岳鑫 周城 甘文道

摘要： 該文介紹并分析了RGB圖像的直方圖特性，詳細闡述了直方圖的峰值點和零值點的特點和直方圖平移對圖像的影響。在此基礎(chǔ)上，根據(jù)視覺特性的特點，提出了一種新的RGB圖像信息隱藏算法：一種大容量的可逆RGB圖像信息隱藏算法。該算法基于直方圖平移和視覺特性，能解決當(dāng)前基于直方圖平移算法的低隱藏容量難點。實驗結(jié)果及分析表明，該算法易于實現(xiàn)，有很好的隱蔽性并對隱藏容量有較大提高。

關(guān)鍵詞： 信息隱藏；RGB圖像；直方圖平移；峰值點；可逆

中圖分類號：TP311 文獻標(biāo)識碼：A 文章編號：1009-3044（2014）22-5307-07

近年來，隨著計算機技術(shù)和多媒體技術(shù)的飛速發(fā)展，每天都有海量的文本、圖像、音頻、視頻等數(shù)字信息在因特網(wǎng)上進行傳輸，信息特別是一些私有信息的安全性傳輸問題日益突出。2013年發(fā)生的美國“棱鏡”事件充分的說明了由于互聯(lián)網(wǎng)自由開放的環(huán)境，這些私有信息在網(wǎng)上傳輸?shù)倪^程中是不設(shè)防的，極易被非法訪問和獲取，甚至于被篡改，給信息傳遞者帶來很大的損失。信息安全技術(shù)由于人們保護私有信息隱秘性的強烈需求而發(fā)展迅速，目前在數(shù)據(jù)傳輸過程中主流的保護方法有兩種：一種是密碼技術(shù)，密碼技術(shù)通過對涉密信息（明文）進行一系列處理輸出一堆（或串）亂碼（密文）進行傳輸。它的安全性是基于截獲信息者對明文的不可見性。另外一種是信息隱藏技術(shù)，信息隱藏技術(shù)是通過將涉密信息嵌入到掩護載體（如多媒體數(shù)據(jù)等）中，不影響掩護載體的視覺、聽覺效果，也不改變其外部特征（如文件大小等），將含有隱秘信息的含密載體進行傳輸。較之密碼技術(shù)，信息隱藏技術(shù)具有隱秘性的特點，能在非相關(guān)人員察覺的情況下進行傳輸，保證了信息傳輸過程中的安全性。

1995年，劍橋大學(xué)Ross Anderson教授聯(lián)合一些從事信息隱藏研究的組織和專家，推動并策劃了第一屆信息隱藏國際研討大會[1]，標(biāo)志著信息隱藏技術(shù)作為獨立的學(xué)科而成立。經(jīng)過十余年的發(fā)展，信息隱藏技術(shù)已經(jīng)取得了非常多的成果。信息隱藏技術(shù)主要分為空間域信息隱藏技術(shù)和變化域信息隱藏技術(shù)。目前廣泛流行的信息隱藏算法都是不可逆的，也就是說他對掩護載體的破壞是不可恢復(fù)的，在某些領(lǐng)域如醫(yī)學(xué)圖像、軍事圖像等，保持掩護載體的可恢復(fù)性對于保持涉密信息不可見性來說有重要意義，可逆的信息隱藏算法是信息隱藏算法研究領(lǐng)域的熱點和難點。可逆信息隱藏嵌入方法主要分為位平面無損壓縮[2][3]、差值擴散[4]和直方圖平移[5][6]3種。基于直方圖平移的NSAS算法信噪比的下界為48.13dB，對載體圖像信號失真影響較小，其嵌入和提取算法簡單。但是由于NSAS算法是基于載體直方圖峰值和零值對的，依賴于載體圖像自身特點，其嵌入容量一般都比較小。為了克服NSAS算法中嵌入容量小的缺陷，提高嵌入容量，在分析A.Leest[7]和Wen-Chung Kuo[5]等人的改進方法的基礎(chǔ)上，該文針對RGB圖像的特點，利用人的眼睛對blue的敏感性低于red和green的視覺特征，提出一種基于直方圖平移和視覺特性的RGB圖像可逆信息隱藏算法。

1 基于直方圖平移的可逆信息隱藏算法

1.1 NSAS算法

NSAS算法是2006年Z.Ni在文獻[6]中提出的，它的主要思想是利用直方圖平移技術(shù)，即通過對載體圖像的直方圖上相應(yīng)的像素點進行變化處理來達到嵌入涉密信息的目的。我們以大小為512*512*8的圖1所示灰度圖像“l(fā)ena”來進行說明：

該算法步驟如下：

1） 生成載體圖像的直方圖。如圖2（a）所示，對于灰度圖像，灰度值X的取值范圍是[0，255]。

2） 找出直方圖的峰值點和零值點，生成K個峰值-零值對。峰值點是h（x），零值點是b（x）。本圖中，峰值點為h（154） ，為簡單起見，我們選取峰值左邊的一個零值點b（0）進行說明。所以選取的峰值-零值對為h（154） 和b（0），

3） 通過平移產(chǎn)生隱藏空間。將灰度值在[1，153]的像素點灰度值都減1，我們在直方圖上直觀上看到的改變就是間隔[1，153]整體向左平移了1位。其結(jié)果是x=153的像素點為0個。

4） 將涉密信息嵌入在x=153和x=154對應(yīng)的像素點上。具體做法是查看涉密信息比特的二進制位，當(dāng)為“1”時該像素點灰度值減1，平移到x=153的位置上；當(dāng)二進制位為“0”時，該像素點保持不變。

將嵌入涉密信息的含密圖像通過渠道（如因特網(wǎng)）傳送到接收者手中，接收者通過逆過程提取出涉密信息，并將含密載體還原成原始載體。我們從圖2（b）中處理過的直方圖中可以看出原峰值點消失了，那是因為x=154的像素根據(jù)涉密信息進行了操作。將區(qū)間[1，153]向左平移1就是說將這些像素整體進行灰度值減1操作，由于變化量為1且是整體變化對圖像的視覺特性影響很小。但是由于只將信息嵌入到x=153和x=154對應(yīng)的像素點上，信息容量非常小，特別是當(dāng)灰度值比較平緩時信息容量更小，極端情況下（如純單一灰度值圖像）由于無法確定峰值點而使算法失效，無法隱藏信息。由于該算法涉密信息的提取需要確定峰值點和零值點的位置，而含密圖像和原圖像的峰值點不一樣，這需要額外的傳輸峰值點位置的信息，但是，文獻[6]并沒有描述如何傳輸這些額外的信息，為了解決這個問題J.H.Hwang[8]等人提出了HKC算法。

1.2 HKC算法

HKC算法和NSAS算法原理都是利用直方圖移位的方法，但HKC算法是尋找載體圖像的一個峰值點和兩個零值點對（一個在峰值點左邊，一個在峰值點右邊）。通過同時向兩邊平移1位來產(chǎn)生隱藏空間。利用生成位置圖像來存儲像素位置信息（主要是峰值點和零值點位置信息）。下面我們還是以“l(fā)ena”圖像來說明HKC算法：

算法步驟如下：

1） 生成載體圖像的直方圖。找出直方圖的峰值點和位于峰值點右側(cè)的右零值點和位于峰值點左側(cè)的左零值點如圖2所示。本圖中獲得的峰值點為h（154） ，選取的左零值點為h（23） ，右零值點為h（237）。

2） 生成位置圖像（圖3所示）來存儲像素位置信息。

3） 產(chǎn)生隱藏空間。將h（24） 至h（153） 之間的像素點向左移1位，同時將h（155） 至和（236） 之間的像素點向右移1位。

4） 將涉密信息嵌入在x=153，x=154和x=155對應(yīng)的像素點上。

7） 信息隱藏空間。

HKC算法很好的解決了峰值點和零值點位置傳輸問題，但缺點還是比較明顯：信息隱藏容量還是比較小，過分依賴于載體圖像自身特點。為了減少這種依賴性，A.Leest[7]提出了基于分塊思想的算法，有效的彌補了上述缺點。

1.3 基于分塊的HKC算法

分塊在數(shù)字圖像處理了占有重要地位，將圖像等分成多個小塊，再分別對每一個塊進行處理，能比整個圖像處理達到更好的效果。對于本算法來說，分塊使得嵌入涉密信息的像素點增多，提高了隱藏容量，另外分塊使得嵌入涉密信息的像素分布得更加均勻，也減少了像素的修改對圖像視覺效果的影響。這里，我們以灰度圖像“peppers”進行說明：

2 基于直方圖平移和視覺特性的RGB圖像可逆信息隱藏算法

2.1算法實現(xiàn)

基于RGB圖像的直方圖平移和視覺特性，該文提出一種可逆信息隱藏算法。該算法思想是先對整個RGB圖像進行分塊處理，再將每塊RGB圖像分為R、G、B三個顏色分量，對R分量，G分量進行HKC算法處理，對B分量處理時，對每個塊的像素在進行移位操作時，移動的位數(shù)由1位改為2位，最后由這3個經(jīng)過處理過得分量重新構(gòu)成塊圖像在合成含密圖像，這將在對視覺影響很小的情況下極大地提高信息隱藏容量。下面以RGB圖像“peppers”為例（如圖8所示）進行說明：

隱藏算法步驟如下：

1） 將圖像分為3x4個塊，結(jié)果如圖9所示。

2） 將分塊后圖像分為R、G、B三個分量，并求其分量的直方圖如圖10所示。

3） 對三個分量來說，通過貪心算法找出峰值點、左零值點和右零值點。

4） 產(chǎn)生隱藏空間。對R、G進行如下處理：[左零值點-1，峰值點-1]向左平移1位，[右零值點-1，峰值點+1]向右平移1位。對B分量進行如下處理：[左零值點-1，峰值點-1]向左平移2位，[右零值點-1，峰值點+1]向右平移2位。

5） 嵌入涉密信息。

2.2 提取算法

提取算法流程圖如下：

從流程圖中我們可以看出，該算法是隱藏算法的逆運算，可以實現(xiàn)載體圖像的可逆恢復(fù)。

3 實驗結(jié)果與分析

為分析信息嵌入對載體圖像視覺性的影響，選取了3種不同圖像flower、family和peppers進行信息嵌入，其結(jié)果如下：

隱藏信息前：

4 結(jié)束語

本文中，我們提出了一種新的基于直方圖平移和視覺特性的RGB圖像可逆信息隱藏算法。通過實驗驗證，說明了該算法能減少對載體圖像本身特性的依賴性和對隱藏容量有良好的提升效果，在自然圖像中如天空、海洋、森林等大部分圖片都比較平緩的，所以這種新算法具有良好的應(yīng)用前景。

參考文獻：

[1] 唐明偉.圖像信息隱藏與隱藏分析算法研究[D].成都：電子科技大學(xué)，2012.

[2] Celik M U， Sharma G， Tekalp A M， et al. Lossless generalized-LSB data embedding[J]. Image Processing， IEEE Transactions on， 2005， 14（2）： 253-266.

[3] Honsinger C W， Jones P W， Rabbani M， et al. Lossless recovery of an original image containing embedded data： U.S. Patent 6，278，791[P]. 2001-8-21.

[4] Tian J. Reversible data embedding using a difference expansion[J]. IEEE Trans. Circuits Syst. Video Techn.， 2003， 13（8）： 890-896.

[5] Kuo W C， Jiang D J， Huang Y C. A reversible data hiding scheme based on block division[C]//Image and Signal Processing， 2008. CISP'08. Congress on. IEEE， 2008， 1： 365-369.

[6] Ni Z， Shi Y Q， Ansari N， et al. Reversible data hiding[J]. Circuits and Systems for Video Technology， IEEE Transactions on， 2006， 16（3）： 354-362.

[7] Van Leest A， van der Veen M， Bruekers F. Reversible image watermarking[C]//Image Processing， 2003. ICIP 2003. Proceedings. 2003 International Conference on. IEEE， 2003， 2： II-731-4 vol. 3.

[8] Hwang J H， Kim J W， Choi J U. A reversible watermarking based on histogram shifting[M]//Digital Watermarking. Springer Berlin Heidelberg， 2006： 348-361.