王洋洋 和紅杰 陳 帆 張善俊

1(信號與信息處理四川省重點實驗室(西南交通大學) 成都 611756)

2(神奈川大學理學部信息科學科 日本神奈川県平塚市 2591293)(wyy.wang@foxmail.com)

可逆數(shù)據(jù)隱藏(reversible data hiding, RDH)[1]是一種特殊的數(shù)據(jù)隱藏方法，允許用戶將附加數(shù)據(jù)嵌入到載體圖像中，且授權用戶能夠完全可逆地從含密圖像中提取嵌入的附加數(shù)據(jù)并恢復出原始載體圖像.RDH要求嵌入數(shù)據(jù)后可以無差錯恢復出原始載體和附加數(shù)據(jù)[2]，且嵌入的數(shù)據(jù)對人眼是不可見的，已被應用在數(shù)字圖像版權認證[3]、存檔管理[4]及內容敏感載體，如軍事圖像、醫(yī)學圖像的內容安全和隱私保護等領域[5].

聯(lián)合圖像專家組(joint photographic experts group, JPEG)是目前互聯(lián)網(wǎng)上最流行的圖像格式之一[6]，其文件小、兼容性好且可通過可變的壓縮比控制文件大小，在網(wǎng)絡傳輸和云存儲中可節(jié)約帶寬與存儲空間.目前，JPEG圖像的RDH有3種常用方法：基于量化離散余弦變換(discrete cosine transform, DCT)系數(shù)修改的RDH[7-10]、基于量化表修改的RDH[11-13]和基于霍夫曼表修改的RDH[14-15].其中，第2種方法修改量化表破壞了JPEG文件大小和視覺質量之間的平衡，會導致含密圖像的文件大小顯著增加；第3種方法能保持較小的JPEG文件，但隱藏容量有限；第1種方法通過修改量化的DCT系數(shù)選擇一些特定系數(shù)用于嵌入附加數(shù)據(jù)，在保持較小的含密圖像文件大小的同時實現(xiàn)較高的隱藏容量和良好的視覺質量，且隨著嵌入數(shù)據(jù)的增加，視覺質量和文件大小能達到很好的平衡.因此，基于DCT系數(shù)修改的RDH受到關注，直方圖平移(histogram shifting, HS)作為空域RDH的主要嵌入方法之一，在JPEG圖像的應用成為DCT系數(shù)修改RDH的研究熱點[16].下面對JPEG圖像的HS算法詳細描述.

基于直方圖平移的JPEG圖像RDH首次由Huang等人[16]提出.在該方案中，量化后的DCT直流(direct current, DC)系數(shù)保持不變，生成量化后的DCT交流(alternating current, AC)系數(shù)直方圖，通過直方圖平移技術，將值為“±1”的AC系數(shù)作為峰值點擴展以嵌入附加數(shù)據(jù)，同時保留零AC系數(shù)不變.由于“±1”AC系數(shù)的高峰值性，該算法最大隱藏容量較其他方案有顯著提高.當附加數(shù)據(jù)長度小于最大隱藏容量時，為減小圖像的失真，該算法提出一種嵌入圖像塊選擇策略，根據(jù)附加數(shù)據(jù)的長度自適應選取零AC系數(shù)較多的DCT塊嵌入數(shù)據(jù).基于Huang算法[16]的塊選擇策略，Wedaj等人[17]提出改進方案，通過直方圖平移嵌入附加數(shù)據(jù)，在嵌入數(shù)據(jù)達不到最大隱藏容量時，為減少失真，設計一種嵌入頻率選擇策略.首先計算63個頻率的最大隱藏容量與相應的估計失真(即總移位AC系數(shù)數(shù)量之和與相應位置的量化表元素平方之積)的比值，記為嵌入效率，然后根據(jù)嵌入效率對頻率排序，優(yōu)先選取嵌入效率較高的頻率嵌入數(shù)據(jù).基于上述方案，Hou等人[18]綜合考慮嵌入不同頻率和DCT塊對失真的影響，提出基于模擬失真的嵌入塊選擇和頻率選擇策略.嵌入頻率選擇策略首先計算63個頻率的單位模擬失真，然后根據(jù)單位模擬失真將所有頻率按從小到大排序，嵌入數(shù)據(jù)時優(yōu)先選擇單位模擬失真較小的頻率.選擇頻率后，從量化DCT塊中根據(jù)選擇的頻率提取子塊并計算每個子塊的模擬失真，具有較小模擬失真的子塊將優(yōu)先用于嵌入數(shù)據(jù).

在嵌入數(shù)據(jù)長度小于最大隱藏容量時，上述基于直方圖平移的JPEG圖像RDH方案從嵌入不同頻率和DCT塊的角度分別提出不同的嵌入塊和頻率選擇策略，在保持高隱藏容量的同時能有效減小嵌入數(shù)據(jù)引起的圖像失真，提高了含密圖像的視覺質量.但這些方案未考慮嵌入附加數(shù)據(jù)而導致圖像文件大小擴展代價問題.為保證高隱藏容量的同時兼顧含密圖像的文件增量和視覺質量，本文提出一種基于失真-擴展代價的JPEG圖像RDH算法.在數(shù)據(jù)嵌入過程中，嵌入頻率選擇從圖像文件增量角度模擬并計算不同頻率的單位文件增量并優(yōu)先選取單位文件增量較小的頻率嵌入數(shù)據(jù).嵌入塊選擇時首先根據(jù)每個量化DCT塊中的零AC系數(shù)數(shù)量從大到小排序，然后對具有相同零AC系數(shù)數(shù)量的DCT塊再計算其平滑度并依此重排序，并優(yōu)先在平滑塊嵌入數(shù)據(jù).實驗結果表明，本文算法兼顧文件增量和視覺質量，在降低圖像文件增量的同時保持較高的視覺質量.

1 基于失真-擴展代價的JPEG圖像RDH

本文算法主要包括2部分：1)基于自適應頻率和塊選擇的數(shù)據(jù)嵌入;2)數(shù)據(jù)提取與圖像恢復.

1) 基于自適應頻率和塊選擇的數(shù)據(jù)嵌入.重點研究如何根據(jù)嵌入容量自適應選擇嵌入頻率和圖像塊，以最小化數(shù)據(jù)嵌入引起的含密圖像視覺失真和文件增量.原始JPEG圖像Io解碼得到DCT塊，根據(jù)頻率選擇策略和塊選擇策略對頻率和塊排序得到嵌入頻率排列Pe和嵌入塊排列Be，根據(jù)嵌入容量按Pe和Be的排列順序選擇頻率和塊通過直方圖平移嵌入數(shù)據(jù)，JPEG編碼后生成含密圖像Ie.

2) 數(shù)據(jù)提取與圖像恢復.含密JPEG圖像Ie解碼得到DCT塊，直方圖平移提取嵌入數(shù)據(jù)并恢復原始DCT塊，JPEG編碼后恢復原始圖像.下面對算法按2個部分詳細描述.

1.1 基于自適應頻率和塊選擇的數(shù)據(jù)嵌入

數(shù)據(jù)嵌入過程，對量化DCT系數(shù)執(zhí)行3步操作：根據(jù)嵌入頻率選擇策略選取數(shù)據(jù)嵌入的頻率；根據(jù)嵌入塊選擇策略選擇數(shù)據(jù)嵌入的圖像塊；通過HS根據(jù)嵌入容量實現(xiàn)自適應選擇頻率和塊嵌入數(shù)據(jù).上述3步驟具體操作描述為：

1) 根據(jù)文件增量模擬選擇嵌入頻率

Fig. 1 Comparison of DCT block before and after embedding data

基于HS在非零AC系數(shù)中選擇±1AC系數(shù)嵌入數(shù)據(jù)，此時±1AC系數(shù)被擴展攜帶附加數(shù)據(jù)，其他非零AC系數(shù)移位1，而其他非零AC系數(shù)的移位是無效移位，選取無效移位小的頻率嵌入數(shù)據(jù)可降低含密圖像的視覺失真和文件增量.非零AC系數(shù)通過HS嵌入數(shù)據(jù)不影響(RS,V)(中間格式)的數(shù)量，且游程R不變，僅AC系數(shù)值V可能變.尺寸S為V的VLI編碼碼長，S可能發(fā)生變化，在V=±(2N-1)，N=1,2,3…時嵌入數(shù)據(jù)后S+1.

為了更詳細說明數(shù)據(jù)嵌入前后的JPEG比特流變化，下面通過一個例子說明.如圖1(a)表示一個原始8×8DCT塊，zigzag掃描后AC系數(shù)游程編碼的中間格式為(01,1),(12,3),(03,4),(41,-1),(EOB).其中，EOB表示塊的結束.嵌入數(shù)據(jù)后，部分AC系數(shù)被修改，如圖1(b)所示，此時中間格式變?yōu)?01,1),(13,4),(03,5),(42,-2),(EOB).可看出當V為3和-1時，S由2變?yōu)?，由1變?yōu)?.熵編碼階段對RS執(zhí)行霍夫曼編碼，V執(zhí)行可變長度編碼.通過分析可看出是(13,4)和(42,-2)導致JPEG比特流增長，(03,5)不會.因此，JPEG比特流增長與2個因素有關：當V=±(2N-1)時V變化引起對V進行可變長度編碼時的增長和S變化引起對RS進行霍夫曼編碼時的增長.

熵編碼階段RS執(zhí)行霍夫曼編碼，R(0≤R≤15)取不同值嵌入數(shù)據(jù)時引起的比特流增長不同，這與AC系數(shù)熵編碼有關.基于AC系數(shù)霍夫曼編碼表及VLI編碼表設計實驗，計算當游程長度R不同，且AC系數(shù)值V增加導致尺寸S變化時的熵編碼長度差值.通過實驗測試，不同游程時的比特增長統(tǒng)計如表1所示:

Table 1 Statistics of Bitstream Increase in Different Run

表1中R表示游程長度，|V|表示VLI編碼時不同S的臨界值的絕對值，V=±(2N-1)，對于256級灰度圖像1≤N≤8，游程長度為R，且AC系數(shù)值處于臨界時，值V增加會導致尺寸S變化，熵編碼后比特長度發(fā)生變化，表1中數(shù)據(jù)即表示S變化時導致的比特增長.可看出，在嵌入±1AC系數(shù)時，R越大，比特流增長越多，因此，嵌入數(shù)據(jù)時應優(yōu)先選擇R較小的系數(shù).

上述分析從JPEG編碼方面解釋了數(shù)據(jù)嵌入引起比特流增長的原因，下文將提出基于文件增量模擬的頻率選擇策略.頻率選擇時，首先根據(jù)表1的統(tǒng)計結果模擬嵌入數(shù)據(jù)到所有DCT塊中不同頻率處引起的文件增量G(u,v)，然后計算單位文件增量UG(u,v)，最后優(yōu)先選擇單位文件增量小的頻率嵌入數(shù)據(jù).

Fig. 2 Image block distribution with the same number of zero AC coefficients of Lena image with QF=70

假設嵌入數(shù)據(jù)全為“1”，第n個DCT塊中頻率(u,v)由于嵌入數(shù)據(jù)引起的文件增量In1(u,v)表示為

(1)

其中，1≤n≤num，num為8×8 DCT塊數(shù)量，u和v為DCT塊的頻率且滿足0≤u≤7，0≤v≤7，L[R(S+1)]表示值為±1的AC系數(shù)嵌入數(shù)據(jù)后RS經(jīng)霍夫曼編碼后的比特流長度，L(RS)表示值為±1的AC系數(shù)原始RS經(jīng)霍夫曼編碼后的比特流長度，1為嵌入到±1AC系數(shù)時VLI編碼引起的比特增量.在AC系數(shù)值為±1時，S=1，In1(u,v)可用1+[L(R2)-L(R1)]表示.

In1(u,v)為嵌入數(shù)據(jù)引起的文件增量，第n個DCT塊頻率(u,v)無效移位引起的文件增量In2(u,v)表示為

(2)

其中，N=±2,±3,±4……表示除±1之外的其他非零AC系數(shù).

根據(jù)In1(u,v)和In2(u,v)可得到不同頻率的模擬文件增量G(u,v)

(3)

根據(jù)所有DCT塊中不同頻率的有效載荷C(u,v)和模擬文件增量G(u,v)，計算單位文件增量UG(u,v):

(4)

不同頻率的UG(u,v)計算完成后，根據(jù)UG(u,v)從大到小的順序對63個頻率排序，數(shù)據(jù)嵌入時優(yōu)先選擇UG(u,v)較小的頻率.

2) 根據(jù)塊平滑度選擇嵌入圖像塊

嵌入塊選擇時，首先根據(jù)每個DCT塊中零AC系數(shù)數(shù)量從大到小排序；然后再針對相同零AC系數(shù)個數(shù)的塊計算不同塊的平滑度并根據(jù)平滑度進行重排序；最后優(yōu)先選取較平滑的圖像塊嵌入附加數(shù)據(jù).

Huang算法的嵌入塊策略時僅根據(jù)每個DCT塊中的零AC系數(shù)數(shù)量排序，再根據(jù)嵌入量確定閾值選取零AC系數(shù)數(shù)量大于該閾值的塊嵌入數(shù)據(jù).這種方法未考慮到零AC系數(shù)數(shù)量相同的圖像塊有很多的情況，選取平滑圖像塊不精確.如圖2表示質量因子為70的Lena圖像中零AC系數(shù)個數(shù)相同的圖像塊的個數(shù)分布，可看出零AC系數(shù)數(shù)量為59的圖像塊最多有400個，因此僅通過零AC系數(shù)數(shù)量判斷平滑塊是不準確的.針對這個問題，本文提出一種更加精確的圖像塊平滑度計算公式.

由于原始圖像經(jīng)DCT變換后能量大部分集中在左上角DC系數(shù)上，其他頻率變得很小，且直方圖平移嵌入僅在AC系數(shù)中嵌入數(shù)據(jù)，DC系數(shù)不發(fā)生變化，因此為保證算法的可逆性，每個DCT塊中的DC系數(shù)被用來計算圖像塊(i,j)的平滑度S(i,j):

(5)

其中，DC(i,j)表示圖像塊(i,j)的DC系數(shù)，N表示(i,j)的4個相鄰塊(UP，RT，DW和LF)個數(shù)，具體4個相鄰塊位置如圖3所示.N(i,j)分別對應UP坐標(i-1,j)，RT坐標(i,j+1)，DW坐標(i+1,j)和LF坐標(i,j-1).DC(i′,j′)為對應位置圖像塊的DC系數(shù).

Fig. 3 Adjacent block diagram of smoothness calculation

3) 數(shù)據(jù)嵌入步驟

CCUS（碳捕集、利用和封存）是近年來國際社會應對氣候變化的熱點問題。數(shù)據(jù)顯示，近150年左右，大氣中的二氧化碳含量大幅度增長，由工業(yè)革命前的280mg/L上升至目前的396mg/L，導致全球氣溫上升。全球碳捕集研究院發(fā)布報告預警稱，如果碳排放沒有大幅度減少，預計到本世紀末全球升溫超過2℃，極端天氣和自然災害將更加頻發(fā)。

數(shù)據(jù)嵌入時，首先對原始JPEG圖像Io解碼；然后分別根據(jù)嵌入頻率和塊選擇策略選擇嵌入頻率和圖像塊；最后通過HS嵌入數(shù)據(jù)后編碼生成含密JPEG圖像Ie.具體操作描述為：

步驟2. 嵌入頻率排序.根據(jù)嵌入頻率選擇策略計算不同頻率(u,v)的單位文件增量UG(u,v)；然后根據(jù)UG(u,v)從大到小的順序對全部頻率排序得到頻率排列Pe.

(6)

其中，F(xiàn)(u,v)表示頻率為(u,v)的原始DCT系數(shù)，F(xiàn)′(u,v)為嵌入數(shù)據(jù)后的系數(shù)，b∈{0,1}為附加數(shù)據(jù).

1.2 數(shù)據(jù)提取與圖像恢復

步驟2. 提取輔助信息.從JPEG頭文件APPn字段提取輔助信息，包括附加數(shù)據(jù)長度L、選取的最后一個嵌入塊在Be中的排列位置Plb和嵌入頻率Pec.

(7)

(8)

其中，F(xiàn)′(u,v)表示頻率為(u,v)的含密圖像DCT系數(shù)，F(xiàn)″(u,v)為恢復的DCT系數(shù).

2 實驗與結果

Fig. 4 Four test images

本節(jié)通過實驗分析本文算法性能.實驗中秘密數(shù)據(jù)隨機生成，測試圖像從圖像庫[19]選取4幅大小為512×512的JPEG灰度圖像,如圖4所示：Lena,Baboon,Airplane和Man，質量因子(quality factor,QF)分別取70,80,90，使用IJG工具箱[20]優(yōu)化的霍夫曼表壓縮.主要從含密圖像的文件擴展、視覺質量和算法時間復雜度3方面對本文算法對比分析.其中，通過計算原始圖像和含密圖像之間的峰值信噪比(peak signal to noise ratio，PSNR)作為評估含密圖像視覺質量的度量，單位為dB；文件擴展用含密圖像文件增量(increased of file size，IFS)和單位數(shù)據(jù)嵌入增量(unit increase of file size，UIFS)衡量，IFS計算為

IFS=Se-So，

(9)

其中，Se為嵌入C位數(shù)據(jù)后的JPEG圖像Ie的文件大小，So為原始JPEG圖像Io的文件大小.因此單位數(shù)據(jù)嵌入增量UIFS為

(10)

2.1 圖像文件擴展

JPEG圖像RDH方案中，含密圖像的文件增量是一個重要的算法性能評估指標，文件增量越小，說明嵌入數(shù)據(jù)前后載體圖像的文件尺寸變化越小，利于網(wǎng)絡傳輸?shù)耐瑫r也可提高數(shù)據(jù)隱藏的安全性，相應算法性能越好.為驗證本文算法性能，選擇Huang算法[16]和Hou算法[18]進行比較分析.4幅測試圖像在不同質量因子和嵌入容量時的性能對比如表2所示.圖5～7以Lena,Baboon,Airplane圖像為例，給出不同質量因子和嵌入容量的單位增長量對比圖.其中橫坐標表示嵌入容量C，縱坐標表示單位文件增長UIFS.可以看出，本文算法能夠有效降低含密圖像的單位文件增長，在降低圖像文件擴展方面，優(yōu)于Huang算法和Hou算法，且嵌入數(shù)據(jù)越多，文件增量越大.另外，隨著質量因子的增加，本文算法優(yōu)勢更大，質量因子為90時本文算法的單位文件增長平均值較Huang算法和Hou算法降低0.15～0.25.主要原因是，Huang算法選擇嵌入圖像塊時僅根據(jù)每塊中零AC系數(shù)數(shù)量對所有塊排序，根據(jù)提出的自適應塊選擇策略選取零AC系數(shù)較多的塊嵌入數(shù)據(jù)，但忽略了每塊中不同頻率的修改成本不同問題，選擇在全部頻率嵌入數(shù)據(jù)必定會使嵌入數(shù)據(jù)引起的視覺失真增大，也會增大含密圖像的文件增量.而本文算法根據(jù)頻率選擇策略對不同頻率的失真擴展代價進行模擬，嵌入數(shù)據(jù)時優(yōu)先選取模擬文件增量較小的頻率嵌入，而不是全部頻率嵌入，因此本文算法文件增量更小；另外，Hou算法的塊選擇和頻率選擇策略僅從視覺失真的角度對嵌入不同塊和頻率造成的視覺失真進行模擬，嵌入數(shù)據(jù)時優(yōu)先選取單位模擬失真較小的塊和頻率位置，卻沒有考慮圖像文件擴展代價問題.而本文算法的頻率選擇策略模擬不同頻率的單位文件增量，且嵌入塊選擇時引入更精確的平滑度計算公式，優(yōu)先選取單位文件增量較小的頻率和較平滑的塊嵌入數(shù)據(jù)，因此本文算法文件增量更小.

Table 2 Performance Comparison of Four Test Images with Different Effective Embedding Payloads

Fig. 5 Comparison of UIFS of marked Lena image under different embedding payloads

Fig. 6 Comparison of UIFS of marked Baboon image under different embedding payloads

Fig. 7 Comparison of UIFS of marked Airplane image under different embedding payloads

Fig. 8 Comparison of UDIR of marked Lena image under different embedding payloads

Fig. 9 Comparison of UDIR of marked Baboon image under different embedding payloads

Fig. 10 Comparison of UDIR of marked Airplane image under different embedding payloads

2.2 視覺質量與文件增量的平衡

含密圖像的視覺質量是衡量算法性能的重要指標之一，通常用PSNR度量.PSNR越高，說明含密圖像視覺質量越好，數(shù)據(jù)隱藏的安全性也越高，相應的算法性能越好.從表2可以看出，嵌入容量越大，含密圖像的PSNR越??；質量因子越大，含密圖像的PSNR越大.由此可見，用戶可通過嵌入較少的數(shù)據(jù)或采用質量因子較高的JPEG載體圖像以獲得較好的含密圖像視覺質量.

一個好的JPEG圖像可逆信息隱藏算法，應該綜合考慮含密圖像的視覺質量和文件增量.為定量比較算法兼顧視覺質量和文件擴展的性能，定義單位失真-增長比(unit distortion-increase ratio，UDIR)為

(11)

其中，Io和Ie分別為嵌入數(shù)據(jù)后的JPEG圖像和原始JPEG圖像.分子用來評價嵌入數(shù)據(jù)后載體圖像的質量或失真(即PSNR)，其值越小表示含密圖像失真越大，分母UIFS是根據(jù)式(10)計算得到的單位數(shù)據(jù)嵌入增量.視覺失真越小(即PSNR越高)，單位文件增量越小，對應的UDIR值越大，說明視覺質量和文件擴展之間的兼顧性越好，相應的算法性能越好.

圖8～10以Lena,Baboon和Airplane圖像為例，給出不同質量因子和嵌入容量的UDIR，并與Huang算法和Hou算法對比.其中橫坐標表示嵌入容量C，縱坐標為單位失真-增長比UDIR.可看出，本文算法UDIR高于Huang算法和Hou算法，說明本文算法在含密圖像視覺質量和文件增量之間的兼顧性能更好.主要原因是，Huang算法僅通過每塊中零AC系數(shù)數(shù)量對所有塊排序并根據(jù)嵌入容量自適應選取，而本文算法在Huang算法的基礎上引入平滑度計算公式，提高了圖像塊平滑度衡量的精確度，同時在模擬文件增量較小的頻率嵌入數(shù)據(jù)，減少了直方圖平移無效移位引起的失真，因此本文算法兼顧性能更好.另外，Hou算法的嵌入塊選擇和頻率選擇策略都是根據(jù)模擬數(shù)據(jù)嵌入數(shù)據(jù)引起的視覺失真選擇模擬失真較小的塊和頻率嵌入數(shù)據(jù)，僅考慮降低視覺失真，在文件增量方面未進行有效控制，因此本文在文件增量方面和含密圖像視覺質量和文件增量的平衡兼顧方面均優(yōu)于Hou算法.

2.3 算法時間復雜度

JPEG圖像RDH算法主要包括數(shù)據(jù)嵌入和數(shù)據(jù)提取與圖像恢復2個階段，算法的運行速度決定了該算法的現(xiàn)實意義，時間復雜度低的算法更適用于現(xiàn)實的應用場景.本文算法采用直方圖平移的數(shù)據(jù)嵌入方法，下面對本文數(shù)據(jù)嵌入算法的時間復雜度分析，并選取同樣采用直方圖平移嵌入方法的Huang算法和Hou算法作對比.實驗運行環(huán)境如下：軟件系統(tǒng)為Windows10操作系統(tǒng)(家庭中文版)、MATLAB 2016a；硬件配置為Intel?CoreTMi7-8700 CPU@3.2 GHz 3.19 GHz，8.00 GB內存(7.9 GB可用)，64 b操作系統(tǒng).

實驗測試圖像為大小512×512的pgm灰度圖像，采用IJG工具箱[20]壓縮，取質量因子為70,80和90，嵌入10 000 b數(shù)據(jù)，運行時間統(tǒng)計10次求取平均值，實驗結果如表3所示.

可以看出，Huang算法運行時間最短，主要原因是Hou算法是通過窮舉所有頻率的方式求最優(yōu)解，而Huang算法則是一次求解.本文算法是對Hou算法的改進，在質量因子為70,80和90時的平均運行時間為5.01 s,5.1 s和5.29 s，另外在紋理圖像數(shù)據(jù)嵌入運行時間比平滑圖像長，平均運行時間較Hou算法降低71.66%.

Table 3 Comparison of Time Complexity of Data Embedding Algorithms

3 總 結

本文提出一種基于失真-擴展代價模擬的JPEG圖像可逆信息隱藏算法.本文算法的嵌入頻率選擇策略從圖像文件擴展代價方面計算不同頻率的單位模擬文件增量并優(yōu)先選取單位模擬文件增量較小的頻率嵌入數(shù)據(jù)；嵌入塊選擇時考慮視覺失真問題首先根據(jù)每塊中零AC系數(shù)數(shù)量排序，對于具有相同零AC系數(shù)數(shù)量的塊計算其平滑度并重排序，優(yōu)先選取平滑塊嵌入數(shù)據(jù).實驗結果表明：本文算法在含密圖像的文件增量和視覺質量的兼顧性能優(yōu)于現(xiàn)有算法，有效降低含密圖像文件增量的同時保持較高的視覺質量.