信息安全---直方图平移的可逆信息隐藏介绍

直方图平移的可逆信息隐藏

摘要：可逆数据隐藏（RDH）也被称为无损或可逆数据隐藏，已逐渐成为数据隐藏领域非常活跃的研究领域。本文介绍了多种基于直方图平移的可逆信息隐藏算法，并对各种算法的技术发展历史，现状进行了分析，并对未来可能的研究进行了展望。 预计基于直方图平移的可逆信息隐藏技术及其在实际中的应用将继续得到发展。
关键词： 可逆信息隐藏 直方图平移

数据隐藏在过去的二十几年内受到人们的广泛关注。这种是一种将秘密信息嵌入到明文媒介并且能确保接收者能够提取出正确信息的一种技术。但是对于大多数信息隐藏理 论，在嵌入数据的过程中明文媒介遭到破坏，并且提取数据后不能恢复原始图像。在一些敏感场合，这些数据的失真是不允许出现的。为了解决这一问题，可逆信息隐藏(reversible data hiding in encrypted image, RDH-EI)被提出。现有的传统可逆信息隐藏技术主要分为三类：基于无损压缩的可逆信息隐藏算法，基于直方图平移的可逆信息隐藏算法和基于差值扩展的可逆信息隐藏算法。
（1）基于无损压缩的可逆信息隐藏。早期的可逆信息隐藏算法主要采用无损压缩的方法，这类算法的思想是对原始图像进行无损压缩，产生冗余信息， 使用冗余位置来隐藏数据，这类算法的隐藏容量受到压缩效率的限制。Fridrich等人提出了将图像分为8个二值位平面，然后选择对图像影响最小的LSB平面进行压缩，隐藏数据。Goljan等人提出了R-S方案：首先将图像分块，然后根据区分函数将块分为：合格（R）、异常（S）、不可使用（U）三类，将R-block用1来代表，将S-block用0来代表 产生了RS矢量。然后对于每一个R、S块，根据要嵌入的位来判断该块是否进行反转操作或者保持不变来嵌入数据。为了提高嵌入容量，Xuan提出了一种基于整数小波变换的可逆信息隐藏算法（IWT）。Celik等人在Fridrich基础之上提出了广义最低有效位压缩理论，压缩性能大大提高，增大了隐藏容量。
（2）基于差值扩展的可逆信息隐藏。最早的基于误差扩展的思想是由Tian等人提出来的，该算法主要利用图像像素之间的相关性，尤其是相邻像素之间，其思想来源于整数哈尔小波变换。比较之前的算法无论是从容量还是视觉上都取得了较大的进步，但是Tian的算法利用两两像素之间的关系，隐藏容量较小。Alatter等从INTEGER-TO-INTEGER TRANSFORMATION (IT)的观点中提出了一种更普遍的差值扩展算法，该算法将差值扩展的思想应用于多个像素组成的矢量中，使得每n个像素产生n-1差值，最多嵌入n-1比特的隐秘信息，该算法得到一个更高的容量。缺点是没办 法控制嵌入容量导致的图像质量的损失，有可能在隐藏小容量的信息时已经导致图像质量的较大损失。Thodi和Rodriguez提出了预测误差扩展（PEE）的可逆信息隐藏算法，主要是通过预测器来预测相关像素的像素值，从而减小用来扩展的差值，图像质量得以维持。PEE的大致过程如下：
1） 由像素x根据其右、下、对角线的像素值来得到预测值x’。
2） 计算预测误差e=x-x’
3） e扩展为e*=2e+m m属于（0 1）；
以上过程完成了数据前嵌入，提取过程为 ：首先解码器确定预测值x’，嵌入数据后的像素值变为y，嵌入后的预测误差e*=y-x’,嵌入数据从e*的LSB中提取。
（3）直方图平移技术。直方图平移技术是应用于可逆信息隐藏领域非常成功的算法之一。本文主要介绍几个比较重要新颖的直方图平移技术算法以及他们的发展过程。

1. 直方图平移可逆信息隐藏算法

直方图平移技术作为可逆信息隐藏的重要组成部分，最先由NI等人在文献[1]中提出。我们现在介绍Ni等人基于HS的RDH。算法流程如下：
1) 首先得到原始图像的直方图，并找到一个零点和一个最大点。
2) 在直方图中找到的零点对应的像素值是z，最大点对应的像素值是m，这样，对图像的像素点按顺序扫描，如果像素点的值在m+1和z-1之间(包含这两个值)，则该像素的值加1，这样将使得像素值为m+1的点的个数为零。
3) 对图像进行再次按照顺序扫描，如果像素的值是m，而且待隐藏的数据位是1，则像素值加1，否则，如果待隐藏的数据位是0，则像素值不变。
4）对图像进行再次按照顺序扫描，如果该像素的值是m，则提取一个信息位为0，如果是m+1，则提取的信息位为1，直到将图像数据扫描完成。这样，就完成了隐藏信息的提取。
5） 原始图像的恢复：顺序扫描图像，将像素值介于 m 和 z-1 之间的值都减 1，这样原始图像就得到了完全恢复。
图（1）表述了直方图平移算法的规则。图中黑色点所代表的像素值被平移。红色点代表峰值像素，如果嵌入数据为 1，则向左平移，如果嵌入数据为 0，则保持不变。蓝色点所代表的像素值保持不变。

图1.直方图平移过程
图（2）描述了原始图像的直方图、嵌入数据前和嵌入数据后的直方图。这种简单而有效的方法可以说明基于 HS 的 RDH 方案的一般机制。当生成直方图后，一部分直方图将被平移，空出一个位置并且通过填充这个空出的位置来嵌入数据。

图2.直方图嵌入

2. 差值直方图平移算法

到目前为止，NI 的直方图平移可逆信息隐藏技术已经被人们广泛研究。直方图平移算法允许嵌入的水印量依赖于图像自身的灰度分布，一副灰度值分布较为集中的图像可以嵌入较多水印，而灰度值分布较平均的图像可嵌入的水印量就非常有限[2]。针对这一点许多基于直方图平移的扩展技术被提出。其中最重要的一个算法是差值直方图平移技术。差值直方图平移技术首先被 Leest 在文献[3]中被提出。我们知道，直方图平移技术信息隐藏容量取决于直方图的峰值，只要能获得更高的峰值，我们就可以嵌入更多的信息量。Lin 在文献［4］ 中利用自然图像中相邻像素的值相近的特点，构建了差值直方图。通过对差值直方图平移来嵌入水印，有效地提高水印的嵌入容量。我们现在来简单介绍一下 Lin 的差值直方图平移算法。 一般来说，对于任意一个自然图像，图像内相邻像素的值非常接近。基于这个原理，Lin 算法首先构建了差值图像，其像素的值为原图像中相邻像素的差，如式( 1) 所示：
D( m，n) = | D( m，n) -D( m，n +1) | 0≤m≤M-1 0≤n≤N-2 (1)
由于差值图像中大部分像素的值接近 0，因此产生的差值直方图具有更大的峰值。利用差值直方图平移来嵌入水印，能够大幅提高水印的嵌入容量。
我们用几个矩阵来阐述该算法嵌入数据及提取数据的具体过程。
数据嵌入过程：假设我们要嵌入的信息为 1010，Hb 为原始图像，Db 是求差值后的像素值，扫描 D’b 如果待嵌入信息为 1 且 D’b 为峰值点对应的像素值‘0’时，那么将 0+1=1；如果待嵌入信息为 0 时，像素值不变。得到 D”b。根据 D”与 Hb 生成嵌入数据后的图像 Sb。


数据提取过程为嵌入过程的逆过程。首先接受者接收到嵌入数据后的图像Sb 并且求差值得到 D-Sb。扫描 D-Sb, 如果遇到峰值点对应的像素‘0’，提取信息‘0’，如果遇到‘1’，提取信息‘1’。这样 1010 信息就被正确提取出来。

3. 分块图像直方图平移算法及压缩灰度直方图平移算法

除了通过求差值来获取更高的峰值之外，Fallashpour 和 Sedaaghjz 在文献[5]中将原始图像分块，每块按照 NI 的直方图平移的方法来进行数据嵌入，同样提高了峰值像素已达到提升嵌入容量的目的。他们的数据嵌入与数据提取方法与NI 的一致。在 NI 的算法中使用了一对峰值和零点像素。P 代表整个图片的峰值像素，峰值为 h§。他们提出的算法首先将图片分成 Nb 块。每块中的峰值像素可能会有不同，假设第 i 块的峰值为 hi§,那么我们可以得到不等式（2）。

因此将图像分块，对每一块采用直方图平移的方法同样能够提高潜入容量。我们可以发现直方图平移可逆信息隐藏提高嵌入容量的核心思想就是设法增大图像的直方图峰值。基于这个核心思想 Tanwi Biswas 等人在文献[6]中提出了一种基于压缩灰度直方图平移的可逆信息隐藏技术。该算法在嵌入数据前对原始图像的像素进行取根号压缩，达到将大多数像素值集中起来以获得更高峰值的目的。该算法的过程如下：
先将原像素值求根号，在进行四舍五入。得到的处理后的图像进行直方图平移及信息嵌入，嵌入信息后的像素进行四舍五入取整，得到嵌入隐藏信息的图像。具体过程可用下图矩阵来表示：

信息提取过程为嵌入过程的逆过程，我们首先得到潜入数据后的图像，对该图像像素值求根并且四舍五入取整，得到处理后的图像，我们在嵌入数据时嵌入的是 101010，扫描四舍五入取整后的处理图像每当遇到像素值’3’则提取信息‘1’，遇到像素值‘2’则提取信息‘0‘，并且进行直方图恢复。这样我们就可以提取出正确信息 101010，并且完全的恢复出原始图像。具体过程如下图：

该算法虽然可以大幅提高 NI 在文献[1]中的算法的嵌入容量，但是嵌入数据后对原始图像破坏较大，潜入数据后的图像与原始图像的 psnr 值有待提高，并且数据溢出问题需要解决。

4. 结论

本篇文章主要介绍了基于直方图平移可逆信息隐藏及其扩展的几种算法，这些算法主要围绕提高直方图平移算法的直方图峰值来提高嵌入容量。嵌入容量的提升往往伴随着含秘图像质量的下降。关于直方图平移技术图像质量的提升，需要与预测误差（PEE）技术相结合，该技术（HS-PEE）也已经经过了多年的发展。直方图平移可逆信息隐藏技术作为信息隐藏领域重要的研究方向，目前还仍然处于研究阶段。

5. 参考文献

[1] Z. Ni, Y.-Q. Shi, N. Ansari, W. Su, Reversible data hiding, IEEE Trans. CircuitsSystems Video Technol. 16 (3) (2006) 354–362.
[2] 刘芳，汪玉凯. 一种基于差值直方图平移的多层可逆水印算法[J].计算机应用与软件. 2014(1):303-307
[3]S.-K. Lee, Y.-H. Suh, and Y.-S. Ho, ``Reversiblee image authentication based on watermarking,‘’ in Proc. IEEE Int. Conf. Multimedia Expo,Jul.2006, pp. 13211324.
[4] Lin Chiachen，Tai Weiliang，Chang Chinchen． Multilevel reversible dwata hidwing based on histogram modwification of dwifference images［J］Pattern Ｒecognition，2008( 41) : 3582 3591
[5] Tanwi, Biswas. “A New Method of Reversible Data Hiding Based on Compressed Gray
Level Histogram Shifting”[C]. IEEE: 2016.

[6] M. Fallahpour and M. H. Sedaaghi, ``High capacity lossless data hiding based on histogram modication,‘’ IEICE Electron. Exp., vol. 4, no. 7,pp. 205210, 2007.
[7] Z. Ni, Y.-Q. Shi, N. Ansari, W. Su, Reversible data hiding, IEEE Trans. CircuitsSystems Video Technol. 16 (3) (2006) 354–362.