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

带对比增强的可逆图像数据隐藏

Hao-Tian Wu, Member, IEEE, Jean-Luc Dugelay, Fellow, IEEE, and Yun-Qing Shi, Fellow, IEEE

摘要 ： 在这篇文章中，提出了一种新的可逆数据隐藏（RDH）算法用于数字图像。该算法没有试图保持较高的PSNR值，而是增强了主图像的对比度，以提高其图片质量。通过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实现直方图均衡。辅助信息与消息位一起嵌入到主图像中，以期原始图像可以完全恢复。所提出的算法将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。

索引术语 ：对比度增强，直方图修改，位置映射，可逆数据隐藏，视觉质量。

i.介绍

可信数据隐藏（RDH）已经在信号处理社区中得到了深

入研究。它也被称为可逆或无损数据隐藏，RDH本意是将一条信息嵌入到主信号中以生成标记信息。标记信号在提取嵌入数据之后可以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，主信号不允许出现永久性的改变。在大多数文献中，提出的算法主要用于在数字图像嵌入不可见数据（例如[1] - [8]）或可见水印（例如[9]）。

为了评估RDH算法的性能，隐藏率和标记图像质量是重要的指标。它们之间存在平衡，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，直接图像直方图[2]的修改提供了较少的嵌入容量。相比之下，更新近的算法（例如[5] - [8]）通过利用相邻像素之间的相关性来使用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。对于在较差的光照情况下获取的图像，改善视觉质量比保持PSNR值高更重要。此外，医学和卫星图像更需要对比度增强来显示细节。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，以实现对比度的增强，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[10]。为了同时执行数据嵌入和对比度增强，算法执行来调整像素值的直方图。首先，找出直方图中的两个峰值（即最高的两个区间）。峰之间的区间保持不变，而向外延伸的区间向外移动，使得两个峰中的每一个可以分成两个相邻的区间。为了增加嵌入容量，可以进一步选择修改过的直方图中的最高两个区间进行拆分，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，盲数据提取和原始图像的完全恢复都是可以实现的。这里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，依然可以保持图像质量，效果甚至优于用于图像对比度增强的三个特定MATLAB函数。

本文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。实验结果在第三节中给出。最后，第四节得出结论。

ii.具有对比度增强的rdh算法

A.通过调整直方图进行数据嵌入

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I ，它的直方图可以通过计数灰度值为的的像素点来的得到，我们用来表示图像直方图的值于是可以用来代表值为j的像素值的数量。考虑到由N个不同的像素值组成。所以形成了N个不空的区间，选择两个峰值（即最高的两个区间），相应的较小和较大的值分别由和表示。对于在中使用值计数的像素，数据嵌入执行过程：

(1)

这里是修改后的像素值，是要隐藏的第n个消息位（0或1）。通过应用Eq。（1）对于中计数的每个像素，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区间。也就是说，两个峰之间的区间没有变化，而外部的区间向外移动，因此每个峰值可以分成两个相邻的部分（即-1和,和）。

这里峰值和需要被提供来提取嵌入的数据。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）并将这些位放入在要隐藏的二进制序列中。应用Eq（1）嵌入数据后，对于在中计数的用于数据嵌入的每个像素，和（每个具有8位）被用来逐位替换16个排除像素的LSBs。要提取嵌入数据，需要在排除前16个像素情况下检索峰值和标记图像的直方图，对任何带有-1和,和值的像素点进行操作:

(2)

其中是第k个从标记图像中提取的二进制值。以与嵌入操作相同的顺序执行提取操作。根据Eq（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：

(3)

从提取的二进制值中获得16个排除像素的原始LSBs值。可以通过将它们恢复被排除的像素，以便恢复原始图像。

1. 完全恢复的准备工作

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。为了避免这种情况，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加1或者减1。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区间，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(1)来拆分直方图中的所有像素。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。考虑到拆分的直方图峰值值对对数是L,在0到L-1这个范围内的像素值被增加L，同时像素值在256-L到255上的像素值被减去L(L是正整数)。一个用来标记被调整像素位置的位置图被生成。将被调整过的位置设为1，未调整过的设为0。

可以预先计算和压缩位置图以首先嵌入主图像中。L值，压缩位置图的大小和先前峰值的值嵌入要拆分的最后两个峰值一起嵌入，最后的两个峰值，其值存储在16个排除像素的LSBs中。在提取过程中，最后被割裂的峰值被提取出来，随它一同被嵌入的数据也通过公式(2)被提取。在用公式（3）恢复直方图后，也可以通过逐对处理来提取嵌入有先前拆分峰值的数据。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. 算法的流程

所提出的算法的过程如图1所示。考虑全部L对用于数据嵌入的直方图区间，嵌入过程包括以下步骤：

1. 预处理：[0.L-1]和[256-L,255]范围内的像如

第II-C部分所述处理，当然，不包括底行的前16个像素。生成位置图以记录那些像素的位置，并用JBIG2标准对这些信息进行压缩来减少其长度。

2. 图像直方图在不计入前十六个像素的情况下被计算。

3. 嵌入：将直方图中的两个峰值（即最高的两个

区域）通过公式(1)拆分以进行的数据嵌入，对每个像素都要执行。然后再选择被修改过的直方图中的两个峰值进行拆分，依此类推，直到拆分L对。压缩位置图的比特流嵌入在消息比特（二进制值）之前。L值，压缩位置图的长度，从16个排除的像素收集的LSBs以及先前的峰值的值要拆分的最后两个峰值随着最后一个被拆分的峰值对被嵌入。

1. 最后被拆分的峰值对被用来替换16个标记图

像中被排除的像素值的LSBs

提取和恢复过程包括以下步骤：

1. 提取16个被排除的像素值的LSBs来确定最后

被拆分的峰值对

1. 嵌入最后两个拆分峰值的数据通过使用公式
2. 来提取。这样的话，L值，压缩位置图的长度，16个排除像素的原始LSBs和先前拆分的峰值的值是已知的。然后依据公式(3)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，直到恢复所有拆分峰值并提取同它们一起嵌入的的数据。
3. 被压缩的位置图可以从被提取的二进制值中

获得并解压成原样。

1. 获得位置图后，被调整过的像素位置就被确定

了，对这些值，如果值小于128，这个像素值就被减去L否则增加L，为了遵循这个规则，L的最大值不可以超过64，最后，通过写回16个排除的像素的LSBs来恢复原本图片。

iii.实验结果

在这个实验中，8个USC-SIPI测试图像大小为512times;512，24张柯达测试图大小为768times;512,被采用和转换为灰度图。本算法唯一的参数是L，需要隐藏的信息可以是任何二进制的比特流，要求这里面0和1的数量要大致相当，不然可以增加一些额外的比特来实现。如同图像2所示，通过使用更多的直方图峰值进行数据嵌入，通常可以提高纯数据隐藏率。

图1 RDH算法的过程。

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。

对于所有测试图像，任何实现盲目提取和完全恢复可以在任何，当64对直方图峰值被拆分后。纯数据隐藏率为1.536bpp（对F-16），0.732bpp(对Baboon)，以及对8个USC-SIPI图像为1.085bpp。对24张柯达图像为1.194bpp,

我们应该注意，这里隐藏率是在减去了用于还原的附加信息后获得的(包括压缩过的位置图信息)。

“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，拆分的直方图峰值越多，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。

除PSNR值外，在对比原始图像和对比度增强图像之间计算[14]中使用还有相对对比度误差（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）来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

图3.通过在所提出的算法中拆分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：0.185bpp，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拆分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。

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，

表1

8 usc-sipi图像的统计评估（平均值）

表2

524柯达图像的统计评估（平均值）

计算五个评估值，包括RCE，REE，RMBE，RSS和PSNR。

表I和表II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，Prop.15p和Prop.20p分别表示。可以看出，通过在所提出的算法中拆分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。同时，获得的REE值表示图像数据已经提出的算法和adapthisteq增加，但被imadjust和histeq减少。对于RMSE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。

iv.结论

在这本文中，提出了一种新的

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[19853]，资料为PDF文档或Word文档，PDF文档可免费转换为Word