英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料

基于对比度增强的可逆图像数据隐藏技术

吴昊天，IEEE会员，Jean-Luc Dugelay，IEEE研究员，施云青，IEEE研究员

摘要 - 在本文中，提出了一种新的可逆数据隐藏（RDH）算法用于数字图像。该算法不是试图保持较高的PSNR值，而是增强了主机图像的对比度，以提高其视觉质量。选择直方图中最高的两个区间用于数据嵌入，以便可以通过重复该过程来执行直方图均衡。辅助信息与消息位一起嵌入到主机映像中，以便原始映像完全可恢复。所提出的算法在两组图像上实现以证明其效率。据我们所知，它是第一个通过RDH实现图像对比度增强的算法。此外，评估结果表明，在对比度增强图像中嵌入了大量消息比特后，可以保持视觉质量，甚至优于用于图像对比度增强的三个特定MATLAB函数。

关键词 - 对比度增强，直方图修改，位置图，可逆数据隐藏，视觉质量

1. 介绍

可逆信数据隐藏（RDH）已经在信号处理社区中得到了深入研究。也称为可逆或无损数据隐藏，RDH是将一条信息嵌入到主信号中以生成标记的信息，在提取嵌入数据之后可以从中精确地恢复原始信号。RDH技术在一些敏感应用中很有用，在这些应用中，主机信号不允许永久性改变。在文献中，大多数提出的算法用于数字图像嵌入不可见数据。

为了评估RDH算法的性能，隐藏率和标记的图像质量是重要的指标。它们之间存在折衷，因为增加隐藏率通常会导致图像内容的更多失真。为了测量失真，通常计算标记图像的峰值信噪比（PSNR）值。一般来说，图像直方图的修改提供了较少的嵌入容量。相比之下，更新近的算法通过利用相邻像素之间的相关性来操纵更集中分布的预测误差，从而减少数据隐藏引起的失真。

尽管利用基于预测误差的算法生成的标记图像的PSNR保持较高，但是由于嵌入操作引入了或多或少的失真，因此几乎不能提高视觉质量。对于光照较差的图像，改善视觉质量比保持PSNR值高更重要。此外，医学或卫星图像的对比度增强显示视觉检查的细节。尽管增强图像的PSNR值通常较低，但图像细节的可见性已得到改善。据我们所知，目前还没有RDH算法执行对比度增强任务，以提高主机图像的视觉质量。因此，在本研究中，我们的目标是发明一种新的RDH算法，以实现对比度增强的特性，而不仅仅是保持PSNR值高。

原则上，图像对比度增强可以通过直方图均衡来实现。为了同时执行数据嵌入和对比度增强，通过修改像素值的直方图来执行所提出的算法。首先，找出直方图中的两个峰值（即最高的两个箱）。峰之间的箱不变，而外箱向外移动，使得两个峰中的每一个可以分成两个相邻的箱。为了增加嵌入容量，可以进一步选择修改的直方图中的最高两个区间进行分割，以此类推，直到实现令人满意的对比度增强效果。为了避免由于直方图修改引起的溢出和下溢，对边界像素值进行预处理并生成位置图以记住它们的位置。为了恢复原始图像，将位置图与消息位和其他辅助信息一起嵌入到主图像中。因此，启用了盲数据提取和原始图像的完全恢复。将所提出的算法应用于两组图像以证明其效率。据我们所知，它是第一个通过RDH实现图像对比度增强的算法。此外，评估结果表明，在对比度增强图像中嵌入了大量消息比特后，可以保持视觉质量，甚至优于用于图像对比度增强的三个特定MATLAB函数。

本函的其余部分安排如下。第二节介绍了对比度增强特征的RDH算法的细节。实验结果在第III节中给出。最后，第四节得出结论。

1. 具有对比度增强的rdh算法
2. 通过直方图修改进行数据嵌入

要呈现的算法主要用于灰度图像，但可以容易地扩展到彩色图像。给定8位灰度图像，可以通过计算具有灰度值的像素来计算图像直方图。 我们使用h_I来表示图像直方图表示具有值的像素数。假设由组成j不同的像素值。然后选择两个峰值（即最高的两个值），相应的较小和较大的值分别由和表示。对于在h_I中计数的像素值，数据嵌入执行

通过应用公式（1）对于h_I中计数的每个像素，嵌入了总共二进制值。假设没有边界值（0或255）（否则需要预处理），修改后的直方图中将有个二进制位。也就是说，两个峰之间的值没有变化，而外部的值向外移动，因此每个峰值可以分成两个相邻的值。

需要提供峰值和来提取嵌入数据。保留它们的一种方法是从直方图计算中排除16个像素。收集这些像素的最低有效位（LSB）并将其包括在要隐藏的二进制值中。应用Eq。之后（1）对于在中计数的每个像素进行数据嵌入，和（每个具有8位）的值用于通过逐位运算替换16个排除像素的LSB。要提取嵌入数据，需要检索峰值和标记图像的直方图

计算不包括前面提到的16个像素。然后对直方图中计数的任何像素执行以下操作，其值为，，或：

其中是从标记图像中提取的第二个二进制值。以与嵌入操作的顺序相同的顺序执行提取操作。根据公式（1），对直方图中计数的每个像素执行以下操作以恢复其原始值：

从提取的二进制值获得16个排除像素的原始LSB。可以通过将它们写回来恢复被排除的像素，以便恢复原始图像。

1. 完全恢复的预处理

在上述算法中，要求在中计数的所有像素都在内。如果存在任何边界像素值（0或255），则直方图移位将导致上溢或下溢。为了避免它，需要在直方图修改操作之前预处理直方图。具体地，0和255的像素值分别被修改为1和254。因此，不会引起上溢或下溢，因为每个像素值的可能变化是。为了记忆预处理的像素，通过将1分配给修改的像素的位置来生成具有与原始图像相同大小的位置图，并且将0分配给未改变的像素的位置图（包括16个排除的像素）。位置图可以预先计算并包含在要隐藏的二进制值中。在提取和恢复过程中，可以从标记图像中提取的数据中获得它，以便可以识别在预处理中修改的像素。通过相应地恢复那些像素的原始值，可以完全恢复原始图像。

1. 对比度增强

在部分II-A中，直方图中的两个峰值中的每一个被分成具有相似或相同高度的两个相邻的箱，因为消息比特中的0和1的数量要求几乎相等。为了提高隐藏率，进一步选择修改后的直方图中最高的两个区域，通过应用方程式来分割。（1）直方图中计数的所有像素。通过将两个峰中的每一个分成具有相似高度的两个相邻区来重复相同的过程，以实现直方图均衡效果。以这种方式，同时执行数据嵌入和对比度增强。假设要分割的直方图峰值的对数是，从0到0的像素值的范围 从像素中添加 在预处理中减去255到255（注意L是正整数）。通过将1分配给修改的像素并将0分配给其他像素来生成位置图。

可以预先计算和压缩位置图以首先嵌入主图像中。相反，压缩位置图的大小和先前峰值的值嵌入要分割的最后两个峰值，其值存储在16个排除像素的LSB中。在提取过程中，检索最后的分裂峰值，并用公式（2）提取嵌入它们的数据。用公式（3）恢复直方图后。也可以通过逐对处理来提取嵌入有先前分割峰值的数据。最后，从提取的数据中获得位置图，以识别在预处理中修改的像素值。

1. 算法的过程

所提出的算法的过程如图1所示。鉴于要分割完整对的直方图箱以进行数据嵌入，嵌入过程包括以下步骤：

1.预处理：范围内的像素第II-C部分所述处理，生成位置图以记录那些像素的位置，并通过JBIG2标准[11]压缩以减少其长度。

2.计算图像直方图而不计算底行的前16个像素。

3.嵌入：通过应用公式（1）将直方图中的两个峰值（即最高的两个区域）分开以进行数据嵌入。（直方图中计数的每个像素。然后选择修改的直方图中的两个峰值进行拆分，依此类推，直到拆分对。压缩位置图的比特流嵌入在消息比特（二进制值）之前。压缩位置图的长度，从16个排除的像素收集的LSB以及先前的峰值的值嵌入要分割的最后两个峰值。

4.最后分割的峰值用于替换16个排除像素的LSB以形成标记图像。

提取和恢复过程包括以下步骤：

1. 检索16个排除像素的LSB，以便知道最后两个分裂峰值。
2. 嵌入最后两个分裂峰的数据通过使用公式（2）来提取。使得压缩位置图的长度，16个排除像素的原始LSB和先前分割的峰值的值是已知的。然后通过处理除了16个被排除的像素之外的所有像素来执行恢复操作。重复提取和恢复过程，直到恢复所有分裂峰并提取嵌入它们的数据。
3. 从提取的二进制值获得压缩的位置图并将其解压缩到原始大小。
4. 利用解压缩的映射，识别在预处理中修改的那些像素。其中，如果小于128，则减去像素值，否则增加像素值。遵守此规则，最大值是64以避免歧义。最后，通过写回16个排除像素的原始LSB来恢复原始图像。

三.实验结果

在实验中，8个USC-SIPI测试图像的大小为 512x512和768x512柯达测试图像。所提出的算法中唯一的参数是，即要分割的直方图峰值的对数。要隐藏的消息位可以是任何二进制值字符串，其中0和1的数字几乎相等，或者可以附加一些额外的位来实现。如图2所示，通过使用更多的直方图峰值进行数据嵌入，通常可以提高纯遮盖率。当64对直方图峰分裂时，纯遮盖率为F-16为每像素1.536位（bpp），Baboon为0.732 bpp，8 USC-SIPI图像平均为1.085 bpp，而24柯达图像的平均值为1.194 bpp。应注意，通过减去比特数来计算隐藏率从嵌入比特的总量中恢复的边信息（包括压缩的位置图）。

“Lena”和“Goldhill”的原始和标记图像分别如图3和图4所示。通过分别分别用于数据嵌入的10,15和20对直方图峰值来获得标记的图像。可以看出，嵌入数据在对比度增强图像中是不可见的。对于数据嵌入，分割的直方图峰值越多，获得的对比度增强效果越大。尽管对比度增强图像的PSNR值随着数据隐藏率而降低，但是视觉质量得以保留，如图3和图4所示。

图2 隐藏率通常随着用于数据嵌入的直方图峰值的数量而增加。

除PSNR值外，在原始图像和对比度增强图像之间计算[14]中使用的相对对比度误差（RCE），相对熵误差（REE），相对平均亮度误差（RMBE）和相对结构相似度（RSS）。评估增强效果和图像质量。RCE和REE值大于0.5分别表示增强的对比度和增加的图像数据。平均亮度与原始图像的差异越小，RMBE越接近1.它们之间的结构相似性越大，RSS越接近1.我们进一步将所提出的算法与用于图像对比度增强的三个MATLAB函数进行比较，即imadjust，histeq和adapthisteq。使用默认设置在每个测试图像上应用MATLAB例程。对于每个对比度增强图像，计算五个评估值，包括RCE，REE，RMBE，RSS和PSNR。

表1和表2分别显示了两组测试图像的统计结果。两个表中列出的每个项目是8或24个测试图像的平均值。使用10,15和20对直方图峰值的算法由Prop.10p表示，Prop.15p和Prop.20p。可以看出，通过在所提出的算法中分割更多直方图峰值来逐渐增强测试图像的对比度，但是在亮度和结构相似性方面引入了更多差异。在Prop.20p中，获得的RCE低于imadjust和histeq，但高于adapthisteq，表明获得的对比度增强效果比adaphisteq高。

图3.通过在所提出的算法中分割10,15和20对直方图峰值来对“Lena”的原始和对比度增强图像。（a）“莉娜”的原始图像。（b）10对：0.185 bpp，29.10 dB。（c）15对：0.268 bpp，25.97 dB。（d）20对：0.345 bpp，24.91 dB。

图4.通过在所提出的算法中分割10,15和20对直方图峰值，“Goldhill”的原始和对比度增强图像。（a）“Goldhill”的原始图像。（b）10对：0.299 bpp，30.64 dB。（c）15对：0.411 bpp，26.92 dB。（d）20对：0.506 bpp，24.64 dB。

由我们提出的算法和adapthisteq增加，但由imadjust和histeq减少。至于RMBE和RSS值，Prop.20p优于所有三个MATLAB函数，表明图像亮度和结构相似性的变化较小。除了较高的PSNR值之外，原始图像可以直接从利用所提出的算法生成的对比增强图像中恢复。因此，它比三个MATLAB函数更有利于图像对比度增强。

表1 usc-sipi图像的统计评估

表2 524张柯达图像的统计评价（平均值）

四.结论

在本文中，提出了一种新的可逆数据隐藏算法，该算法具有对比度增强的特性。基本上，选择直方图中的两个峰值（即最高的两个区间）用于数据嵌入，从而可以通过重复该过程来同时执行直方图均衡。实验结果表明，通过逐对分割多个直方图峰值可以增强图像对比度。与特殊的MATLAB函数相比，我们的算法生成的对比度增强图像的视觉质量得到了更好的保留。而且，可以准确地恢复原始图像而无需任何附加信息。因此，所提出的算法使图像对比度增强可逆。提高算法的稳健性，并将其应用于医学和卫星图像以提高可视性，将是我们未来的工作。

五.致谢

作者衷心感谢编辑和匿名审稿人的宝贵意见。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[19869]，资料为PDF文档或Word文档，PDF文档可免费转换为Word