入”。本发明是在文献W] [7]的基础上，提出的一种新的无损数据嵌入方案，与文献 [6] [7]相比本发明有两个重要区别1、数据嵌入在像素的灰度预测误差，没有使用小波变换；2、增加了一个阈值，即起伏阈值TF，用于引导数据的嵌入。它实质是一种在邻域起伏指导下的预测误差直方图对无损数据嵌入方案。参照图1 (a)，本发明方法具体包括以下步骤1)根据嵌入容量设定嵌入阈值T和起伏阈值TF，将嵌入阈值T作为嵌入起始点，设置变量P = T;2)用图像窗口从左到右、从上到下顺序扫描被嵌图像，在每个扫描位置计算图像窗口内中心像素的灰度预测误差y和邻域起伏值F，若邻域起伏值F小于或等于起伏阈值 TF，则比较灰度预测误差y和P，构造直方图对，嵌入数据，根据嵌入数据后的灰度预测误差 y’确定图像窗口内中心像素的灰度值，然后图像窗口移至下一扫描位置；否则，图像窗口直接移至下一扫描位置；3)判断待嵌数据是否嵌完，如果已嵌完，将此时的P作为嵌入停止点S，结束；否则，按正负交替且绝对值逐步减小的原则重新设置P(即当P < 0，则令P = -P-I ；当P > 0， 则令P = -P)，转至步骤幻继续嵌入待嵌数据。灰度预测误差y为图像窗口内中心像素的实际灰度值与预测灰度值之差，其中， 所述预测灰度值由所述中心像素的各邻域像素的灰度值经加权平均后向下取整得到。邻域起伏值F由所述中心像素的预测灰度值分别与其各邻域像素的灰度值差平方后加权平均得到。图像窗口优选3 X 3图像窗口，优选采用8邻域计算灰度预测误差y和邻域起伏值F。 现以3X3图像窗口为例说明灰度预测误差y和邻域起伏值F的计算定义3X3图像窗口如式(1)
'x\x4xl
X =x2JC5xSx3x6x9
) 1
(式(1)中x5是本3X3图像窗口内中心像素的灰度值，xl、x4、x7、x2、x8、x3、x6、 x9为其8个邻域像素的灰度值，通过8个邻域像素的灰度值就可以获得中心像素的预测灰度值3 ，这里采用公式( 获得中心像素的预测灰度值3 ，X= ^7oor{(l/6)x(x2 + x4+Jc6+a:8)+(l/12)x(xl + jc3 + x7 + x9)} ............ (2)可见，中心像素的预测灰度值3 实际上是其8个邻域像素的灰度值加权平均后向下取整，相当于
"1/121/61/12"
K =1/601/691/121/61/12X =
χ= floor{lC <S> χ)中心像素的灰度预测误差y通过公式( 获得y=x5-x ................................................... (3)邻域起伏值F表示变化程度，邻域起伏值F小表示平坦，本发明中数据尽量嵌入在平坦部分灰度预测误差y中，使视觉难于觉察，邻域起伏值F通过公式(4)获得
/" = (2^^2-3 )2 +{xA-xf +{x6-xf +(jcS-jc)2] + (l/3)x|xl— )2 +(χ3— )2 +(^7-^+(^9-^)-(4)当然，本发明的图像窗口并不限于3 X 3图像窗口。在步骤2、中采用逐次法计算灰度预测误差y，即当本扫描位置的中心像素嵌入数据后，以嵌入数据后的灰度值，作为下一个扫描位置的中心像素的邻域像素值。采用逐次法可以很容易地获得数据隐藏的无损恢复。本发明中待嵌数据必须为二进制数，这里设待嵌数据为D，每次嵌入待嵌数据D中的一位，用Di e {0,1}表示当前待嵌数据，其中i表示当前待嵌数据在待嵌二进制序列中第i位，i是大于等于零的整数。直方图对的构造属于现有技术，在背景技术引用的文献[6] [7](文献[6] [7]均为本发明人的论文)中均用到，为使本发明更清楚，对直方图对的构造做以下说明直方图对的定义相邻的两个特征χ e {a, b}的直方图对定义如下如果a彡0， 记其直方图对为h= [!!!，(^，或！!= [h(a) =m, [h(b) = 0]，其中a为原位，b扩展位。如果a <0，记其直方图对为h=⑴，！！^，或!!= [h(a) =0，[h(b) = m]，其中b为原位，a扩展位。由上面的定义可以看出，对于一对直方图来说，必有一个特征值在样本中出现的次数为0。构造直方图对就是如何在一对相邻特征值中使其中一个特征值在样本中出现的次数为0，最简单的方法就是移位法。移位法的具体内容为设样本{a，b}，如果a > 0，则其直方图对为[m，0]，m为a在样本中出现的次数，如果h(b)为0，则其本身就是一对直方图对，不需要再构造；如果h(b)不为0，则把样本中所有大于等于b的特征往右移一位(即特征值加1)，之后样本中特征值为b的样本个数就为0 了，由此直方图对构造出来。如果b <0，则其直方图对为
，如果h(a)为0，则其本身就为一对直方图对，不需要再构造; 如果h(a)不为0，则把样本中所有小于等于a的特征往左移一位(即特征值减1)，之后样本中特征值为a的样本个数就为0 了，由此直方图对构造出来。上述步骤幻中，采用移位法构造直方图对。上述步骤幻中，比较灰度预测误差y 和P，构造直方图对，嵌入数据的方法为当P彡0时，如果y = P，则嵌入数据Di，y，= y+Di ；如果y> P，则不嵌入数据，只是向右移动一位，y，= y+1 ；否则y不嵌入数据，也不移位。当P <0，如果 y = P，则嵌入数据 Di，y’ = y-Di ；如果y< P，则不嵌入数据，只是向左移动一位，y’ = y-1 ；否则y不嵌入数据，也不移位。上述步骤幻中嵌入数据的方法为当时，嵌入数据后的灰度预测误差y’等于灰度预测误差y和当前待嵌数据之和，即r = y+Di ；当P < 0时，嵌入数据后的灰度预测误差r等于灰度预测误差y和当前待嵌数据之差，即r = y-Di ；所述当前待嵌数据为一位二进制数Di。上述步骤幻中，根据嵌入数据后的灰度预测误差y’确定嵌入后图像窗口内中心像素的灰度值X5’的方法为嵌入后中心像素的灰度值X5’等于所述预测灰度值3 和嵌入数据后的灰度预测误差y’之和，即x5’=〒+y’。信息嵌入的性能，不仅与预测误差直方图尖削程度有关，而且与窗口中心周围的像素起伏有关。因此本发明采用嵌入阈值T和起伏阈值Tf两个阈值调节，同时满足两个条件才嵌入数据，这样可以获得更高的PSNR。嵌入阈值T太小，会导致嵌入容量不够，嵌入阈值T太大，会导致PSNR下降。同样，起伏阈值Tf与嵌入容量正相关，嵌入后图像的峰值信噪比(即PSNR)与起伏阈值Tf负相关。本方法中，嵌入起始点可以是嵌入阈值T，也可以是-T，即可正可负。嵌入停止点S 可以是正数、负数或零，且满足OS Isl <τ。将从嵌入起始点到嵌入停止点s的序列τ、-τ、T-U-(T-I)、……、S称作最优嵌入序列，用t表示，当嵌入容量给定，确定嵌入阈值T和起伏阈值TF，由T和S即获得最优嵌入序列t，起伏阈值Tf和最优嵌入序列t的选择，应使无损数据嵌入的峰值信噪比最高，即
权利要求
1.一种双阈值的图像无损数据嵌入方法，其特征在于，该方法以灰度预测误差为特征， 结合设定的嵌入阈值T和起伏阈值TF，采用直方图对的原理嵌入数据，该方法包括以下步骤1)根据嵌入容量设定嵌入阈值T和起伏阈值TF，将嵌入阈值T作为嵌入起始点，设置变量P = T;2)用图像窗口从左到右、从上到下顺序扫描被嵌图像，在每个扫描位置计算图像窗口内中心像素的灰度预测误差y和邻域起伏值F，若邻域起伏值F小于或等于起伏阈值TF，则比较灰度预测误差y和p，构造直方图对，嵌入数据，根据嵌入数据后的灰度预测误差r确定图像窗口内中心像素的灰度值，然后图像窗口移至下一扫描位置；否则，图像窗口直接移至下一扫描位置；3)判断待嵌数据是否嵌完，如果已嵌完，将此时的P作为嵌入停止点S，结束；否则，按正负交替且绝对值逐步减小的原则重新设置P，转至步骤2)继续嵌入待嵌数据。
2.如权利要求1所述的双阈值的图像无损数据嵌入方法，其特征在于所述灰度预测误差y为图像窗口内中心像素的实际灰度值与预测灰度值之差，其中，所述预测灰度值由所述中心像素的各邻域像素的灰度值经加权平均后向下取整得到。
3.如权利要求2所述的双阈值的图像无损数据嵌入方法，其特征在于所述邻域起伏值F由所述中心像素的预测灰度值分别与其各邻域像素的灰度值差平方后加权平均得到。
4.如权利要求1所述的双阈值的图像无损数据嵌入方法，其特征在于在步骤2)中采用逐次法计算灰度预测误差y，即当本扫描位置的中心像素嵌入数据后，以嵌入数据后的灰度值，作为下一个扫描位置的中心像素的邻域像素值。
5.如权利要求1所述的双阈值的图像无损数据嵌入方法，其特征在于所述起伏阈值 Tf与嵌入容量正相关，嵌入后图像的峰值信噪比与起伏阈值Tf负相关。
6.如权利要求1所述的双阈值的图像无损数据嵌入方法，其特征在于所述图像窗口为3 X 3图像窗口，采用8邻域计算灰度预测误差y和邻域起伏值F。
7.如权利要求1所述的双阈值的图像无损数据嵌入方法，其特征在于步骤2)中，采用移位法构造直方图对。
8.如权利要求1所述的双阈值的图像无损数据嵌入方法，其特征在于步骤2)中所述嵌入数据的方法为当P > 0时，嵌入数据后的灰度预测误差r等于灰度预测误差y和当前待嵌数据之和；当P < 0时，嵌入数据后的灰度预测误差y’等于灰度预测误差y和当前待嵌数据之差；所述当前待嵌数据为一位二进制数。
9.如权利要求2所述的双阈值的图像无损数据嵌入方法，其特征在于在步骤2)中， 根据嵌入数据后的灰度预测误差y’确定图像窗口内中心像素的灰度值的方法为嵌入后中心像素的灰度值等于所述预测灰度值j和嵌入数据后的灰度预测误差r之和。
10.如权利要求1所述的双阈值的图像无损数据嵌入方法，其特征在于还包括对灰度预测误差的直方图调整的步骤，其中，相应的直方图调整信息与所述待嵌数据一起嵌入图像。
全文摘要
一种双阈值的图像无损数据嵌入方法，包括步骤1)设定嵌入阈值T和起伏阈值TF，设置变量P＝T；2)用图像窗口扫描被嵌图像，在每个扫描位置计算图像窗口内中心像素的灰度预测误差y和邻域起伏值F，若F≤TF，则比较灰度预测误差y和P，构造直方图对，嵌入数据，确定图像窗口内中心像素的灰度值，然后图像窗口移至下一扫描位置；否则，图像窗口直接移至下一扫描位置；3)判断待嵌数据是否嵌完，如果已嵌完，将此时的P作为嵌入停止点S，结束；否则重新设置P，转至步骤2)。该方法可嵌入信息大，嵌入数据后图像改变小，PSNR高。
文档编号G06T1/00GK102262773SQ201010200428
公开日2011年11月30日 申请日期2010年5月29日 优先权日2010年5月29日
发明者刘海生, 刘连生, 宣国荣, 童学峰 申请人:深圳宝嘉电子设备有限公司