基于信息隱藏的圖像感興趣區(qū)域保護(hù)算法

俞春強(qiáng)，付　睿，陳　艷，雷　蕓，張顯全，，王曉云

(1.廣西師范大學(xué)網(wǎng)絡(luò)中心， 廣西桂林541004；2.桂林電子科技大學(xué)廣西信息科學(xué)實(shí)驗(yàn)中心，廣西桂林541004；3. 廣西師范大學(xué)計(jì)算機(jī)科學(xué)與信息工程學(xué)院， 廣西桂林541004；4. 廣西民族大學(xué)預(yù)科教育學(xué)院，廣西南寧530006；5.長江師范學(xué)院計(jì)算機(jī)工程學(xué)院，重慶408100)

?

基于信息隱藏的圖像感興趣區(qū)域保護(hù)算法

俞春強(qiáng)1，2，付睿3，陳艷1，2，雷蕓2，4，張顯全1，2，3，王曉云5

(1.廣西師范大學(xué)網(wǎng)絡(luò)中心， 廣西桂林541004；2.桂林電子科技大學(xué)廣西信息科學(xué)實(shí)驗(yàn)中心，廣西桂林541004；3. 廣西師范大學(xué)計(jì)算機(jī)科學(xué)與信息工程學(xué)院， 廣西桂林541004；4. 廣西民族大學(xué)預(yù)科教育學(xué)院，廣西南寧530006；5.長江師范學(xué)院計(jì)算機(jī)工程學(xué)院，重慶408100)

摘要：本文提出一種基于信息隱藏的圖像感興趣區(qū)域保護(hù)算法。該算法首先通過計(jì)算圖像的顯著圖，對顯著圖進(jìn)行分割，得到圖像的感興趣區(qū)域。然后求出感興趣區(qū)域最小的外接矩形，外接矩形區(qū)域作為圖像的保護(hù)區(qū)域。將保護(hù)區(qū)域內(nèi)像素轉(zhuǎn)換成二進(jìn)制數(shù)據(jù)，根據(jù)二進(jìn)制數(shù)據(jù)位數(shù)和圖像的隱藏容量確定隱藏的備份數(shù)，將保護(hù)區(qū)域信息的多個(gè)備份隱藏在圖像中，實(shí)現(xiàn)對圖像感興趣區(qū)域的保護(hù)。實(shí)驗(yàn)效果表明，當(dāng)圖像的保護(hù)區(qū)域被破壞時(shí)，通過提取隱藏的保護(hù)區(qū)域信息能較好地恢復(fù)圖像。

關(guān)鍵詞：信息隱藏；顯著圖；感興趣區(qū)域；信息安全

0引言

隨著信息技術(shù)的發(fā)展，圖像作為大數(shù)據(jù)的重要組成部分，在軍事、醫(yī)學(xué)、法律等各行各業(yè)應(yīng)用越來越廣泛，由此產(chǎn)生了很多相關(guān)的信息安全問題[1]，因此研究數(shù)字圖像中的重要信息保護(hù)具有較好的理論意義和應(yīng)用價(jià)值。

數(shù)字圖像中最重要的信息往往集中在一些較小的關(guān)鍵區(qū)域，這些目標(biāo)區(qū)域常常是顯著性區(qū)域[2]。在視覺觀察時(shí)，人們的目光總是習(xí)慣聚焦在自己感興趣的對象上，忽視其他不重要的場景，這些重要的目標(biāo)可以通過對圖像的顯著性區(qū)域分析而得到。國內(nèi)外許多學(xué)者對圖像的顯著區(qū)域計(jì)算進(jìn)行了研究。近年來，隨著人工智能等學(xué)科的進(jìn)一步發(fā)展，Goferman等人[3]提出了CA算法，通過模仿視覺組織的工作原理建模來突出顯著特征；Cheng等人[4]提出了RC模型，該算法對圖像進(jìn)行分塊運(yùn)算，并引入空間關(guān)系的概念，在全圖范圍內(nèi)對圖像塊的顯著性進(jìn)行檢測分析；Advani等人[5]提出一種基于多分辨率的顯著性檢測算法，對人類視覺注意機(jī)制在多尺度空間進(jìn)行分析，在不同的分辨率下對輸入圖像進(jìn)行顯著性建模，這些方法都能較好地計(jì)算出圖像的感興趣區(qū)域。信息隱藏也稱數(shù)據(jù)隱藏，是將圖像、圖表、數(shù)據(jù)、聲音等秘密信息隱藏于圖像、聲音、視頻等載體信息中。LSB替換方法[6]先將秘密信息的每一比特對應(yīng)于載體圖像的一個(gè)像素，如果秘密比特與隱藏該位的像素灰度值的最后一位相同，就不改變原始載體；反之，則要改變灰度值的最后一位。文獻(xiàn)[7]對彩色圖像的R、G、B分量分別進(jìn)行位平面分割，對較低層位平面直接進(jìn)行數(shù)據(jù)替換實(shí)現(xiàn)數(shù)據(jù)嵌入，對較高層位平面首先按位平面進(jìn)行分塊，然后根據(jù)每個(gè)塊中的數(shù)據(jù)特征進(jìn)行數(shù)據(jù)嵌入，通過控制高位平面數(shù)據(jù)減少數(shù)據(jù)嵌入后像素值的改變量，實(shí)現(xiàn)彩色圖像大容量信息隱藏。文獻(xiàn)[8]對圖像進(jìn)行分塊，定義了圖像的變異度，由圖像的高位平面圖像變異度和邊界把載體圖像分為平滑區(qū)塊、紋理塊和邊緣塊3種類型，根據(jù)隱藏信息量的大小和隱藏目標(biāo)，確定圖像塊的類型和每種圖像塊中可嵌入的位平面層數(shù)，實(shí)現(xiàn)信息的嵌入。文獻(xiàn)[9]提出一種基于圖像DCT系數(shù)的隱寫方法，通過整數(shù)匹配的方法解決了DCT轉(zhuǎn)換中的圓整誤差問題。文獻(xiàn)[10]將載體圖像通過希爾伯特掃描得到一維序列，將一維像素序列分成兩兩一組作為載體單元，利用像素值差異(PVD)估計(jì)被嵌入像素對的數(shù)字。差異大的像素嵌入的數(shù)字大，并采用優(yōu)化算法解決溢出問題。

由于數(shù)字圖像具有易于修改的特點(diǎn)，在存儲和傳輸過程中，圖像重要區(qū)域很容易遭受惡意破壞，信息隱藏作為數(shù)據(jù)保護(hù)的重要手段之一，在信息安全方面的應(yīng)用越來越廣泛。圖像自嵌入與恢復(fù)技術(shù)是對圖像重要的保護(hù)方法，文獻(xiàn)[11]提出一種基于圖像自嵌入的篡改檢測和恢復(fù)算法，把圖像自身信息經(jīng)過量化、編碼和加密后，嵌入到圖像中實(shí)現(xiàn)篡改檢測和恢復(fù)。文獻(xiàn)[12]對圖像進(jìn)行分塊，對每個(gè)分塊的低頻系數(shù)進(jìn)行編碼，將認(rèn)證數(shù)據(jù)和編碼嵌入到圖像的LSB位中，實(shí)現(xiàn)對圖像的篡改保護(hù)。文獻(xiàn)[13]提出了一種自恢復(fù)算法，將圖像自恢復(fù)問題類比為刪除信道下數(shù)據(jù)包的傳輸問題，采用噴泉編碼使相關(guān)區(qū)域內(nèi)容具有恢復(fù)質(zhì)量。

上述文獻(xiàn)[10-12]主要針對圖像全局內(nèi)容進(jìn)行隱藏保護(hù)，在圖像篡改檢測和恢復(fù)方面均取得較好效果。圖像感興趣區(qū)域作為圖像的重要組成部分，最容易引起注意和被破壞，本文研究圖像感興趣區(qū)域的內(nèi)容保護(hù)，采用多備份技術(shù)將圖像重要區(qū)域隱藏在圖像自身，提高圖像信息的安全性能。

1圖像保護(hù)區(qū)域的確定

1.1感興趣區(qū)域計(jì)算

感興趣區(qū)域是圖像中最能引起用戶興趣、最能表現(xiàn)圖像內(nèi)容的重要區(qū)域。常用的感興趣區(qū)域基于人的注意力機(jī)制和對圖像的認(rèn)知過程規(guī)律，人們往往能夠清晰注意到圖像中重要的目標(biāo)輪廓，而忽略掉不容易引起注意的次要部分，這是圖像視覺特征所決定的。顯著圖是對圖像的對比度、邊界、亮度、顏色、對稱性等特征進(jìn)行提取，得到不同的特征圖，將特征圖進(jìn)行融合得到表示圖像視覺特征的圖像。因此本文首先計(jì)算圖像的顯著圖，根據(jù)顯著圖確定圖像的感興趣區(qū)域。

對彩色圖像本文采用Goferman[3]等提出的基于上下文認(rèn)知的方法(CA)來提取顯著圖。為了能夠?qū)@著性物體與其上下文環(huán)境有層次地突顯出來，該算法在顯著圖生成時(shí)加入了上下文環(huán)境信息。算法主要分為圖像分塊、單尺度顯著性計(jì)算和多尺度融合3個(gè)步驟，對每一分塊圖像的顯著性跨尺度融合之后，得到顯著圖像，并且顯著圖中的像素值規(guī)范化為0至255的范圍。給定閾值T∈[0，255]，對顯著圖進(jìn)行掃描，按閾值對顯著圖進(jìn)行分割。若在顯著圖中某一像素的值大于T，則將該像素標(biāo)記為1，否則其值為0，這樣可得顯著圖的二值化圖像，二值圖中值為1的區(qū)域?yàn)樵紙D像的感興趣區(qū)域。通過設(shè)置T控制感興趣區(qū)域的大小，對顯著圖閾值分割可得圖像感興趣區(qū)域。對原始彩色圖像F(如圖1(a)所示)，通過上面的方法提取顯著圖如圖1(b)所示，其顯著圖的二值圖如圖1(c)所示，從圖1(c)可以看出該方法能較好地將圖像中感興趣區(qū)域(房屋和月亮)分割出來，因此通過顯著圖能較好地確定圖像的感興趣區(qū)域。實(shí)驗(yàn)中取閾值T=140，該閾值能較好地分割出圖像的感興趣區(qū)域，且所得圖像感興趣區(qū)域在整幅圖像中所占的比例為0.013，所占區(qū)域較小。若將該區(qū)域隱藏，被隱藏的數(shù)據(jù)量小，對原始圖像影響較小，能較好地隱藏在圖像之中。

圖1　感興趣區(qū)域計(jì)算Fig.1　The calculation of ROIs

1.2圖像保護(hù)區(qū)域確定

(1)

(2)

2基于信息隱藏的圖像感興趣區(qū)域保護(hù)算法

圖2　圖像F保護(hù)區(qū)域Fig.2　Protection regions of image F

2.1圖像保護(hù)區(qū)域的數(shù)據(jù)隱藏

本文通過隱藏實(shí)現(xiàn)對圖像感興趣區(qū)域保護(hù)，由顯著圖可計(jì)算圖像保護(hù)區(qū)域左上角坐標(biāo)(xmin， ymin)和右下角坐標(biāo)(xmax， ymax)，設(shè)保護(hù)區(qū)域內(nèi)像素個(gè)數(shù)為n，則：

n=(xmax-xmin+1)×(ymax-ymin+1)。

(3)

(4)

這樣可得每個(gè)像素隱藏的二進(jìn)制數(shù)據(jù)。從上到下、從左到右將保護(hù)區(qū)域內(nèi)的像素轉(zhuǎn)換成二進(jìn)制數(shù)據(jù)，最后得到保護(hù)區(qū)域隱藏的二進(jìn)制數(shù)據(jù)集合：

X={C1，C2，…，Cn}。

(5)

由上可知該集合中的二進(jìn)制總位數(shù)s=24n。設(shè)彩色圖像可隱藏的容量為Cp，隱藏保護(hù)區(qū)域內(nèi)像素的備份數(shù)為M，則：

(6)

2.2圖像保護(hù)區(qū)域數(shù)據(jù)恢復(fù)

(7)

(8)

(9)

根據(jù)上述方法可恢復(fù)保護(hù)區(qū)域內(nèi)二進(jìn)制數(shù)據(jù)X′，根據(jù)密鑰(xmin， ymin)和(xmax， ymax)確定保護(hù)區(qū)域的位置，在保護(hù)區(qū)域中按從上到下、從左到右的順序恢復(fù)像素。依次從X′中取出24位二進(jìn)制數(shù)據(jù)，并將這24位數(shù)據(jù)中每隔8位轉(zhuǎn)換成3個(gè)十進(jìn)制數(shù)為R′、G′、B′，就可獲得像素3個(gè)顏色分量，恢復(fù)保護(hù)區(qū)域像素值。

2.3圖像感興趣區(qū)域保護(hù)算法

本文通過提取圖像的感興趣區(qū)域，計(jì)算感興趣區(qū)域的最小外接矩形作為圖像的保護(hù)區(qū)域。將圖像保護(hù)區(qū)域的多個(gè)備份隱藏在圖像自身中，實(shí)現(xiàn)對感興趣區(qū)域的保護(hù)。若圖像的感興趣區(qū)域被破壞，可從圖像中提取多個(gè)備份的保護(hù)區(qū)域數(shù)據(jù)恢復(fù)感興趣區(qū)域，圖像感興趣區(qū)域保護(hù)算法步驟如下：

Step1：輸入彩色圖像，采用CA算法計(jì)算顯著圖；

Step2：對顯著圖進(jìn)行閾值分割，得到多個(gè)連通區(qū)域的二值圖，確定感興趣區(qū)域；

Step3：計(jì)算感興趣區(qū)域最小外接矩形，確定圖像的保護(hù)區(qū)域；

Step4：計(jì)算圖像的隱藏容量，根據(jù)隱藏容量和保護(hù)區(qū)域的二進(jìn)制數(shù)據(jù)位數(shù)確定可隱藏的備份，將保護(hù)區(qū)域的多個(gè)備份隱藏在圖像中，得到保護(hù)區(qū)域信息隱藏后圖像，將保護(hù)區(qū)域左上角坐標(biāo)、右下角坐標(biāo)和備份數(shù)M作為密鑰發(fā)送給接收方；

Step5：若圖像的保護(hù)區(qū)域被破壞，結(jié)合密鑰信息，可從圖像中提取多個(gè)備份保護(hù)區(qū)域數(shù)據(jù)恢復(fù)圖像。

3實(shí)驗(yàn)結(jié)果與分析

用本文算法進(jìn)行了大量的實(shí)驗(yàn)，均取得很好效果，可較好地恢復(fù)圖像的感興趣區(qū)域。由于圖像的低3位被修改不會影響圖像質(zhì)量，實(shí)驗(yàn)中原始圖像的低3位用于隱藏信息，根據(jù)圖像的大小可知圖像的隱藏容量。由于篇幅限制，僅以下列4幅圖像進(jìn)行說明。圖3為原始的彩色圖像，其中：圖3(a)的大小為650×650像素，圖3(b)的大小為650×650像素，圖3(c)的大小為427×640像素，圖3(d)的大小為500×750像素。圖4為CA算法提取的顯著圖，其閾值T分別為156、140、165、130。圖5為提取的感興趣區(qū)域，圖中感興趣區(qū)域在整幅圖像中所占的比例分別為0.024、0.013、0.076、0.092。圖6為圖像的保護(hù)區(qū)域，將保護(hù)區(qū)域轉(zhuǎn)換成二進(jìn)制數(shù)據(jù)的數(shù)據(jù)量分別為293 088、209 040、580 800、772 824bit。圖7為隱藏多個(gè)保護(hù)區(qū)域備份的圖像，隱藏后圖像與原始圖像沒有明顯差異，其中：圖7(a)隱藏的備份數(shù)為8，圖7(b)隱藏的備份數(shù)為6，圖7(c)隱藏的備份數(shù)為4，圖7(d)隱藏的備份數(shù)為4。圖8為保護(hù)區(qū)域被破壞的圖像，圖9為恢復(fù)后的圖像，從圖9可以看出通過本文算法恢復(fù)后的保護(hù)區(qū)域效果較好。

圖3　原始圖Fig.3　Original images

圖4　顯著圖Fig.4　Saliency maps

圖5　圖像感興趣區(qū)域Fig.5　ROIs of images

圖6　圖像保護(hù)區(qū)域Fig.6　Protection regions of image

圖7　保護(hù)區(qū)域信息隱藏后的圖像Fig.7　Stego-image with protection regions

圖8　保護(hù)區(qū)域被破壞圖像Fig.8　Stego-image with protection regions destroyed

圖9　恢復(fù)后的圖像Fig.9　Restoration image

4結(jié)束語

隨著信息技術(shù)的發(fā)展，如何確保信息安全是當(dāng)今信息領(lǐng)域的一項(xiàng)重要工作。本文研究圖像的感興趣區(qū)域保護(hù)算法，將圖像保護(hù)區(qū)域的多個(gè)備份隱藏在圖像中，實(shí)現(xiàn)對感興趣區(qū)域的保護(hù)。若圖像被破壞可從圖像提取隱藏的備份信息來恢復(fù)感興趣區(qū)域，為信息安全領(lǐng)域提供了一種新的圖像保護(hù)方法。

參考文獻(xiàn)：

[1]沈昌祥，張煥國，馮登國，等.信息安全綜述[J].中國科學(xué)E輯：信息科學(xué)，2007，37(2)：129-150.

[2]ZHAOQi，KOCHC.Learningsaliency-basedvisualattention：Areview[J].SignalProcessing， 2013， 93(6)：1401-1407.DOI:10.1016/j.sigpro.2012.06.014.

[3]GOFERMANS，ZELNIK-MANORL，TALA.Context-awaresaliencydetection[C] //2010IEEEConferenceonComputerVisionandPatternRecognition.Piscataway,NJ:IEEEPress， 2010：2376-2383.DOI:10.1109/CVPR.2010.5539929.

[4]CHENGMingmingZHANGGuoxin，MITRANJ，etal.Globalcontrastbasedsalientregiondetection[C] //2011IEEEConferenceonComputerVisionandPatternRecognition.Piscataway,NJ:IEEEPress， 2011：409-416.DOI: 10.1109/CVPR.2011.5995344.

[5]ADVANIS，SUSTERSICJ，IRICKK，etal.Amulti-resolutionsaliencyframeworktodrivefoveation[C] //2013IEEEInternationalConferenceonAcoustics，SpeechandSignalProcessing.Piscataway,NJ:IEEEPress， 2013：2596-2600.DOI:10.1109/ICASSP.2013.6638125.

[6]BENDERW，GRUHLD，MORIMOTON，etal.Techniquesfordatahiding[J].IBMSystemsJournal， 1996， 35(3/4)：313-336.DOI:10.1147/sj.353.0313.

[7]張顯全，祝英俊，孫容海，等，基于位平面的彩色圖像大容量信息隱藏方法[J]. 光電子·激光， 2009， 20(8)：1092-1095.DOI:10.16136/j.joel.2009.08.022.

[8]ZHANGXianquan，TANGZhenjun，LIANGTao，etal.Datahidingmethodbasedonlocalimagefeatures[M] //ActiveMediaTechnology:LectureNotesinComputerScienceVol7669.Berlin:Springer， 2012：247-256.DOI: 10.1007/978-3-642-35236-2_25.

[9]LINYK.AdatahidingschemebaseduponDCTcoefficientmodification[J].ComputerStandards&Interfaces，2014，36(5)：855-862.DOI:10.1016/j.csi.2013.12.013.

[10]SHENShuyuan，HUANGLihong.Adatahidingschemeusingpixelvaluedifferencingandimprovingexploitingmodificationdirections[J].Computers&Security，2015，48：131-141.DOI:10.1016/j.cose.2014.07.008.

[11]張鴻賓， 楊成.圖像的自嵌入及竄改的檢測和恢復(fù)算法[J]. 電子學(xué)報(bào)， 2004， 32(2)：196-199.

[12]QINChuan，CHANGChinchen，CHENPeiyu.Self-embeddingfragilewatermarkingwithrestorationcapabilitybasedonadaptivebitallocationmechanism[J].SignalProcessing， 2012，92(4)：1137-1150.DOI:10.1016/j.sigpro.2011.11.013.

[13]KORUSP，DZIECHA.Efficientmethodforcontentreconstructionwithself-embedding[J].IEEETransactiononImageProcessing， 2013， 22(3)：1134-1147.DOI:10.1109/TIP.2012.2227769.

(責(zé)任編輯黃勇)

doi:10.16088/j.issn.1001-6600.2016.02.010

收稿日期：2015-09-10

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目(61363034，61300109，61562007)；廣西自然科學(xué)基金資助項(xiàng)目(2012GXNSFBA053166，2015GXNSFDA139040)；教育部“春暉計(jì)劃”合作科研項(xiàng)目(Z2015149)；重慶市涪陵區(qū)科技計(jì)劃項(xiàng)目(FLKJ，2012ABA1056)；廣西信息科學(xué)實(shí)驗(yàn)中心項(xiàng)目(20130204)；廣西教育廳高?？蒲许?xiàng)目(YB2014048，LX2014056，LX2014115，KY2015LX006)；廣西高校云計(jì)算與復(fù)雜系統(tǒng)重點(diǎn)實(shí)驗(yàn)室項(xiàng)目(15202)；廣西師范大學(xué)校級項(xiàng)目青年課題

中圖分類號：TN919. 81

文獻(xiàn)標(biāo)志碼：A

文章編號：1001-6600(2016)02-0067-07

ProtectingMethodofRegionsofInterestofImageBasedonInformationHiding

YUChunqiang1，2，F(xiàn)URui3，CHENYan1，2，LEIYun2，4，ZHANGXianquan1，2，3，WANGXiaoyun5

(1.NetworkCenter，GuangxiNormalUniversity，GuilinGuangxi541004，China；2.GuangxiExperimentCenterofInformationScience，GuilinUniversityofElectronicTechnology，GuilinGuangxi541004，China； 3.CollegeofComputerScienceandInformationTechnology，GuangxiNormalUniversity，GuilinGuangxi541004，China；4.SchoolofPre-university，GuangxiUniversityforNationalities，NanningGuangxi530006，China；5.CollegeofComputerEngineering，YangtzeNormalUniversity，Chongqing408100，China)

Abstract:A protecting method of regions of interest(ROIs) of image based on information hiding is proposed. Firstly, by calculating the saliency map of the image, the saliency map is segmented to obtain the ROIs of the image. Secondly, the minimum enclosing rectangles of ROIs are calculated and regions of the minimum enclosing rectangles are used as image protection areas. Thirdly, the pixels in protected regions of an image are transformed into binary data and the number of hidden backups is determined according to the binary data bits and the hiding capacity of the image. Finally, multiple backups of protecting regions are embedded in original image to achieve protection of ROIs. It is shown, by experimental results, that the hidden protected regions can be extracted to restore image when protected regions of an image are destroyed.

Keywords:information hiding； saliency map； ROIs； information security

通信聯(lián)系人：張顯全(1964—)， 男， 重慶人， 廣西師范大學(xué)教授。E-mail：zxq6622@163.com