一种基于AMBTC高低均值最优化的压缩图像隐写编码方法

摘要

本发明公开一种基于AMBTC高低均值最优化的压缩图像隐写编码方法，评估图像块平滑度后逐块在平滑块嵌入数据得到载密图像.数据嵌入包括两个步骤:用数据替换二进制位图和根据所嵌数据和原始位图最优化高低均值。本发明计算简单，便于实现，接收方只需要根据密钥甄别平滑块直接取出其位图即为所嵌数据；并且本发明对计算资源需求小，使用方便，在实时领域以及计算资源有限的移动终端等具有很好的应用前景。

说明书

技术领域

本发明涉及信息安全，保密通信与多媒体应用领域，具体涉及一种基于 AMBTC高低均值最优化的压缩图像隐写编码方法。

背景技术

现代信息隐写技术是数字化信息时代信息安全领域的重要方向，数据隐写技 术利用数字媒体本身的编码冗余和结构冗余，以及人类感知器官的不敏感性，将 数据隐写于载体数据当中，载体信号可以是文本、图像、视频、音频等。而隐写 技术可进一步与密码学、信息处理技术、网络技术以及生理和心理学等多学科多 领域结合，在工业界、商界和军事界具有广阔的应用前景，比如隐蔽通信，信息 标注，数字指纹和篡改认证等。

就载体而言，自然图像由于其本身结构、编码等冗余度高，常见易得使用方 便等成为采用最多的隐写载体。以数字图像为载体的隐写技术也最有价值。其中 图像隐写又可在图像空间域、密文域和压缩域等不同层面进行，以图像的压缩编 码为载体的隐写即为压缩图像隐写。由于图像经过压缩编码后载体数据冗余性降 低，因此压缩图像中的隐写容量和隐写质量往往相对较弱。

AMBTC(Absolute Moment Block Truncation Coding)编码是一种简单有效 的快速有损图像压缩技术，相比JPEG等其他压缩编码，具有编码速度快，算法 复杂度低，占用资源少等特点，在实时图像传输领域中颇受重视。如SUN公司 的CellB视频格式、Xmovie和DEC公司的SMP等。AMBTC编码器首先将 需压缩图像划分成大小不重叠的块，对于每个子块计算像素均值，二进制位图B 将像素值大于等于均值的像素标识为1，反之为0。在该子块中，计算标识为1 的像素平均值，记为高均值h；计算另一类像素平均值，记为低均值l，(l,h,B) 三元组即为每个子块的编码。解码AMBTC压缩图像时，首先从码流中读取各 子块压缩码(l,h,B)，接着扫描位图B，值为1重建为高均值h反之则重建为低 均值l。

目前以AMBTC图像压缩编码为载体的隐写技术不多，在有损隐写方面， 主要思路如下。2006年Chuang等人利用平滑块高均值与低均值差异不大的性质， 直接将数据嵌入到平滑块的二进制位图中，但隐写图像质量下降严重；2008年， Hong等人通过高低均值之间的大小关系对应位图翻转来实现可逆隐写，不影响 图像质量但每个子块只能嵌入一个二元数据且当高低均值相等时改块不可用； 2010年Chen等人在Hong的基础上进一步改进，当高低均值相等时启用该块位 图用于嵌入数据以提高算法容量，但整体容量依然较小；2011年Hong等人又在 Chuang2006的基础上进一步改进位图，提高了图像质量...凡此种种创新点主要 集中在翻转高低均值和位平面或者替换或修改平滑块的位图上。利用待嵌入数据 替换平滑块位图是保障BTC域隐写容量很好的思路，但同时图像质量也下降严 重，保证容量的前提下，如何通过求得与所嵌入数据匹配的高低均值最优解以提 高图像质量是一个新的思路。

发明内容

发明目的：本发明的目的在于解决现有技术中存在的不足，本发明在平滑块 位图替换思路下，从分析高低均值对图像质量的影响入手，通过论证最低均方误 差而求得高低均值最优调整值，最终提供一种基于AMBTC高低均值最优化的压 缩图像隐写编码方法。

技术方案：本发明的一种基于AMBTC高低均值最优化的压缩图像隐写编码 方法，依次包括数据嵌入和数据提取两个步骤，其中，数据嵌入包括：

(1)评估图像块平滑度；

(2)嵌入数据；

(3)处理所有图像块并得到载密图像。

进一步的，所述步骤(1)的具体方法为：

对AMBTC压缩图像$I=\{l_i,h_i,B_i=\{b_i^1,b_i^2,...,b_i^m\}{\}}_{i=1}^n,$其中，(l_i,h_i,B_i)为 AMBTC三元组，参数l_i、h_i和B_i分别表示每个图像块的低均值、高均值和位图， n和m分别表示图像块的块数和块大小，当参数满足公式(1)时，判定块(l_i,h_i,B_i) 为平滑块，T为阈值，并将T作为共享密钥；

h_i-l_i≤T                   (1)。

进一步的，在步骤(2)中，取m位待嵌入数据并嵌入平 滑块(l_i,h_i,B_i)中，具体的嵌入步骤如下：

(2.1)统计位图$B_i=\{b_i^1,b_i^2,...,b_i^m\}$与所嵌数据$D_j=\{d_j^1,d_j^2,...,d_j^m\}$对应位的 变化情况k_pq表示满足条件的k的个数，显然，

(2.2)按照公式(2)，计算调整后的高低均值最优值(l′_i,h′_i)，

$\left(\begin{array}{c}{l}_i^{\prime }=(l_i\times k_{00}+h_i\times k_{10})/(k_{00}+k_{10})\\ h_i^{\prime }=(l_i\times k_{01}+h_i\times k_{11})/(k_{01}+k_{11})\end{array}\right)---\left(2\right)$

公式(2)中，当k₀₀+k₁₀＝0时，l′_i＝h′_i；当k₀₁+k₁₁＝0时，h′_i＝l′_i；

(2.3)用调整后的三元组(l′_i,h′_i,D_j)代替原三元组(l_i,h_i,B_i)，即完成m比特 数据$D_j=\{d_j^1,d_j^2,...,d_j^m\}$的嵌入。

进一步的，所述步骤(3)的具体方法为，按照步骤(2)当将所有图像块均 处理完成后，获得载密图像

进一步的，所述数据提取的具体方法为：

载密图像接收方根据公式(3)对步骤(3)所得载密AMBTC压缩图像 利用共享密钥T逐块检测，当块参数满足公式(3)时判定块 (l′_i,h′_i,B′_i)为载密块，否则丢弃，

h′_i-l′_i≤T                         (3)；

对载密块(l′_i,h′_i,B′_i)，直接提取其m位位图数据作为载密块 的嵌入数据。

进一步的，所述步骤(2.1)中参数k_ij的计算过程为：

其中，算子||为计算结合的基。

进一步的，所述步骤(2.2)中，通过高低均值最优值(l′_i,h′_i)，获得图像块 (l_i,h_i,B_i)与(l′_i,h′_i,D_j)之间的最小误差MSE，即：

MSE＝(k₀₀(l′_i-l_i)²+k₀₁(h′_i-l_i)²+k₁₀(l′_i-h_i)²+k₁₁(h′_i-h_i)²)/m       (5)。

通过公式(5)获得MSE后，将MSE对l′_i，h′_i分别求一阶二阶导数：

$\frac{\partial \mathrm{MSE}}{\partial l_i^{\prime }}=\frac{2}{m}{k}_{00}(l_i^{\prime }-l_i)+\frac{2}{m}{k}_{10}(l_i^{\prime }-h_i)---\left(7\right)$

$\frac{\partial \mathrm{MSE}}{\partial h_i^{\prime }}=\frac{2}{m}{k}_{01}(h_i^{\prime }-l_i)+\frac{2}{m}{k}_{11}(h_i^{\prime }-h_i)---\left(8\right)$

$\frac{{\partial }^2\mathrm{MSE}}{{\partial }^2{l}_i^{\prime }}=\frac{2}{m}{k}_{00}+\frac{2}{m}{k}_{10}---\left(9\right)$

$\frac{{\partial }^2\mathrm{MSE}}{{\partial }^2{h}_i^{\prime }}=\frac{2}{m}{k}_{01}+\frac{2}{m}{k}_{11}---\left(10\right)$

由于$\frac{{\partial }^2\mathrm{MSE}}{{\partial }^2{l}_i^{\prime }}\ge 0,\frac{{\partial }^2\mathrm{MSE}}{{\partial }^2{h}_i^{\prime }}\ge 0,$因此当$\frac{\partial \mathrm{MSE}}{\partial h_i^{\prime }}=0\frac{\partial \mathrm{MSE}}{\partial l_i^{\prime }}=0$时误差MSE 取最小值。

$\left(\begin{array}{c}\frac{2}{m}{k}_{00}(l_i^{\prime }-l_i)+\frac{2}{m}{k}_{10}(l_i^{\prime }-h_i)=0\\ \frac{2}{m}{k}_{01}(h_i^{\prime }-l_i)+\frac{2}{m}{k}_{11}(h_i^{\prime }-h_i)=0\end{array}\right)---\left(11\right)$

解联立方程组(11)可得公式(2)。

上述公式(7)～公式(11)的计算过程，即是：使MSE最小时的高低均值最 优值的求解过程。通过高低均值最优值即可获得图像块(l_i,h_i,B_i)与(l′_i,h′_i,D_j)之 间的最小误差。

进一步的，所述步骤(2.2)中，对平滑块(l_i,h_i,B_i)利用公式(2)将高低均 值(l_i,h_i)调整为(l′_i,h′_i)时，满足以下条件：

$h_i-l_i\le T\Rightarrow h_i^{\prime }-l_i^{\prime }\le T---\left(6\right).$

其证明过程如下：

$\left(\begin{array}{c}{h}_i^{\prime }-l_i^{\prime }\\ =(l_i\times k_{01}+h_i\times k_{11})/(k_{01}+k_{11})-(l_i\times k_{00}+h_i\times k_{10})/(k_{00}+k_{10})\\ =(h_i-l_i)\frac{k_{01}{k}_{10}-k_{00}{k}_{11}}{(k_{00}+k_{01})(k_{01}+k_{11})}\\ <(h_i-l_i)\\ <T\end{array}\right)---\left(12\right).$

有益效果：本发明首先对AMBTC压缩图像块的平滑度用高低均值差进行评 估，当高低均值差小于设定的阈值(密钥)则认定其为“平滑块”；然后对平滑 块的位图实施嵌入数据替换嵌入；最后根据所嵌入数据调整高低均值使得图像质 量达到最优。

本发明计算简单，便于实现，接收方只需要根据密钥甄别平滑块直接取出其 位图即为所嵌数据；并且本发明对计算资源需求小，使用方便，在实时领域以及 计算资源有限的移动终端等具有很好的应用前景。

附图说明

图1为本发明中数据嵌入的流程图；

图2为本发明中数据提取的流程图；

图3为本发明中Lena满载后解压图像的视觉质量对比图；

图4为本发明与现有技术的效果比较图；

图5为实施例的各个步骤的示意图：

其中，图3a为原始图像，图3b为满载后解压图像；图5a为实施例的8×8的灰 度图像；图5b为实施例的AMBTC压缩编码示意图；图5c为图5b解压缩的图像示 意图；图5d为实施例的待嵌入数据的示意图；图5e为实施例中T＝1时的载密压 缩码图；图5f为实施例的载密解压图。

具体实施方式

下面对本发明技术方案结合附图和实施例进行详细说明。

实施例1：

如图1和图2所示，本实施例的具体步骤如下：

数据的嵌入：

对如图5a所示的8×8的灰度图像进行AMBTC压缩编码，结果如图5b 所示，得到四个图像块：(161,162，B₁)、(157,162，B₂)、(157,162，B₃) 和(158,161，B₄)，设定阈值T＝1，当块参数满足h_i-l_i≤T时，可判定图 像块为平滑块，由此可见，本实施例中，块(161,162，B₁)为平滑块，而 图5b的解压图像如图5c所示。

将如图5d所示的16位待嵌入数据嵌入到平滑块(161,162，B₁)中， 具体步骤如下：

按照公式(4)统计位图$B_1=\{b_i^1,b_i^2,...,b_i^m\}$到嵌入数据$D_j=\{d_j^1,d_j^2,...,d_j^m\}$

的变化如表1，其中

表1具体实施方案k_ij统计

按照公式(13)计算调整后的高低均值最优值(l′_i,h′_i)＝(162,162)。

$\left(\begin{array}{c}{l}_1^{\prime }=(l_1\times k_{00}+h_1\times k_{10})/(k_{00}+k_{10})\\ =(161\times 2+162\times 7)/(2+7)\\ =162\\ h_i^{\prime }=(l_i\times k_{01}+h_i\times k_{11})/(k_{01}+k_{11})\\ =(161\times 2+162\times 5)/(2+5)\\ =162\end{array}\right)---\left(13\right)$

接着，用调整后的三元组(162,162,D₁)代替原三元组(161,162,B₁)，此时，

即完成了m＝16比特数据D₁的嵌入，得到如图5e所示的载密压缩图，图5e 的解压图像如图5f所示。

数据的提取：

接收方根据公式(3)，对如图5e所示的载密AMBTC压缩图像利用共享密钥 T＝1逐块检测，当块参数满足公式(3)时判定图像块为载密块，在本实施例中， 块1(162,162,D₁)为载密块，块2，块3和块4为非载密块。

对载密块(162,162,D₁)，直接提取其位图数据D₁作为嵌入数据。

为了检测本实施例的效果，从隐写容量和图像质量两方面进行实验和分析。 以512×512像素的常用标准测试图像为例，当T＝15,m＝16时，不同图像的隐写 容量及对应PSNR值如表2所示。其中Bits是所嵌入的数据长度，单位是比特， PSNR1是载密压缩图像解压与原图间的峰值信噪比，PSNR2是载密压缩图像解 压与非载密AMBTC编码直接解压图像的峰值信噪比。峰值信噪比值是伪装图像 视觉质量评价指标的一种量化参考，研究表明当两幅灰度图像间的峰值信噪比大 于30时人眼即分辨不出二者的区别。图3a和图3b为原始图像与满载后解压图像 (T＝4,m＝16)的视觉质量比较。

表2标准测试图像隐写容量及对应图像质量T＝15,m＝16

为更形象的表述实验结果及发明创造的有益效果，我们以Lena为例，将本 发明所提方法与Hong和Chuang的方法进行比较，如图4所示，横坐标是阈值T， 纵坐标是PSNR，即通过图4可以看出，在同等载荷下(阈值相同)本发明产生 的隐写图像质量显著提高。

此外，为了增强所嵌数据的安全性，还可以用加密算法在隐写之前对所嵌入 数据进行加密，采用密钥(种子)产生伪随机排列图像AMBTC压缩码块进行排 序，不同的密钥产生不同的图像AMBTC压缩码块的排列。这是一个庞大的信息 空间，不了解密钥的侵犯者很难破译。