《多媒体信息安全》课件 第1-4章 多媒体加密 -密文域图像处理

第1章多媒体加密《多媒体信息安全》目录三一

多媒体加密简介二非压缩图像加密压缩图像加密四视频加密算法多媒体数据加密的意义何为多媒体数据？在电脑应用系统中，组合两种或两种以上媒体的一种人机交互式资讯交流和传播媒体。如：文字、图像、音频、视频等。01为何需要加密？随着多媒体技术的产生和发展，多媒体数据的应用越来越广泛，包括了政治、经济、军事、教育等各行各业。尤其是在政治、经济、军事等敏感场合，对保密性和安全性的要求激励了对多媒体数据加密算法的研究。02+多媒体加密技术是利用密码学方法来保护多媒体数据安全的技术。多媒体加密主要研究适合多媒体数据的新型加密算法或加密方案。其中新型的加密算法主要是指不同于传统的应用于文本和二进制数据的加密算法。多媒体加密算法应该满足的要求：文件大小保护密文多媒体文件大小基本不变01格式兼容性不同软件都可以打开密文文件，确保格式不被破坏02加密安全性抵抗各种攻击，如暴力破解，轮廓攻击，差分攻击，已知明文攻击等等03实时性多媒体数据加密算法必须具备快速的特点04多媒体加密技术的研究内容对称加密对称密钥算法：在加密和解密时使用相同的密钥，或是使用两个可以简单地相互推算的密钥。与公开密钥的加密相比，要求双方获取相同的密钥是对称密钥加密的主要缺点之一。常见的对称密钥算法有AES、ChaCha20、DES、RC5、RC6等。01对称加密以及非对称加密非对称加密非对称密钥算法：又称为公开密钥加密，它需要两个密钥，一个是公开密钥，另一个是私有密钥；公钥用作加密，私钥用作解密。使用公钥把明文加密后所得的密文，只能用相对应的私钥才能解密并得到原本的明文，最初用来加密的公钥不能用作解密。公钥可以公开，私钥不可以公开02对称加密以及非对称加密目录三一

多媒体加密简介二非压缩图像加密压缩图像加密四视频加密算法为什么要加密图像？随着网络宽带的不断增加和资费的逐渐下降，越来越多的用户将图像传输到公共云进行存储。如何保的隐私和安全是云存储需要解决的关键问题之一。针对公共云上图像护图像在传输和存储时的隐私和安全保护问题，加密是一种常见而又有效的方法。多媒体数据加密的意义常见图像格式基于空间域的像素置乱置乱，即打乱顺序，破坏图像中原有的空间有序性和局部相关性，把图像内容变得杂乱无章，让人难以识别，使图像呈现一种类似于噪声的形式。但为了保证加密之后还可以完全的恢复出图像，置乱变换必须是一对一的映射。目前的置乱方法主要有Arnold变换及其扩展变换（猫映射、广义猫映射、二维双尺度矩形映射、仿射变换、n维广义Arnold变换）、Baker映射、幻方变换、魔方变换等。Arnold变换转化为多项式为：非压缩图像加密算法基于混沌的加密：混沌系统是非线性的系统，表现出非常复杂的伪随机性，符合混淆规则。它对初始条件和控制参数非常的敏感，任何微小的初始偏差都会被指数式放大，符合扩散规则。同时，它又是确定性的，可由非线性系统的方程、参数和初始条件完全确定。因此，初始状态和少量参数的变化就可以产生满足密码学基本特征的混沌密码序列，将混沌理论与加密技术相结合，可以产生良好的图像加密系统。常用于图像加密的混沌系统有：Logistic混沌映射、Chebychev映射、Cubic映射、Henon映射、Lorenz混沌映射、蔡氏混沌、Rossler混沌映射、Chen’s混沌系统等。Logistic映射：其中，xn是介于0，1之间的数，而r是正整数，介于0到4之间。当r处于3.57和4之间时，系统处于完全混沌的状态。非压缩图像加密算法目录三一

多媒体加密简介二非压缩图像加密压缩图像加密四视频加密算法图像压缩是一种减少描绘一幅图像所需数据量的技术和科学，它是数字图像处理领域最有用、商业上最成功的技术之一。压缩的本质：用尽可能少的数据表达尽可能多的信息图像压缩必要性：一张1920*1080真彩色静态图像，3通道每像素用8bit表示，则文件大小大约为5.93MBWeb网页图像和高分辨率数字摄像机图像需要进行压缩，以节省存储空间和减少传输时间。QF:FileSize图像压缩如何对该8x8块进行压缩？心理视觉冗余心理视觉冗余：人眼对亮度的差异敏感度高于对色彩的变化——UV分量降采样空间冗余（像素间冗余）：同一景物表面上采样点的颜色之间通常存在着空间相关性，相邻各点的取值往往相近或者相同，这就是空间冗余空间冗余DPCM图像压缩的可能性仅仅去除视觉冗余和空间冗余是不够的。JPEG的做法是对图像中的所有8x8块进行DCT变换，再进行量化和熵编码（霍夫曼或算数编码，以去除编码冗余）。1.左上部分低频区的系数比较大，右下高频区的系数较小。2.鉴于人眼对高频区的识别不敏感，所以可以舍弃一些高频区的数据（量化，quantization）。频域冗余JPEG图像标准是怎么做的编码：解码：JPEG标准将图像分成众多8*8的子块每个子块的像素移位128个灰度级JPEG编码流程前向DCT量化、缩放和截断JPEG编码流程Zig-Zag扫描系数重排完整编码阵列（查表，编码）JPEG编码流程DES，AES等传统分组加密算法操作复杂，对于数据量较大的图像来说，采用这些加密算法往往会带来很大的时间开销——复杂度JPEG具有独特和严格的编码方式及文件结构，将传统加密算法应用于JPEG图像上可能会破坏其格式兼容性，导致加密图像无法被标准解码器正确解码——格式兼容性JPEG具有良好的压缩性能，使用传统加密算法可能会造成文件大小急剧增加——文件大小保持MarkerMarkerJPEG图像码流格式现有JPEG加密技术主要包括DC加密，AC加密，哈夫曼表加密和量化表加密DC系数和DCC加密：随机置乱，同类映射，区域重组，DCC加密（异或）等AC系数和ACC加密：块内置乱，块内分区间置乱，非零系数加密，块内ACC置乱，全局ACC置乱，频带置乱，块置乱等哈夫曼码表加密和量化表加密JPEG加密常见技术格式兼容性文件大小保护加密安全性不同软件都可以打开密文图像，确保格式不被破坏抵抗各种攻击，如暴力破解，轮廓攻击，差分攻击，已知明文攻击等等密文图像文件大小基本不变010203主要性能指标1.DC加密随机置乱：将JPEG图像中的所有量化DC系数进行全局置乱。该技术会破坏原始图像中相邻量化DC系数之间较强的相关性，导致相邻量化DC系数之间的差分值变大。也就是说，随机置乱降低了JPEG图像的压缩率，导致密文图像的文件大小增加。同类映射：将差分值的同类概念应用到量化DC系数中。对JPEG图像中的每一个量化DC系数单独进行处理，按下表确定它所属的类别，在确定它所属的类别后，根据加密密钥，将它映射到另一个与它同类别的量化DC系数。该方案依旧破坏了DPCM性能，造成文件大小增加。JPEG加密常见技术1.DC加密区域重组：根据某种规则，将JPEG图像中的所有量化DC系数划分成多个小区域，然后将每个小区域中的量化DC系数重新组合起来。该方案对文件大小的影响不会太大，但置乱效果不佳。JPEG加密常见技术1.DC加密DCC加密：这种加密技术包括两种不同的操作，分别是DCA异或、DCC置乱。这种加密技术不会改变DCC的长度，相邻量化DC系数之间的相关性没有遭到破坏，密文图像的文件大小保持不变。但是密文图像中会有大量的量化DC系数溢出，导致密文图像的格式兼容性较差。JPEG加密常见技术2.AC加密量化AC系数主要包含JPEG图像的细节信息。在一幅JPEG图像中，非0量化AC系数越多的DCT块，越处于图像中的细节区域；而非0量化AC系数越少的DCT块，则越处于图像中的平滑区域。如果加密算法只加密DC而不对AC系数进行加密，那么就有泄露明文图像的危险（使用轮廓攻击）。因此JPEG图像中的量化AC系数也必须被加密。三种常见轮廓攻击JPEG加密常见技术2.AC加密块内AC系数置乱：对每个8*8DCT块，将其中的63个AC系数在块内进行置乱。该方案不改变所有AC系数的幅值，但却极有可能造成非零AC系数前的零游程的改变，这种改变势必会对霍夫曼编码造成影响，进而造成文件大小的激增。块内分区块间置乱：不同于上述方案将所有63个AC系数整体置乱，该方案首先将AC系数划分为几个区间，然后在每个区间里面对AC系数进行置乱。虽然这样相比于上一个做法可以起到抑制文件大小扩张的作用，但文件大小依旧会有明显的增加。非零AC系数加密：这种方案有几种不同的处理方式。可以对码流中的ACA进行保持比特长度的异或操作，或者是对非零AC系数进行符号加密，即任意的翻转非零AC系数的符号。当然，也可以根据非零AC系数的类别，采用和DC系数类别映射相同的做法，将一个非零AC系数映射为另一个同类别的AC系数。这些处理方式都不会造成文件大小的扩张，但如果仅仅进行这种加密，却抵抗不了轮廓攻击，所以必须搭配其他的加密方式。JPEG加密常见技术2.AC加密块内ACC置乱：对每一个块中的ACC进行置乱，这种方式的本质是对每一个DCT块中的Run/Size值对进行置乱，不会造成文件大小增加，但依旧无法对抗轮廓攻击。全局ACC置乱：提取出JPEG图像中的所有MTU中的ACC，进行全局置乱，然后再放回到每个MTU中去。这种方案可以抵抗轮廓攻击并且安全性较高，但存在一个问题，那就是分配完ACC后，某些块中的AC系数个数可能会超过63这个限制，这样是不符合标准的。频带置乱：对于JPEG图像来说，63个AC系数的位置可以看成是一个个的频带，将同频带的量化AC系数进行全局的置乱。这种方案可以有效地抵抗轮廓攻击但却严重破坏了RS值对的结构，会造成文件大小的增加。块置乱：将每个DCT块中的所有63个AC系数看成一个整体，去除DC系数，将所有的块进行全局置乱，然后将DC系数放回到每个DCT块中，这样既起到了抵抗轮廓攻击的效果，也不会造成DPCM效率的降低。JPEG加密常见技术加密JPEG加密目录三一

多媒体加密简介二非压缩图像加密压缩图像加密四视频加密算法近年来网络视频使用率、用户规模持续增长，数字视频已成为广为使用的主流媒体之一，视频内容的安全性受到越来越多的重视和关注，许多视频加密的方案被提出。2018.6~2020.12网络视频（含短视频）用户规模及使用率研究背景1920*1080分辨率的原始视频，若视频格式为YUV444，每像素需要8bit来表示，帧率为60fps，若不进行压缩，则一秒钟视频需要多少的数据量？如果是4k（3840*2160）分辨率呢？1920*1080*8*3/2^30≈2.78Gbps3840*2160*8*3/2^30≈12Gbps视频压缩的必要性其中常用的标准有H.264/AVC,H，H.265/HEVC，VP9和AV1。视频编解码标准H.264，又称为MPEG-4第10部分，高级视频编码（英语：MPEG-4Part10,AdvancedVideoCoding，缩写为MPEG-4AVC）是一种面向块，基于运动补偿的视频编码标准

。到2014年，它已经成为高精度视频录制、压缩和发布的最常用格式之一。第一版标准的最终草案于2003年5月完成。H.264编码流程H.264/AVC编码单元与划分：H.264/AVC中采取宏块（一个16*16大小的亮度块和2个8*8大小的色度块）为基本的编码单元。预测：帧内预测：H.264/AVC中帧内预测模式对于4*4的亮度块有9种模式，16*16的亮度块有4种模式，色度分量预测模式有4种。帧间预测：帧间预测需要为当前的待编码块在参考帧种搜索一个最匹配的块。H.264/AVC支持亚像素和1/4像素精度的搜索，使用6抽头滤波器（半像素位置）和两点内插（1/4像素位置）。变换：H.264/AVC中支持4*4和8*8大小的DCT。熵编码：H.264/AVC采取了CAVLC+CABAC（大于baseline）。环路滤波：垂直和水平像素穿插进行。编码单元与划分预测（intra/inter）变换量化熵编码环路滤波H.264/AVC主要技术特点高效率视频编码（HighEfficiencyVideoCoding，简称HEVC），又称为H.265和MPEG-H第2部分，是一种视频压缩标准，被视为是ITU-TH.264/MPEG-4AVC标准的继任者。2004年开始由ISO/IEC

MovingPictureExpertsGroup（MPEG）和ITU-T

VideoCodingExpertsGroup（VCEG）作为ISO/IEC23008-2

MPEG-HPart2或称作ITU-T

H.265开始制定。第一版的HEVC/H.265视频压缩标准在2013年4月13日被接受为国际电信联盟（ITU-T）的正式标准H.265编码流程H.265/HEVC编码单元与划分：H.265/HEVC中引入了编码树单元CTU的概念。对于CTU，可以采取四叉树划分，将CTU划分为若干大小不一（8*8——64*64）。HEVC定义了一套新的分割模式，包括CU、PU和TU。预测：帧内预测：HEVC帧内预测模式IPM从最多9种变为35种（DC+Plannar+33种角度）。帧间预测：HEVC引入了新的帧间预测技术，包括Merge、AMPV和基于Merge的Skip模式。亚像素精度插值算法也进行了改进，从AVC的6抽头滤波器（半像素精度）和两点内插（1/4像素精度）变为基于DCT的8抽头和7抽头滤波器。变换：H.265/HEVC引入了RQT技术。基于四叉树结构，根据CU的残差特性，自适应选择变换块大小。HEVC支持的DCT最大尺寸为32*32。除了支持DCT,HEVC还支持对4*4的intra块使用4*4的DST。量化：HEVC引入了量化组QG的概念，一个QG可以包括多个CU，也可能存在1个CU包含多个QG的情形。熵编码：H.265/HEVC采取并行的CABAC为主。环路滤波：HEVC的去块滤波先处理垂直边界再处理水平边界。新增了SAO滤波技术来解决振铃效应。H.265/HEVC主要技术特点压缩前的加密：对原始视频YUV数据进行加密。安全性好，但却严重破坏了每帧图像的空间相关性和时间相关性，造成加密后的视频文件大小激增。压缩过程中的加密：在视频编码时进行加密，一般会选择性地将一些重要信息和元素加密，如帧内预测模式（IPM），运动矢量差值（MVD）和残差系数等。由于是在编码过程中对这些元素进行加密，并且一般是选择在编码流程环路中的重排序和熵编码阶段进行加密，所以并不会对压缩性能造成太大影响。压缩后(码流)的加密：给定一个视频码流，然后直接对码流进行解析或部分解码并进行加密。视频加密算法分类格式兼容性文件大小保护加密安全性不同软件都可以打开密文视频数据，确保格式不被破坏抵抗各种攻击，如暴力破解，轮廓攻击，差分攻击，已知明文攻击等等密文视频文件大小基本不变010203主要性能指标完全加密：利用常见的密码学加密技术，如DES或AES，直接对视频数据进行加密。因为视频的数据量相当庞大，因此该方案的运算复杂度是非常高的，实时性很差。选择性加密：加密那些被选出来的残差系数以及在视频压缩标准中的重要的语义和句法元素。如帧内预测模式（IPM），运动矢量残差（MVD），残差系数（Residual）。视频加密算法分类用3bit的密钥Key将IPM的9种顺序打乱。Golombcode编码后半部码字加密：IPM的值最后会在熵编码时用Exp-Golombcode进行编码。此方法将加密的位置移动到Exp-Golombcode时再做处理。Intra4*4亮度块预测模式：视频加密算法一：IPM加密加密MVD的符号Sign：利用密钥Key将MVD的正负号打乱。这种加密方式是一种相当有效率的加密方法，具有很好的视觉安全性，且不会破坏压缩率。加密MVD的数值：（1）根据密钥将MVD和随机数做四则运算（2）利用密钥对MVD的Level进行XOR运算。加密MVD的Bitstream：对已经经过Exp-Golombcode编码的MVD的bitstream进行加密。视频加密算法二：运动矢量差值（MVD）加密在视频每帧编码块经过DCT变换和量化以后，所残余的系数值分别为DC值与AC值。常见的残差系数加密方案中，加密的位置是残差系数的值（Level）或者是正负号（Sign）。视频加密算法三：残差系数（Residual）加密国家重点研发计划项目申报谢谢！《多媒体信息安全》第2章鲁棒水印目录三一鲁棒图像水印简介二鲁棒图像水印算法抗打印-拍照的图像水印技术四抗屏摄的图像水印技术鲁棒图像水印简介图像水印

数字图像水印，作为一种将信息嵌入到图像中的技术，可以用于版权保护、隐蔽通信、追踪溯源等领域。利用数字载体中的数据冗余性，将信息嵌入到数字载体中。一般地，数字图像水印是指人眼无法直接看到信息内容的不可见水印，但是一旦需要，则可以从图像中提取。鲁棒图像水印简介常见攻击

鲁棒图像水印，就是能够抵抗攻击的水印方法，即经过一种或多种攻击后，水印信息仍然能够检测或恢复，噪声攻击：常用的图像处理操作，如加噪、模/数、数/模转换，重采样、重量化或某种信号（图像的亮度、对比度）的增强等同步攻击：水印各比特之间的位置发生错乱，使得水印检测十分困难。最典型的方法为几何变换，如图像的旋转、缩放和剪切等。共谋攻击：利用同一原始多媒体数据的不同水印版本，来生成一个近似的多媒体数据，以此来逼近和恢复原始数据，其目的是使检测系统无法在这一近似的数据中检测出水印信号的存在，其最简单的一种实现方法就是平均法。欺骗攻击：设原始图像为I，加入水印W的图像为I'=I+W，攻击时，攻击者首先生成自己的水印W'，然后创建一个伪造的原图I''=I'-W'，也即I'=I''+W'，此后，攻击者可声称他拥有I'的版权，因为攻击者可利用其伪造原图I''从I'中检测出其水印W'，但原作者也能利用原图从水印图像I'中检测出其水印W。目录三一鲁棒图像水印简介二鲁棒图像水印算法抗打印-拍照的图像水印技术四抗屏摄的图像水印技术基于传统方法的鲁棒数字水印奇异值分解（SingularValueDecomposition，SVD）在图像处理中具有两个主要特性。首先，图像的奇异值稳定性比较好，在图像受到轻微扰动的时候不会发生明显变化；其次，奇异值表现的是图像的内蕴特性，反映了矩阵元素之间的关系。在对含水印图像进行几何攻击时，水印的提取过程常常会受到影响。然而，根据奇异值的特性，将奇异值分解应用到水印的嵌入和提取过程中，可以使含水印图像在面对几何攻击时具有更好的鲁棒性。基于SVD的水印算法是将图像矩阵进行奇异值分解，并将水印嵌入到分解的奇异值中。基于SVD的鲁棒图像数字水印算法基于传统方法的鲁棒数字水印DCT是一种关于实数的正交变换。它通过对傅里叶变换级数中的实偶数函数展开并进行离散化，从而得到一种只包含余弦项的结果。因此，将离散化后的傅里叶变换称之为离散余弦变换。基于DCT域的鲁棒水印算法的一般流程如下：首先对图像进行二维DCT变换；然后通过调整选定频率段的系数来嵌入水印信息；最后通过二维DCT逆变换生成含水印的图像。一般来说，图像的低频段包含了较多的图像信息，同时也是人类视觉系统敏感的频段；而图像的高频段则包含较少的图像信息，主要表达图像的细节，但容易受到噪声、压缩等操作的影响。因此，在嵌入水印时一般选取中频作为嵌入位置。这样的选择考虑了水印的鲁棒性和不可感知性之间的平衡，从而在实现水印安全性的同时保持含水印图像的视觉质量。基于DCT域的鲁棒图像数字水印算法基于传统方法的鲁棒数字水印图1和图2分别是对原始图像进行DCT域全局变换算法（扩频方式嵌入水印）和DCT域分块变换算法（抖动量化方式嵌入水印）的仿真示例。其中，DCT域全局变换算法示例中是将1000个伪随机序列作为水印信息嵌入到256×256像素的原始图像中；DCT域分块变换算法使用抖动量化的方式将大小为32×32像素的二值水印图像嵌入到256×256像素的原始图像中。从图中可以看到含水印图像与原始图像在视觉上几乎没有差别，且差值图像无意义，因此该算法在鲁棒性、安全性和不可感知性之间均具有较好的表现。基于DCT域的鲁棒图像数字水印算法图1DCT域全局变换算法示例原始图像

(b)含水印图像(c)差值图像图2DCT域全局变换算法示例原始图像

(b)含水印图像(c)差值图像基于深度学习的鲁棒数字水印深度神经网络可以学习使用人眼难以察觉的扰动来编码有用的信息，从而实现数据隐藏的目的。其网络结构通常由编码器和解码器构成。给定输入的水印信息和原始图像，编码器能够生成一个在视觉上无法与原始图像区分的编码图像，而解码器则可以从这个编码图像中恢复出原始图像。这种编码方式对噪声具有鲁棒性，因此模型可以在编码图像中重建隐藏的信息。此外，深度神经网络对输入图像的微小扰动非常敏感，容易受到对抗样本的影响。对抗样本是通过在图像上添加微小的扰动来破坏其在各种神经网络分类任务中的准确性。尽管对抗样本通常被认为是神经网络的弱点，但实际上它们也可以用于数据隐藏：如果一个网络能被微小扰动所欺骗并做出错误的类别预测，那么它也应该能够从这些微小的扰动中提取出有用的信息。基于SVD的鲁棒图像数字水印算法基于深度学习的鲁棒数字水印HiDDeN是JirenZhu等人于2018年提出的一种用于信息隐藏和数字水印的端到端框架。传统的隐写术方法通常需要手动设计特定的隐藏算法和嵌入技术，而HiDDeN则采用了深度神经网络进行自动编码和隐藏。HiDDeN包括3个子网络：编码网络，用于接收原始图像和水印信息（编码成比特串），输出编码图像；解码网络，用于接收编码图像并且试图重建信息；对抗网络，用于判断给定的图像是否包含水印信息。在实际应用中，编码图像在传输过程中会产生失真，为了模拟这种情况，在编码器和解码器之间引入可微分的噪声层，且该噪声层集成了不同的图像变换。HiDDeN水印框架实验结论：通过模拟JPEG可导噪声层，整个框架能实现端到端的训练，且能有效的同时优化含水印图像的透明性和对应失真的鲁棒性。ZhuJ,KaplanR,JohnsonJ,etal.“Hidden:Hidingdatawithdeepnetworks,”ECCV,2018.基于深度学习的鲁棒数字水印创新点真实JPEG压缩不可导，HiDDeN使用了一个可导操作模拟JPEG压缩过程，将该过程作为噪声层加入训练实现对JPEG压缩的鲁棒性。HiDDeN局限模拟过程仍然与真实JPEG压缩过程有一定差异，导致使用模拟噪声层训练的网络对真实JPEG压缩的鲁棒性不强。关键问题真实JPEG压缩不可导，模拟JPEG过程可导但不够精确，如何有效地将真实失真引入训练过程同时保证梯度的优化？基于深度学习的鲁棒数字水印HiDDeN的局限性鲁棒可逆信息隐藏研究内容鲁棒可逆信息隐藏就是在可逆信息隐藏的基础上嵌入的信息具有鲁棒性，即当含密载体没有受到其他信号处理时，接收端能够无损提取水印并且能恢复原始载体；但是当含密载体遭到一定程度的信号处理，比如JPEG压缩、滤波、高斯噪声、几何变换等时，接收端仍然能够有效地提取水印，但是原始载体不能被恢复出来。原始图像水印标记图像信息（水印）未受攻击的水印标记图像受攻击的水印标记图像原始图像水印水印鲁棒可逆信息隐藏算法鲁棒可逆信息隐藏应用场景数据完整性认证01030204隐蔽通信数字多媒体版权保护证件防伪、真伪鉴别鲁棒可逆信息隐藏研究方法基于直方图平移的鲁棒可逆信息隐藏算法基于两阶段嵌入的鲁棒可逆信息隐藏算法基于神经网络的鲁棒可逆信息隐藏算法010203鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法嵌入步骤如下所示：1、先将图像分块，再将图像块中的像素随机划分为大小相等的两个区域A和B，每个区域的直方图被映射到一个圆上，圆上的位置是灰度值，而位置的权重是假设相应灰度值的像素数量；DeVleeschouwer等人提出了一种基于双映射的循环实现的鲁棒可逆水印算法鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法2、向量是从圆心指向区域A和B的质心，通过调整两个质心之间的夹角实现水印的嵌入。向量a顺时针转嵌0，逆时针转嵌1；向量b顺时针转嵌1，逆时针转嵌0。这些旋转就相当于直方图的移位。提取水印过程：首先像嵌入的时候，把标记图像分块以及区域A和B，然后同样是将区域的直方图映射到圆上面。对于两个区域，将它们的质心位置都计算出来。用V表示两个向量之间方向角度的差值，V的符号提供了嵌入过程中旋转方向的信息。鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法为了避免在嵌水印的过程中引入椒盐噪声，Ni等人提出一种空域统计量直方图平移的鲁棒可逆水印算法。嵌入过程如下所示：1、首先将图像分为互不重叠的相同大小的图像块，对每个块中的像素再分为两组A和B，然后计算分块的差分统计量𝛼

鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法2、根统计量的取值进行4个不同策略的平移以嵌入水印。有溢出时会引入错误比特，需要利用ECC来纠正错误比特。该算法实现了对JPEG/JPEG2000以及高斯噪声的鲁棒性，但是由于嵌入水印后的图像块像素分布存在重叠，在提取和恢复原始载体的时候会发生错误。当差值α在-K和K之间时，嵌入0；当α超过-K和K的范围时，嵌入1。（其中K是指定阈值，一般小于5）鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法受Ni等人的启发，Zou等人提出了一种基于小波域的中频子带均值直方图的鲁棒可逆水印算法。在小波域中，高频子带的系数具有零均值和类似拉普拉斯的分布。嵌入过程如下所示：1、先对原始图像进行小波变换，再将HL或LH子带分成N*N的不重叠块；2、再计算每个块的小波系数的均值，将此均值作为嵌入信息的统计量；3、通过平移统计量直方图来嵌入水印，平移规则需要根据小波域所在的系数块对应的空域图像块的类型来确定。嵌入过程因为溢出问题也会引入错误比特，因此需要利用ECC来纠正错误比特，该算法实现了对JPEG2000以及高斯噪声的鲁棒性。鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法Gao等人在Ni等人提出的鲁棒可逆水印算法的基础上进行了改进，使得所提出的算法在提取水印的过程中不再需要ECC来纠正错误比特。主要嵌入思想：通过对载体图像进行分析，找出会产生溢出的图像块，嵌入过程中跳过会产生溢出的分块，避免在嵌水印的过程中引入错误比特。对于溢出问题，记录会产生溢出的图像块的位置，将位置和相关的参数作为辅助信息传送给接收端以实现可逆。鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法

鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法3、平移直方图，扩展区域进行信息嵌入；4、在扩展区域进行水印信息的嵌入。鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法An等人提出了一种小波域直方图统计量移位和聚类的鲁棒可逆水印算法。嵌入过程如下所示：1、先使用属性优秀像素调节法（PIPA）对图像进行预处理以防止溢出；2、对预处理之后的图像进行整数小波变换，再对中频子带进行分块，分为互不重叠的大小为h*w的系数块；3、计算这些块的小波系数的平均值；4、平移统计量来嵌入水印。

鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法基于两阶段嵌入的鲁棒可逆信息隐藏算法Coltuc等人提出了另一种鲁棒可逆水印算法的框架，即两阶段嵌入框架，在利用该框架进行水印嵌入时选用的鲁棒水印算法和可逆水印算法不局限于特定的算法。鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法基于两阶段嵌入的鲁棒可逆信息隐藏算法嵌入过程如下所示：第一阶段：1、将原始图像X进行分块，对每个块使用DCT变换，从被转换的块中选择两个中频带系数来嵌入水印比特，嵌入水印之后的DCT系数也就是过渡图像Y的DCT系数；2、通过DCT反变换得到过渡图像Y；鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法基于两阶段嵌入的鲁棒可逆信息隐藏算法第二阶段：1、计算差值图像M=X-Y，先将差值图像进行无损压缩；2、使用差值扩展的可逆水印算法将M嵌入到过渡图像Y中，得到最后的水印标记图像Z。鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法基于两阶段嵌入的鲁棒可逆信息隐藏算法提取水印和恢复原始图像：1、对水印标记图像的每个像素对，根据前面的公式提取嵌入的差值图像数据m；2、恢复过渡图像Y；3、将过渡图像分块，对每个块用DCT来变换，通过DCT的系数对来提取嵌入的水印，得到原始图像X=M+Y。鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法基于两阶段嵌入的鲁棒可逆信息隐藏算法嵌入过程如下：使用哈尔小波变换将原始图像分解为高频图像和低频图像；第一阶段：1、将低频图像分为不重叠的块，将块分为两个部分，使用patchwork算法将水印比特嵌入原始图像中；Wang等人对Coltuc提出的两阶段框架进行了改进，提出基于独立嵌入域的两阶段算法鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法基于两阶段嵌入的鲁棒可逆信息隐藏算法第二阶段：1、将阈值、原始差值、以及上溢/下溢像素的位置作为辅助信息；2、使用直方图平移算法在高频图像中嵌入辅助信息；鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法基于两阶段嵌入的鲁棒可逆信息隐藏算法提取水印信息和恢复原始图像：1、提取嵌入的辅助信息；2、恢复高频图像；3、提取嵌入的水印信息；4、恢复低频图像；鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法基于两阶段嵌入的鲁棒可逆信息隐藏算法5、根据哈尔小波逆变换得到原始图像。鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法基于两阶段嵌入的鲁棒可逆信息隐藏算法基于神经网络的鲁棒可逆信息隐藏算法我们是在HiDDeN网络框架的基础上进行了改进，使用两阶段嵌入模式，利用神经网络和可逆水印算法得到最后的水印标记图像。主要思想：1、第一阶段将水印信息通过卷积神经网络嵌入进原始图像中，并且得到具有鲁棒性的鲁棒水印过渡图像；2、第二阶段再利用可逆水印算法将第一阶段得到的鲁棒水印图像与原始图像的差值作为辅助信息嵌入进鲁棒水印图像中，得到最后的水印标记图像。鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法基于两阶段嵌入的鲁棒可逆信息隐藏算法基于神经网络的鲁棒可逆信息隐藏算法A、第一阶段使用HiDDeN神经网络框架进行水印嵌入编码器网络接收原始图像和水印信息，输出编码图像。解码器网络接收嵌入水印信息之后的编码图像，输出嵌入的水印信息。鲁棒可逆信息隐藏算法基于直方图平移的鲁棒可逆信息隐藏算法基于两阶段嵌入的鲁棒可逆信息隐藏算法基于神经网络的鲁棒可逆信息隐藏算法B、第二阶段使用预测误差扩展可逆水印算法进行辅助信息嵌入为了恢复原始图像，需要采用可逆水印算法嵌入可以恢复出原始图像的辅助信息。我们这里采用了Thodi等人提出的嵌入容量较大的预测误差扩展算法。目录三一鲁棒图像水印简介二鲁棒图像水印算法抗打印-拍照的图像水印技术四抗屏摄的图像水印技术抗打印拍摄的鲁棒图像水印

原始的水印信息通常是网址或者一串加密数字，经过预处理编码后变为二进制码流，在水印嵌入步骤与载体图像通过嵌入算法融合，生成带有水印信息的数字图像。该图像经过打印机打印后，由纸质媒体进行传播，摄像机重新拍摄成像，期间经历两次数模转换。最后由提取算法将水印信息从拍摄后的水印图像中提取出。主流程抗打印拍摄的鲁棒图像水印常见噪声数转模、模转数不均匀采样和量化色域转换像素失真仿射畸变画面旋转缩放光照变化抗打印拍摄的鲁棒图像水印传统方法Nakamura,T.,Katayama,A.,Yamamuro,M.,&Sonehara,N.(2004).

Fastwatermarkdetectionschemeforcamera-equippedcellularphone.Proceedingsofthe3rdInternationalConferenceonMobileandUbiquitousMultimedia-MUM’04.

doi:10.1145/1052380.1052395水印嵌入加上定位框经过打印拍摄过程（D/A->A/D）使用定位框进行定位修正水印提取抗打印拍摄的鲁棒图像水印传统方法1.纠错编码：生成n位信息2.扩频调制原始信息

扩容：

直接序列扩频调制伪随机序列伪随机位置打乱DS-SS：提高鲁棒性抗打印拍摄的鲁棒图像水印传统方法3.2D模版调制分块：NXN4.水印与载体图像融合抗打印拍摄的鲁棒图像水印传统方法1.定位矫正2.预处理滤波：图像被分为NXN块对目标图像进行归一化，可以减少原始图像对水印信号的影响，增加水印的鲁棒性水印图像频域能量3.2D分块解码方向变量（定位）方向变量（定位）基本思想：找出哪个标志在块中被优越地嵌入，并衡量其优越性的程度。检测值dh,v的符号与嵌入序列元素ti(i=h+vN)的符号完全匹配，绝对值|dh,v|一般会变大。可以通过判断每一块的dh,v来提取每一块携带的1bit信息。抗打印拍摄的鲁棒图像水印传统方法4.扩频解调经过步骤3，得到了一个从块信息中提取的序列{gi}，嵌入时使用的打乱矩阵Oi，打乱前：解调（扩频调制后的原始信息）5.纠错解码抗打印拍摄的鲁棒图像水印深度方法M.Tancik,B.Mildenhall,andR.Ng,“Stegastamp:Invisiblehyperlinksinphysicalphotographs,”inProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecognition,2020,pp.2117–2126.StegaStamp首次提出了基于深度学习方法的端到端抗打印拍摄水印算法，模型有四个部分组成：嵌入网络、噪声模拟网络、提取网络和用于判断图像是否含有水印的GAN网络组成。抗打印拍摄的鲁棒图像水印深度方法嵌入网络

嵌入网络的设计来源于U-Net网络，一种对全卷积神经网络的改进算法，它可以在较小的数据集上对图像的边缘进行训练，达成识别和分割任务，StegaStamp正是利用了这个特性，将生成的附加水印信息与分割图像结合，以求降低嵌入水印后的图像失真。该网络的输入为4×400×400像素的图像（输入图像RGB通道加一个用于消息的通道）并输出三通道RGB残差图像。输入消息表示为100位二进制字符串，通过全连接层处理形成50×50×3张量，然后上采样产生400×400×3张量。他们发现将这种预处理应用于消息有助于收敛。抗打印拍摄的鲁棒图像水印深度方法噪声模拟网络透视变换：把一个图像投影到一个新的视平面的过程原图：变换后：变换矩阵：剩余像素映射：Iw抗打印拍摄的鲁棒图像水印深度方法噪声模拟网络随即离散噪声：采用高斯噪声（Ng）模型，并使用标准偏差γ~U[0,0.03]计算成像噪声。色域噪声：1.色相调整：为每个色彩域加上随机的空间域补偿。色彩补偿由随机范围设定在-0.1到0.1之间的参数乘上Id的RGB分量生成，记为Ih。2.亮度调整：Ibr=Id·m+b3.饱和度变化：首先将图像从RGB色域转换到YUV色域，并且选择Y分量作为图像亮度的参考值，标记为Iy,之后使用线性公式组合原图与Y分量。抗打印拍摄的鲁棒图像水印深度方法噪声模拟网络JPEG压缩：通过在图像的每个8×8块上计算离散余弦变换（DCT），并舍入到最接近的整数来量化实现的。StegaStamp利用分段函数近似量化步长为零：抗打印拍摄的鲁棒图像水印深度方法提取网络

空间变换网络（SpatialTransformerNetworks），根据输入的图像以及提取的特征值，学习该图像的空间变换参数，可以使水印提取层对真实环境下的形变鲁棒性增强。STN的输入是由一个线性层控制输出的6个参数，根据这6个参数，STN会将图像进行仿射变换，修正形变。抗打印拍摄的鲁棒图像水印深度方法鉴别网络主要作用：区分带有水印的图像和不带水印的图像本质：对处理的图像进行特征提取和降低维度，最终输出一个二进制数，指示该图像是否含有水印信息依照此特点，通常先使用卷积层对输入图像进行特征提取，并且逐步降低中间层的大小，最后使用全连接层连接池化后的中间层，输出单一的值，再对该数值使用二分函数，将其归为0或1。抗打印拍摄的鲁棒图像水印深度方法损失函数抗打印拍摄的鲁棒图像水印主流程

屏幕拍摄，就是将数字图像经由显示器显示，利用数字媒体作为载体进行传播，然后使用摄像头拍摄显示出来的数字图像的过程。屏幕是发送者，摄像头是接收者。抗打印拍摄的鲁棒图像水印常见噪声透视变换：在屏幕拍摄过程中，任意细小的抖动都会导致拍摄的图像发生形变，这一类噪声在屏幕拍摄过程中无法避免。运动模糊噪声：打印拍摄过程中，相机运动和不正确的自动对焦都可能导致模糊。JPEG压缩：如今在储存图像数据的时候，JPEG是经常被用到的图像压缩格式。色域变化：在不同的显示设备上，色彩是不尽相同的，同时摄像机在采集成像过程中，也会产生一系列的色彩失真。摩尔纹：用数码相机拍摄景物中，如果有密纹的纹理，常常会出现莫名其妙的水波样条纹，即感光元件CCD（CMOS）像素的空间频率与影像中条纹的空间频率接近，就会产生摩尔纹。目录三一鲁棒图像水印简介二鲁棒图像水印算法抗打印-拍照的图像水印技术四抗屏摄的图像水印技术抗屏幕拍摄的鲁棒图像水印主流程

屏幕拍摄，就是将数字图像经由显示器显示，利用数字媒体作为载体进行传播，然后使用摄像头拍摄显示出来的数字图像的过程。屏幕是发送者，摄像头是接收者。抗屏幕拍摄的鲁棒图像水印常见噪声透视变换：在屏幕拍摄过程中，任意细小的抖动都会导致拍摄的图像发生形变，这一类噪声在屏幕拍摄过程中无法避免。运动模糊噪声：打印拍摄过程中，相机运动和不正确的自动对焦都可能导致模糊。JPEG压缩：如今在储存图像数据的时候，JPEG是经常被用到的图像压缩格式。色域变化：在不同的显示设备上，色彩是不尽相同的，同时摄像机在采集成像过程中，也会产生一系列的色彩失真。摩尔纹：用数码相机拍摄景物中，如果有密纹的纹理，常常会出现莫名其妙的水波样条纹，即感光元件CCD（CMOS）像素的空间频率与影像中条纹的空间频率接近，就会产生摩尔纹。抗屏幕拍摄的鲁棒图像水印传统方法HaoCui,HuanyuBian,WeimingZhang,andNenghaiYu."UnseenCode:InvisibleOn-screenBarcodewithImage-basedExtraction".IEEEINFOCOM2019-IEEEConferenceonComputerCommunications.IEEE,20191.空间分区为了利用智能手机相机的高空间分辨率，输入图像被分成块，每个块编码一位数据。第一行输出帧的完整块数：N容量：2N(N−1)+1bits抗屏幕拍摄的鲁棒图像水印传统方法2.色彩分离

sRGB-->CIEXYZ抗屏幕拍摄的鲁棒图像水印传统方法3.条码嵌入

使用基于VLC的帧间嵌入方法来隐藏任意屏幕内容中的条码图像（通过构造亮度不变的融合对，即CIEXYZ颜色空间的Y分量不变，在CIEXYZ颜色空间的X分量中将不可见的条码嵌入到屏幕内容中）。抗屏幕拍摄的鲁棒图像水印传统方法3.条码嵌入4.交替显示抗屏幕拍摄的鲁棒图像水印传统方法1.空间分区2.色彩分离XcapZcap3.条码提取（基于彩色成分的互相关性）抗屏幕拍摄的鲁棒图像水印传统方法4.模版匹配抗屏幕拍摄的鲁棒图像水印传统方法抗屏幕拍摄的鲁棒图像水印深度方法目标：把特定的超链接以不可见的方式隐式地嵌入到载体图像上。编码网络U-Net双编码网络融合图像抗屏幕拍摄的鲁棒图像水印深度方法噪声网络透视失真运动和失焦模糊高斯离散噪声颜色失真JPEG压缩抗屏幕拍摄的鲁棒图像水印深度方法残差图像的JND限制平均背景亮度justnoticeabledifference（JND），为可见性建立了一个阈值级别，低于此阈值的重建错误将难以被人眼检测到。一般来说，图像的JND可以被认为是局部信号特性的函数。像素点周围亮度差异的最大加权平均值加权低通算子抗屏幕拍摄的鲁棒图像水印深度方法残差图像的JND限制空间掩膜成分背景亮度引起的可见阈值原始图像的JND归一化JND损失抗屏幕拍摄的鲁棒图像水印深度方法多任务损失函数国家重点研发计划项目申报谢谢！第3章可逆信息隐藏《多媒体信息安全》目录三一可逆信息隐藏简介二明文域位图图像可逆信息隐藏JPEG图像可逆信息隐藏四密文域可逆信息隐藏可逆信息隐藏简介随着多媒体和网络技术飞速发展，大量数据在网络上传播。多媒体信息的可靠性、安全性、完整性和保密性无法得到保障，信息泄露、篡改等风险增加。一旦出现问题，可能造成严重后果。数字化时代信息安全挑战可逆信息隐藏能够在嵌入秘密信息的同时，保证原始载体的无损恢复，兼具加密技术和传统信息隐藏技术的优点。可逆信息隐藏的优势与应用可逆信息隐藏简介可逆信息隐藏框架模型目录三一可逆信息隐藏简介二明文域位图图像可逆信息隐藏JPEG图像可逆信息隐藏四密文域可逆信息隐藏明文域位图可逆信息隐藏简介技术难点（1）高容量、低失真的无损隐秘传输；（2）嵌入算法的复杂度和实时性问题；（3）嵌入率、嵌入效率及嵌入算法的安全性问题，以及传输过程的影响。明文域位图可逆信息隐藏简介评价标准（1）不可感知性：通常用PSNR和SSIM。（2）可逆性：可逆信息隐藏技术的核心，保证了含密图像在接收端能够完全恢复为原始载体图像，确保信息的完整性和可用性。（3）嵌入容量：表示嵌入在载体图像中的额外信息数量，通常用嵌入率（ER）来表示。（4）鲁棒性：误码率（BER）和归一化汉明距离（γHD）是常用的客观测试指标。明文域位图可逆信息隐藏简介发展历史及研究现状最早可逆信息隐藏思想由Barton等人在1997年提出。目前可逆信息隐藏算法主要分为基于无损压缩、差值扩展、直方图移位和预测误差扩展四类，各有优势和应用场景。无损压缩：通过压缩载体图像的冗余信息来嵌入秘密信息；差值扩展：利用像素差值的扩展来创造嵌入空间；直方图移位：通过统计直方图峰值点与零值点之间的像素进行移位获得冗余空间；预测误差：利用载体图像的冗余空间，通过预测误差来嵌入秘密信息。基于无损压缩的可逆信息隐藏利用无损位平面压缩的算法Fridrich等人提出一种利用无损位平面压缩算法JBIG实现可逆信息隐藏的方法。首先选取载体图像的合适位平面，对其进行JBIG无损压缩后将秘密信息嵌入到产生的冗余空间中。如图所示，载体图像I的某个位平面P经无损压缩后产生子集I（P），得到冗余空间，再将秘密信息M嵌入到该冗余空间中。这种利用压缩位平面进行可逆信息嵌入的方法思想简单、容易实现，但需要确定合适的位平面，嵌入容量有限，通常只能进行认证。无损位平面压缩框图基于无损压缩的可逆信息隐藏R-S算法首先将原始图像分块，图像块用Zig-Zag方式扫描分组，得到一组像素值矢量（x1,x2,.....,xn）,定义相关性函数为：f值越小，说明图像相邻像素之间的起伏越小，即图像块的空间相关性越强，反之越弱。基于无损压缩的可逆信息隐藏定义翻转函数。这种翻转操作的目的在于以一种可逆的方式打乱原有像素值的相关性，相当于在图像块上叠加微小噪声。对图像块应用翻转函数，即：Q为1，0或－1；P代表图像块。当f(F(P))>f(P)时，定义这些组为正常分组PR；当f(F(P))<f(P)时，定义为奇异分组PS；当f(F(P))=f(P)时，称P为不可用图像块分组PU。R-S算法基于无损压缩的可逆信息隐藏R-S算法在秘密信息嵌入过程中，将信息比特“1”对应“PR”，“0”对应“PS”，而对所有状态为PU的像素分组不嵌入任何数据，并保持其状态不变。算法的嵌入容量为：NR和NS分别为原始载体图像PR与PS的数量，|A|为压缩后图像分组状态所占的长度。基于无损压缩的可逆信息隐藏G-LSB算法核心思想：和无损位平面压缩方法类似，只是将被无损压缩的对象由原来的最低n个位平面扩展为最低的L个幅值电平。流程：首先对载体图像I中的像素值进行量化，用载体图像中的各像素的灰度值减去量化值，得到差值，接着将所有的差值用基于上下文自适应无损压缩方法（CALIC）进行压缩。嵌入过程：把压缩后的数据与需要嵌入的秘密信息M合并成为最终待嵌入的信息W，将其嵌入到载体图像中，得到含密图像Iw。最后，接收端根据同样的量化参数从Iw中提取信息W'，若Iw未受攻击，则W'=W，这样就能从W'中提取出秘密信息M，并将剩余信息经过解压缩后得到各像素点的差值，最后利用差值与反量化恢复原始载体图像。基于差值扩展的可逆信息隐藏首先将灰度图像分成灰度像素对（x,y），0≤x,

y≤255，定义正变换为:其中，l为向下取整均值，h为整数差值。其对应的逆变换为:对h进行比特移位，即将秘密比特信息b以差值扩展的方法嵌入到h中：基于差值扩展的可逆信息隐藏将得到的h'作为h，代入逆变换种中，得到新的图像像素对（x',y'），形成嵌入秘密信息后的图像。在提取信息时，对差值h'模2运算得到嵌入的秘密信息比特b：在还原图像时，对差值h'除以2得到的商就是原始的差值ℎ：基于直方图移位的可逆信息隐藏直方图移位方法首先生成直方图，然后通过修改生成的直方图实现信息的可逆嵌入。对于一个给定的整数a，秘密信息经过以下方式嵌入到载体图像I中，得到含密图像J：直方图移位规则示意图其中黑色的值被移动，红色的值向左移动以嵌入二进制1或保持不变以嵌入二进制0，蓝色的值在数据嵌入中保持不变。基于直方图移位的可逆信息隐藏直方图移位算法嵌入过程示意图三幅直方图分别表示移位前（原始图像直方图）、移位后和嵌入信息后（含密图像直方图）的状态。基于预测误差扩展的可逆信息隐藏原始PEE方法该算法利用了图像区域内相邻像素之间的固有相关性，计算每个位置的预测误差，并根据要嵌入的信息量选择嵌入位置，然后通过扩展预测误差值来嵌入数据，嵌入位置的压缩位置图也连同信息位一起嵌入到载体图像中。给定灰度图像的一个像素x和待嵌入信息m,使用x的右方(b)、下方(a)和右下角(c)邻域像素来预测它的预测值：基于预测误差扩展的可逆信息隐藏原始PEE方法该算法利用了图像区域内相邻像素之间的固有相关性，计算每个位置的预测误差，并根据要嵌入的信息量选择嵌入位置，然后通过扩展预测误差值来嵌入数据，嵌入位置的压缩位置图也连同信息位一起嵌入到载体图像中。给定灰度图像的一个像素x和待嵌入信息m,使用x的右方(b)、下方(a)和右下角(c)邻域像素来预测它的预测值：基于预测误差扩展的可逆信息隐藏预测误差,接着将预测误差进行扩展，左移1bit产生一个空的LSB以嵌入信息比特m，即：得到嵌入后的像素值x’：原始像素值可根据下面的公式恢复：原始PEE方法基于预测误差扩展的可逆信息隐藏HS-PEE方法HS-PEE采用直方图移位技术作为嵌入位置图的替代方案，减少低嵌入容量下的失真，并增大了嵌入容量。此外，采用预测误差扩展技术也能更好地利用像素邻域内固有的相关性。HS-PEE嵌入过程包括两个主要步骤：（1）像素预测和生成预测误差直方图（2）直方图修改基于预测误差扩展的可逆信息隐藏像素预测和生成预测误差直方图在特定的扫描排序下，将载体图像的像素扫描成一个序列（x1,x2,....,xn）。然后，使用一个预测器来确定xi的预测值

。随后计算预测误差

（为了简单起见，假设

是一个整数），得到预测误差序列(e1,e2,......,en)，并通过统计预测误差的频率生成预测误差直方图。通常，预测误差直方图服从以0为中心的拉普拉斯分布。HS-PEE方法基于预测误差扩展的可逆信息隐藏直方图修改通过扩展和移位来修改预测误差直方图以嵌入数据。对于每一个预测误差ei，它被扩展或移位为：其中，T是一个与容量相关的整值参数HS-PEE方法基于预测误差扩展的可逆信息隐藏改进的HS-PEE方法（1）Luo等人提出了一种基于插值的预测器，该预测器将最近邻的加权平均值作为像素预测值。该方法的秘密信息嵌入主要步骤如下：1对于一幅像素灰度值为x的载体图像，通过图像像素值预测算法计算该幅图像的预测误差e，其中，组成预测误差集合E，并得到预测误差直方图h（e）。在h（e）中，寻找出两个预测误差出现频率最高的峰值点LM和RM（假设LM<RM），分别被定义为：2基于预测误差扩展的可逆信息隐藏改进的HS-PEE方法LM和RM将h（e）分为两部分，左侧预测误差LE：以及右侧预测误差RE：，分别寻找出两个预测误差出现频率最低的零值点LN和RN，分别被定义为：按固定顺序扫描整幅图像，通过下式完成预测误差直方图的移位、扩展及秘密信息嵌入:34基于预测误差扩展的可逆信息隐藏（2）Sachnev等人提出了一种基于菱形预测器的改进方法。即图中每个待预测像素值x（i,j）的预测值由其上下左右四个相邻像素决定，且x（i,j）与其相邻像素不在同一批次进行估计，因此不影响算法最终的可逆性。另外，通过四周像素值估计中心像素的方式也可以获得更小的估计误差，因此这种估计模式已成为当前基于PEE的主流方法。棋盘格预测器示意图改进的HS-PEE方法目录三一可逆信息隐藏简介二明文域位图图像可逆信息隐藏JPEG图像可逆信息隐藏四密文域可逆信息隐藏JPEG可逆信息隐藏简介基于量化后DCT系数修改的可逆信息隐藏。基于Huffman编码表修改的可逆信息隐藏。基于修改量化表和量化系数的可逆信息隐藏。通过修改量化后的DCT系数来嵌入信息。根据JPEG数据流中可变长码（VLC）的使用情况进行统计，建立使用和未使用的VLC之间的映射关系，修改码流并在重新映射后修改文件头。对量化表和量化后的DCT系数进行修改，提高被嵌图像的视觉质量同时提高载荷通常会导致较大的文件扩张。现有较流行的JPEG可逆信息隐藏方法可以大致分为三类：基于DCT系数修改的JPEG可逆信息隐藏多数基于DCT系数修改的JPEG可逆信息隐藏经典算法都会包含以下三个重要步骤：（1）生成经过量化处理的DCT系数直方图或是预测误差直方图；（2）将得到的直方图分为内部区域和外部区域，其中内部区域的数据被用来携带秘密信息，而外部区域则根据直方图平移的思想为内部区域嵌秘密信息腾出空间；（3）设置可逆隐藏的具体优化算法以平衡嵌入容量、视觉质量和文件扩张三者之间的影响。基于DCT系数直方图移位的方法该方法基于DCT系数统计特性，保持零系数不变，仅将值为1和―1的系数展开以携带消息位。嵌入过程的具体公式为：其中，未修改前的DCT系数为Ci，嵌入后的DCT系数为Ci’提取完整的秘密信息并且无损恢复原图：基于DCT频带和块选择策略的方法该方法将嵌入量化后DCT系数产生的视觉失真量化成具体公式，从而能更精准地选择适合嵌入秘密信息的频带和图像块。其主要步骤包括：频带选择图像块选择基于DCT频带和块选择策略的方法(1)频带选择：经熵编码得到量化的DCT系数后，对图像块中每个频带（u,v）对应的量化后的AC系数改变1个单位，映射到空间域64个位置造成的失真平均值cost（u,v）为：其中，

，q（u,v）表示频率（u,v）处的量化阶数基于DCT频带和块选择策略的方法频带（u,v）处在实际图像中的失真总值Ju,v为:其中Cu,v为频率（u,v）处±１个数，Cout为频率（u,v）处绝对值大于1的个数频带（u,v）处的平均单位失真量UDu,v:(1)频带选择：基于DCT频带和块选择策略的方法（2）图像块选择：思想:优先选模拟块失真值最小的块嵌入。对每个块的所有量化后的±1AC系数进行嵌入，且绝对值大于1的系数按直方图平移的方式外移1位。所得修改后的AC系数经过反量化和DCT反变换，转换到空域后计算修改前后的像素差值平方和。计算方式：频率选择：详细计算每个图像块中不同频率处的DCT值修改时对应的平均失真量，并在平均失真最小的前K个频率中选择量化系数进行嵌入。基于DCT系数负影响模型的方法在基于DCT频带和块选择策略的方法基础上，为了量化选择频带和图像块时对应的失真和文件扩张，设计的一种可调节权重的负影响模型。如下：当α为0时，视觉失真最小化；当α为1时，文件扩张最小化；当α取值0到1之间时，则可以调节其大小以平衡嵌入信息后图像的文件大小和视觉质量，可以选择偏向让文件扩张更小或是让视觉质量更好。基于DCT系数负影响模型的方法（u,v）频率处嵌信息将产生的总视觉失真:(u,v)频率处嵌信息将产生的总文件扩张大小:其中基于Huffman表修改的JPEG可逆信息隐藏DCT系数经量化后得到DC系数和AC行程系数，接下来将DC系数和AC行程系数转化成中间格式：（Size,Value）以及（Run/Size,Value）表示成中间格式之后，DC系数的Size将用Huffman编码表示，Value将用变长整数编码（VLI）编码表示；

AC系数的Run/Size将用Huffman编码表示，Value也将用VLI编码表示。VLI编码表基于Huffman表修改的JPEG可逆信息隐藏AC系数标准Huffman编码表得到DC系数和AC系数的中间格式之后，还需要进一步进行数据压缩编码。

JPEG标准规定了两种对中间格式进行熵编码的方式：Huffman编码和算术编码。由于Huffman编码不存在专利问题，所以JPEG基本默认使用Huffman编码。基于Huffman表修改的JPEG可逆信息隐藏在实际图像中，并不是所有的VLC码都会出现在码流中。解决思路：就是将码流中未使用的VLC码映射到已使用的VLC上，通过修改文件头中定义的Huffman编码表的值来记录这种映射关系，在数据隐藏过程中，会根据秘密信息比特的具体值决定是否将原码流中出现的VLC码替换成其映射的未使用VLC码。VLC码映射方法原理图(a)VLC匹配(b)Huffman编码表修改(c)熵编码段映射基于Huffman表修改的JPEG可逆信息隐藏VLC码映射方法主要有两种基于VLC相同码长映射的方法基于直方图平移的VLC码映射方法基于VLC相同码长映射的方法Qian等人在2012年提出了一种经典VLC码映射方法。为了保证嵌入秘密信息后图像的文件尺寸不会有明显的变化，该方法规定已使用VLC和未使用VLC之间的映射应该是相同码长之间的映射。将VLC按长度划分成16个集合{C1,C2,…,C16}，每个集合Ci有Li个长度为i的不同VLC码。基于VLC相同码长映射的方法如果集合Ci中pi≥qi>0，那么该集合使用一对一映射方式：如果集合Ci中qi>pi>0，该集合采用一对多的映射方式：其中，表示向下取整基于直方图平移的VLC码映射方法2020年Du等人提出，是一种高嵌入容量的VLC码映射方案。直接映射方式的举例在直接映射的方式中，当已使用VLC与未使用的VLC相映射时，嵌入信息后图像重新统计的Run/SizeValue（RSV）直方图将会根据秘密信息的分布，重新分配同组映射关系内VLC码的出现频率。基于直方图平移的VLC码映射方法基于直方图平移的映射方法举例在基于直方图平移的映射方法中，已使用的VLC会映射到与自身最邻近的RSV值（即使最近的并不是未使用的VLC）。为了保证该方法的可逆性，每实现一次映射之前，原有的RSV对应的频率直方图将会右移相应的位置为前面的映射操作腾出空间。原有的RSV值0/1对应的VLC一对一映射到0/2对应的VLC时，原来的RSV直方图整体右移一个单位，原来0/2对应的VLC一对一映射时，表现为0/3对应的VLC映射到0/0对应的VLC，以此类推。基于VLC相同码长映射的方法利用直方图平移的高嵌入容量VLC码映射方案框架理论上，越高频率的已使用VLC映射到越多的未使用VLC可以带来更多的嵌入容量。然而，必须考虑到嵌入秘密信息后文件扩张不能过大，并且并不是所有的未使用VLC都有足够的数量可供映射。目录三一可逆信息隐藏简介二明文域位图图像可逆信息隐藏JPEG图像可逆信息隐藏四密文域可逆信息隐藏密文域可逆信息隐藏技术简介传统的加密技术与信息隐藏技术密文域可逆信息隐藏是一种能够在加密后的多媒体载体中实现可逆信息隐藏的技术，其既具有加密技术的保密性和可逆信息隐藏技术的可逆性等优点。密文域可逆信息隐藏技术简介前面两种算法都无法同时实现多媒体信息的版权保护和内容保护。因此，为了使版权保护和内容保护能够在同一算法中实现，RDHEI技术应运而生。该技术能够在密文域中完成可逆信息隐藏，这意味着在进行信息隐藏的同时，不再需要原始多媒体载体图像的信息，同时又可以保证信息和原始多媒体图像的无损还原。RDHEI特点:根据不同加密算法，可逆信息隐藏的算法也不尽相同。当前主流加密算法主要有同态加密和流加密两类。密文域可逆信息隐藏技术简介应用场景云存储服务军事、医疗、法律等图像允许加密者和嵌入者分离，减少用户安全隐患，同时满足云端服务商对上传信息进行管理、版权保护和审查的需求。可以保护图像内容的机密性和隐私性，同时实现版权保护和内容管理。基于同态加密的密文域可逆信息隐藏根据Paillier算法，其加密和解密过程可以表示为如下公式：其中，明文为m，密文为c如何实现明文域和密文域的同态映射：差值扩展算法的嵌入过程：基于同态加密的密文域可逆信息隐藏差值扩展算法的提取还原过程：进一步恢复出x