基于圖像偽裝與雙向差值擴展的密文域可逆信息隱藏算法

廖文興 劉成語 林松 柳曉龍

收稿日期：2023-06-02；修回日期：2023-07-19? 基金項目：福建省自然科學基金面上項目（2021J01123）；福建省社會科學規劃項目（FJ2021BF048）

作者簡介：廖文興（2000—），男，福建龍巖人，碩士研究生，CCF會員，主要研究方向為多媒體安全和計算機視覺；劉成語（1997—），女，河南南陽人，助理研究員，碩士，主要研究方向為多媒體安全和計算機視覺；林松（1976—）男，福建寧德人，講師，博士，主要研究方向為多媒體安全和計算機視覺；柳曉龍（1989—），男（通信作者），福建寧德人，副教授，博士，主要研究方向為多媒體安全和計算機視覺（xlliu@fafu.edu.cn）．

摘? 要：數字圖像在云環境下的安全性問題已成為信息安全領域的研究熱點之一。為解決傳統密文域可逆信息隱藏算法缺乏偽裝性，容易受到惡意攻擊與信息隱藏空間容量小的問題，提出了基于圖像偽裝加密與雙向差值擴展的大容量密文域可逆信息隱藏算法。該算法首先利用矢量量化與離散小波變換兩種技術對原始圖像進行偽裝加密，從而保證隱蔽性，使得圖像在云環境中安全傳遞；其次采用基于雙向差值擴展的信息隱藏技術對偽裝加密圖像進行秘密信息的嵌入，以實現高容量的信息隱藏。實驗結果表明，所提算法不僅實現了圖像偽裝，而且最終得到的含密偽裝圖像與原始圖像在視覺上無明顯差別，峰值信噪比達到40 dB以上，對原始圖像起到了很好的偽裝效果；同時實現了高容量的秘密信息嵌入，圖像平均嵌入率接近0.6 bpp，表現出了良好的實驗性能。

關鍵詞：圖像偽裝； 信息隱藏； 矢量量化； 離散小波變換； 差值擴展

中圖分類號：TP309.7 ???文獻標志碼：A

文章編號：1001-3695（2024）02-042-0596-06

doi：10.19734/j.issn.1001-3695.2023.06.0243

Information hiding algorithm based on image camouflage and

bidirection difference expansion

Liao Wenxinga， Liu Chengyua， Lin Songa， Liu Xiaolonga，b

（a.College of Computer & Information Sciences， b.Center for Agroforestry Mega Data Science， Fujian Agriculture & Forestry University， Fuzhou 350002， China）

Abstract：The security of digital image in the process of cloud environment transmission becomes one of the research hotspots in the field of information security. In order to overcome the problems of insufficient camouflage ability， susceptibility to malicious attacks， and limited information hiding space in traditional reversible information hiding algorithms in the ciphertext domain， this paper proposed a high-capacity ciphertext domain reversible information hiding algorithm based on image camouflage encryption and bidirectional interpolation extension. This algorithm firstly employed two techniques， such as VQ coding and discrete wavelet transform， to perform camouflage encryption on the original image， ensuring secrecy and secure transmission of the image in cloud environments. Then， it utilized an information hiding technique based on bidirectional interpolation extension to embed secret information into the camouflaged encrypted image， achieving high-capacity information hiding. The experimental results show that the proposed method not only achieves image camouflage， but also has no obvious visual difference with the original image. The peak signal-to-noise ratio（PSNR） reaches more than 40 dB， indicating a good camouflage effect on the original image. It also achieves high-capacity secret information embedding with an average embedding rate of the image approaching 0.6 bpp with outstanding experimental performance.

Key words：image camouflage; information hiding; vector quantization; discrete wavelet transform; difference expansion

0? 引言

隨著計算機網絡技術和多媒體技術的迅速發展，云端存儲已經廣泛應用于社會生活和生產的各個領域，極大便利了人類生活，然而，這也帶來了新的挑戰和安全隱患［1，2］。比如，數據泄露和盜竊的風險越來越高，數字多媒體的版權容易受到侵害和偽造。因此，為保護數據安全，傳統加密技術通過對數據進行編碼轉換，從而使得只有擁有特定密鑰的人才能夠解密并獲取其中的內容。然而，傳統的加密技術因其密鑰管理困難、易受到中間人攻擊等缺點，使得數據很容易受到竄改或竊取。在此背景下，信息隱藏技術因其強隱蔽性和高安全性的特點得到迅速發展。信息隱藏技術是將重要信息嵌入到其他載體中，通過隱藏信息的存在來確保傳遞內容的安全，比如人眼存在視覺冗余，利用這種冗余就可實現秘密信息的嵌入。而圖像作為互聯網上傳輸量最大、最廣泛的數字多媒體之一，以圖像為載體的圖像信息隱藏技術［3］受到了學者的廣泛關注。

傳統的圖像信息隱藏技術大多是基于空間域和變換域的，而實際生活中應用的圖像大多以壓縮的形式存在，現有的空間域和變換域的信息隱藏算法并不能滿足實際的需要。在此背景下，出現了各種壓縮技術，如BTC［4，5］、VQ［6，8］、JPEG［9］、JPEG2000［10］、分形編碼［11］等算法。壓縮技術的出現，進一步推動了信息安全領域技術的發展。Yang等人［12］提出了基于改進的快速相關VQ（MFCVQ）的可逆數據隱藏算法，利用輸入數據的相關性信息，在碼本中選擇最佳匹配向量時能夠更加高效地搜索，從而減少計算復雜度并提高壓縮性能。然而秘密數據的嵌入位置是由預定義的距離閾值所確定的，所以隱藏能力不穩定。Lu等人［13］提出了一種基于VQ索引殘值編碼技術的可逆數據隱藏算法，利用當前索引與其相鄰四個索引及其均值之間的關系來隱藏秘密信息，并使用適當的比特流編碼索引差異以降低比特率，從而提高了MFCVQ的數據嵌入量。Chang等人［14］提出了一種聯合鄰近編碼（JNC）的VQ壓縮圖像可逆隱藏方法，利用當前VQ壓縮索引與左側或上方相鄰索引之間的差值嵌入秘密數據，也在一定程度上提高了秘密信息的嵌入量。然而，基于保證隱私性等目的，云端圖像所有者有必要在圖像傳輸至云端服務器之前先進行加密，避免未經授權的查看。而對于云端數據庫管理者，需要將標簽、身份驗證等額外信息直接嵌入到密文圖像中，用于圖像管理或認證等目的。在進行合法的圖像解密與信息提取之后，還需無損地恢復出原始圖像。顯然，傳統的圖像信息隱藏方法不能滿足這種對于圖像安全性要求較高的云端應用場景。

為適應云存儲環境下的密文圖像管理與保密通信，密文域圖像信息隱藏技術成為了近年來信息安全領域的研究重點。密文域可逆信息隱藏是將秘密信息嵌入到加密后的密文中的技術，它可以在保證數據機密性的同時隱藏額外的信息。Qin等人［15］提出了基于自適應預測和標記的加密圖像可逆數據隱藏方法，設計了一種自適應梯度預測，采用了自適應霍夫曼編碼標注方案，在進行圖像加密的同時，進行了秘密信息的隱藏。文獻［16］對自適應MSB預測方法進行改進，提出了一種基于MSB與差值預測的密文域信息隱藏算法，該算法利用部分塊內像素之間差值很小的特點進行數據嵌入，極大提高了嵌入容量。然而，傳統密文域可逆信息隱藏方案存在明顯的偽裝性不足的問題。信息隱藏相比于傳統的密碼學，其最大的優點是秘密信息藏入載體后，攻擊者難以從明文載體中判斷秘密信息是否存在，進而從根本上保證秘密信息的安全。這一優點在現有的密文域信息隱藏方案中不復存在，因為現有的圖像加密方法多被設計為將原始圖像加密成紋理或者噪聲圖像，這種無意義的密文也同時明確提示了攻擊者哪些是重要信息，從而招致惡意攻擊。

為解決偽裝性不足的問題，Bao等人［17］將原始圖像轉換成具有視覺意義的加密圖像，雖然該算法具有出色的加密性能，但是偽裝加密后的圖像大小增大為原始圖像的四倍，嚴重影響了存儲效率。Zheng等人［7］基于DWTCT進行視覺加密，保證了偽裝圖像和原始圖像大小相同，保持了存儲效率。Yang等人［18］提出基于自適應紋理分類的可逆數據隱藏，利用明文加密將原始圖像加密到類似的目標圖像上，以提高圖像的安全性。Wang等人［19］將密碼圖像以PNG格式嵌入到載體圖像的alpha通道中，得到了視覺效果較好的隱寫圖像，但其嵌入位置是由密鑰固定的，局限性較大。鄭思飛［20］將視覺圖像加密方案與信息隱藏方案結合在一起，對可視加密圖像方案產生的偽裝圖像采用了基于O-PEE的直方圖信息隱藏方案，但該算法采用不同的參考圖像，所能達到的容量參差不齊，實用性不高。面對當今社會的信息安全問題，目前的密文域圖像信息隱藏算法仍有待進一步的改進，主要體現在如何保證密文圖像在具有偽裝性和低失真的前提下盡可能提高秘密信息的嵌入容量。

綜上所述，為兼顧云環境下密文域信息隱藏算法的安全性和秘密信息嵌入容量的問題，本文提出了一種基于圖像偽裝與雙向差值擴展的密文域可逆信息隱藏算法。將原始圖像加密之后嵌入到經過處理后的參考圖像中得到偽裝圖像，并將得到的偽裝圖像進行秘密信息的嵌入，從而得到最終的含密偽裝圖像，最后用生成的含密偽裝圖像在云上進行傳輸和交流。該算法在實現對秘密信息保護的同時，大大降低了圖像被攻擊的可能性，進一步提高了密文域可逆信息隱藏的實用價值。

1? 相關概念

1.1? 矢量量化

矢量量化（VQ）是圖像壓縮編碼技術之一，其理論基礎是信息論中的率失真理論。VQ的編碼過程是將原始數據分割成若干塊，再將每一塊與碼書中的碼字進行匹配，找到與該塊數據距離最近碼字，然后用碼字的索引值替換原始數據塊，得到VQ索引表，通過碼書和VQ索引表可較大程度地還原出原始數據。相對于原始圖像而言，存儲碼書和VQ索引表所需要的空間更小，而且通過索引值查找碼字的速度更快。

圖1給出了VQ編碼的具體過程，將原始圖像分割為4×4大小的方塊。在計算碼字列表和當前方塊的歐幾里德距離后，CW1具有最小的歐氏距離［21］，視為最接近當前塊。在VQ索引表中，當前塊被編碼為1，即用最小的歐氏距離值的碼數進行編碼。執行完所有塊的編碼過程后，原始圖像將被編碼到VQ索引表中。在解碼過程中，通過檢索索引將它們映射到碼書中的相應碼字，便可從VQ索引表中恢復原始圖像?；謴蛨D像的視覺質量將非常類似于原始圖像，人眼很難區分它們。

1.2? 離散小波變換

小波變換（WT）是繼傅里葉變換之后一種新興的圖像處理方法。小波變換通過對小波基函數的伸縮和平移與信號進行匹配，得到信號的時頻譜，其意義在于能夠對信號在不同尺度上進行分解。離散小波變換（DWT） ［22，23］就是將連續小波變換中的伸縮和平移量進行離散化，其核心是用不同頻率的濾波器分析不同頻率的信號。

圖像的二級離散小波變換分解和重構的基本過程如圖2所示。首先對圖像的每一行進行小波分解，獲得原始圖像在水平方向上的低頻分量L和高頻分量H，再將每一列進行分解獲得LL、HL、LH、HH四個分量。圖像經過上述分解之后所形成的分量中，低頻分量LL刻畫了原始圖像的近似值，高頻分量HL刻畫了原始圖像的水平細節，LH刻畫了原始圖像的垂直細節，而HH刻畫了原始圖像的對角細節。二級分解時將對HL、LH和HH三個高頻分量進行二級DWT，獲得十二個高頻分量，分別是HL_ll、HL_hl、HL_lh、HL_hh以及LH_ll、LH_hl、LH_lh、LH_hh和HH_ll、HH_hl、HH_lh、HH_hh，其中HL_ll、LH_ll和HH_ll可分別表達一級HL、LH和HH三個分量的絕大部分信息。因此，在重構階段，組合一級低頻分量LL與二級HL_ll、LH_ll和HH_ll分量，即可得到近似于原始圖像的恢復圖像。

2? 算法詳解

本文提出了一種基于圖像偽裝加密與雙向差值擴展的密文域可逆信息隱藏算法。該算法主要分為圖像偽裝加密和秘密信息隱藏兩個階段。首先，對原始圖像使用矢量量化（VQ）壓縮編碼與加密技術生成預加密圖像。生成的預加密圖像將嵌入到經二級離散小波變換（DWT）轉換后的參考圖像低頻分量中，從而得到偽裝圖像。然后，對偽裝圖像采用基于雙向差值擴展的可逆信息隱藏技術嵌入秘密信息，得到最終的含密偽裝圖像。整個算法的流程如圖3所示。

2.1? 圖像偽裝加密階段

假設原始圖像與參考圖像大小均為4m×4n。圖像偽裝加密階段主要是將原始圖像經過VQ編碼、預加密得到預加密圖像，而后將預加密圖像嵌入到經過兩次離散小波變換的參考圖像中，從而得到偽裝圖像。

1）預加密? 經過VQ編碼之后所得到的VQ索引表仍然屬于明文信息，并不具備很高的安全性，因此需要進一步對所產生的VQ索引表進行處理（一般進行預加密），以此提高偽裝加密圖像的安全性。VQ索引表中像素的坐標和值將在此階段通過排列和替換進行更改。預加密處理定義如式（1）所示。

P=F（T，K）（1）

其中：P表示產生的預加密圖像；T表示m×n大小的VQ索引表；K表示預加密處理所需的密鑰；F表示預加密處理的轉換函數。在此過程中，預加密圖像P的獲得可以使用現存的任何傳統的圖像加密算法，如異或加密等。此過程獲得的預加密圖像P具有類似于噪聲的特性。

2）圖像偽裝? 該階段利用離散小波變換的特性，將預加密圖像嵌入到轉換后的參考圖像低頻分量中，產生偽裝圖像。此過程首先需要對參考圖像進行如1.2節所述的二級離散小波變換（DWT）。根據離散小波的特性，經過二級DWT分解后形成的低頻分量將包含參考圖像的大部分信息，而高頻分量則包含參考圖像的小部分細節，對高頻分量進行適當修改將不影響參考圖像的恢復品質。因此，為了保證偽裝圖像的視覺質量，本文選取對參考圖像影響最小的高頻分量，將預加密圖像嵌入其中。

將預加密圖像嵌入到經過二級DWT之后的參考圖像中的具體過程如下，其中具體的嵌入算法選用最低有效位修改技術。預加密圖像的大小為m×n，每個像素值為8 bit，因此總共需要嵌入8×m×n bit。與此同時，參考圖像經過二級DWT獲得的十二個高頻分量大小為m×n bit。為將8×m×n bit的預加密圖像嵌入到二級DWT獲得的十二個分量中，只需選取對參考圖像影響最小的高頻分量，其中LH_hh、HL_hh和HH_hh三個分量的每個像素分別攜帶2 bit，HH_lh和HH_hl兩個分量的每個像素攜帶1 bit。

圖4給出了DWT的具體示例圖，假設參考圖像的大小為8×8，共有64個像素，預加密圖像的大小為2×2，共有4個像素。現以59為例，對其嵌入過程進行說明。首先將其轉換成二進制編碼00111011，根據二級DWT分量每個像素所攜帶的位數依次進行嵌入，即00嵌入到LH_hh分量的（1，1）位置，11嵌入到HL_hh分量的（1，1）位置，1嵌入到HH_lh分量的（1，1）位置，0嵌入到HH_hl分量的（1，1）位置，11嵌入到HH_hh分量的（1，1）位置。例如11嵌入到HH_hh分量的（1，1）位置中，該位置原來的值為7，其二進制為111，需要將11嵌入到該像素值的后兩位中，得到的二進制仍為111，即該位置的像素值仍為7。對預加密圖像所有的像素值執行以上相同的操作之后，即生成了帶有嵌入位的新分量。對新分量執行逆二級DWT操作，便可獲得最終的偽裝圖像。由圖4的具體實例可看出，參考圖像和最終生成的偽裝圖像的像素值幾乎沒有差異，并且保留了大多數像素間的相關性。

從圖4可看出，LH_hh、HL_hh、HH_hh、HH_lh和HH_hl五個分量的像素值都比較小，在其位置進行后兩位的替換之后對參考圖像的影響比較小，人眼對變化不大的像素值并不敏感，故很難分辨出偽裝圖像與參考圖像，這樣做在視覺上對圖像進行了偽裝保護，從而降低了被攻擊的風險。

3）還原階段? 在圖像的還原階段，帶有解密密鑰的授權用戶可下載偽裝圖像，并將其還原為原始圖像?；謴碗A段的流程如圖5所示。

首先，得到的偽裝圖像要經過二級DWT獲得相關的子帶。隨后LH_hh、HL_hh、HH_hh、HH_lh和HH_hl五個子帶的像素值按鋸齒形順序提取，通過嵌入階段的反向過程可獲取預加密圖像。之后，按照帶有解密密鑰的預加密算法的相應解密過程，重建VQ索引表。從重建結果可看出，在本偽裝圖像加密算法中，將VQ索引表轉換為偽裝圖像的過程中，在確保安全的基礎上，還保證了信息的完整性。VQ索引表的解碼階段是編碼階段的反向過程，通過檢索索取索引，并將它們映射到代碼手冊中的相應代碼字。對于VQ索引表中的每個索引，相應的代碼字的16個值將用于恢復原始圖像塊。由于VQ索引表的大小為m×n，所以恢復的圖像大小為4m×4n，與原始圖像相同，且恢復圖像的視覺質量將非常類似于原始圖像。

2.2? 信息隱藏階段

1）基本流程? 信息隱藏階段主要是采用基于雙向差值擴展（DE）的信息隱藏算法，對偽裝圖像進行秘密信息的嵌入。本文算法利用像素之間的差值來隱藏數據，相比于傳統的直接修改像素值的方法，差值利用了數據之間的差異，可以在較小的范圍內表示更大的數字，這樣有效增加了隱藏數據的容量。并且，采用基于雙向的差值擴展算法，像素值向兩個方向擴展，可以將差值擴展量分散到兩個像素中間，從而增加算法的隱蔽性，減小對圖像視覺質量的影響。整體流程如圖6所示。

該階段主要分為三個關鍵步驟：

a）將上面所形成的偽裝圖像I按照Z型順序掃描，即圖像I中奇數行的像素順序保持不變，偶數行的像素順序相反，從而得到與圖像I對應的一維序列。

b）將得到的一維序列中兩個像素之間的差值擴展到兩個不同方向，并同時嵌入一位秘密信息。現以兩個相鄰像素值A（k）=162和A（k+1）=163為例，說明差值擴展與秘密信息嵌入的過程。首先按照式（2）（3）分別計算出兩個相鄰像素的平均值v=162和差值d=1。

v=「（A（k）+A（k+1））/2? k∈［1，m×n-1］，A（k）≥A（k+1）

（A（k）+A（k+1））/2」k∈1，m×n-1」，A（k）＜A（k+1）（2）

d=A（k）-A（k+1）? k∈［1，m×n-1］，A（k）≥A（k+1）

A（k+1）-A（k）k∈［1，m×n-1］，A（k）＜A（k+1）（3）

在平均值像素值162的兩側分別進行差值為1的擴展，并在擴展后的左側進行秘密信息的嵌入。假設要嵌入的秘密信息b=1，則經過差值擴展與信息嵌入后，A（k）=160，A（k+1）=163，計算如式（4）（5）所示。

A′（k）=v+d+b? k∈［1，m×n-1］，A（k）≥A（k+1）

v-d-bk∈［1，m×n-1］，A（k）＜A（k+1）（4）

A′（k+1）=v-d? k∈［1，m×n-1］，A（k）≥A（k+1）

v+dk∈［1，m×n-1］，A（k）＜A（k+1）（5）

假設要嵌入的秘密信息為11011001，將步驟a）中每兩個相鄰的像素值都進行上述的差值擴展，以及秘密信息嵌入操作，得到圖6中秘密信息嵌入后的一維序列。

c）將嵌入秘密信息的一維陣列轉換為以Z型相反順序掃描的二維陣列，形成最終的隱藏圖像。

2）邊界處理? 對于任意一張圖像來說，其像素值是［0，255］，經過雙向差值擴展，信息隱藏的A（k）像素值會存在小于0或大于255的情況，因此必須對上溢下溢進行處理。根據以上公式可得出，差值越大，得到的最終偽裝加密圖像的失真也就越大，為減小失真，提高最終圖像的質量，定義一個差分閾值Td，當差值小于或者等于Td時，可以嵌入秘密信息，否則不能進行秘密信息的嵌入。根據式（4）（5）可知，當滿足0≤v-d≤A′（k）≤v+d+b≤255時，不會出現上溢下溢問題，也就是說，Td≤v≤255-Td-1=254-Td時，就不會出現溢出的問題。

文獻［24］表明閾值越大，信息的嵌入容量越大，但同時隱藏圖像的失真也就越大。由于圖像平滑度不同，所以不同的圖像在相同的閾值下具有不同的嵌入容量，而嵌入容量大小又會影響隱藏圖像的嵌入質量。根據相關數據表明，閾值大于20時，嵌入容量隨著閾值的增多，其增加幅度較小，但圖像的失真卻增大很多，因此在實際應用中，一般取閾值小于20。為提高本文算法的先進性，實驗中選擇更大的閾值，取Td=30。

3）信息提取和圖像恢復? 得到含密偽裝圖像之后，以Z型順序掃描大小為m×n的含密偽裝圖像，獲得與含密偽裝圖像相對應的一維序列A′。由上述嵌入過程可知，每個像素都參與了兩次嵌入過程，所以只有在A′（k+1）恢復之后，才能進行信息的提取，并使用A′（k+1）和A′（k）正確地恢復原始像素A（k）和A（k+1）。故提取和恢復過程相當于嵌入過程的逆過程。由此，可從式（6）（7）得到像素對（A′（k），A′（k+1））的平均值和差值。

v′=v=A′（k）+A′（k+1）2」? k∈［1，m×n-1］（6）

d′=A′（k+1）-A′（k）? k∈［1，m×n-1］，A′（k）＜A′（k+1）

A′（k）-A′（k+1）k∈［1，m×n-1］，A′（k）≥A′（k+1）（7）

數據嵌入過程顯示，兩個相鄰隱藏像素A′（k）和A′（k+1）之間的差異一定是偶數。如果嵌入的秘密信息位是b=0，那么差是偶數；如果嵌入的秘密信息位是b=1，那么差一定是奇數。因此，秘密信息比特提取如式（8）所示。

b=mod（d′，2）（8）

由上述可知，偽裝圖像進行信息嵌入之前的像素值A（k）和A（k+1）的差值一定是d/2」，其平均值一定是接近A（k）的整數，恢復過程如式（9）（10）所示。

A（k）=v+（d′2」/2）」? A′（k）≥A′（k+1）+1

A′（k）v∈［Td，254-Td］? or? d′≤2Td-1

v-（d′2」/2）」? A′（k）＜A′（k+1）? （9）

A（k+1）=v-「（d′2」/2）? A′（k）≥A′（k+1）

A′（k+1）??? v∈［Td，254-Td］? or? d′≤2Td-1

v+「（d′2」/2）? A′（k）＜A′（k+1）（10）

最后，使用之前的Z型掃描順序將一維陣列轉換為二維矩陣，并獲得偽裝圖像，如圖6所示。其轉換過程與上面所描述的相同。

3? 實驗結果與分析

3.1? 實驗設計

本文實驗選用來自ImageNet圖像數據庫中的100幅灰度圖像作為測試圖像來評估該算法的性能。所有圖像都選擇大小為500×500的灰度圖像，并將這些圖像記為001，002，…，100。實驗的硬件條件為Windows 10操作系統的計算機和MATLAB 2018編程軟件。

實驗采用峰值信噪比（PSNR）和結構相似性（SSIM）兩個指標來衡量圖像的質量，用嵌入率來衡量隱藏算法的性能。PSNR是圖像有效信息與噪聲之間的比率，PSNR值越低，失真越大，圖像質量就越低。大量資料表明，通常PSNR大于30 dB時表明圖像質量是好的，即失真比較小，人眼幾乎無法察覺兩個圖像之間的差異。SSIM分別從亮度、對比度、結構三方面來度量圖像的相似性，取值為0～1，其中，SSIM的值越接近于1，則表明圖像的失真越小，越接近于原始圖像。嵌入率表示圖像每個像素嵌入信息的位數，可直接反映隱藏算法嵌入容量的大小，嵌入率越大，說明算法性能越好。

3.2? 偽裝加密實驗結果

下面用相同的參考圖像，不同的原始圖像進行實驗。圖7為給出原始圖像為001～100，而參考圖像都采用圖像001時，本文算法實驗所獲得的PSNR和SSIM。結果顯示，相同參考圖像不同原始圖像時所獲得的PSNR值在52上下波動，區別并不明顯，整體結果呈一條直線，SSIM整體呈現出與PSNR一樣的效果。實驗說明，使用不同的原始圖像進行圖像的偽裝加密與信息隱藏對PSNR和SSIM的結果影響很小。

為進一步證明實驗的性能，下面采用不同的參考圖像進行對比。實驗總體的設計思想是：用圖像001作為原始圖像，圖像002作為參考圖像，圖像002作為原始圖像，圖像003作為參考圖像……一直到圖像100為原始圖像，則圖像001應作為參考圖像。實驗所獲得的PSNR和SSIM如圖8所示。

通過圖8可看出，PSNR和SSIM隨著參考圖像的不同而上下波動，其中PSNR圍繞在52附近，并且都在50以上。而SSIM圍繞在0.99附近，無限接近于1，表明本文算法的偽裝加密圖像與參考圖像之間具有很高的結構相似性。綜合PSNR和SSIM的數值區間，表明了本文算法的優異性。

3.3? 信息隱藏實驗結果

圖9給出了本研究圖像的視覺效果圖。從圖中可看出，無論是偽裝圖像還是含密偽裝圖像，都很難與參考圖像在視覺上作出區分，說明本文算法起到了很好的偽裝效果，并且從含密偽裝圖像中無損的還原原始圖像還能說明本文算法性能優異。

為進一步估計本文算法信息隱藏研究的結果，采用不同的參考圖像進行實驗。需要嵌入的秘密信息隨機產生，設定嵌入率為0.1，所獲得的PSNR和SSIM結果如圖10所示（已舍去嵌入率不足0.1的實驗結果）。由圖10可知，使用不同的偽裝圖像產生的視覺性能不一樣，但總體PSNR值均在40上下波動，都表現出較為突出的視覺性能；所有SSIM值均在0.95上下波動，偽裝圖像與含密偽裝圖像之間的結構相似度性能十分突出。這表明偽裝圖像在嵌入秘密信息后，很難在視覺上區分偽裝圖像與含密偽裝圖像。

此外，為測量不同參考圖像的藏量，圖11給出不同參考圖像所能達到的最大嵌入率，可以看出，不同參考圖像的最大嵌入率變化較大，但大部分參考圖像的嵌入率都能達到0.5左右，總體嵌入率的平均值在0.6左右。結果表明，DE信息隱藏充分利用了圖像像素之間的相關性，進一步減小了預測誤差值，使得可擴展的像素更多，在保證嵌入秘密信息的不可感知性的前提下，進一步提高了嵌入量，具有較高的嵌入率，展示了較好的信息嵌入能力。

為進一步證明本文算法的性能，將文獻［7，17～20］與本文算法的圖像大小、PSNR、SSIM和信息隱藏藏量幾個方面進行對比。相關算法各方面的對比情況如表1所示。

從表1可以看出，文獻［17］算法將含密偽裝圖像增大為原始圖像的4倍，而本文算法為1∶1，極大節省了存儲空間。文獻［7，17，19］都只進行了偽裝加密，未進行秘密信息的嵌入，而本文算法在只進行偽裝加密時，PSNR值均大于50，SSIM值在0.996上下（在3.2節中已經說明），視覺效果明顯優于這三種算法，其安全性更高、隱蔽性更好。文獻［18，20］進行了偽裝加密和信息嵌入，本文算法仍明顯優于這兩個算法。文獻［20］算法的圖像質量較好，但對于不同參考圖像較為敏感，造成藏量不穩定，總體藏量遠低于本文算法。文獻［18］算法雖然可以嵌入較多信息，但其嵌入量仍低于本文算法，且其圖像質量遠低于本文算法。綜上所述，與其他算法對比，從偽裝加密與信息隱藏的結果來看，本文算法能夠保證圖像傳輸過程中的視覺質量，具有良好的偽裝特性，在PSNR、SSIM都表現出了優異的實驗性能，并且實現了高容量的秘密信息嵌入。除此之外，本文算法得到的含密偽裝圖像與原始圖像保持相同的大小，保證了圖像在云環境中的存儲效率，節省了空間資源。

4? 結束語

本文在前人研究的基礎上，針對傳統加密算法和密文域信息隱藏算法的不足，提出了一種基于圖像偽裝加密的信息隱藏算法，并應用相關實驗驗證了該算法是一種高視覺質量、高嵌入率的圖像保護算法。該算法的研究基礎是矢量量化、離散小波變換和基于雙向差值擴展的信息隱藏算法。通過相關實驗表明，該研究不僅保證了圖像的視覺質量，而且充分利用了像素間灰度值的相關性，提高了秘密信息的隱藏量。在未來的工作中，可探索秘密信息嵌入的最優位置，進一步提高嵌入后圖像的質量，從而達到更高效的圖像偽裝加密和信息隱藏的目的。

參考文獻：

［1］Bajaj P， Arora R， Khurana M， et al. Cloud security： the future of data storage［M］//Khanna K， Estrela V V， Rodrigues J J P C. Cyber Security and Digital Forensics. Singapore： Springer， 2022： 87-98.

［2］Mishra N， Sharma T K， Sharma V， et al. Secure framework for data security in cloud computing［M］//Pant M， Ray K， Sharma T， et al. Soft Computing： Theories and Applications. Advances in Intelligent Systems and Computing. Singapore： Springer， 2018： 61-71.

［3］Ren Fang， Liu Yuge， Zhang Xing， et al. Reversible information hi-ding scheme based on interpolation and histogram shift for medical images［J］. Multimedia Tools and Applications， 2023，82： 28445-28471.

［4］Hong W， Ma Yuanbo， Wu H C， et al. An efficient reversible data hiding method for AMBTC compressed images［J］. Multimedia Tools and Applications， 2017，76（4）： 5441-5460.

［5］Liu Chengyu， Zheng Sifei， Feng Zijing， et al. Visual image encryption scheme based on BTC and LSB modification［J］. Journal of Physics： Conference Series， 2021，1812： 012037.

［6］Lin C C， Liu Xiaolong， Yuan S M. Reversible data hiding for VQ-compressed images based on search-order coding and state-codebook mapping［J］. Information Sciences， 2015，293： 314-326.

［7］Zheng Sifei， Liu Chengyu， Feng Zijing， et al. Visual image encryption scheme based on vector quantization and content transform［J］. Multimedia Tools and Applications， 2022，81（9）： 12815-12832.

［8］Qin Chuan， Ji Ping， Wang Jinwei， et al. Fragile image watermarking scheme based on VQ index sharing and self-embedding［J］. Multi-media Tools and Applications， 2017，76： 2267-2287.

［9］He Junhui， Huang Shuhao， Tang Shaohua， et al. JPEG image encryption with improved format compatibility and file size preservation［J］. IEEE Trans on Multimedia， 2018，20（10）： 2645-2658.

［10］Liu Feng， Ahanonu E， Marcellin M W， et al. Visibility of quantization errors in reversible JPEG2000［J］. Signal Processing： Image Communication， 2020， 84： 115812.

［11］汪瑋瑋， 張愛華. 基于小波變換與分形結合的圖像壓縮算法［J］. 計算機技術與發展， 2018，28（9）： 64-67. （Wang Weiwei， Zhang Aihua. Image compression algorithm based on wavelet transform and fractal combination［J］. Computer Technology and Development， 2018，28（9）： 64-67.）

［12］Yang Bian， Lu Zheming， Sun Shenghe. Reversible watermarking in the VQ-compressed domain［C］//Proc of the 15th International Conference on Visualization， Imaging， and Image Processing. 2005： 298-303.

［13］Lu Zheming， Wang Junxiang， Liu Beibei. An improved lossless data hiding scheme based on image VQ-index residual value coding［J］. Journal of Systems and Software， 2009，82（6）： 1016-1024.

［14］Chang C C， Kieu T D， Wu W C. A lossless data embedding technique by joint neighboring coding［J］. Pattern Recognition， 2009，42（7）： 1597-1603.

［15］Qin Jiaohua， He Zhibin， Xiang Xuyu， et al. Reversible data hiding in encrypted images based on adaptive prediction and labeling［J］. Security and Communication Networks， 2022， 2022： article ID 8757594.

［16］祁凱莉， 張敏情， 柯彥， 等. 基于自適應MSB與差值預測的大容量密文域可逆信息隱藏算法［J］. 計算機應用研究， 2023，40（2）： 571-576. （Qi Kaili， Zhang Minqing， Ke Yan， et al. High capacity reversible data hiding algorithm in encrypted image based on adaptive MSB and difference prediction［J］. Application Research of Computers， 2023，40（2）： 571-576.）

［17］Bao Long， Zhou Yicong. Image encryption：generating visually mea-ningful encrypted images［J］. Information Sciences， 2015，324： 197-207.

［18］Yang Yang， Xiao Xingxing， Cai Xue， et al. A secure and privacy-preserving technique based on contrast-enhancement reversible data hiding and plaintext encryption for medical images［J］. IEEE Signal Processing Letters， 2020，27： 256-260.

［19］Wang Xingyuan， Wang Xiaoli， Teng Lin， et al. Lossless embedding： a visually meaningful image encryption algorithm based on hyperchaos and compressive sensing［J］. Chinese Physics B， 2023，32（2）： 020503.

［20］鄭思飛. 基于矢量量化的圖像可視轉換與信息隱藏研究［D］. 福州： 福建農林大學， 2021. （Zheng Sifei. Research on vectorization based visual image conversion and information hiding［D］. Fuzhou： Fujian Agriculture and Forestry University， 2022.）

［21］周惠. 基于核的圖像歐氏距離檢測圖像邊緣算法［J］. 信息通信， 2020（2）： 81-82. （Zhou Hui. Image edge detection algorithm based on kernel Euclidean distance［J］. Information and Communication， 2020（2）： 81-82.）

［22］Priya K， Roomi S M M， Maheswari P U， et al. DWT based QR steganography［J］. Journal of Physics： Conference Series， 2021，1917（1）： 012020.

［23］Ansari I A， Pant M. Multipurpose image watermarking in the domain of DWT based on SVD and ABC［J］. Pattern Recognition Letters， 2017，94： 228-236.

［24］Wang Weiqing. A reversible data hiding algorithm based on bidirectional difference expansion［J］. Multimedia Tools and Applications， 2020，79： 5965-5988.