偏置型像素预测的航拍图像可逆信息隐藏

项洪印，苑津莎，侯思祖

(华北电力大学 电气工程学院，河北 保定071000)



偏置型像素预测的航拍图像可逆信息隐藏

项洪印，苑津莎，侯思祖

(华北电力大学 电气工程学院，河北 保定071000)

航拍绝缘子图像在电力线路设备巡检中具有重要意义，无人机一般使用电荷藕合器件图像传感器，拍出的绝缘子图像通常分辨率低、噪点多、背景复杂度差别大，因此对信息嵌入容量和图像保真度要求高。针对上述特点，提出了一种基于偏置型像素预测的可逆信息隐藏方法。新方法标识了动态窗口像素块内的像素，设计了偏置型预测像素选择策略，结合均衡型方案对SIPI标准图像库的Lena和Airplane以及3幅航拍工况绝缘子图像进行了实验分析。结果表明，偏置型方案可以在不降低嵌入质量的前提下，获得更高的嵌入容量。

可逆信息隐藏；偏置型预测像素；像素排序；航拍图像；绝缘子图像

1　可逆信息隐藏

可逆信息隐藏是一种脆弱水印，不仅可以传输隐藏信息，还可以实现图像的自我认证[1]，广泛应用于军事、卫星、医学和法律证据数字图像[1-2]的数字信号处理中。电力设备图像特别是故障图像也是一种敏感图像，研究可逆信息隐藏在行业中的应用可提高信息安全水平。绝缘子主要用来保证绝缘性能，是输配电线路中的关键元器件[3]，同时也容易发生污闪、裂纹[4]、掉串和破损[5]等严重故障，因此工况绝缘子图像在电力系统中应用频繁，本文将研究基于航拍绝缘子图像的可逆信息隐藏方法。

现有的数字图像可逆信息隐藏主要有两大类方法：

1)空间域类，即计算像素灰度值及其分布，利用某种可逆运算嵌入信息比特。典型算法有差值扩展类、直方图平移类、预测类和排序类。差值扩展技术最早由Tian提出，利用相邻两个像素的灰度差值来嵌入数据[6]。随后，差值扩展和调整的改进方法[7-9]不断涌现，改进了嵌入容量和峰值信噪比(Peak Signal To Noise Ratio，PSNR)。Ni最早利用直方图平移方法在峰值比例像素处嵌入数据[10]，进一步提升了PSNR。Thodi提出了预测误差扩展(Prediction Error Expansion，PEE)方法[11]，Sachnev则引入了排序技术来减少灰度值变化引起的失真[12]，Li[1]结合像素值排序(Pixel Value Ordering，PVO)和PEE提出了高保真度的信息隐藏方法。随后，欧博充分利用像素块中同等差值的灰度像素，嵌入同样信息比特，提出了PVO-k算法，提高了嵌入容量[13]。Qu利用动态预测像素活动窗口预测目标像素，提出了逐像素预测排序算法(Pixel-based Pixel Value Ordering，PPVO)[14]，大大提升了图像嵌入容量。

2)变换域类，即将图像先通过离散余弦变换(Discrete Cosine Transform，DCT)[15]、小波变换[16]或奇异值分解(Singular Value Decomposition，SVD)[17]，再嵌入信息的方法。这类方法具有一定的抗缩放、旋转等攻击能力，但嵌入容量和嵌入质量有待提高。

绝缘子一般安装于铁塔上，位置较高，无人机巡检逐渐成为绝缘子状态检修的重要方法。无人机一般使用电荷藕合器件(Charge Coupled Device，CCD)传感器，为保证实时性，航拍图像一般分辨率较低，并且噪点较多，因此嵌入容量一般较小。预测排序类算法一般能提供较大的嵌入容量，本文针对背景复杂程度不一的航拍绝缘子图像，提出一种基于偏置型预测像素选择的预测排序算法。

2　逐像素预测排序算法

PVO，PVO-k和IPVO都采用了“逐块”处理方法，即基于图像分块处理的方法，实现了像素的预测和信息的嵌入，而PPVO则是“逐像素”处理方法，它将特定数量、特定分布的像素作为活动窗口，以左上第一个像素为目标像素，以窗口内其他像素为预测像素来实现像素预测。

2.1预测像素

预测像素通常位于目标像素附近，是目标像素的预测依据，其位置和数量直接影响预测结果。PVO算法先确定预测像素，后确定预测目标像素，而且确定预测像素不是直接的，而是经过了两个步骤过滤。首先将固定分块内所有像素(x1,…,xn)从小到大排序，形成有序像素序列(xσ(1),…,xσ(n))，满足xσ(1)≤…≤xσ(n)，如果xσ(i)=xσ(j)，i

2.2均衡型预测像素

如图1所示，文献[14]选取的集中预测像素方案都位于以目标像素为圆心，以相应分块的宽度或长度尺寸为半径的四分之一圆的内部，具有非常好的均衡性，适用于像素变化缓慢的数字图像。称为均衡型预测像素。事实上，文献[14]PPVO的动态像素块中，仍有多种预测像素方案可选，如果选择得当，将能有效提升算法整体性能。

图1　均衡型预测像素方案

2.3偏置型预测像素

为便于说明，用图2说明6种预测像素的可选方案。不难发现，与均衡型方案相比，预测像素的数量与分布均有明显不同，像素在横向和纵向位置上各有侧重，为此称之为偏置型预测像素。从分布来看，这种预测像素将采集更多的横向或纵向的像素变化信息，因此更有利于描述图像在不同方向上的灰度值变化。

图2　偏置型预测像素方案

将动态像素分块按图3方式标记位置，并与预测像素矢量一一对应。

如图3所示，将动态像素块的左上像素确定为目标像素，标记为o(0,0)，将右侧像素和下侧像素位置标记为p(i,j)。由此可建立不同类型像素块的关联关系，如图4所示。

图3　动态像素块像素标记

图4　不同类型方案中预测像素的对应关系

此外，偏置型方案打乱了预测像素和标记像素之间的对应关系，于是同一标记像素可能对应不同偏置方案中的水平或垂直像素。对应水平像素的有c4→c4h，c6→c5h，c9→c6h/c9h，c11→c7h/c10h，c13→c11h，对应垂直像素的有c5→c4v，c7→c5v/c6v，c10→c5v/c9v，c12→c7v/c10v，c14→c11v。对比均衡型方案，偏置型方案的预测像素数量并不占优，或许这种独特的像素分布能带来嵌入容量和嵌入质量的提升。

3　信息隐藏算法

3.1像素预测

预测算法为

(1)

(2)

3.2嵌入信息

如果目标像素可以获得预测值，那么就计算预测误差并扩展；否则，如果像素无法获得预测值，则直接跳过。当max(C)≠min(C)时，只在预测误差为0，即预测值和当前像素值相等的情况下嵌入数据；预测误差不为0时，则选择灰度值平移。当用max(C)作为预测值时，嵌入数据0时，当前像素值保持不变；嵌入数据1时，当前像素值增加1。当用min(C)作为预测值时，嵌入数据0时，当前像素值保持不变；嵌入数据1时，当前像素值减少1。因此，扩展后的预测误差可表示为

(4)

嵌入信息后，像素值变为

(5)

由式(1)～(4)可见，预测和嵌入过程中，只扩展零预测误差。像素预测、误差扩展和信息嵌入的所有过程中，对同一目标像素而言，预测像素矢量内的像素大小、数量和分布都是不变的，因此，保证了唯一性。这两点保证了像素值变化的唯一性识别，从而可以无失真地实现信息提取和像素灰度值恢复。

3.3逆向信息提取和像素恢复

从嵌入图像中提取信息比特，恢复原始像素值，这是信息嵌入的逆过程。这虽然是两个步骤，但其实是一个统一的过程。为了嵌入信息比特而先进行像素值预测，同样，为了提取像素也需要先进行预测，而且需要使用同样的预测方法。因而，预测方法和预测像素必须具有唯一性。嵌入过程中，从前到后进行按照光栅顺序扫描像素，所以，为保证过程可逆，信息提取和像素恢复必须按照相反的从后到前的逆光栅顺序扫描像素。

(6)

综上，提取端的解扩展预测误差可表示为

(7)

于是，恢复后的像素值为

(8)

4　算法方案和实验结果

可逆信息隐藏算法包含比特嵌入和信息提取两个过程，二者互为逆过程。2.1、2.2和2.3节已分别阐述了像素的预测、嵌入和信息提取方法。简节明起见，本方案只说明比特嵌入过程。

4.1算法步骤

步骤1：载体图像预处理。产生溢出位置图并压缩。为防止像素上溢和下溢，应先检测载体图像的像素范围。不妨考察8位灰度图像，分辨率为W×H，则像素值区间为[0，255]。由于嵌入过程最大增加或减小1，所以必须将先进行可能的逆运算，即将255修改为254，0修改为1，其他像素不需要修改。用位置图LM记录下修改位置，并与净荷一起嵌入图像，便于提取信息和恢复像素时使用。为保证完全提取和图像恢复，提高嵌入质量，一般使用数学编码方法进行大幅压缩，记为CLM，长度为lCLM，提取端再进行解压缩。

步骤2：选择预测像素方案。此步骤有3项选择，分别定义为均衡型嵌入、偏置型嵌入和混合型嵌入。

1)均衡型嵌入，选择预测像素个数CN，即可选定相应方案。

2)偏置型嵌入，先选择像素个数CN，再选择偏置方式，确定是水平还是垂直，才可选定方案。

3)混合型嵌入，先选择预测像素个数CN，再依次确定嵌入类型，最后选定方案。

步骤3：确定噪声水平控制阈值NL，像素预测。NL表示动态像素块的平滑程度，NL越小，表示像素灰度值越平缓，可获得更高的嵌入质量，反之则降低嵌入质量。满足嵌入容量的前提下，迭代产生多个NL值，选取最低的NL值作为阈值，以提供最高的嵌入质量。

步骤4：嵌入净荷和位置图，确定辅助信息长度，提取相应长度LSB，记为lLSB。按光栅顺序预测像素和嵌入净荷和位置图，记录最后嵌入位置，确定部分辅助信息。

1)噪声水平控制阈值NL(8 bit)；

2)净荷和压缩位置图的最后嵌入行数rLP(9 bit)

lbW；

3)净荷和压缩位置图的最后嵌入列数cLP(9 bit)

lbH；

4)净荷容量(18 bit)lb(W×H)；

6)预测像素矢量长度和类型(8 bit)CN。

步骤5：嵌入LSB，补充辅助信息，并将完整的辅助信息替换到LSB位置。从紧邻净荷和位置图的最后嵌入位置的后部，顺序嵌入LSB数据流，并记录下相应的最后嵌入位置，将数值补充到辅助信息，长度记为lAI=2×lb(W×H)+2×(lbW+lbH)+16。将完整的辅助信息替换到LSB序列的原像素的最低位，以便在提取端获取相应的提取方法。

1)LSB最后嵌入行数(9 bit)lbW；

2)LSB最后嵌入列数(9 bit)lbH。

4.2实验结果与分析

4.2.1标准图像

为便于比较，选择SIPI图像库中的标准图像Lena.bmp和Airplane.bmp进行实验，重点比较相同或接近预测像素数量时的嵌入容量和PSNR值，分别如图5和图6所示。就嵌入容量而言，偏置嵌入性能提升比较明显。表1～表3给出了不同预测像素矢量方案对应的图像嵌入容量，对比相同数量像素的方案，Lena图像，“5h”和“5v”方案分别比“5”方案提高1 600 bit和1 974 bit；Airplane图像则提高更多，分别达到2 948 bit和3 687 bit。对比其他两种相近数量像素方案，即也得出类似结果。“7h”和“7v”方案分别比“8”方案的提高值，以及“11h”和“11v”方案分别比“12”方案具体数据详见表1。相对而言，Lena为一般平滑图像，Airplane为比较平滑图像，表1内数据显示平滑图像中偏置型方案均衡型方案可获得更高的嵌入容量。

图5　不同嵌入方案的嵌入容量

就嵌入质量而言，如图6显示，对于相同或相近预测像素数量，小容量信息嵌入时，偏置型方案与均衡型方案的PSNR值互有高低，性能提高不明显；但中等容量特别在较大容量信息嵌入时，偏置型方案可获得更高的峰值信噪比。对于一般图像Lena和较平滑图像Airplane而言，具有相似的性能提升，二者相差不大。

图6　不同嵌入方案的峰值信噪比

表1　不同预测像素矢量方案对应的图像嵌入容量(CN=5)bit

表2不同预测像素矢量方案对应的图像嵌入容量(CN=7/8)bit

图像87h7v7h-87v-8Lena28533305063042419731891Airplane45647478984932922513682

表3不同预测像素矢量方案对应的图像嵌入容量(CN=11/12)bit

图像1211h11v11h-1211v-12Lena22184241712377819871594Airplane35412380453881926333407

4.2.2航拍绝缘子图像

测试图像选取多种背景下的工况绝缘子航拍图像，分辨率均为355×288。图7a绝缘子1为近景图像，主体突出，线条简单，灰度变化较小，背景相对简洁。图7b绝缘子2为一般距离图像，主体显示基本清晰，环境相对变化较大，灰度起伏范围也分布整个图像，背景复杂的多。图7c绝缘子3为远景图像，主体与背景融为一体，载体、地面和环境等背景信息最为复杂。图7d～图7f为不同预测像素数量和分布方案时的嵌入容量，3幅图像呈现同一个突出特点：偏置型方案高于同等数量或相近数量预测像素的均衡型方案容量。简明起见，对应只用均衡型方案和结合偏置型的综合型预测像素方案，用图7g～图7i给出了3幅图像对应的峰值信噪比-嵌入容量曲线，结果表明：绝缘子1在低嵌入容量下对嵌入质量有较明显提高，这说明简单背景图像中，偏置型方案的大预测像素数量如CN=11比均衡型方案的CN=12提供更高的嵌入保真度；绝缘子2在中低嵌入容量下都对嵌入质量有较明显提高，这说明一般复杂度背景的图像中，偏置型方案的中大预测像素数量如CN=7/11比均衡型方案的CN=8/12提供更高的嵌入保真度；绝缘子3只在中等嵌入容量下都对嵌入质量有一些提高且不明显，这说明当背景过于复杂时，预测像素选择对嵌入质量的性能提升非常有限。

图7　航拍工况绝缘子图像及信息隐藏性能

5　结论

本文基于PPVO算法分析了均衡型预测像素选择方法，建立了动态窗口像素块内的像素标识映射，设计了偏置型预测像素选择策略，结合均衡型方案对SIPI标准图像库和航拍工况绝缘子图像进行了实验分析。结果表明，应用偏置型方案可以在不降低嵌入质量的前提下获得更高的嵌入容量，并且标准图像和航拍图像性能提升规律稍有不同。

[1]LIXL，LIJ，LIB，etal.High-fidelityreversibledatahidingschemebasedonpixel-value-orderingandprediction-errorexpansion[J]．Signalprocess，2013(1)：198-205.

[2]刘芳，金作林.基于直方图平移的医学图像可逆水印算法[J]．电视技术，2013，37(9)：8-11.

[3]李鹏，黄新波，赵隆，等．智能输电线路状态监测代理的研究与设计[J]．中国电机工程学报，2013，33(16)：153-161．

[4]SUNSINH，RUH，JANGMYUNGL．Inspectionofinsulatorsonhigh-voltagepowertransmissionlines[J]．IEEEtransactionsonpowerdelivery，2009，24(4)：2319-2327．

[5]黄珊珊，钱政．智能电网中输电线路绝缘子在线检测方法综述[J]．仪器仪表学报，2010，31(增刊)：159-163．

[6]TIAN J. Reversible data embedding using a difference expansion[J]．IEEE transactions on circuits and systems for video technology，2003，13(8)：890-896.

[7]ALATTAR A M. Reversible watermark using the difference expansion of a generalized integer transform[J]．IEEE transactions on image process，2004，13(8)：1147-1156.

[8]KAMSTRA L，HEIJMANS H. Reversible data embedding into images using wavelet techniques and sorting[J]．IEEE transactions on image processing，2005，14(12)：2082-2090.

[9]WENG S W，ZHAO Y，PAN J S，et al. Reversible watermarking based on invariability and adjustment on pixel pairs[J]．IEEE signal processing letters，2008(15)：721-724.

[10]NI Z C，SHI Y Q，ANSARI N， et al. Reversible data hiding[J]．IEEE transactions on circuits system video technology，2006，16(3)：354-362.

[11]THODI D M，RODRIGUEZ J J. Expansion embedding techniques for reversible watermarking[J]．IEEE transactions on image process，2007，16(3)：721-730.

[12]SACHNEV V，KIM H J，NAM J，et al. Reversible watermarking algorithm using sorting and prediction[J]．IEEE transactions on circuits system video technology，2009，19(7)：989-999.

[13]OU B，LI X L，ZHAO Y，et al. Reversible data hiding using invariant pixel-value-ordering and prediction-error expansion[J]．Signal processing： image communication，2014(29)： 60-772.

[14]QU X，KIM H J. Pixel-based pixel value ordering predictor for high-fidelity reversible data hiding[J]．Signal processing，2015(111)：249-260.

[15]黄继武，施云庆. DCT域图像水印：嵌入对策和算法[J].电子学报，2000(4)：57-60.

[16]XUAN G，ZHU J，CHEN J，et al. Distortion less data hiding based on integer wavelet transform[J]．IEEE electronics letters，2002，38(25)：1640-1645.

[17]CHANG C C，TSAI P，LINC C. SVD-based digital image watermarking scheme[J]. Pattern recognition letters，2005，26(10)：1577-1586.

项洪印(1979— )，讲师，博士，主研数字图像信号处理、信息隐藏与信息安全；

苑津莎(1957— )，教授，博士生导师，主要从事图像处理、信息隐藏方法与安全、电力信息技术、电工理论新技术以及先进无线信号处理技术等领域的教学与科研工作；

侯思祖(1962— )，教授，主要研究图像处理、多媒体信息隐藏与安全、电力通信网络与信息技术。

责任编辑：时雯

Reversible information hiding for aerial image based on bias-field pixel prediction

XIANG Hongyin，YUAN Jinsha，HOU Sizu

(InstituteofElectricalandElectronicEngineering，NorthChinaElectricPowerUniversity，HebeiBaoding071000，China)

Aerial insulator image is helpful to inspection and survey of transmission line. Unmanned aerial vehicle， equipped with image sensor of charge coupled device， is usually used to take photos. In this fashion， insulator images behave low resolutions， a lot of noises and complex backgrounds. These features demand for high requirement of embedding capacity and image fidelity. In view of the above characteristics， a new reversible information hiding method is proposed based on bias-field context pixels. This approach identifies pixels within certain image block and selects context pixels for prediction combining equalizing and offset styles. Not only standard images of Lena and Airplane from SIPI image library are tested， but also other three aerial working conditional insulator image are analyzed. Experiment results show that the proposed offset type scheme makes higher embedding capacity without reducing the embedding quality.

reversible data hiding； bias-field context pixels； pixel-value-ordering； aerial image； insulator image

TN919.73

A

10.16280/j.videoe.2016.09.002

国家自然科学基金项目(61302016)；河北省自然科学青年基金序号(E2013502267)；中央高校基本科研业务费专项资金项目(2014MS105)

2015-12-13

文献引用格式：项洪印，苑津莎，侯思祖.偏置型像素预测的航拍图像可逆信息隐藏[J].电视技术，2016，40(9)：10-15.

XIANG H Y，YUAN J S，HOU S Z.Reversible information hiding for aerial image based on bias-field pixel prediction[J].Video engineering，2016,40(9)：10-15.