李丹陽，李 琳，李青巖

(1.集美大學(xué)理學(xué)院，福建 廈門 361021；2.集美大學(xué)計算機(jī)工程學(xué)院，福建 廈門 361021)

0 引言

隨著互聯(lián)網(wǎng)的蓬勃發(fā)展，數(shù)字圖像信息安全問題受到了廣泛關(guān)注。數(shù)字圖像信息安全技術(shù)的研究主要包括兩方面：圖像加密和圖像信息隱藏[1]。通常，信息隱藏技術(shù)會導(dǎo)致圖像的永久性失真。為了解決這個問題，可逆信息隱藏(reversible data hiding，RDH)技術(shù)被提出，并引起了許多學(xué)者的注意?？赡嫘畔㈦[藏技術(shù)可以從載密的圖像中準(zhǔn)確無誤地提取嵌入的信息并恢復(fù)載體圖像。它在軍事、醫(yī)療、法律服務(wù)等內(nèi)容敏感領(lǐng)域有著重要的應(yīng)用需求[2]。

現(xiàn)有RDH技術(shù)大致可分為三類，分別基于無損壓縮(lossless compression，LC)[3]、差分?jǐn)U展(difference expance，DE)[4-5]和直方圖移位(histogram shifting，HS)[6-8]。無損壓縮方法對載體圖像進(jìn)行壓縮獲得空間以嵌入信息，但這種方法只能提供有限的嵌入容量。DE擴(kuò)展技術(shù)在像素對上執(zhí)行，通過擴(kuò)展其差分將1 bit信息嵌入到每個選定的像素對中。與基于無損壓縮的RDH相比，Tian[4]的基于差分?jǐn)U展的方法可以提供更高的嵌入容量和峰值信噪比。隨后，Thodi等[5]提出預(yù)測誤差擴(kuò)展方法(prediction error expansion，PEE)，用預(yù)測誤差代替差分?jǐn)U展中的差值，PEE可以更加充分地利用圖像的空間冗余。Ni等[6]提出直方圖移位的方案，先生成直方圖，然后通過修改直方圖嵌入秘密信息，但是該方法的嵌入容量受生成直方圖的峰值位的像素數(shù)影響。后來，研究者們將HS與PEE結(jié)合，構(gòu)造了許多改進(jìn)的方法。但是基于單直方圖的方法，僅僅是收集圖像的每個像素的預(yù)測誤差，并未充分考慮到圖像局部紋理的變化。于是，2015年Li等[9]提出基于多直方圖修改的可逆信息隱藏技術(shù)(multiple histogram modification，MHM)，根據(jù)每個像素的上下文計算其復(fù)雜度，并將具有給定復(fù)雜度的像素收集在一起來生成預(yù)測誤差直方圖(prediction error histogram，PEH)，通過設(shè)置復(fù)雜度閾值，生成直方圖序列，然后采用暴力搜索的方法在每個生成的直方圖中選擇兩個擴(kuò)展位(嵌入點)實現(xiàn)數(shù)據(jù)嵌入。MHM比其他基于單個PEH的方法具有更好的性能，特別是在低有效載荷方面?；诙嘀狈綀D的可逆信息隱藏，關(guān)鍵是將具有相似上下文特征的像素聚集到相同的直方圖中。Wang等[10]提出一種新的多直方圖可逆信息隱藏方案，它通過設(shè)計一系列特征，使用模糊C-均值聚類，從而構(gòu)造多直方圖。文獻(xiàn)[11]在文獻(xiàn)[10]的基礎(chǔ)上優(yōu)化聚類的特征，使用K-Means聚類構(gòu)造多直方圖。盡管他們的方法與文獻(xiàn)[9]相比，性能有所提升，但是為了保證可逆性，這些方法都采用兩階段嵌入的技術(shù)，只有與目標(biāo)像素不同層的像素被用來設(shè)計特征，因此忽略了目標(biāo)像素與其同層像素之間的相關(guān)關(guān)系。隨機(jī)森林[12]是一種通過集成學(xué)習(xí)的思想構(gòu)造多棵獨立決策樹的算法，其輸出的結(jié)果由隨機(jī)森林中每棵決策樹輸出結(jié)果投票而定。由于隨機(jī)森林是用一種隨機(jī)方式建立的，可以降低模型過擬合的風(fēng)險。為了充分利用目標(biāo)像素與其周圍像素之間的相關(guān)性，本文提出一種基于隨機(jī)森林的多直方圖構(gòu)建方法。

1 本文提出的算法

本文提出的基于隨機(jī)森林的多直方圖生成方法主要分為兩個步驟：聚類和訓(xùn)練隨機(jī)森林。隨機(jī)森林分類器通常需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練，和文獻(xiàn)[13]一樣，本研究以Kodak圖像集的24張圖像作為訓(xùn)練數(shù)據(jù)。首先，設(shè)計能代表目標(biāo)像素上下文像素分布的聚類特征，使用K-Means聚類算法標(biāo)記具有相似上下文的像素；然后，從圖像數(shù)據(jù)集中提取大量的上下文信息，即目標(biāo)像素周圍的像素特征，作為隨機(jī)森林的輸入，以聚類得到的結(jié)果標(biāo)簽作為隨機(jī)森林的目標(biāo)輸出；最后，調(diào)整隨機(jī)森林的相關(guān)參數(shù)，訓(xùn)練得到最優(yōu)的隨機(jī)森林模型。

1.1 聚類特征的設(shè)計

基于預(yù)測誤差擴(kuò)展和直方圖移位的可逆信息隱藏，直方圖越清晰，其性能越好。因此，MHM方法中多直方圖生成的關(guān)鍵點是使生成的每個直方圖盡可能地清晰，也就是說，具有相似上下文的像素應(yīng)該盡可能聚在同一類。目標(biāo)像素所在塊的局部特征設(shè)計得越精確，聚類結(jié)果也會越精確。在Wang等[10]的方法中，雖然設(shè)計了10個特征用于聚類，但是為了保證可逆性，這10個特征的計算只涉及到與目標(biāo)像素不同層的像素，有一些與目標(biāo)像素鄰近但屬于同層的像素值并未考慮到(如圖1白色集合中的像素)。因而本研究認(rèn)為這些特征不能完全反映每個區(qū)塊的局部特征。由于本文所提出的方法的可逆性由隨機(jī)森林的輸入特征保證，因此設(shè)計的聚類特征可以充分利用目標(biāo)像素周圍的像素，包括同層的鄰近像素。

在本文中，設(shè)計了4個與每個塊的紋理復(fù)雜度密切相關(guān)的新特征，即：1)以目標(biāo)像素xi為中心的3 px×3 px像素塊的方差fi，1；2)以目標(biāo)像素xi為中心的5 px×5 px像素塊的熵fi，2；3)以目標(biāo)像素xi為中心的5 px×5 px像素塊的復(fù)雜度，即像素塊中水平和垂直相鄰像素的絕對差值之和fi，3；4)局部均值fi，4。這4個特征充分利用目標(biāo)像素周圍的像素，提高了聚類性能。

本算法用方差來衡量像素塊中像素值的波動情況。方差越大，說明像素塊中的像素值波動越大，像素塊中像素值分布越復(fù)雜。方差計算公式為：

(1)

(2)

信息熵是用來衡量不確定性的指標(biāo)，情況越混亂，信息熵也就越大，反之越小。在這里可以理解為，熵越大，像素塊像素值分布的越混亂，圖像越復(fù)雜；反之，熵越小，像素塊像素值分布越集中，圖像越平滑。熵計算公式為：

(3)

其中：count(bk/sk)代表像素值bk/sk在以目標(biāo)像素xi為中心的5 px×5 px像素塊中出現(xiàn)的次數(shù)。

復(fù)雜度計算公式為：

fi，3=w3(|s5-b7|+|b7-s8|+|s8-b9|+|b9-s10|+|b5-s1|+|b2-s3|+|s3-b11|+|s6-b1|+|b1-x|+|x-b3|+|b3-s11|+|b6-s2|+|s2-b4|+|b4-s4|+|s4-b12|+|s7-b8|+|b8-s9|+|s9-b10|+|b10-s12|+|s5-b5|+|b5-s6|+|s6-b6|+|b6-s7|+|b7-s1|+|s1-b1|+|b1-s2|+|s2-b8|++|s8-b2|+|b2-x|+|x-b4|+|b4-s9|+|b9-s3|+|s3-b3|)+|b3-s4|+|s4-b10|+|s10-b11|+|b11-s11|+|s11-b12|+|b12-s12|。

(4)

局部均值計算公式為：

(5)

式(1)～(5)中：w1、w2、w3、w4、w5為權(quán)重值，權(quán)重值初始值都為1，隨后根據(jù)多次實驗的結(jié)果進(jìn)行調(diào)整，以得到更好的聚類結(jié)果；聚類的類別數(shù)參考了文獻(xiàn)[13]，設(shè)置為18。

1.2 基于隨機(jī)森林的分類模型

隨機(jī)森林模型訓(xùn)練速度快，且模型簡單易于理解，綜合考慮擬合能力和訓(xùn)練難度，本文選擇用隨機(jī)森林模型構(gòu)建多直方圖。隨機(jī)森林的構(gòu)造包含6個步驟：

1)從原始訓(xùn)練集中隨機(jī)有放回地選擇k條數(shù)據(jù)；

2)從原始的K維特征中，隨機(jī)選取m個特征做節(jié)點分裂屬性；

3)訓(xùn)練決策樹；

4)重復(fù)1)～3)步構(gòu)造n個決策樹；

5)集成上述步驟生成的n個決策樹，構(gòu)建隨機(jī)森林；

6)以n個決策樹預(yù)測結(jié)果的眾數(shù)作為隨機(jī)森林的最終輸出結(jié)果。

在本算法中，以Kodak24圖像集的24張圖像為訓(xùn)練數(shù)據(jù)，以由目標(biāo)像素x上下文像素組成的向量B=(b1，b2，…，b12)(見圖1)作為輸入特征，以聚類得到的類別標(biāo)簽為輸出目標(biāo)，構(gòu)建隨機(jī)森林分類模型。隨機(jī)森林的輸入特征均為與目標(biāo)像素不同層的像素，因此在嵌入信息前后，對于同一個目標(biāo)像素隨機(jī)森林可以得到相同的預(yù)測類別，使可逆性得以保證。

2 嵌入和提取過程

2.1 輔助信息

在可逆信息隱藏中，為了確保接收方可以無損提取信息和恢復(fù)圖像，需要收集一部分輔助信息，作為有效負(fù)載的一部分嵌入到載體圖像中。本方法中需要使用的輔助信息包括：

1)壓縮后的位置圖。在本方法中，由于每個像素值最多加或減1個單位，為了避免像素值超過[0，255]的范圍，發(fā)生上溢或者下溢，像素值為255的將更改為254，像素值為0的將更改為1。位置圖用來記錄這些像素的位置，更改的像素在位置圖中標(biāo)記為1，而其他像素標(biāo)記為0，然后使用算術(shù)編碼方法對位置圖進(jìn)行壓縮。

2)位置圖的長度(log2N，bit，N為目標(biāo)圖像像素數(shù)目的一半)。

3)最優(yōu)嵌入點bn，1≤n≤M(4M，bit，M為生成直方圖的個數(shù)，M=18)。

4)隨機(jī)森林分類得到的標(biāo)簽與按照熵排序之后的標(biāo)簽對應(yīng)關(guān)系(5M，bit)。

5)嵌入結(jié)束的位置Nend(log2N，bit)。

2.2 嵌入過程

本文采取基于菱形預(yù)測的雙層嵌入技術(shù)，在嵌入信息時，首先要把圖像像素劃分為兩層：空白層和陰影層，如圖1所示。第一層首先嵌入一半有效載荷，剩下的一半嵌入第二層。由于第二層的嵌入過程與第一層相似，因此本研究僅以第一層為例，闡述具體的嵌入過程(見圖2)。為了保證可逆，要保留前后兩行前后兩列的像素，用于嵌入輔助信息。

1)菱形預(yù)測

2)根據(jù)隨機(jī)森林分類模型構(gòu)建M個子直方圖

根據(jù)1.2設(shè)計的隨機(jī)森林模型，提取隨機(jī)森林需要的12個上下文像素作為輸入特征，將所有預(yù)測誤差分為M類，每個類將生成一個直方圖。生成M個直方圖之后，計算每個直方圖的熵，按照熵從低到高的順序重新對直方圖進(jìn)行排序，決定嵌入信息的先后順序。

3)選擇M對嵌入點

為了滿足率失真模型，即在嵌入容量滿足給定的有效載荷情況下，使嵌入失真與嵌入容量的比率最小。使用文獻(xiàn)[13]中選擇擴(kuò)展嵌入點的方法，為每一個直方圖確定一對嵌入點，用(ak，bk)表示。

4)嵌入信息——基于直方圖平移

5)獲得載密圖像

2.3 提取過程

為了保證可逆，信息的提取過程要與信息的嵌入過程相反，需要先提取第二層的嵌入信息，再提取第一層的。因為提取的步驟相似，本文僅以第二層的數(shù)據(jù)提取過程為例，展開詳細(xì)介紹。

與嵌入信息時相同，提取隨機(jī)森林需要的12個上下文像素，利用隨機(jī)森林模型將所有預(yù)測誤差分為M類，每個類生成一個直方圖。

根據(jù)輔助信息獲取直方圖的嵌入順序和每個直方圖的嵌入點，提取嵌入的信息。以像素xi′的提取過程為例，假設(shè)xi′屬于直方圖hz，對應(yīng)的嵌入點為(az，bz)，預(yù)測誤差為ei′，可以根據(jù)式(6)～(8)提取嵌入的秘密信息并恢復(fù)原始像素。

(6)

(7)

(8)

3 實驗結(jié)果與分析

本文的隨機(jī)森林模型通過scikit-learn機(jī)器學(xué)習(xí)框架用Python3.8構(gòu)建，RDH過程在Matlab R2018a上完成。隨機(jī)森林模型的構(gòu)建需要一定的數(shù)據(jù)支持，即使圖像像素不同，上下文分布特征也會具有很高的相似性，因此以Kodak24圖像集的24張圖像為訓(xùn)練數(shù)據(jù)，構(gòu)建隨機(jī)森林模型。為了評估所提出方案的性能，自USC-SIPI圖像數(shù)據(jù)庫中選擇4張具有不同紋理特征的512 px×512 px像素大小的灰度圖像，即Lena、Baboon、Boat、Elaine。

為了說明所提出方案的優(yōu)越性，將本方案與Li等的傳統(tǒng)多直方圖方法[9]、Kim等的基于傾斜直方圖的方法[14]、Sachnev等基于菱形預(yù)測的方法[6]、Qu等基于像素值排序的方法[15]、Wu等基于改進(jìn)像素值排序的方法[16]等5種不同的先進(jìn)方案進(jìn)行了率失真性能對比實驗。圖3是幾種不同方法不同嵌入容量(embedding capacity，EC)的峰值信噪比(peak signal noise ratio，PSNR)曲線。PSNR是常用的可逆信息隱藏方案評價指標(biāo)，PSNR的值越高，說明載密圖像和原始載體圖像越相似，所對應(yīng)的方法性能就越好。

從圖3可以看出，本文提出的方法在大部分情況下都優(yōu)于4個文獻(xiàn)[6，14-16]的方法，原因在于這4種方法都是基于單一直方圖進(jìn)行信息嵌入，直方圖被固定地修改，在建立直方圖時并未考慮到圖像像素分布的差異。對于圖像Elaine，在低嵌入容量時，文獻(xiàn)[16]的PSNR值雖然高于本文的方法，但是從圖3中可以看出，文獻(xiàn)[16]的最大嵌入容量較小，在實際應(yīng)用過程中可能不能滿足嵌入容量要求。在大多數(shù)情況下，本文提出的方法優(yōu)于Li等提出的傳統(tǒng)多直方圖方法[9]。文獻(xiàn)[9]未考慮圖像內(nèi)容的差異，而是根據(jù)目標(biāo)像素的局部像素分布復(fù)雜程度平均劃分像素，從而生成多直方圖。本文提出的隨機(jī)森林智能分類器可以通過學(xué)習(xí)先驗知識，根據(jù)圖像內(nèi)容自適應(yīng)地構(gòu)建多直方圖，因此取得了更好的性能。以Lena圖為例，當(dāng)嵌入容量為10 000 bit時，本方案的峰值信噪比比Li等[9]的方案提高了約0.27 dB，比其余4個方案也都更好。

4 結(jié)論

本文采用更能代表局部像素分布情況的特征，利用聚類算法標(biāo)記目標(biāo)像素，訓(xùn)練隨機(jī)森林分類模型用于構(gòu)建多直方圖。與傳統(tǒng)的基于多直方圖的可逆信息隱藏方案相比，本方法結(jié)合K-Means聚類和隨機(jī)森林機(jī)器學(xué)習(xí)算法，生成了更清晰的直方圖，從而實現(xiàn)高效的可逆信息隱藏。未來，將進(jìn)一步研究如何設(shè)計更好的聚類特征以及訓(xùn)練更高效的分類模型。