[发明专利]基于IPPVO和优化MHM的可逆水印方法

说明书

本发明涉及基于IPPVO和优化MHM的可逆水印方法，包括水印嵌入和水印提取。本发明用每一个待预测像素的四个最近邻像素的最大值和最小值来预测当前像素，使得预测更精确；并用该像素的24个近邻像素来评估其所处区域的复杂度，使得评估性能更准确。采用优化的MHM思想来搜寻最优嵌入点组合和降低时间代价：先将复杂度细分成16层，再根据所需容量的大小，为每一层挑选合适的嵌入点作为备选嵌入点，最后，从这些备选嵌入点中选出指定容量下PSNR最大的16个嵌入点的组合。相比所有嵌入点，备选嵌入点的数量大大降低，从而大大减少时间代价。

技术领域

本发明涉及多媒体信号处理的技术领域，尤其涉及到基于IPPVO和优化MHM的可逆水印方法。

背景技术

传统的数字水印技术会造成宿主图像的永久性失真。但在一些实际应用中却不允许对宿主图像有一丁点的永久修改，比如医疗、军事和司法等领域。以医学图像为例，任何形式的失真都是不允许的。任何一幅医学图像的获取需要精密仪器的支持和昂贵的医疗费用，更为重要的是失真可能会造成潜在的误诊。例如，对于一幅ECG(electrocardiographic)信号图，任何一点信号曲线的异常都有可能被解释为某种病理特征。因此，传统的数字水印技术并不适用于医学图像。一种称为可逆水印的技术引起了越来越多人的研究与关注。可逆数字水印能以无损的方式将相关水印信息嵌入到宿主图像中，能在接收端有效地提取水印并精确恢复原始图像。

如何在保持载体图像视觉质量的情况下显著提高水印嵌入的数据容量，成为近年来图像可逆水印算法研究的主要方向之一。Qu等人(X.Qu,H.J.Kim,Pixel-based pixelvalue ordering predictor for high-fidelity reversible data hiding,SignalProcess.111(2015)249–260.)提出一种基于PPVO的可逆水印技术。

在Qu等人的算法中，对于某一个像素点p，取其右邻的n个像素点(n∈{3,…,15})构成p的邻域C(如图1所示)，并将邻域C内的所有像素值按大小值排序后，x用排序后的最大值max(C)或最小值min(C)去预测p，由于min(C)、max(C)和p具有很强的相关性，因此用min(C)和max(C)预测p取得了不错的嵌入性能。

综上，Qu等人用p的n(n∈{3,…,15})个邻域像素去评估p的邻域复杂度，然而，大量的实验证明仅依据15个像素不足以反映出p所处的真实局部环境，和p有强相关性的像素c₁₆、c₁₇和c₁₈也没有用于评估p的邻域复杂度(参见图1)。基于以上原因，Qu的方法可以进一步改进。另外，预测误差0是预测误差直方图中峰值点，为了将水印嵌入到峰值点中，就必须平移介于峰值点和零点之间的所有预测误差以便为峰值点腾出嵌入空间。相比于其它预测误差，尽管预测误差0获得的容量最大，但是修改预测误差0引入的失真也是很大的，由此可得出预测误差0并不一定是最优嵌入点(嵌入点指的是能携带水印信息的预测误差或像素)。

发明内容

本发明的目的在于克服现有技术的不足，提供一种评估性能更精确、能有效降低由灰度平移所引入的嵌入失真的基于IPPVO和优化MHM的可逆水印方法。

为实现上述目的，本发明所提供的技术方案为：

包括水印嵌入和水印提取；其中，水印嵌入的具体步骤如下：

A1、计算原始图像的局部平滑性：

按照从左到右、从上到下的次序遍历原始图像I得到一维像素序列D＝{x_i}(i∈{1,…R×C})，对于D中任一个像素x_i，将其24个最近邻像素构成邻域C₁，即C₁＝{c₁,…c₂₄}，计算其局部复杂度σ_i，其中σ_i定义为邻域C₁内水平方向上和垂直方向上相邻两像素差值绝对值的和；