楊 楊，黃艮燕，鄒天銳

(安徽大學(xué) 電子信息工程學(xué)院，安徽 合肥 230039)

目前，圖像中的安全信息隱藏方案已在數(shù)字水印、秘密通信、所有權(quán)保護(hù)等領(lǐng)域得到了有效應(yīng)用. 圖像信息隱藏可以分為可逆信息隱藏(reversible data hiding,簡(jiǎn)稱RDH)和不可逆信息隱藏. 在某些特殊情況，例如醫(yī)學(xué)圖像、軍事圖像和法律取證，為了能完整恢復(fù)載體圖像，RDH 技術(shù)成為信息隱藏研究的主流方向. 當(dāng)前 RDH 技術(shù)大致可歸為4類：基于壓縮的 RDH、基于差值擴(kuò)展的 RDH、基于直方圖平移(histogram shifting, 簡(jiǎn)稱HS)的 RDH、基于預(yù)測(cè)誤差擴(kuò)展(prediction error expansion, 簡(jiǎn)稱PEE)的 RDH. Fridrich等提出將灰度圖像分解為二進(jìn)制位平面，將具有最大冗余度的位平面進(jìn)行壓縮并利用壓縮的空間嵌入信息. 為了提高嵌入容量，Tian提出差值擴(kuò)展的 RDH 方法，將圖像分為

N

個(gè)像素對(duì)并對(duì)每個(gè)符合條件的像素對(duì)隱藏1 bit 信息.

然而上述方法主要是以灰度圖像為載體，并不完全適用于彩色圖像上. 由于彩色圖像廣大的豐富應(yīng)用場(chǎng)景，彩色圖像逐漸成為研究的重點(diǎn). Li 等提出一種基于通道間相關(guān)性的 RDH 算法，該算法通過(guò)利用另一個(gè)顏色通道的邊緣信息來(lái)提高一個(gè)顏色通道的預(yù)測(cè)精度. Ou等利用通道間相關(guān)性進(jìn)行有效載荷劃分和自適應(yīng)嵌入以實(shí)現(xiàn)最小失真. Yao等提出通過(guò)彩色圖像通道間相關(guān)性并結(jié)合引導(dǎo)濾波來(lái)提高預(yù)測(cè)性能.Hou等提出一種 RDH方案，該方案在嵌入后保持載密圖像的灰度值與載體圖像的灰度值相同. 然而這些算法并未充分考慮到彩色圖像的通道相關(guān)性問(wèn)題，需要進(jìn)一步研究.

為了充分利用通道間的相關(guān)性，論文提出一種基于自適應(yīng)分塊的彩色圖像RDH算法. 首先，提出結(jié)合R,G,B 3個(gè)通道間的像素進(jìn)行自適應(yīng)分塊以建立多個(gè)直方圖，從而在小嵌入率下有效減少平移失真； 其次，提出一種自適應(yīng)的嵌入容量分配原則，根據(jù)3個(gè)通道的平滑特性，選擇在預(yù)測(cè)最準(zhǔn)的通道嵌入更多信息以提高載密圖像的視覺(jué)質(zhì)量； 最后，提出了一種符合人眼視覺(jué)特性的 B-R-G 嵌入原則，按照人眼的視覺(jué)特性先后在 B,R,G 3個(gè)通道內(nèi)嵌入信息. 其中，主要的創(chuàng)新點(diǎn)為：①提出了一種基于通道相關(guān)性的自適應(yīng)分塊方式以減少平移失真；②提出了一種自適應(yīng)的嵌入容量分配原則以充分利用區(qū)域的平滑特性；③提出了一種新的B-R-G 嵌入原則以滿足人眼的視覺(jué)特性. 對(duì)比所比較的彩色圖像RDH，所提出的方法明顯提高了圖像的視覺(jué)質(zhì)量，實(shí)現(xiàn)了更高的PSNR(peak signal-to-noise ratio)值.

1 基于自適應(yīng)分塊的RDH算法

目前，已有學(xué)者將通道間相關(guān)性應(yīng)用到彩色圖像RDH，然而，仍有一定改進(jìn)空間. 已有的算法大多是在預(yù)測(cè)及嵌入階段考慮到通道相關(guān)性. 對(duì)于彩色圖像，R，G，B 3個(gè)通道圖像不同，內(nèi)容也就不同，預(yù)測(cè)效果也自然不同. 同時(shí)，不同的通道下嵌入相同的信息，對(duì)人眼的視覺(jué)影響也有所不同. 故論文考慮將圖像以圖像塊的方式進(jìn)行信息隱藏，分塊時(shí)利用通道相關(guān)性，同時(shí)在嵌入容量及嵌入順序上均將通道相關(guān)性考慮在內(nèi). 因此，論文提出一種基于自適應(yīng)分塊的彩色圖像RDH算法. 分塊時(shí)充分考慮通道間的相關(guān)性，可以有效區(qū)分出平滑塊與非平滑塊，進(jìn)而有效分配嵌入容量. 首先將圖像按照復(fù)雜度進(jìn)行分塊，繼而對(duì)分塊后的圖像塊依次進(jìn)行排序，考慮到R,G,B 3通道在一定程度上其平滑特性不同，在預(yù)測(cè)時(shí)有著不同的預(yù)測(cè)結(jié)果，故論文依照?qǐng)D像的平滑度對(duì)圖像塊進(jìn)行嵌入量分配，并按照B-R-G的嵌入順序進(jìn)行信息嵌入. 具體流程如圖1所示.

圖1 基于自適應(yīng)分塊的彩色圖像RDH算法流程圖

1.1 基于通道相關(guān)性的自適應(yīng)分塊

通常，基于彩色圖像的RDH算法大多在預(yù)測(cè)和嵌入階段利用通道相關(guān)性. 為了更有效地提高圖像質(zhì)量，論文考慮將彩色圖像進(jìn)行分塊處理，通過(guò)建立多個(gè)直方圖的方式有效減少平移失真. 分塊時(shí)，利用通道的相關(guān)性將R,G,B 3個(gè)通道的像素值進(jìn)行結(jié)合，從而更合理地進(jìn)行分塊. 具體的分塊操作如下：

圖2 復(fù)雜度計(jì)算區(qū)域示意圖

為了更好地利用彩色圖像像素間的相關(guān)性，考慮到亮度轉(zhuǎn)化公式

(1)

(2)

cp

=

X

×log2(

M

)，

(3)

其中：

M

為G通道圖像塊的尺寸，

X

表示閾值，實(shí)驗(yàn)中通過(guò)控制

X

的值以得到不同的分塊結(jié)果，具體

X

值的作用將在實(shí)驗(yàn)部分進(jìn)行展示.

(4)

隨之，以

G

通道的分塊結(jié)果為標(biāo)準(zhǔn)，按照相同的分塊大小將R，B通道進(jìn)行分塊，得到與G通道相同的圖像塊. 為了在嵌入容量與PSNR兩者中取得平衡，考慮將最大尺寸設(shè)置為64×64，最小尺寸設(shè)置為16×16. 之所以將最大塊設(shè)置為64×64，是因?yàn)槌叽缭O(shè)置過(guò)大將不能很好地區(qū)分圖像塊的平滑特性；最小塊設(shè)置為16×16，是因?yàn)槿魣D像塊尺寸設(shè)置過(guò)小，其輔助信息將會(huì)過(guò)多. 因此均衡考慮，通道中的圖像塊尺寸設(shè)置為64×64，32×32，16×16這3種尺寸相結(jié)合，為了更直觀地介紹論文所使用分塊方式的優(yōu)勢(shì)，將在實(shí)驗(yàn)中進(jìn)行展示不同分塊下的實(shí)驗(yàn)結(jié)果.

1.2 塊間排序與塊內(nèi)排序

前面，圖像已經(jīng)按照復(fù)雜度進(jìn)行分塊，接下來(lái)，將對(duì)分塊后的圖像塊進(jìn)行排序. RDH中，排序被廣泛利用. 利用排序，在給定的嵌入容量(embedding capacity, 簡(jiǎn)稱EC)下可以有效減少平移失真. 希望通過(guò)排序優(yōu)先在平滑區(qū)域進(jìn)行預(yù)測(cè)和嵌入, 因此，引入塊間排序和塊內(nèi)排序.

對(duì)于塊間排序，首先計(jì)算64×64的圖像塊復(fù)雜度，然后以相同的方式逐一計(jì)算其他尺寸下圖像塊的復(fù)雜度，并按照升序進(jìn)行排序. 計(jì)算時(shí)采用兩個(gè)相鄰像素的垂直差和水平差之和，具體操作如圖2所示，這里不再贅述. 由于在預(yù)測(cè)和嵌入過(guò)程中，最后一行(列)的像素并未修改，故可逆性得到了保證.

對(duì)于塊內(nèi)排序，采用Sachnev等提出的方式，如圖3所示，圖像塊被均勻地分為“×”集和“·”集兩個(gè)部分，其中“×”用“Cross”集表示，“·”用“Dot”集表示.

圖3 預(yù)測(cè)模型

由于兩個(gè)部分的計(jì)算方式相似，故以“Cross”集為例計(jì)算像素復(fù)雜度，此時(shí)，局部方差表示如下

(5)

隨后，按升序?qū)植糠讲?p>μ

,進(jìn)行排序. 由于恢復(fù)過(guò)程與嵌入過(guò)程相反，故像素并未改變，可逆性得到了保證.

1.3 自適應(yīng)的嵌入容量分配

1.2節(jié)介紹了雙重排序，接下來(lái)對(duì)排序后的圖像塊進(jìn)行預(yù)測(cè). 預(yù)測(cè)時(shí)采用菱形預(yù)測(cè)的方式對(duì)像素進(jìn)行預(yù)測(cè).為了便于描述，同樣以“Cross”集為例，此時(shí)

(6)

e

,=

U

′,-

U

,.

(7)

由公式(4)可知，圖像塊的尺寸不同，其代表的平滑度也就不同. 通常，分塊后的圖像塊尺寸越大，圖像塊越平滑，預(yù)測(cè)也就越準(zhǔn)確，信息嵌入造成的失真也就越小. 為了更好地利用圖像塊的平滑特性，文章提出一種自適應(yīng)的嵌入容量分配，將不同尺寸的圖像塊按照其平滑程度進(jìn)行容量分配，以達(dá)到平滑區(qū)域嵌入更多信息的效果，從而提高視覺(jué)質(zhì)量.

假設(shè)尺寸為64×64,32×32和16×16圖像塊的數(shù)量依次為num64,num32,num16，現(xiàn)將每個(gè)尺寸的嵌入容量分配如下

(8)

(9)

EC為總嵌入容量，EC，EC，EC分別為對(duì)應(yīng)尺寸下的總嵌入容量.

x

,

y

,

z

表示不同圖像塊的嵌入大小，從公式(9)中可以看出

P

:

P

:

P

=16

x

×num64:4

y

×num32:

z

×num16，即不同尺寸下圖像塊的嵌入容量比值為16

x

:4

y

:

z

.為了在平滑區(qū)域嵌入更多信息同時(shí)滿足嵌入容量，將

x

,

y

,

z

的范圍分別設(shè)置為

x

,

x

∈{6，5，4，3，2，1}，

y

,

y

∈{5，4，3，2，1}，

z

,

z

∈{3，2，1}，且

x

>

y

>

z

. 然而對(duì)于不同的圖像，不同尺寸的圖像塊會(huì)分配不同的嵌入容量，從而最優(yōu)的

x

,

y

,

z

分配參數(shù)需通過(guò)自適應(yīng)的方式以實(shí)驗(yàn)PSNR為準(zhǔn)則進(jìn)行確定.

得到不同尺寸下的總嵌入容量后，還需對(duì)3個(gè)通道的嵌入容量進(jìn)行分配. 實(shí)際上，R,G,B 3個(gè)通道在一定程度上有所區(qū)別，故論文將按通道的特征來(lái)進(jìn)一步分配嵌入容量. 如圖4所示，不同的通道其預(yù)測(cè)誤差直方圖bin的高度也就不同. 顯然，與平坦的直方圖相比，具有更高峰值bin的尖銳直方圖可以嵌入更多的信息，并且在相同的嵌入容量下引入更少的失真. 以“Lena”為例，R通道預(yù)測(cè)效果最準(zhǔn)，呈現(xiàn)的預(yù)測(cè)誤差直方圖也就越尖銳，G通道次之，B通道最后.

圖4 R，G，B通道的預(yù)測(cè)誤差直方圖

為了引入更少的嵌入失真，將在預(yù)測(cè)最準(zhǔn)的通道嵌入更多的信息，具體如公式(10)所示.

(10)

顯然，確定參數(shù)

a

,

b

,

c

后所對(duì)應(yīng)的各個(gè)通道的圖像塊的嵌入容量也隨之確定. 在論文的方法中,

a

,

b

,

c

的嵌入比例是由圖4展示的R，G，B通道對(duì)應(yīng)的預(yù)測(cè)誤差為0的數(shù)量比例，其中R,G,B通道下預(yù)測(cè)誤差為0的數(shù)量分別表示為hist

R

(

e

=0)，hist

G

(

e

=0)，hist

B

(

e

=0).

(11)

1.4 B-R-G嵌入原則

事實(shí)上，通過(guò)亮度轉(zhuǎn)換公式可以看出R,G,B 3個(gè)彩色通道對(duì)人眼的視覺(jué)感知是不同的. 公式(1)表明，G通道所占權(quán)重最高，其次是R通道，最后則是B通道. 考慮到人眼的視覺(jué)特性，在3個(gè)通道中嵌入相同容量的信息時(shí)，對(duì)B通道的視覺(jué)影響是最少的. 因此論文提出一種適用于彩色圖像的嵌入原則，即B-R-G嵌入原則.

總結(jié)三亞市中醫(yī)健康旅游協(xié)會(huì)運(yùn)行經(jīng)驗(yàn)，支持依法成立健康旅游行業(yè)協(xié)會(huì)，注重發(fā)揮協(xié)會(huì)的協(xié)調(diào)、指導(dǎo)和監(jiān)督作用，通過(guò)自律功能實(shí)現(xiàn)自我調(diào)控。協(xié)會(huì)制定和實(shí)施健康旅游的行規(guī)行約、行業(yè)標(biāo)準(zhǔn)與從業(yè)規(guī)范，指導(dǎo)和協(xié)調(diào)企業(yè)經(jīng)營(yíng)行為；開(kāi)展企業(yè)信用、服務(wù)質(zhì)量等級(jí)評(píng)定，實(shí)施“黑名單”管理制度，對(duì)違反協(xié)會(huì)章程或損害行業(yè)利益的行為采取自律措施；開(kāi)展行業(yè)培訓(xùn)和公益宣傳，引導(dǎo)全行業(yè)、全社會(huì)樹(shù)立健康旅游價(jià)值觀，形成健康消費(fèi)自覺(jué)；聘請(qǐng)社會(huì)監(jiān)督員對(duì)健康旅游進(jìn)行定期評(píng)議，廣泛接受社會(huì)監(jiān)督。

由圖3可知，圖像塊被均勻地分為“Cross”集和“Dot”集兩個(gè)部分，分配后的秘密信息也隨之被均等地分為兩個(gè)部分. 接下來(lái)將簡(jiǎn)要介紹B-R-G的嵌入順序，如圖5所示，原始彩色圖像塊被分為3個(gè)通道，此時(shí)按照分配后的嵌入容量依次嵌入，先將秘密信息嵌入B通道，再嵌入R通道，最后秘密信息將被嵌入G通道.

圖5 嵌入流程

嵌入時(shí)，利用基于HS的PEE技術(shù)，致力于選擇最佳的bins，繼而根據(jù)公式(12)修改預(yù)測(cè)誤差直方圖，按照所分配的嵌入容量嵌入所需的有效信息.

(12)

(13)

為了解決溢出問(wèn)題，論文使用位置圖對(duì)可能出現(xiàn)溢出的像素進(jìn)行標(biāo)記，用‘0’來(lái)標(biāo)記原始像素為‘0/255’的值，用‘1’來(lái)標(biāo)記載密圖像像素為‘0/255’的值. 得到位置圖后，采用JBIG2壓縮算法進(jìn)行壓縮，壓縮后的位置圖表示為L(zhǎng)M，壓縮后的長(zhǎng)度用

L

進(jìn)行表示. 為了實(shí)現(xiàn)可逆恢復(fù)，壓縮后的分塊索引

S

，嵌入容量，嵌入比例

a

,

b

,

c

，

A

,

B

也被作為輔助信息的一部分取代圖2所示的第一行(列)的最低有效位(least significant bits，簡(jiǎn)稱LSBs)，而原始的LSBs將被作為秘密信息的一部分進(jìn)行嵌入.

1.5 提取與恢復(fù)

接收端接收載密圖像后，信息提取與信息嵌入的過(guò)程相反. 嵌入時(shí)先嵌入“Cross”集，故提取時(shí)先恢復(fù)“Dot”集. 以“Cross”集為例，具體的提取與恢復(fù)過(guò)程如下：

(1) 讀取第一行(列)像素的LSBs的值進(jìn)而獲得恢復(fù)時(shí)所需的輔助信息

L

、LM、分塊索引

S

、嵌入容量及嵌入比例

a

,

b

,

c

，

A

,

B

，得到輔助信息后按照原始的分塊原則進(jìn)行分塊，進(jìn)而獲得與嵌入時(shí)相同的分塊尺寸.(2) 分塊后，對(duì)不同大小的圖像塊進(jìn)行復(fù)雜度排序. 由于未改變邊緣像素值，故排序后的圖像塊仍保持不變，繼而對(duì)排序后的圖像塊按照公式(6)進(jìn)行預(yù)測(cè)，得到

U

′,. 此時(shí)修改后的PE為

(14)

(3) 嵌入時(shí)，按照B-R-G的嵌入原則，恢復(fù)時(shí)則與原始順序相反進(jìn)行恢復(fù)，則

(15)

(16)

(4) 原始像素恢復(fù)為

U

,=

U

′,+

e

,.

(17)

(5) 最后，用提取的原始的LSBs替換第一行(列)像素的LSBs，進(jìn)而載體圖像完全恢復(fù).

2 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)測(cè)試環(huán)境為Windows 7系統(tǒng)、MATLAB 2016軟件、Intel(R) Core(TM) i5 1.70 GHz 4.0 GB RAM. 6幅彩色圖像被用來(lái)作為測(cè)試圖像，如圖6所示，分別為“Lena”“Baboon”“Airplane”“Barbara”“Peppers”“Tiffany”. 實(shí)驗(yàn)比較主要分為以下幾點(diǎn)：①為了更直觀地看到分塊效果，文章給出在不同

X

值下的分塊結(jié)果；②為了更直觀地說(shuō)明論文所使用分塊方式的優(yōu)勢(shì)，文章將與其他5種分塊方式進(jìn)行比較；③為了更客觀地評(píng)價(jià)所提出方法的性能，論文將與其他彩色圖像的方法進(jìn)行比較，其中包括Hou等提出的保持灰度值不變、Li 等提出的PEE以及傳統(tǒng)的(conventional)PEE，在這里將PEE分別在3個(gè)通道進(jìn)行處理，即傳統(tǒng)的灰度圖像算法分別應(yīng)用在R，G，B 3個(gè)通道中.

圖6 測(cè)試圖像

2.1 圖像分塊結(jié)果

1.1節(jié)提出了基于彩色圖像通道相關(guān)性的分塊算法，為了更好地驗(yàn)證分塊效果，以“Lena”為例，展示不同值下的分塊結(jié)果，如圖7所示.

圖7 不同X值下的分塊結(jié)果

分塊時(shí)以G通道分塊為標(biāo)準(zhǔn)，另外兩個(gè)通道的分塊原則跟隨G通道. 故在實(shí)驗(yàn)中僅展示G通道下不同

X

對(duì)分塊結(jié)果的影響. 從圖像中可以看出，

X

不同，圖像的分塊結(jié)果也就不同. 通常，

X

與圖像塊的數(shù)量呈反比例關(guān)系，

X

的值越小，圖像塊的數(shù)量也就越多，反之亦然. 從圖7可以看出，圖像塊尺寸越大，則說(shuō)明該區(qū)域圖像越平滑. 為了更好地區(qū)別平滑塊與非平滑塊，同時(shí)滿足一定的嵌入容量，文章將最大的圖像塊尺寸設(shè)置為64×64，最小的圖像塊設(shè)置為16×16. 然而，如何確定最終的

X

值，尋找最優(yōu)的

X

，是論文需要研究的. 論文通過(guò)自適應(yīng)的方式，在保證只存在所需3種尺寸圖像塊的同時(shí)滿足嵌入容量，以高PSNR為指標(biāo)，進(jìn)而確定最優(yōu)的

X

值.

2.2 不同分塊下的實(shí)驗(yàn)結(jié)果

前文提到通過(guò)利用通道間相關(guān)性將彩色圖像進(jìn)行分塊處理，以建立多個(gè)直方圖，從而在小嵌入率下有效減少平移失真. 為了實(shí)現(xiàn)有效區(qū)分圖像平滑特性與嵌入容量的平衡，圖像被分為3種不同尺寸，分別為64×64，32×32，16×16，采用64×64和32×32和16×16這3種尺寸結(jié)合的分塊方式. 為了更直觀地證明論文所使用分塊方式的優(yōu)勢(shì)，文章將與其他分塊方式進(jìn)行比較.

如圖8所示，列舉了6種不同的分塊組合方式，有64×64和32×32和16×16這3種尺寸結(jié)合的分塊方式，64×64和32×32，32×32和16×16兩種尺寸結(jié)合的分塊方式，以及64×64，32×32，16×16單一尺寸下的分塊方式.

圖8 6種分塊方法的性能比較

從圖8綜合來(lái)看，通過(guò)比較相同嵌入容量下的PSNR，64×64，32×32和16×16這3種尺寸結(jié)合的分塊方式明顯優(yōu)于其他分塊，造成這種結(jié)果的原因主要是所比較的5種分塊方法大多是均等分塊，并不能很好地區(qū)分圖像的平滑特性，此外分塊的種類過(guò)于單一不能很好地分配嵌入容量. 故論文采用64×64，32×32和16×16這3種尺寸結(jié)合的分塊方式.

2.3 性能比較與分析

前面比較了不同

X

值下圖像分塊的結(jié)果，下面將與Hou等提出的保持灰度值不變、Li等提出的PEE及conventional PEE比較嵌入的整體性能，比較在相同的嵌入容量下的PSNR值，如圖9所示.

圖9 論文提出的方法與Hou等[16]、Li等[13]、conventional PEE 3種方法的性能比較

從圖9中可以直觀地看出，不同的圖像有著不同的最大嵌入容量，而與其他彩色圖像RDH方法相比較，論文的方法均可達(dá)到更大的嵌入容量. 從PSNR的角度來(lái)看，論文的方法在各個(gè)嵌入容量下的PSNR明顯優(yōu)于其他方法，僅僅在個(gè)別圖像上與Li等的方法基本持平.

從圖9中可以看出，“Lena”“Baboon”“Airplane”“Barbara”“Peppers”這5幅圖中，論文均比較了“Tiffany”, Hou等提出的保持灰度值不變的方法、Li 等提出的基于PEE的方法及conventional PEE 的方法，而對(duì)于Hou等提出的保持灰度值不變的方法并未參與比較，這是因?yàn)镠ou等的方法主要在R通道上嵌入信息，其他兩個(gè)通道用于保證灰度不變以及實(shí)現(xiàn)可逆性，而正是因?yàn)檫@種只在R通道中嵌入信息以保持灰度不變的方式，使得Hou等的方法在某些圖像上會(huì)出現(xiàn)輔助信息大于嵌入的總信息(有效信息和輔助信息)的情況，這是由于Hou等的方法無(wú)法在嵌入前通過(guò)修改載體圖像的像素達(dá)到處理溢出的效果，即無(wú)法在嵌入前確定輔助信息的大小，所以只能提前為該次嵌入所需的輔助信息預(yù)留部分空間，若空間不足則需要加大預(yù)留空間.而“Tiffany”溢出較大，即無(wú)法實(shí)現(xiàn)有效載荷的嵌入，故論文無(wú)法與其進(jìn)行比較.

從實(shí)驗(yàn)結(jié)果可以看出，論文的方法優(yōu)于所比較的彩色圖像RDH方法，主要原因有以下幾點(diǎn)：①利用了通道相關(guān)性進(jìn)行分塊，通過(guò)分塊可以建立多個(gè)直方圖，在有限的嵌入容量下可以有效減少平移失真.②提出了一種自適應(yīng)的嵌入容量分配原則，在平滑區(qū)域嵌入更多的信息. 通常，圖像越平滑，預(yù)測(cè)也就越準(zhǔn)確，嵌入失真也就越小.③利用B-R-G嵌入原則，在符合人眼視覺(jué)質(zhì)量的要求上分通道次序進(jìn)行嵌入，以實(shí)現(xiàn)高PSNR.

上面客觀展示了所提方法在嵌入容量和PSNR參數(shù)上的優(yōu)勢(shì)，接下來(lái)從主觀角度展現(xiàn)原始圖像、載密圖像和恢復(fù)圖像的視覺(jué)效果. 以“Lena”圖像為例，圖10(a)為“Lena”原始圖像，圖10(b)為用論文方法嵌入10 000 bits秘密信息后的載密圖像，圖10(c)為提取出秘密信息后的恢復(fù)圖像. 嵌入秘密信息后，從主觀視覺(jué)的角度來(lái)看“Lena”載密圖像與原始圖像相比幾乎無(wú)失真，說(shuō)明了載密圖像的不可感知性較好，所提出的方法能有效減少平移失真與嵌入失真，從而有效改善載密圖像的視覺(jué)質(zhì)量. 實(shí)驗(yàn)結(jié)果表明根據(jù)信息嵌入的逆過(guò)程，提出的基于自適應(yīng)分塊的彩色圖像RDH算法能夠完全提取與恢復(fù)秘密信息和原始圖像，恢復(fù)圖像如圖10(c)所示.

圖10 原始圖像、載密圖像及恢復(fù)圖像

3 結(jié)束語(yǔ)

論文提出了一種基于自適應(yīng)分塊的彩色圖像RDH算法. 為了更好地利用通道間相關(guān)性，提高載密圖像的視覺(jué)質(zhì)量，提出了一種基于通道相關(guān)性的分塊原則，同時(shí)為了保持高PSNR，采用自適應(yīng)的嵌入容量分配原則，并提出一種新的B-R-G嵌入原則. 這種方法能有效利用像素間通道的相關(guān)性，與其他方法相比，具有較高的PSNR. 在未來(lái)的工作中，如何利用分塊的方式提高RDH的抗攻擊性是可研究的方向.