摘要：用于醫(yī)學(xué)圖像對(duì)比度增強(qiáng)的可逆數(shù)據(jù)隱藏不僅能夠利用可逆嵌入完成患者信息的存儲(chǔ)，還可以實(shí)現(xiàn)對(duì)比度增強(qiáng)改善圖像質(zhì)量，在一定程度上幫助醫(yī)生對(duì)患者疾病進(jìn)行正確診斷.提出了一種新的用于醫(yī)學(xué)圖像對(duì)比度增強(qiáng)的可逆信息隱藏算法.該方法采用超像素分割醫(yī)學(xué)圖像，著重強(qiáng)調(diào)醫(yī)學(xué)診斷的感興趣區(qū)域的可逆嵌入與對(duì)比度增強(qiáng).同時(shí)，將嵌入?yún)^(qū)域分為多個(gè)像素塊，根據(jù)其統(tǒng)計(jì)特性有選擇性地逐塊修改.每個(gè)像素塊采用經(jīng)典的直方圖修改方式，以直方圖均衡化為優(yōu)化目標(biāo)，一次完成多個(gè)嵌入點(diǎn)的修改，從而減少在對(duì)比度增強(qiáng)過(guò)程中的嵌入失真.實(shí)驗(yàn)結(jié)果表明，與主流方法相比，該方法在兼顧可逆性能的同時(shí)，能進(jìn)一步增強(qiáng)醫(yī)學(xué)圖像感興趣區(qū)域的對(duì)比度，提高圖像的視覺(jué)質(zhì)量.

關(guān)鍵詞：可逆數(shù)據(jù)隱藏;超像素分割;對(duì)比度增強(qiáng);直方圖均衡化

中圖分類(lèi)號(hào)：TP309.7文獻(xiàn)標(biāo)志碼：A

Algorithm of Medical Image Reversible Data Hiding for Contrast Enhancement

OU Bo JIANG Xiyuan，XIONG Jianqin

（College of Computer Science and Electronic Engineering，Hunan University，Changsha 41008 China）

Abstract：Reversible data hiding for medical image contrast enhancement can not only store patient information imperceptibly，but also improve image contrast quality to facilitate the accurate diagnosis in the remote medical affairs. In this paper，a new reversible data hiding algorithm for medical image contrast enhancement is proposed. The medical image is segmented by the superpixel algorithm，and then the modifications on the region of the interest （ROI）of the image are optimized. Since the image is divided into blocks，the embedded regions can be selectively modified block by block according to their statistical characteristics. Subsequently，the modification of each pixel block applies the classical histogram modification manner，and embeds the payload into multiple embedding points at one time. We take the histogram equalization as the optimization goal，and then reduce the embedding distortion in the process of contrast enhancement. Experimental results show that when compared with the state-of-the-art methods，the proposed method is reversible and can improve the visual quality of medical images in terms of contrast en - hancement.

Key words：reversible data hiding;contrast enhancement;superpixel segmentation;histogram equalization

可逆數(shù)據(jù)隱藏（reversible data hiding，RDH）是一種特殊的信息隱藏技術(shù)[1-2]，在完成信息嵌入后不僅能精確地提取秘密信息，還能無(wú)損恢復(fù)原始圖像.這種可逆性在醫(yī)學(xué)、軍事、法律取證等應(yīng)用領(lǐng)域中尤為重要.因?yàn)樵谶@些應(yīng)用中，即便是圖像細(xì)節(jié)信息也具備相當(dāng)分量的價(jià)值，難以承受因不可逆修改造成的損失，如醫(yī)學(xué)圖像像素的任何微小變化都可能導(dǎo)致診斷結(jié)果出錯(cuò)，造成嚴(yán)重的醫(yī)療事故.因此，圖像內(nèi)容的無(wú)失真恢復(fù)是必須得到保障的.

目前，大多數(shù)RDH算法以追求低失真、高容量為目標(biāo)，主要應(yīng)用于明文圖像，部分應(yīng)用于加密圖像[3-6].RDH算法主要通過(guò)峰值信噪比（peak-signal- to-noise-ratio，PSNR）來(lái)評(píng)價(jià)信息嵌入后的圖像質(zhì)量.然而，現(xiàn)有針對(duì)醫(yī)學(xué)圖像的RDH方法大多以實(shí)現(xiàn)高容量和追求高PSNR值為目標(biāo)[7-10]，很少考慮到醫(yī)學(xué)圖像的特點(diǎn).事實(shí)上，大多數(shù)醫(yī)學(xué)圖像都包含大片背景區(qū)域，一味追求較高的PSNR值并不一定意味著圖像質(zhì)量良好.例如，對(duì)比度較低的圖像嵌入數(shù)據(jù)后，視覺(jué)質(zhì)量仍然較低.在這種情況下，圖像的視覺(jué)質(zhì)量是可以通過(guò)對(duì)比度增強(qiáng)操作來(lái)改善的，以擴(kuò)大動(dòng)態(tài)范圍或突出圖像細(xì)節(jié).Wu等[11]首先提出了基于對(duì)比度增強(qiáng)的可逆數(shù)據(jù)隱藏算法，在嵌入信息的同時(shí)增強(qiáng)圖像的對(duì)比度.這項(xiàng)工作影響了許多研究人員在這一領(lǐng)域進(jìn)行實(shí)驗(yàn)，并提出了幾種方法[12-20]來(lái)同時(shí)保持視覺(jué)質(zhì)量和擴(kuò)大嵌入容量.盡管現(xiàn)有方法能夠改進(jìn)醫(yī)學(xué)圖像嵌入后的對(duì)比度效果，但背景像素往往會(huì)多次作為嵌入點(diǎn)嵌入信息，從而導(dǎo)致較大程度的視覺(jué)失真.為了減少嵌入失真并且正確診斷感興趣區(qū)域，需要在可逆嵌入的同時(shí)，增強(qiáng)醫(yī)學(xué)圖像感興趣區(qū)域的對(duì)比度[21-27].

基于上述原因，本文提出了一種基于醫(yī)學(xué)圖像對(duì)比度增強(qiáng)的可逆數(shù)據(jù)隱藏算法.該方法首先采用超像素分割算法，從醫(yī)學(xué)圖像中分離出感興趣區(qū)域和背景.然后將圖像進(jìn)行分塊，并計(jì)算每個(gè)塊感興趣區(qū)域的直方圖，優(yōu)先選擇對(duì)比度低（直方圖分布不均勻）的塊進(jìn)行直方圖均衡化處理.此外，嵌入過(guò)程不再通過(guò)多次嵌入來(lái)逐次優(yōu)化，而是以分布均衡化這一目標(biāo)函數(shù)為指導(dǎo)，一次選擇直方圖的多個(gè)嵌入點(diǎn)同時(shí)修改完成全部的容量嵌入，在提升對(duì)比度增強(qiáng)效果的同時(shí)，降低算法復(fù)雜度.實(shí)驗(yàn)結(jié)果表明，在數(shù)據(jù)嵌入的過(guò)程中，該方法可以有效增強(qiáng)感興趣區(qū)域的對(duì)比度，提高圖像的視覺(jué)效果.此外，對(duì)比度增強(qiáng)后的醫(yī)學(xué)圖像可以準(zhǔn)確地恢復(fù)原始圖像.

1所提方法

當(dāng)前，用于對(duì)比度增強(qiáng)的RDH算法大多采用直方圖移動(dòng)（histogram shifting，HS）[28]方案來(lái)實(shí)現(xiàn)可逆嵌入，在每一次嵌入過(guò)程中，算法會(huì)選擇圖像直方圖中頻率最高的像素值進(jìn)行擴(kuò)展以進(jìn)行部分?jǐn)?shù)據(jù)隱藏，然后重復(fù)此過(guò)程完成剩余容量的嵌入.在單次嵌入中，最高頻率的像素值經(jīng)由可逆擴(kuò)展變成了兩個(gè)數(shù)量相近的像素值，呈現(xiàn)出分布均衡化的特點(diǎn).多次嵌入后，這種分布均衡化逐步擴(kuò)大，最終實(shí)現(xiàn)了對(duì)比度增強(qiáng)的效果.

本文所提算法是針對(duì)醫(yī)學(xué)圖像的RDH算法，主要包括數(shù)據(jù)隱藏和數(shù)據(jù)提取兩個(gè)部分，其中數(shù)據(jù)隱藏過(guò)程流程圖如圖1所示.

1.1背景分割和圖像分塊

在大多數(shù)醫(yī)學(xué)圖像中，感興趣區(qū)域是包含重要信息的中心區(qū)域，這部分區(qū)域有助于醫(yī)生對(duì)病情的準(zhǔn)確診斷，然而背景區(qū)域只包含單色信息，在診斷中是無(wú)用的.通常，醫(yī)學(xué)圖像中感興趣區(qū)域和背景區(qū)域可以根據(jù)其灰度強(qiáng)度進(jìn)行區(qū)分，如應(yīng)用閾值法就能將感興趣區(qū)域和背景區(qū)域分離.本文利用SLIC[29]超像素分割算法對(duì)醫(yī)學(xué)圖像進(jìn)行分割，將圖像分割成大小大致相同的不規(guī)則超像素塊，并通過(guò)不斷逼近使若干個(gè)超像素塊近似模擬感興趣區(qū)域的輪廓，以此來(lái)分離感興趣區(qū)域和背景區(qū)域，以消除信息嵌入背景所造成的視覺(jué)失真.

由于增強(qiáng)后的圖像需要用同樣的方法分割才可以恢復(fù)原始圖像，而經(jīng)過(guò)數(shù)據(jù)嵌入后原始圖像會(huì)發(fā)生變化，不能保證對(duì)增強(qiáng)圖像進(jìn)行同樣的分割.因此，為了方便恢復(fù)原始圖像，本文使用雙層嵌入方式，分別進(jìn)行超像素分割和嵌入信息.如圖2所示，將載體圖像的所有像素劃分為“×”和“·”兩個(gè)集合.在第一層，利用“·”集的像素預(yù)測(cè)“×”集，第二層以同樣的方式預(yù)測(cè).其中，當(dāng)前像素值u_i，j通過(guò)四個(gè)相鄰像素（v_i，j- v_{i+ j}，v_i，j+ v_{i- j}）預(yù)測(cè)，預(yù)測(cè)值u′_i，j通過(guò)式（1）計(jì)算：

以第一層嵌入為例，分為兩層后，第二層采用SLIC分割，如圖3所示，灰色表示原始像素，白色表示預(yù)測(cè)像素.由于第一層和第二層像素一一對(duì)應(yīng)，如u′_i，j和u_i，j對(duì)應(yīng)，根據(jù)第二層的分割結(jié)果確定第一層.屬于感興趣區(qū)域的像素，然后對(duì)第一層感興趣區(qū)域內(nèi)的原始像素進(jìn)行嵌入.重復(fù)類(lèi)似步驟，對(duì)已嵌入信息的第一層來(lái)完成分割，從而確定第二層的分割結(jié)果，然后對(duì)第二層完成嵌入.提取數(shù)據(jù)時(shí)操作次序則相反，即先處理第二層的數(shù)據(jù)提取，待第二層原始像素恢復(fù)后再處理第一層.這樣，就可以在嵌入端和接收端進(jìn)行同樣的分割，確定修改像素的位置，以此恢復(fù)兩層像素.

通過(guò)超像素分割識(shí)別出感興趣區(qū)域后，將載體圖像等分成n×n個(gè)塊，假設(shè)圖像的大小為N×N，每個(gè)塊的大小為（N/n）×（N/n），并計(jì)算每個(gè)塊感興趣區(qū)域的直方圖，選出直方圖分布不均勻的塊，確定其峰值和嵌入?yún)^(qū)域，并嵌入信息.

1.2數(shù)據(jù)嵌入

背景分割和圖像分塊后，計(jì)算每個(gè)塊感興趣區(qū)域的直方圖，選取灰度分布不均勻的直方圖進(jìn)行處理.若直方圖中20%的灰度級(jí)中像素?cái)?shù)目超過(guò)80%，如8位圖像灰度級(jí)為0～255，在[0，255]的20%范圍內(nèi)的像素?cái)?shù)目占比超過(guò)整個(gè)直方圖像素?cái)?shù)目的80%，即直方圖分布不均勻，就認(rèn)為它是“非正常”的.這里，非正常的直方圖包括偏暗、偏亮、過(guò)于集中三種情況.其中，亮度BR定義為像素P_i的平均值，計(jì)算方式如下：

式中：I表示圖像的像素?cái)?shù)目.當(dāng)BRlt;50時(shí)，即像素集中在直方圖左側(cè)，就為偏暗;當(dāng)BRgt;200時(shí)，即像素集中在右側(cè)，就為偏亮;否則，直方圖中超過(guò)80% 的像素分布在[50，200]內(nèi)且灰度級(jí)范圍為50時(shí)，就為過(guò)于集中.直方圖分布情況如圖4所示，圖4（a）為正常，圖4（b）為偏暗，圖4（c）為偏亮，圖4（d）為過(guò)于集中.

通過(guò)式（3）計(jì)算每個(gè)塊的對(duì)比度C，優(yōu)先選擇對(duì)比度低的塊嵌入信息.

嵌入數(shù)據(jù)時(shí)，不再使用多次嵌入，而是選定區(qū)域一次完成，將數(shù)據(jù)依次嵌入每個(gè)選定的直方圖.首先對(duì)選定的直方圖找到它的峰值點(diǎn)S（像素個(gè)數(shù)最多的灰度值），確定直方圖修改的區(qū)域.通過(guò)將區(qū)域外側(cè)的像素值向外移動(dòng)，選定區(qū)域中的每個(gè)像素值擴(kuò)展成兩個(gè)相鄰并且數(shù)量相近的像素值，峰值S被分割成S和S+1（或S-1）.對(duì)于偏暗的直方圖，嵌入?yún)^(qū)域設(shè)置為[S，S+B]，區(qū)域內(nèi)的像素值向右移動(dòng)展開(kāi);對(duì)于偏亮的直方圖，嵌入?yún)^(qū)域設(shè)置為[S-A，S]，區(qū)域內(nèi)的像素值向左移動(dòng)展開(kāi);對(duì)于過(guò)于集中的直方圖，嵌入?yún)^(qū)域設(shè)置為[S-A，S+B]，[S-A，S-1]的像素值向左移動(dòng)展開(kāi)，同時(shí)[S，S+B]的像素值向右移動(dòng)展開(kāi).其中，A和B代表嵌入?yún)^(qū)域的上下限，為滿足嵌入容量和防止像素值溢出，本文設(shè)定A∈（0，64），B∈（0，64）.三種情況的數(shù)據(jù)嵌入機(jī)制如圖5所示，其中每個(gè)圖中上面的直方圖對(duì)應(yīng)的是移動(dòng)前的直方圖，下面的直方圖對(duì)應(yīng)的是移動(dòng)后的直方圖，灰色標(biāo)記的像素柱用于數(shù)據(jù)隱藏，斜線標(biāo)記的像素柱表示直方圖移動(dòng)，白色標(biāo)記的像素柱表示未修改.

對(duì)于圖5所示的三種情況，對(duì)應(yīng)的數(shù)據(jù)嵌入公式如下：

1）當(dāng)像素塊對(duì)比度偏暗時(shí)，即直方圖的均值接近0，則按照如下公式修改像素p為p′，

2）當(dāng)像素塊對(duì)比度偏亮?xí)r，即直方圖的均值接近255，則按照如下公式修改像素，

3）當(dāng)像素分布過(guò)于集中時(shí)，即直方圖分布在中間區(qū)域且灰度級(jí)范圍較小時(shí)，修改方式變?yōu)?/p>

式中：p為原始像素值，p′為增強(qiáng)圖像的像素值，m∈（0，1）為嵌入的二進(jìn)制消息，S為直方圖峰值點(diǎn)，A、B為嵌入?yún)^(qū)域的上下限.

對(duì)于輔助信息，我們分別使用6位來(lái)記錄A和B的值，4位記錄像素塊分塊參數(shù)n，2位記錄直方圖分布情況d：‘0’表示正常，‘1’表示偏暗，‘2’表示偏亮，‘3’表示過(guò)于集中.為了方便地提取數(shù)據(jù)和恢復(fù)載體圖像，將每個(gè)子直方圖的峰值S、直方圖分布情況d嵌入下個(gè)子直方圖中.將最后一個(gè)直方圖的S值、d值，以及A和B的值，n的值替換最后一行26個(gè)像素的最低有效位（least significant bit，LSB），最后一行的26個(gè)像素的LSB被嵌入最后一個(gè)塊中.

1.3提取和恢復(fù)

首先，從最后一行的26個(gè)像素的LSB中獲取A和B的值、n值以及最后一個(gè)塊的S值和直方圖分布情況d，根據(jù)n將圖像分塊，然后根據(jù)每個(gè)塊直方圖分布情況和峰值S，通過(guò)以下公式提取嵌入信息和恢復(fù)原始圖像.

1）當(dāng)d=1即偏暗時(shí)，信息提取和圖像恢復(fù)公式如下，其中b∈{0， …，B}.

2）當(dāng)d=2即偏亮?xí)r，信息提取和圖像恢復(fù)公式如下，其中a∈{0， …，A}.

3）當(dāng)d=3即過(guò)于集中時(shí)，信息提取和圖像恢復(fù)采用式（11）、式（12）來(lái)實(shí)現(xiàn).

2實(shí)驗(yàn)結(jié)果與分析

本文從NBIA[30]網(wǎng)站上隨機(jī)選取了三幅大小為512×512像素的CT圖像進(jìn)行實(shí)驗(yàn)，三張醫(yī)學(xué)圖像如圖6所示.對(duì)于醫(yī)學(xué)圖像，本文采用SLIC超像素分割的唯一參數(shù)是超像素個(gè)數(shù)K，實(shí)驗(yàn)中設(shè)置K為80.在選擇超像素塊時(shí)，將每個(gè)塊中的前景像素?cái)?shù)占該塊中總像素?cái)?shù)的百分比設(shè)為T(mén)，我們選擇百分比大于T的超像素塊來(lái)作為感興趣區(qū)域，根據(jù)不同的圖像取不同的T值，這樣可以排除背景區(qū)域.另外，將圖像分為2×2塊和4×4塊分別進(jìn)行實(shí)驗(yàn)，為了說(shuō)明本文所提方法的特點(diǎn)，我們與ACERDH[16]、RDHMBP[17]和文獻(xiàn)[21]的方法進(jìn)行對(duì)比.ACERDH算法是一種自動(dòng)對(duì)比度增強(qiáng)方法，RDHMBP算法是一種增強(qiáng)原始圖像對(duì)比度和保持圖像亮度的方法，文獻(xiàn)[21]是針對(duì)醫(yī)學(xué)圖像的RDH方法.使用四種算法處理后的標(biāo)記圖像如圖7所示，可以看出，使用ACERDH算法和RDHMBP算法得到的醫(yī)學(xué)圖像的背景發(fā)生了很大變化，這是因?yàn)闆](méi)有分離背景，數(shù)據(jù)嵌入其中導(dǎo)致視覺(jué)失真，文獻(xiàn)[21 ]中的預(yù)處理過(guò)程也會(huì)導(dǎo)致視覺(jué)失真，而使用本文的方法沒(méi)有出現(xiàn)這種情況.

本文的算法復(fù)雜度為O（n²）.在相同嵌入率下，我們使用PSNR，結(jié)構(gòu)相似性（structural similarity，SSIM），相對(duì)對(duì)比度誤差（relative contrast error，RCE），算法運(yùn)行時(shí)間作為評(píng)價(jià)指標(biāo)對(duì)四種算法進(jìn)行了評(píng)價(jià)，如表1所示.其中，RCE是用來(lái)評(píng)估對(duì)比度效果的指標(biāo)，計(jì)算方式如下，大于0.5表示圖像對(duì)比度增強(qiáng).

其中Std_e和Std_o分別表示原始圖像和增強(qiáng)后圖像的標(biāo)準(zhǔn)差，對(duì)于8位灰度圖像R=256.

從表中可以看出，該算法得到的PSNR與對(duì)比算法大體相當(dāng)，但是對(duì)于三幅圖像，該算法都給出了穩(wěn)定的SSIM值.這表明與ACERDH、RDHMBP算法相比，使用本文算法的原圖像結(jié)構(gòu)得到了更好的保持.另外，對(duì)于圖6（a）、圖6（b），使用ACERDH算法的RCE值低于0.5，對(duì)比度沒(méi)有增強(qiáng)，而對(duì)于圖6（c），RCE值遠(yuǎn)高于0.5，表示過(guò)度增強(qiáng).對(duì)于圖6（a）、圖6（c），使用RDHMBP算法RCE值略高于0.5，表示對(duì)比度增強(qiáng)效果不明顯.使用文獻(xiàn)[21]算法的SSIM與本算法相當(dāng)，但是RCE值低于本算法，且運(yùn)行時(shí)間較長(zhǎng).與其他三種方法相比，本文算法生成的標(biāo)記圖像獲得了較好的RCE值.

本文使用的直方圖分布不均勻的判斷標(biāo)準(zhǔn)是直方圖中20%的灰度級(jí)中像素?cái)?shù)目超過(guò)80%，為了證明不同標(biāo)準(zhǔn)對(duì)本文算法的影響，我們比較了直方圖中25%的灰度級(jí)中像素?cái)?shù)目超過(guò)75%和15%的灰度級(jí)中像素?cái)?shù)目超過(guò)85%的情況，如表2所示.可以看出，對(duì)于圖6（a），本文設(shè)置的這一標(biāo)準(zhǔn)的評(píng)價(jià)結(jié)果都是適中的，對(duì)于圖6（b），幾種情況下的評(píng)價(jià)結(jié)果相差不大.

此外，我們?cè)趫D6（b）中分別嵌入10 000 bit，50 000 bit，130 000 bit，如圖8所示，白色表示嵌入?yún)^(qū)域，可見(jiàn)嵌入?yún)^(qū)域從中間開(kāi)始逐漸擴(kuò)大，不斷逼近感興趣區(qū)域，說(shuō)明本文是優(yōu)先選擇對(duì)比度低的塊嵌入的.

接著測(cè)試了圖6（a）和圖6（b）取不同A、B值對(duì)數(shù)據(jù)嵌入率、PSNR、SSIM以及RCE值的影響，如圖9所示.從圖9（a）～圖9（c）中看出，對(duì)于圖6（a），與分割成4×4塊相比，分割成2×2塊時(shí)嵌入率較高，PSNR和SSIM值較低.對(duì)于圖6（b），兩種情況下這三個(gè)指標(biāo)相差不大.從圖9（d）中看出，RCE隨著A、B值的增大而增大，但是并不十分穩(wěn)定，在A、B值較大時(shí)，RCE 值出現(xiàn)下降趨勢(shì)，所以A、B值不宜超過(guò)30.

將本方法進(jìn)一步與用于醫(yī)學(xué)圖像的RHCRDH[25]和RDHACEM[27]方法相比，RHCRDH[25]是基于感興趣區(qū)域的高容量可逆數(shù)據(jù)隱藏方法，RDHACEM5是基于自動(dòng)對(duì)比度增強(qiáng)的可逆數(shù)據(jù)隱藏算法，這兩種方法都對(duì)醫(yī)學(xué)圖像進(jìn)行了背景分割并通過(guò)直方圖拉伸實(shí)現(xiàn)對(duì)比度增強(qiáng).對(duì)圖10的兩幅醫(yī)學(xué)圖像進(jìn)行數(shù)據(jù)嵌入，三種方法的實(shí)驗(yàn)結(jié)果如表3 所示，嵌入率為0.1 bpp時(shí)，本文算法可以獲得更高的PSNR和SSIM.對(duì)于圖10（a），RCE值高于RHCRDH，但低于RDHACEM，對(duì)于圖10（b），RCE值隨著嵌入率的增大而增大，而其余兩種算法RCE值卻下降.此外，對(duì)于這兩幅圖像，本文算法不能達(dá)到1bpp的嵌入率，這是因?yàn)楸疚闹粚?duì)選定區(qū)域嵌入一次，嵌入率較低，而對(duì)比算法還對(duì)背景區(qū)域進(jìn)行了數(shù)據(jù)嵌入.

3結(jié)論

本文提出了一種基于醫(yī)學(xué)圖像對(duì)比度增強(qiáng)的可逆信息隱藏算法.該算法根據(jù)醫(yī)學(xué)圖像的特點(diǎn)，首先使用SLIC超像素分離前景和背景以確定感興趣區(qū)域，然后將嵌入?yún)^(qū)域分塊，根據(jù)直方圖分布逐塊修改，并優(yōu)先選擇對(duì)比度低的塊進(jìn)行數(shù)據(jù)嵌入.另外，嵌入數(shù)據(jù)時(shí)，對(duì)于選定的直方圖，不再通過(guò)多次嵌入來(lái)逐次優(yōu)化，而是以直方圖均衡化為目標(biāo)一次選擇直方圖的多個(gè)嵌入點(diǎn)同時(shí)修改.實(shí)驗(yàn)結(jié)果表明，與現(xiàn)有對(duì)比度增強(qiáng)的RDH算法相比，該算法獲得了更高的SSIM和RCE值，能有效增強(qiáng)醫(yī)學(xué)圖像的對(duì)比度，同時(shí)保持了原始圖像的相似性和亮度，具有更好的視覺(jué)質(zhì)量和更低的失真.

參考文獻(xiàn)

[1] SHI Y Q，LI X L，ZHANG X P，et al. Reversible data hiding：advances in the past two decades [J]. IEEE Access，2016，4：32103237.

[2]吳建斌，康子陽(yáng)，劉逸雯，等.基于圖像分類(lèi)的無(wú)載體信息隱藏方法[J]湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，46（12）：25-32. WU J B，KANG Z Y，LIU Y W，et al. Coverless information hiding algorithm based on image classification [J]. Journal of Hunan University （Natural Sciences），2019，46 （12）：25-32.（In Chinese）

[3] LIU Y L，QU X X，XIN G J. A ROI-based reversible data hiding scheme in encrypted medical images [ J] . Journal of Visual Communication and Image Representation，2016，39：51-57 .

[4] XIONG L Z，DONG D P. Reversible data hiding in encrypted images with somewhat homomorphic encryption based on sorting block-level prediction-error expansion [J] . Journal of Information Security and Applications，2019，47 ：78-85 .

[5] CHEN X Y，ZHONG H D，QIU A Q. Reversible data hiding scheme in multiple encrypted images based on code division multiplexing [ J] . Multimedia Tools and Applications，2019，78（6）：7499-7516.

[6]林文兵，張敏情，周能，等.基于同態(tài)加密的密文域可逆信息隱藏技術(shù)研究[J].信息網(wǎng)絡(luò)安全，202 21（4）：73-80.

LIN W B，ZHANG M Q，ZHOU N，et al.Research on technology of reversible data hiding in encrypted domain based on homomorphic encryption[J] Netinfo Security，202 21（4）：73-80 （In Chinese）

[7] HOU J C，OU B，TIAN H W，et al. Reversible data hiding based on multiple histograms modification and deep neural networks[J] Signal Processing：Image Communication，202 92：116118 .

[8] PARAH S A，AHAD F，SHEIKH J A，et al. Hiding clinical information in medical images：a new high capacity and reversible data hiding technique [J]. Journal of Biomedical Informatics，2017，66：214-230.

[ 9] LI X L，ZHANG W M，GUI X L，et al Efficient reversible data hiding based on multiple histograms modification[J]. IEEE Transactions on Information Forensics and Security，2015，10（9）：2016-2027

[10]張志彤，趙耀，倪蓉蓉，等.奇偶性分類(lèi)下大容量醫(yī)學(xué)圖像可逆水印算法[J].數(shù)據(jù)采集與處理，201 28（5）：626-632.

ZHANG Z T，ZHAO Y，NI R R，et al Reversible watermarking algorithm for high-capacity medical images based on parity of data [J] . Journal of Data Acquisition amp; Processing，201 28 （5）：626-632.（In Chinese）

[11] WU H T，DUGELAY J L，SHI Y Q Reversible image data hiding with contrast enhancement[J]. IEEE Signal Processing Letters，2015，22（1）：81-85.

[12]楊楊，張衛(wèi)明，侯冬冬，等.具有對(duì)比度增強(qiáng)效果的可逆信息隱藏研究進(jìn)展與展望[J].網(wǎng)絡(luò)與信息安全學(xué)報(bào)，2016，2（4）：12-20.

YANGY，ZHANG W M，HOU D D，et al. Research and prospect of reversible data hiding method with contrast enhancement [J]. Chinese Journal of Network an（1 Information Security ，2016，2（4）：12-20.（In Chinese）

[13] CHEN H S，NI J Q，HONG W，et al. Reversible data hiding with contrast enhancement using adaptive histogram shifting and pixel value ordering [J] . Signal Processing：Image Communication，2016，46：1-16.

[14] GAO G Y，SHI Y Q. Reversible data hiding using controlled contrast enhancement and integer wavelet transform[J].IEEE Signal Processing Letters，2015，22（11）：2078-2082.

[15] WUHT，TANG S H，HUANG JW，et al. A novel reversible data hiding method with image contrast enhancement[J]. Signal Processing：Image Communication，2018，62：64-73

[16] KIM S，LUSSI R，QU X C，et al. Automatic contrast enhancement using reversible data hiding [C]//2015 IEEE International Workshop on Information Forensics and Security . Rome ，Italy ：IEEE ，2015：1-5

[17] KIM S，LUSSI R，QU X C，et al. Reversible data hiding with automatic brightness preserving contrast enhancement[J]. IEEE Transactions on Circuits and Systems for Video Technology，2019，29（8）：2271-2284.

[18] CHEN H，HONG W，NI J，et al. A tunable bound of the embedding level for reversible data hiding with contrast enhancement [C]// International Conference on Cloud Computing amp; Security. 2016：134-144.

[19] WU H T，MAI W Q，MENG S Y，et al Reversible data hiding with image contrast enhancement based on two-dimensional histogram modification[J] IEEE Access，2019，7：83332-83342

[20] YING Q C，QIAN Z X，ZHANG X P，et al Reversible data hiding with image enhancement using histogram shifting[J]. IEEE Access，2019，7：46506-46521

[21] WU H T，HUANG J W，SHI Y Q. A reversible data hiding methodwith contrast enhancement for medical images[J] Journal of Visual Communication and Image Representation，2015，31：146-153

[22] GAO G Y，WAN X D，YAO S M，et al Reversible data hiding with contrast enhancement and tamper localization for medical im- ages[J] Information Sciences，2017，385/386：250-265

[23] YANG Y，ZHANG W M，LIANG D，et al Reversible data hiding in medical images with enhanced contrast in texture area[J] Digital Signal Processing，2016，52：13-24

[24]袁陶希，吳昊天，徐依凌，等.可逆數(shù)據(jù)隱藏算法在醫(yī)學(xué)圖像上的應(yīng)用[J].計(jì)算機(jī)科學(xué)與探索，2016，10（6）：856-866.

YUAN T X，WU H T，XU Y L，et al. Reversible data hiding algorithm and its application to medical images[J] Journal of Frontiers of Computer Science and Technology，2016，10（6）：856- 866 （In Chinese）

[25] YANG Y，ZHANG W M，LIANG D，et al. A ROI-based high capacity reversible data hiding scheme with contrast enhancement for medical images[J] Multimedia Tools and Applications，2018，77（14）：18043-18065

[26] YANG Y，XIAO X X，CAI X，et al. A secure and privacypreserving technique based on contrast-enhancement reversible data hiding and plaintext encryption for medical images[J] IEEE Signal Processing Letters，2020，27：256-260

[27] GAO G Y，TONG S K，XIA Z H，et al Reversible data hiding with automatic contrast enhancement for medical images[J] Signal Processing，202 178：107817

[28] NI Z C，SHI Y Q，ANSARI N，et al Reversible data hiding[J] IEEE Transactions on Circuits and Systems for Video Technology，2006，16（3）：354-362

[29] ACHANTA R，SHAJI A，SMITH K，et al SLIC superpixels compared to state-of-the-art superpixel methods[J] . IEEE Transactions on Pattern Analysis and Machine Intelligence，201 34 （11）：2274-2282

[30] National Biomedical Imaging Archive （NBIA）[EB/OL].（2014- 11-30）[2015-04-28]. http：//imaging.nci.nih.gov.