无损信息隐藏技术综述

摘自 http://www.gjbmj.gov.cn/n1/2018/1229/c411145-30495491.html

一、引言

信息隐藏技术是信息安全领域的一个重要分支，通常意义下的信息隐藏技术研究重点都集中在隐藏技术和分析技术，较少关注图像是否失真的问题。在原始载体图像嵌入了隐藏信息后，会导致其产生某种程度上的永久性失真，即在隐藏信息被提取之后，原始载体图像不能够无失真地得到恢复。然而无损信息隐藏技术作为近年来新兴的信息隐藏技术，能够做到隐藏信息提取后，载体图像仍能够得到无失真的恢复。无损信息隐藏技术的特点使其在载体图像的内容需要保护的情况下具有很高的应用需求和应用价值，如大量多媒体数据包括医疗图像系统、军事图像系统和数字艺术品珍藏等。

二、基本概念

无损信息隐藏技术又称可逆或可删除信息隐藏技术，主要指在原始图像没有明显降质的情况下嵌入隐藏信息，若隐秘图像在传输过程中没有发生变化，那么合法用户在提取出隐藏信息后，原始图像能够完全无失真复原。

图像的无损信息隐藏技术和传统信息隐藏技术在方法和原理上没有本质区别，不同在于对嵌入隐藏信息的要求，即需要知道添加隐藏信息的顺序、位置和原始图像的更改数据。

三、无损信息隐藏模型

一旦被窃密者获取可追踪定位该设备，并激活该设备可能隐藏配置的无线发射和接收功能，达到窃密目的。因此，使用单位应将涉密网络中无损信息隐藏技术使用密钥K，通过隐藏算法将隐藏信息E嵌入到载体图像C中，得到隐秘图像S。接收方通过公共信道获取密钥K和隐秘图像S，通过信息提取算法可以无失真地提取隐藏信息E和载体图像C。

四、主要算法介绍

随着无损信息隐藏技术应用需求的不断扩大，该技术也成了近些年学者们研究的热点。本章归纳了目前公开文献中的一些具有代表性的算法，目前基于图像的无损信息隐藏技术大致可分为5类。

（一）基于算术取模运算的无损信息隐藏技术

无损信息隐藏的概念最早出现在1999年的一份专利上，是当时柯达公司首次发布的将水印数据加到原始图像的空域，并能够恢复原始图像。Honsinger等人将原图像与要嵌入的水印进行模256运算，生成含水印图像。但是这种方法当载体图像的某些像素值接

近255时，模加运算后数据会反转接近0，反之亦然，所以说这种算法不能嵌入大容量的信息，且产生的隐秘图像质量下降严重。

（二）基于无损压缩的无损信息隐藏技术

该方法最早由Fridrich等人研究提出。原理是选取合适的图像位平面，把最不重要的比特位的数据进行无损压缩，使其出现冗余空间再将隐藏信息嵌入到产生的冗余空间中。假设原始图像X，B是选取的合适的图像位平面，通过一定的无损压缩算法将B压缩成C（B），这样就产生了冗余空间M，其中M=B-C（B），可以将隐藏信息嵌入隐藏在冗余空间M中。该方法通常选择最不重要的位平面进行压缩，但由于平面含有丰富的图像信息，压缩率不高，故可以嵌入隐藏信息的冗余空间受限较大，同样对于嵌入隐藏信息量有一定的要求。

（三）基于差扩展的无损信息隐藏技术

该方法最早由Tian等人研究提出，是使用可逆数学运算对2个像素对进行差扩展，在最低位嵌入数据。假设（x，y）是载体图像中的一组像素对，其中0≤x≤255,0≤y≤255。与上述基于无损压缩的无损信息隐藏技术相比较，基于差扩展的无损信息隐藏技术的嵌入信息量较大。但由于该方法在嵌入过程中会产生比较多的附加信息，导致占用较多可嵌入

信息的空间。针对这个问题，后续有很多研究者在上述算法的基础上做了进一步的扩展和改进，进一步提高了嵌入信息的容量。

（四）基于直方图移位的无损信息隐藏技术

该方法最早由Ni等人研究提出，原理是计算载体图像的像素直方图，找出其中出现频率最高和最低的像素值，称其为最大值和

最小值。在最大值和最小值之间的像素值+1（–1），即把像素直方图右移（左移）1位，产生冗余空间嵌入隐藏信息，其嵌入信息容量就是像素最大值出现的频率。这种算法的优点是计算复杂度低，高效产生冗余空间实现隐藏信息的嵌入，且由于嵌入时载体图像像素值的改变最大为1，故得到的隐藏信息的图像质量很高；缺点是大部分载体图像的像素直方图中的最大频率并不高，导致信息嵌入量仍然有限。

（五）基于变换域的无损信息隐藏技术

上述的4种无损信息隐藏技术都是基于空域像素值变换构造冗余空间进行隐藏信息嵌入的。还有一类信息隐藏技术是基于变换域的，主要是通过修改主信号某些指定的频域系数来嵌入数据。基于变换域的信息隐藏技术中，频率变换域中嵌入隐藏信息的方法有很多，包括快速傅立叶—梅林变换FMT、离散余弦变换DCT、哈达码HT和小波变换WT等，其中小波变换方法由于其分解的图像恰好与人类视觉特性相符和具有计算复杂度低等特性，成了研究者们选择研究的热点对象。

宣国荣等人提出了一种基于整数小波变换的无损信息隐藏方法。对原始图像进行整数小波变换，选择中高频系数的中位平面进行无损压缩，将隐藏信息嵌入产生的冗余空间，再通过逆整数小波变换得到隐秘图像。

目前，基于变换域的无损信息隐藏技术发展迅速，很多研究者在小波变换的基础上进行了算法的改进和变换，在隐秘图像质量和计算复杂度等方面有了较大提高。如中国科技大学郭志川等人提出的基于改进整数小波变换的无损信息隐藏方法等。

五、关键技术和评价指标

随着无损信息隐藏技术应用需求的不断扩无损信息隐藏技术的实质就是找到可逆的算法规则产生有效的冗余空间，并在冗余空间中进行隐藏信息嵌入。如果没有冗余空间就无法嵌入隐藏信息；如果没有可逆规则就无法恢复不失真的原始图像。可见冗余空间和可逆规则是嵌入过程中的2个关键点，二者缺一不可。

理论上，嵌入过程中对载体图像的改变越小，隐秘图像的失真就越小。构造的冗余空间越大，能够嵌入的信息量就越大。因此，如何在对原始载体图像改变尽可能小的前提下，得到最大的冗余空间，就成了无损信息隐藏技术研究的关键点。关键技术包括以下几方面。

（一）如何能够构造更多的冗余空间。目前很多嵌入算法均存在冗余空间有限的问题，无论采取何种技术方法，在保证算法可逆的前提下，应尽可能产生更多的冗余空间以便嵌入更多的隐藏信息。

（二）高信息嵌入量和高隐秘图像质量的平衡问题。无损信息隐藏技术在确保能够恢复原始图像的前提下，高信息嵌入量是首要关注的指标，但如果一味地增加冗余量会导致原始图像数据修改的增加，造成隐秘图像质量下降严重。因此，需要在高容量和高质量中寻找一个适当的平衡点。

（三）信息隐藏和提取算法的研究。高难度较复杂的隐藏和提取算法很难保证数据通信的连续性和稳定性，在很多实际应用中如处理较大数据量等情况下是不适用的。因此，一种高效简单的信息隐藏和提取算法是研究的重点。无损信息隐藏技术的主要研究目标是以最小的失真取得最大的嵌入容量，同时尽可能保持低的计算复杂性。故评价无损信息隐藏技术的评价指标主要包括：嵌入容量、图像质量和计算复杂度。

1.嵌入容量

目前的大多文献通常以bpp（bitsperpixel）为单位表示嵌入容量，即载体图像的一个像素最多可以嵌入的比特数。值越大表示嵌入容量越大。

2.图像质量

图像质量是指嵌入隐藏信息后得到的隐秘图像的质量，通常以PSNR（PeakSignal-to-NoiseRatio）为单位度量。PSNR值越高，隐秘图像的质量就越好。

3.计算复杂度

通常使用O（x）来表示算法的复杂度，有时也直接使用某软硬件平台下所花费的时间表示。O（x）数值越小或所花的时间越少，则表示计算复杂度越小。

六、结语

伴随着信息技术的飞速发展和数字图像的广泛应用，信息隐藏技术已经成为信息安全领域的一个研究热点，目前基于数字图像的信息隐藏技术可以说已经比较完善和成熟，而无损信息隐藏技术的相关研究却起步不久，还有很多急需解决的和有待研究的问题，其潜在的应用领域也在不断地扩展，因此该技术将是今后学者们研究的一个热点。

（原载于《保密科学技术》杂志2018年9月刊）