Reversible Data Hiding in Encrypted Images Basedon Multi-MSB Prediction and Huffman Coding【2020】

总结

方法

基于多MSB预测和Huffman编码的大容量算法。

思路

首先，对原始图像每个像素的多个MSB进行自适应预测，并采用Huffman编码进行标记。

然后，通过流密码对标记后的图像进行加密。

最后，利用多MSB替换的方法，将空出的空间用于嵌入秘密信息。

方法实现

1、标签映射的生成

前置知识之中值边缘检测器(MED)

 中值边缘检测器的作用：通过像素周围的三个像素计算的预测值.

 预测值得确定：

具体操作

对的原始图像使用中值边缘检测器(MED)进行像素预测得到。然后将和通过下式转化为八位二进制序列，标记为   和  ,其中 。

然后从高位(MSB)到低位(LSB)依次比较  和  的值，相同值的位数就是 像素的标签。因为我们把真实像素值和预测像素值转换成八位二进制，所以像素的标签（假设为 ）就会出现9种情况，即    。

上标tMSB表示的是像素的前t个MSB。

当原始图像的像素值可以通过预测值获得的时候，我们就可以在该位置进行信息嵌入。所以通过标签  的产生，我们就可以在该像素嵌入位的秘密信息。【前t个相同的位通过预测值就可以得到，第位虽然不同，但是可以通过预测值的位置取反获得原始的真实值】

举个例子：

 所以像素可以嵌入五位秘密信息。

注意：第一行第一列作为参考像素，不参与秘密信息的嵌入

2、图像加密

方式

流密码加密。

具体操作

首先使用密钥生成伪随机矩阵，转化为8位二进制得到，然后与对应位置原像素的8位二进制进行异或计算，得到加密像素的8位二进制表示。

 再通过下式，将二进制还原成十进制，得到加密像素，可以输出加密图像。

3、Huffman编码

通过第一步生成的标签映射，我们可以计算出嵌入秘密信息的总量。

首先根据所要嵌入的图像，生成标签，然后统计各个标签所对应的像素个数，以像素个数为标准对标签进行Huffman编码，从大到小依次编码为，通过这种方式使标签转化成二进制。

以Lena（512×512）图像为例，如下表：-1为参考像素的个数。

进一步可以计算得到总的标签映射对应的二进制长度 ：其中是标签为的数量，是 标签对应的Huffman编码的长度。

4、标签映射的嵌入

一方面标签的存在就是为了还原原始图像，所以我们首先将标签嵌入到加密图像里，然后再嵌入秘密信息。另一方面，将标签嵌入到图像中后，剩下的额外空间才会被用来嵌入秘密信息。

将Huffman编码规则(二进制序列的长度)和二进制序列作为辅助信息。由于在还原像素的时候，我们需要知道当前像素的标签值，所以需要将标签嵌入到当前像素的前一个像素内，因此将部分辅助信息存储到第一行第一列的参考像素中。最后，根据标签图，将剩余的辅助信息和被替换的参考像素通过多MSB替换嵌入到加密图像中，得到最终的加密图像，嵌入公式如下：

其中是中当前像素的标签值，是要嵌入的辅助信息。 

5、数据隐藏

数据隐藏之前需要从加密图像获得Huffman编码规则和标签映射。首先就是提取第一行和第一列的辅助信息提取Huffman编码规则和辅助信息长度，然后根据已有的规则和辅助信息长度得到当前像素的标签值，提取出bit的辅助信息。在得到所有的辅助信息后，我们可以根据Huffman编码规则恢复标签图。最后根据下式将用密钥加密过的数据嵌入到剩余像素中，也就是图像加密保留的空间。最终得到了嵌有附加数据的加密图像。

6、数据提取和图像恢复

首先，合法的接收者会从获得Huffman编码规则和标签映射，然后通过获得的标签可以提取参考像素以及附加数据，以上这些操作不需要密钥。

若接收者有附加数据密钥，可以直接从中获得秘密信息，但是不能重建原始图像。

若接收者有图像加密密钥，利用密钥生成伪随机矩阵，对图像进行解密，此时解密的图像中除了参考像素，其余每个像素的前位与原始图像不同（由于嵌入了附加信息）。然后从上到下从左到右依次扫描除了参考像素之外的其它像素，根据MED来预测的预测像素，然后再依据标签就可以获得原始像素。重建过程如下式：

若接收者有和则可以通过以上操作同时获得加密数据和原始图像。

学习笔记，禁止转载，如有侵权，联系立删！

多多指教~