基于熵排序與結(jié)構相似約束的可逆信息隱藏方法研究.pdf

1、可逆信息隱藏作為一種典型的非對稱技術近年來引起了廣泛的關注，其基本思想是利用人類感覺器官對數(shù)字信號的感知冗余的特點，將一個秘密信息隱藏于載體中。它不僅要關注秘密信息的嵌入量，而且要求在信息提取后要保證載體無損地恢復?？赡嫘畔㈦[藏在醫(yī)學圖像、軍事圖像、數(shù)字媒體版權保護、法律取證等場景有著重要應用價值，這些場景中原始載體不允許有任何修改。因此，開展最大程度保護載體質(zhì)量的可逆信息隱藏算法研究，對網(wǎng)絡空間中多媒體內(nèi)容安全有著重要的理論意義和應用

2、價值。
　　最大程度保護載體質(zhì)量的可逆信息隱藏算法需要解決三個核心科學問題，一是如何構造更為陡峭的直方圖載體序列;二是如何對載體序列進行排序，使得載荷分配更加合理;三是如何根據(jù)載體（如圖像等）客觀評價標準來設計信息嵌入方法。
　　圍繞上述科學問題，本文取得的主要研究成果和創(chuàng)新點如下:
　　1、提出了面向多維可逆信息隱藏的統(tǒng)一熵排序模型。可逆信息隱藏算法的關鍵在于如何得到更為陡峭的載體序列，以及如何優(yōu)化載體的嵌入順序。熵

3、是信息的無序性或不確定性的一種度量，本文將熵的概念引入可逆信息隱藏領域，用來表征特定圖像區(qū)域中的紋理復雜度，進而提出熵排序模型指導可逆信息隱藏中載體序列的嵌入順序，本文進一步把一維熵排序拓展到多維熵排序模型。此外，本文還提出基于梯度跟蹤加權的像素預測算法來得到更為陡峭的預測誤差序列。實驗結(jié)果表明，與以往其他算法比較，本文算法效果有顯著提升。
　　2、提出了面向彩色圖像二階預測誤差排序的可逆信息隱藏算法。首先結(jié)合彩色圖像的通道相關性

4、，提出一種利用通道內(nèi)預測誤差進行通道間二次預測的新方法。進而提出一種二階預測誤差排序算法。同以往排序算法不同，該算法通過對當前像素的預測誤差概率分布進行分析，兼顧了鄰域的像素的相關性，能更好地反映像素的紋理復雜度。實驗表明，所提出的二階預測算法能得到比以往算法更陡峭、熵更小的預測誤差直方圖;所提出的二階預測誤差排序算法在嵌入容量和圖像質(zhì)量上比以往算法有了較大的提升。
　　3、提出了結(jié)構相似約束下的可逆信息隱藏算法。絕大多數(shù)可逆信息

5、隱藏算法采用峰值信噪比(Power Signal-to-Noise Ratio，PSNR)評價算法的效果。PSNR是基于均方誤差（Mean Square Error, MSE）的評價指標，但是PSNR在圖像評價方面存在客觀局限性。近年來，結(jié)構相似性(Structural Similarity IndexMeasure，SSIM)作為一種評價圖像相似程度的指標受到廣泛的關注，相較于 PSNR，SSIM在圖像質(zhì)量的衡量上更能符合人眼對圖像質(zhì)

6、量的判斷。本文首次將SSIM指標引入可逆信息隱藏的研究，針對SSIM結(jié)構相似約束，提出一種最優(yōu)可逆信息隱藏算法。首先，推導出SSIM對應的度量函數(shù)，其次，構造了最優(yōu)結(jié)構相似約束下的率失真函數(shù)，最后根據(jù)遞歸直方圖算法實現(xiàn)最優(yōu)嵌入。實驗結(jié)果表明，相比以前的算法，本文在嵌入同樣信息量的情況下，在SSIM評價指標上取得更好的效果，有效提升了可逆信息隱藏的效率。
　　4、提出了一種基于推土機距離的可逆信息隱藏算法。推土機距離(EarthMo