新颖的差值扩展可逆数据隐藏算法

罗剑高，韩国强，沃焱



新颖的差值扩展可逆数据隐藏算法

罗剑高1，韩国强2，沃焱2

(1. 广东农工商职业技术学院计算机系，广东广州 510507；2. 华南理工大学计算机科学与工程学院，广东广州 510006 ）

提出一种变换方向自适应的差值扩展可逆数据隐藏算法(ACD)，ACD通过扩展像素对的差值嵌入数据。像素对中一为参照像素，另一为变换像素，ACD根据像素对所处区域类型的估测，自适应选择变换像素，暗区选大值像素，亮区选小值像素，否则选默认方向像素。理论分析及实验结果表明，ACD解决了预测误差扩展可逆数据隐藏算法(PEE)在暗或亮载体时灰度溢出急剧增加的问题，与采用现有灰度溢出解决方案的PEE相比，改善了载体普适性，性能更稳定。

可逆数据隐藏；差值扩展；灰度溢出；自适应数据嵌入

1 引言

可逆数据隐藏[1](RDH, reversible data hiding) 技术是一种以某种可逆方式把待隐藏数据嵌入到载体，生成相对载体而言感知变化不明显的含隐载体，在需要时能从该含隐载体中提取被嵌入的数据，且能完全还原载体的数据隐藏技术。RDH适用于对载体失真特别敏感（如遥感、医学图像）的数据隐藏应用。从20世纪90年代末至今，相关文献已刊发了一系列的RDH具体算法[2~10]，与此同时，RDH相关应用技术也不断取得进步[11,12]。现有的RDH大致可归为以下3类：基于无损压缩[1]；扩展变换[2~10]；直方图变换[1]。近年来，基于预测误差扩展的RDH算法(PEE, prediction error expansion)得到了研究人员的广泛关注，因为其具有更好利用载体空间冗余的能力。一般地，PEE相对其他类型的算法具有更优的容量—失真性能。

本文的研究以8位灰度图像为载体。由于对载体直接执行扩展变换无法避免灰度溢出，即在扩展变换某特征值的过程中，有可能使参与变换的某些像素值小于0或大于255，导致无法正确保存这些变换后的像素值，因此，有效的PEE必须包含能解决灰度溢出的处理过程。目前，PEE采用的灰度溢出解决方法[1~10]所需付出的代价一般与载体的直方图分布密切相关，比如当载体像素值在0或255附近占比偏高时，解决灰度溢出问题所需的辅助比特数急剧增加。现有大多数有关PEE的文献在防灰度溢出处理方面讨论的不够充分，没有明确指出所提算法因灰度溢出问题，有效容量—失真性能除与载体图数据冗余有关外，还与像素直方图边缘分布有密切联系，没有指出载体图过暗或过亮时算法有效容量—失真性能急剧恶化的缺陷，其仿真实验一般也较少涉及较暗或较亮的载体图。由于现有灰度溢出解决技术影响了PEE算法的实际适用范围，因此研究更有效防溢出的技术已成一个重要的课题[13]。

针对现有PEE在灰度溢出问题处理上存在的不足，本文提出一种新颖的变换方向自适应的差值扩展（ACD, adaptive change direction）算法。ACD中的预测算子采用相邻像素预测，在不明显增加计算复杂度的前提下，自适应处理有效解决了暗或亮载体时，有效数据嵌入能力大大下降的问题，使载体直方图边缘分布的大小不再是影响载体数据嵌入能力的重要因素，与现有PEE算法相比，较为显著地改善了载体的普适性。

2 相关工作及分析

扩展嵌入是一种把数据比特嵌入到扩展特征值最低有效位（LSB）的可逆变换技术，由Tian[2]在2003年首先提出。Tian在像素对上定义了一组称之为差值扩展（DE）的可逆变换，2007年，Thodi等[3]把DE推广到预测误差上，定义了一套通用的预测误差扩展可逆变换(PEE)，用MED（median edge detector）预测误差算子来计算预测误差，随后的PEE研究者先后提出了几种更有效的预测误差算子[4~10]，用于获取更适合数据嵌入的预测误差值。在阐述本文ACD之前，先分析PEE变换和与之相关的灰度溢出解决方法。

2.1 PEE变换

在数据嵌入端，首先通过某种像素预测算子，对宿主I的当前像素值进行预测，设当前像素值为，其预测值为，则像素预测误差。基于位移扩展和两倍扩展变换的数据嵌入规则为

或者

(2)

在数据提取端，设含隐图像为'，当前像素值为，先用同一预测算子计算出与嵌入端相一致的预测值，令，执行式(1)或式(2)的逆操作，可求得对应的

或者

(4)

2.2 灰度溢出解决方法

解决灰度溢出的策略现在主要有2种：1) 令可能出现溢出的像素保持不变，并把与它们位置有关的信息记录下来作为辅助信息之一，传送到数据提取端，以便数据提取时做相应的逆处理[2~5,8,9]；2)压缩载体图的灰度直方图，保证扩展变换后，像素的灰度值都处在有效范围内，记录灰度直方图压缩的相关信息作为辅助信息的一部分，传送到数据提取端，供直方图做相应的解压缩变换[6,7,10]。2种策略中的灰度溢出信息记录或采用位置图压缩方式或采用标识比特的方式，位置图压缩方式的灰度溢出辅助信息量与压缩算子的效率密切相关，不适合小尺寸的图像载体，且相对标识比特方式，数据压缩处理过程会较明显地增加RDH算法复杂度，一般不予以采用。接下来，本文以2个具体的典型灰度溢出解决方法为例来分析现有灰度溢出解决方法存在的不足。

2.2.1 2次检测标识比特法

2次检测标识比特法（FB, flag bit）是策略1的经典方法之一，由Thodi等[3]首先提出。本文以Vasiliy等[4]采用的一种2次检测标识比特法为例说明其实现过程。一般地，大多数载体的像素可以执行多次不溢出的扩展变换，2次变换后溢出和1次变换后溢出的像素（如图1样本1、2、3）比较少，Vasiliy等在扩展变换前用2次溢出测试过程记录下这些像素：如图1所示，逐一对像素执行扩展变换距离最大的测试（预测误差≥0，令为1，否则为0），如果1次变换就溢出，用比特1标识，2次变换溢出的用比特0标识，其他的不用标识。找出2次变换或1次变换溢出的像素后，将标识比特组成的比特串与待嵌入数据合并后的结果更新待嵌入数据比特，然后开始执行数据的嵌入。在数据嵌入过程中，被标识的像素不嵌入有效数据，其中，1次变换溢出的像素保持不变，2次变换溢出的像素执行1次变换距离最大的变换（嵌入相应的填充比特0或1），除此之外的像素执行常规的扩展变换。在数据提取端，先对待逆变换的像素做1次变换距离最大的嵌入变换，如果灰度溢出，则借助溢出标识比特进一步区分该像素在嵌入端是保持不变还是执行了1次变换距离最大的填充变换，否则可确定该像素在嵌入端执行了常规的扩展变换。

2.2.2 直方图边缘压缩法

图2是属于策略2的直方图边缘压缩法（HM, histogram modification）示意，早在2006年宣国荣等[6]就提出了HM处理方法。本文以罗剑高等[10]防灰度溢出方法为例来说明HM的实现过程。在扩展变换前，先对载体进行预处理，将[0,]和[255−, 255]区间的灰度值加或减+1，把载体灰度值的区间压缩成[+1, 254−]，然后在预处理后的载体上执行灰度变化量不大于+1的扩展变换，灰度溢出即可避免。预处理过程具体如下，灰度压缩变换信息用标识比特串记录：令初值为空，按某个次序逐一扫描载体像素，当前灰度值小于+1或大于254−，则令加或减+1，同时在末尾追加标识比特“1”；当前灰度值[+1，2+1]或[254−2，254−]，则不变，同时在末尾追加标识比特“0”；否则不做处理。作为辅助信息的一部分传送给提取端，提取端根据可执行上述预处理的相应逆变换，即可最终恢复载体图。

可以看出，FB方法产生的灰度溢出辅助信息量等于溢出测试时二次变换后溢出和一次变换后溢出的像素数量，HM方法产生的灰度溢出辅助信息量等于像素值处在[0,2+1]和[254−2, 255]区间的像素数量，一般的自然图像，这个量都较小，甚至为0，但当载体图很亮或很暗时，这个量将急剧增加，最终导致有效嵌入数据量急剧减少。

3 变换方向自适应差值扩展嵌入方案

扩展变换是定义在一对值（不失一般性，记为（,））差值上的可逆变换。在Tian[2]的DE中，、分别为某相邻的2个像素值，变换操作同时修改、值，、可能增加，也可能减小；在PEE中，为某像素的灰度值，为该像素灰度值的预测值，变换操作只增加或减小，仅作为参照值，变换操作中保持不变。图3是DE灰度溢出和PEE灰度溢出的示例。

本文注意到，图3(b)中(,)值的变换方向是固定的，即只变换，当大于时，往增加的方向改变，当小于时，往减小的方向改变，如果本文可以调整(,)值的变换方向，比如，在(,)为(252, 254)时，令为参照值，修改扩展(,)的差值，就可以避免图3(b)中灰度溢出，基于这个思路，本文提出一种改善灰度溢出问题的差值扩展嵌入方案-变换方向自适应的差值扩展，并实现了一个称为ACD的具体算法。变换方向自适应差值扩展方案可显著地减少灰度溢出的发生，降低相应的灰度溢出辅助信息量，其原理如图4所示，当（,）在暗区时，修改大值；在亮区时，修改小值；否则修改默认位置上的值。为避免值对（255，255）的变换溢出，亮区选用式(2)变换；为避免值对（0，0）的变换溢出，暗区选用式(1)变换；中间区选用式(1)或式(2)变换。

4 变换方向自适应差值扩展RDH

文中变化方向自适应的差值扩展RDH算法（简称ACD）除了变化方向问题外，其他需要考虑的问题与常规PEE算法类似，本节对ACD算法的实现进行具体说明。

4.1 预测算子及变化方向的选择

ACD是一种预测误差扩展RDH算法，预测算子采用相邻像素预测。

记O中下标为（令第一个像素的为0）的像素为O，ACD依次对像素对（O，O1）进行数据嵌入处理。设当前待处理像素对（O，O1）的值为（x，x1），执行变换时的变换方向确定过程用伪码表示如下。

伪码1 确定差值扩展的变换方向

记（x，x1）中x为变换值，x1为x的预测值时的嵌入方向为r1；

记（x，x1）中大值为变换值，小值作为大值预测值的嵌入方向为r2；

记（x，x1）中小值为变换值，大值作为小值预测值的嵌入方向为r3；

嵌入方向为r2或r3时，如果x＝x1，变换值选x，x1作为x的预测值。

令嵌入方向r=r1，为0；

if(>1){

估测像素对处在暗区，用r2更新r；

else if

估测像素对处在亮区，用r3更新r；

else if

估测像素对处在中间区，用r1更新r；

else

估测像素对处在亮区－中间区或暗区－中间区的过渡区，r保持不变；

}

=+1；

}

注意，上述（x，x1）变换方向是由已完成变换且LSB置0后的前2个像素值确定的，所以，在提取端，在对应的扩展逆变换前，由上述伪码，按与嵌入端相同的次序可以得到嵌入时各像素对的扩展变换方向。

4.2 溢出处理

灰度溢出是扩展变换无法避免的问题。ACD采用变换方向自适应的处理虽然大大减少了灰度溢出的发生，但并不能绝对避免灰度溢出问题，例如：（0，255）像素对的变换。

为此，本文在2次检测标识比特法的基础上，设计了一种1次检测标识比特法，其处理过程如下：令溢出信息标识比特串初值为空，逐一对像素对执行扩展变换，如果出现灰度溢出，则取消该变换，保持像素对不变，同时在末尾追加标识比特“1”；如果没有出现灰度溢出，则执行扩展变换，之后在变换的结果上再执行一次变换量尽可能大（预测误差，令为1，否则为0）的灰度溢出测试变换，如果出现溢出，在末尾追加标识比特“0”。作为辅助信息的一部分传送给提取端，数据提取时，根据执行如下处理，即可辨识嵌入时因灰度溢出问题而保持原值的像素对：以倒序的次序取的当前标识比特，按与嵌入端像素处理的倒序逐一对含隐像素对执行逆变换，在扩展逆变换前，先执行一次变换量尽可能大的灰度溢出测试变换，如果溢出，则可观察当前标识比特，为“1”表示当前像素对在嵌入端存在灰度溢出问题，未执行扩展，数据提取时亦不做变换，保持原值。除此之外，其他像素对在数据提取端需执行相应的扩展嵌入逆处理。

4.3 嵌入参数优化及多层嵌入

为了限制像素值最大变化的幅度，ACD约定在[0,15]中取值，用4 bit表示。ACD单层（单次）嵌入的数据量不大于1bpp（bit per pixel每像素比特）,当单层嵌入的数据量无法满足需要时，可执行多层嵌入。为了简化ACD表述，文中多层嵌入采用相对独立的方式，即每层的嵌入与相邻层的嵌入不发生数据交互，各自分别依次嵌入数据。执行多层嵌入时，各层像素扫描方向在水平扫描、垂直扫描两者间交替变化，非末层嵌入的取15，末层在[0, 15]中取值，对值进行优化，就是要找到在完整嵌入待隐藏数据的前提下末层的最小值，它可使含隐载体失真最小。ACD采用折半迭代的方法优化值，具体步骤详见第4.5节的数据嵌入过程。由于允许多层嵌入，在数据提取端执行对应的多层提取时，就要求能识别数据提取操作的最末层（对应数据嵌入阶段的首层），用于结束数据提取操作。ACD每层分别用1比特辅助信息作为层标识位来实现这个要求，具体见第4.4节。

4.4 辅助信息传送及结构

RDH算法在数据提取/载体恢复端，需要数据嵌入时所用的，称之为辅助信息的一些参数。为实现数据的盲提取和载体的盲恢复，要求该信息包含在载体内，随载体传送。为此，ACD提出一种新颖的LSB置换法来实现辅助信息随载体的传送，具体过程如下：取每层的层标识比特作为该层待嵌入的第一个数据比特，然后依次取已完成扩展变换像素的LSB作为待嵌入比特。设该层扩展嵌入完毕时已嵌入比特数为，也就是说该层前−1个像素的LSB被嵌入到载体中，在扩展嵌入完毕后，ACD需隐藏的数据及相应的辅助信息就可依次保存在这−1个LSB中。

ACD各层需嵌入的数据比特串结构规定如下：先构造该层扩展嵌入完毕后除层标识之外的辅助信息比特串，然后用与当前待嵌入的数据比特串合并的结果更新当前为

=+(6)

如果中比特数大于−1，则其前−1个比特填充到−1个LSB中后，用截除前−1比特的更新。如果D中比特数不大于−1，则LSB中不足被比特填充的填充比特“1”，然后置为空。为在提取端能分辨出填充比特，令ACD需嵌入的初始值为ACD待隐藏的数据比特加一个作为填充比特起始标识的“0”比特。数据提取端，丢弃提取比特串最末“0”及之后的“1”比特，可去除填充比特起始标识和填充比特。

ACD算法中的辅助信息包括：末层、末层的像素扫描方式、各层的灰度溢出信息、各层的层标识位。在多层嵌入过程中，每层各自处理自己的辅助信息，其中，首层嵌入的层标识比特规定为“1”，其他层规定为“0”，ACD末层嵌入的辅助信息除了层标识之外结构为

非末层嵌入的辅助信息除层标识之外的辅助信息结构为

(8)

其中，为本层溢出信息比特串，2为表示末层嵌入参数的4比特表示扫描方向（0表示水平型扫描，1表示垂直型扫描），是长度为的比特串，用于表示当前层参与LSB置换的像素数−1。由于非末层的固定为15，可由式(7)的推导，故相比式(7)，式(8)中的要少用5比特。

4.5 ACD算法实现过程

ACD算法的实现包括2部分，数据的嵌入和数据提取/载体恢复，后一部分是前一部分的逆过程。设待隐藏的数据比特串为，载体图像为I，含隐载体最大可接收的失真为，ACD的实现过程描述如下。

1) 数据嵌入过程

①令Δ=15，扫描方向=0，

//=0水平扫描，=1垂直扫描

②依次扫描像素，把图像I转换成像素序列O。

③自适应确定变换方向后，对当前像素对进行数据嵌入处理：确定待嵌比特、执行扩展变换、收集溢出信息。

④扩展嵌入处理完毕后，用式(8)按非末层嵌入模式构造辅助信息，更新待嵌入的，设的比特数为，如果+5不大于第4.4节所述的LSB置换数−1，则进入末层嵌入模式，用式(7)重新构造辅助信息和，把中比特依次填入LSB中，不足部分填入填充比特，保存当前含隐图像，进入第⑤步的迭代求优；否则把含式(8)辅助信息的中按4.4节所述处理，然后用当前含隐载体更新载体，计算当前含隐载体的失真，如果大于，退出算法，提示嵌入失败，否则改变扫描方向，转第②步执行新一层的数据嵌入。

⑤末层优化阶段执行4次折半迭代，在末层嵌入迭代阶段，如前一过程完整嵌入了，令，否则令，重复执行最后一层的嵌入。输出能满足载荷数据完整嵌入且最小时的含隐图像。

2) 数据提取/载体恢复过程

①设提取数据比特串为空，令扫描方向等于第一个像素的LSB。

②按依次扫描像素，把I'转换成像素序列O'。顺序扫描O'，确定各（O'，O'1）变换方向r。

④从O'末尾位置开始，根据中提供的辅助信息，进行相应的逆变换，提取数据，同步依次恢复个被LSB置换的像素值。最后在中清除掉当前层的辅助比特，得到更新后的。

⑤如果当前层标识为“0”，用当前层输出图像更新'，用15更新，改变扫描方向，然后转到第2步；否则舍弃末尾的填充比特，得到所求的目标数据和I，过程结束。

为了便于理解ACD实现过程，图6给出了单层数据嵌入和提取的示例。数据嵌入过程如图6(a)所示，从载体的左上角开始，依次在（O,O1）的当前像素值上执行扩展变换。第一个要嵌入的比特是层标识比特“1”，然后依次为已完成扩展变换像素（如233、27、20…）的LSB。扩展变换结束后，构建，最后把次填充到对应的14个LSB中。图6(b)是数据提取的部分过程，首先令等于含隐载体的第一个LSB，然后按扫描次序取前1~5个像素的LSB，换算成十进制数 14，取前14个LSB为当前提取的数据，从提取出=10；令初始2个变换对的变换方向为r1，接着用当前像素对的LSB置0后的前2个像素值来修改变换方向；最后从最后一个像素对开始，逆序进行相应的扩展变换的逆处理，用提取的比特恢复相应像素的LSB，如图中的8被恢复为9。限于篇幅，图6(b)示例中有关数据提取剩下未表述的部分请读者根据文中ACD实现过程的描述自行完成。

(a) 数据嵌入过程

(b) 数据提取部分过程

图6 ACD单层数据嵌入和提取过程示例

5 实验结果及算法分析

为验证ACD的有效性，本文用C++实现ACD和3个比较算法，执行程序可在文献[14]参阅。

ACD创新主要体现在有效改善现有PEE算法中灰度溢出解决方法的不足，为便于验证这个创新的贡献，3个比较算法采用与ACD相同的预测算子。3个比较算法根据各自所采用的灰度溢出解决方法，分别被简称为DE-FB、DE-HM1、DE-HM2。

1) DE-FB：除了变换方向固定外（更改像素对的左边像素），其他处理方法与ACD相同。

2) DE-HM1：除了预测算子改用相邻像素预测外，其他处理方法与罗剑高[10]等RDH算法相同。

3) DE-HM2：与DE-HM1相似，不同的是在直方图调整时，DE-HM1把直方图上[0，]和[255−，255]值分别调整到[+1, 2+1]和[254−2, 254−]，而DE-HM2加入了简单的自适应处理，在暗区，根据[0,]，[2+2, 3+2]像素数量的大小决定合并区间，如果前者数小，则把[0,]的像素值加+1合并到区间[+1, 2+1]，否则把[0, 2+1]区间的像素值加+1，[+1, 2+1]像素值合并到[2+2, 3+2]，亮区的合并与暗区类似。本文需记录的溢出信息比特数是合并后区间的像素数量，显然，DE-HM2所需的溢出信息比特量小于或等于DE-HM1所需的量，是DE-HM1灰度溢出法的一种改进，其付出代价是溢出比特量的减少意味着参与调整的像素数增加，这有可能相应地增加失真。

实验载体图来自文献[15]，待嵌入数据为随机比特流。大量的实验结果表明，ACD具有非常优良的防灰度溢出能力。图7是实验中具有代表性的4幅测试图，分别代表灰度边界分布少、溢出问题可忽略的Lena，灰度分布均匀的Texmos1，灰度分布相对偏暗的Man，灰度分布集中在0和255的Ruler。图8显示的是作用在以上载体的4个算法的容量—失真性能实验结果对比。

图8(a)中4条容量－失真曲线基本重合在一起，这是因为Lena在0或255附近的像素数量可忽略不计，用于处理溢出所付出的性能损失也可忽略不计。Texmos1纹理丰富，灰度值均匀，0或255附近的像素极易导致溢出问题，ACD自适应处理能在不增加溢出信息量的情况下减少较大比例的溢出问题，不过这有可能会增加相关像素的变化值，图8(b)表明ACD采用的自适应方法利大于弊，其算法性能较明显优于其他3种算法。Man的实验对比结果与Texmos1的实验对比结果类似，只是图8(c)的数据嵌入容量相对较大，ACD在减少灰度溢出信息方面所获的贡献相对总嵌入量的比例没有图8(b)那么明显。Ruler的灰度值只有0和255这2种，扩展变换极易导致溢出，由于溢出辅助信息的急剧增加，DE-FB和DE-HM1已无法在该图嵌入有效数据，DE-HM2在这种载体场合表现优于DE-HM1，但总体上不如ACD。由图8可看出，ACD相对3种比较算法，具有非常好的灰度溢出问题的处理效果。4种算法比较而言，ACD的优越性较为明显，特别是在失真较大时（此时较大，溢出问题不容忽视）。

6 结束语

RDH技术经过十多年的研究，虽取得了较大进步，但总体还处在发展中，更为有效的算法及RDH容量的理论边际、RDH技术的实际应用等有待于科研人员做进一步的研究。本文从有效控制灰度溢出的角度提出了一种变换方向自适应的RDH算法——ACD。ACD在像素对中执行像素差值扩展变换，当估测像素对处在暗区（灰度值靠近0）时，以小值作为大值的预测值，更改大值，当估测像素对处在亮区（灰度值靠近255）时，以大值作为小值的预测值，更改小值，否则以像素对右值作为左值的预测值，更改左值。理论分析及实验结果表明，ACD有效利用局部特征自适应调整像素对的变换方向，明显地改善了灰度溢出问题，解决了现有灰度溢出解决方案使载体在偏暗或偏亮时因灰度溢出问题导致有效嵌入容量不稳定的缺陷，ACD稳定的容量—失真性能，适用于各种灰度直方图分布的图像载体。ACD的优越性验证了变换方向自适应思想的有效性，把这个思想用于其他预测误差算子的PEE是下一步的研究方向。

[1] ASIFULLAH K, AYESHA S, SUMMUYYA M, et al. A recent survey of reversible watermarking techniques[J]. Information Sciences 2014,279: 251-272.

[2] TIAN J. Reversible data embedding using a difference expansion[J]. IEEE Transactions on Circuits and Systems for Video Technology. 2003,13(8):890-896.

[3] THODI D M, RODRIGUEZ J J. Expansion embedding techniques for reversible watermarking[J].IEEE Transactions on Image Processing,2007,16(3):721-730.

[4] VASILIY S, HYOUNG J K, JEHO N, et al. Reversible watermarking algorithm using sorting and prediction[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2009,19(7):989-999.

[5] CHEN M, CHEN ZY, ZENG X, et al. Model order selection in reversible image watermarking[J]. IEEE Journal of Selected Topics in Signal Processing, 2010, 4(3):592-604.

[6] 宣国荣, 姚秋明, 柴佩琪, 等.基于整数小波阈值嵌入的无损数据隐藏[J].计算机应用, 2006, 26(12): 2890-2893.

XUAN G L, YAO Q M, CHAI P Q, et al. Lossless data hiding using integer wavelet transform and threshold embedding technique[J]. Computer Applications, 2006, 26(12):2089-209.

[7] LEE C F, CHEN H L, TSO H K. Embedding capacity raising in reversible data hiding based on prediction of difference expansion[J]. Journal of Systems and Software, 2010,83(10):1864-1872.

[8] PENG F, LI X L, YANG B. Adaptive reversible data hiding scheme based on integer transform[J]. Signal Processing, 2012, 92(1):54-62.

[9] WANG J X, NI J Q, PAN J W. A high capacity reversible data hiding scheme based on generalized prediction-error expansion and adaptive embedding[J]. Signal Processing, 2014, 98(5): 370-380.

[10] 罗剑高, 韩国强. 基于完整上下文预测的可逆数据隐藏[J]. 计算机科学, 2013,40(11A):219-223.

LUO J G, HAN G Q. Reversible data hiding based on full context prediction[J]. Computer Science, 2013, 40(11A): 219-223.

[11] 罗剑高, 韩国强, 沃焱, 等. 篡改定位精度可动态调整的无损图像认证算法[J]. 华南理工大学学报(自然科学版), 2011, 39(7): 121-126.

LUO J G, HAN G Q, WO Y, et al. Lossless image authentication algorithm with dynamic adjustable tamper localization accuracy[J]. Journal of South China University of Technology (Natural Science Edition), 2011, 39(7): 121-126.

[12] 罗剑高, 韩国强, 沃焱, 等. 基于自适应图像块组合的无损图像认证算法[J]. 通信学报, 2012, 33(6): 64-72.

LUO J G, HAN G Q, WO Y, et al. Lossless image authentication algorithm based on adaptive combinations of image basic blocks[J]. Journal on Communications, 2012, 33(6):64-72.

[13] 邓小鸿, 陈志刚, 邓惠文, 等.医学图像可逆数字水印防溢出处理研究[J]. 计算机工程与应用, 2013, 49(23): 162-165.

DENG X H, CHEN Z G, LIU H W, et al. Study on preventing overflow and underflow of reversible digital watermarking for medical images[J]. Computer Engineering and Applications, 2013,49(23): 162-165.

[14] Miecu R&D center, ACD Demo software [EB/OL].[2015-1-11] http:// www.miecu.net/ research/rdh/.

[15] Signal and Image Processing Institute, University Southern California, Los Angeles. Image database[EB/OL]. [2015-1-11] http://sipi.usc.edu/ database/.

Novel reversible data hiding based on difference expansion

LUO Jian-gao1, HAN Guo-qiang2, WO Yan2

(1. Department of Computer, Guangdong AIB Polytechnic College, Guangzhou 510507, China;2. School of Computer Science and Engineering, South China University of Technology, Guangzhou 510006, China)

A novel reversible data hiding algorithm based on difference expansion called ACD was proposed, which used the so-called adaptive change direction technology. ACD embeds data by expanding the differences of neighboring pixel values. In a pair of pixels, a pixel was for reference and the other was for transform. ACD first estimates the type of the pixels area, then chooses transform pixels by the type that it chooses the large value pixel in dark areas and the small value pixel in bright areas, or else selects the pixels by default direction. Theoretical analysis and experimental results show that ACD solves the problem of gray overflow increased dramatically in the reversible data hiding based on prediction error expansion (PEE) when the carrier is very dark or bright. Compared with the PEE with the existing gray overflow solution, ACD is suitable for wider types of carrier and has more stable performance.

reversible data hiding, difference expansion, gray overflow, adaptive data embedding

TP391

A

10.11959/j.issn.1000-436x.2016030

2015-01-11；

2015-03-15

国家自然科学基金资助项目(No.61472145)；国家自然科学基金广东省联合基金资助项目(No.U1035004)

The National Natural Science Foundation of China (No.61472145), The National Natural Science Foundation of China—Guangdong Province (No.U1035004)

罗剑高（1971-），男，江西金溪人，博士，广东农工商职业技术学院副教授，主要研究方向为图像处理、数字水印、信息安全等。

韩国强（1962-），男，江西临川人，博士，华南理工大学教授、博士生导师，主要研究方向为图像处理、多媒体技术等。

沃焱（1975-），女，云南昆明人，博士，华南理工大学教授，主要研究方向为图像处理、数字水印、信息安全等。