论文简述Reversible Data Hiding in Encrypted Images with Two-MSB Prediction加密图像可逆信息隐藏算法-CSDN博客

本文链接：https://blog.csdn.net/m0_46948660/article/details/129838056

文章介绍了使用中值预测器进行图像压缩，并通过位图记录预测误差。图像加密采用了Logistic混沌系统，确保加密效果。信息隐藏通过在预测正确位置嵌入数据，在错误位置标记，实现无损恢复。同时讨论了如何根据不同的密钥情况提取图像或秘密信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一误差预测所用方法

1.中值预测器

使用中值预测器MED(Median Edge Detector)，对图中x的左、上和左上三个相邻像素，预测出x的预测值px。

2.根据预测误差产生的位图(Location binary map)

位图(Location binary map)，可以理解为记录错误位置的图/能找到预测错误位置的地图。

此处的位图标记原始值x和预测值px前两位MSB的预测错误。

用数学详细来讲就是：

然后查看 $x^{MSB}$ 与 $p^{MSB}$ 是否相等，相同则位图标记为0否则标记为1。

二图像加密原理

1.图像加密原理

对单个像素：

像素位置为(i, j)。

首先将0到255范围的像素转化为二进制。用数学表示就是：

下括号表示向下取整，mod表示取余。

然后用加密密匙生成伪随机序列 $r^k_{(i,j)}$ ，长度算得出来，对于大小为(M, N)的单通道灰度图片，随机序列长度为 $8MN$ 。

用加密序列与图像进行异或，得到加密图像 $e^k_{(i,j)}$ 。

ⓧ表示按位异或

不用说，加密图像的十进制表示可以计算出来。

2.初学建议采用 Logistic混沌加密

直接贴代码：

def crypt(im, miu, x0):
    '''
    logistic混沌加密
    :param im: 待加密图像
    :param miu: μ参数
    :param x0: x0参数
    :return: 返回密文图像
    '''
    h, w = im.shape
    c_ = np.zeros_like(im)
    c_[0][0] = x0
    c=[]
    c.append(x0)
    result = np.zeros_like(im)
    result[0][0] = (x0 * pow(2, 48)) % 256
    for x in range(1, h * w):
        i = x // w
        j = x % w
        c.append(miu * c[x - 1] * (1 - c[x - 1]))
        c_[i][j] = (c[x] * pow(2, 48)) % 256
    for i in range(h):
        for j in range(w):
            result[i][j] = im[i][j] ^ c_[i][j]
    return result

简单讲一下要注意的：

要保证加密效果，miu参数和x0参数得在一下范围：

① $0 < X_0 < 1$