基于Arnold变换结合DCT和CA的超像素信息隐藏方案

沙特国王大学学报基于Arnold变换结合DCT和CA的超像素鲁棒可逆信息隐藏方案Prabhash Kumar Singha，b，Biswapati Janaa，Biswapati，Kakali DattabaVidyasagar大学计算机科学系，West Midnapore 721102，印度b印度西孟加拉邦Santiniketan Visva-Bharati大学计算机与系统科学系阿提奇莱因福奥文章历史记录：收到2020年2020年9月22日修订2020年9月23日接受2020年10月1日网上发售关键词：数据隐藏超像素元胞自动机DCTArnold变换A B S T R A C T数据隐藏方案的出现是为了提供多媒体安全，除了以保密的方式共享信息。从那时起，出现了各种技术来满足使用多媒体文档的安全数据通信的目标。本文设计了一种新的数据隐藏方法，利用图像的超像素来识别块的性质，并分别利用空间域和变换域的元胞自动机（CA）和离散余弦变换（DCT）技术来嵌入数据。此外，Arnold变换用于通过经由可共享密钥的块的随机选择来提供安全性的覆盖。所提出的技术获得RGB图像的YCbCr颜色模型以仅在Y颜色分量上使用超像素。然后，将所获取的超像素标记图像划分为108×800块，这些块将被分类为均匀的和异构块。在分类的基础上，采用DCT和CA相结合的方法，Cb和Cr颜色分量中的秘密数据实验结果及其与国家的最先进的计划的比较已经进行了各种分析，以展示所提出的方案达到的鲁棒性，不可感知性和视觉质量的程度。©2020作者由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍全球数十亿用户对互联网的访问导致了多媒体文档形式的数字数据（尤其是图像）在网络上的大量分发这就需要始终对通过未知介质传输的信息的安全性保持警惕图像的传播可能会引起许多安全问题，如篡改、真实性、版权等。具有恶意意图的人利用不断发展的技术窃取篡改原始数据或这种非法的改变正在成为许多人为驱动的应用程序中的一个问题，例如，*通讯作者。电子邮件地址：singhg11@gmail.com（P.K.Singh），biswapatijana@gmail.com（B.Jana），kakalidatta@hotmail.com（K. Datta）。沙特国王大学负责同行审查临床图像准备、军事通信、远程检测和地理数据框架应用。在这些场景中，可隐藏的数据隐藏技术作为一种工具，以解决与图像传输的安全问题。数据隐藏是将数据嵌入数字内容中的机制，该数字内容将被目标受众访问。这种嵌入有助于维持篡改、版权、内容认证、指纹识别、伪造等的主张。因此，数据的嵌入应该以保持鲁棒性、不可感知性、容量、认证、篡改检测和可逆性的方式进行。在所有的特性中，鲁棒性、不可感知性和容量是任何数据隐藏方案成功的关键。在所有三个域中达到最大值可能是不可行的，然而，需要权衡以实现最佳可能的输出。数据隐藏可以植根于空间域中（Wavelet al.，2019; Su和Chen，2018; Peng等 人 ， 2018; Abraham 和 Paul ， 2019 ） 或 变 换结 构 域（Wang等人，2019; Verma等人，2015; Prabha和Sam，2020）。在空间域中，数据隐藏比特通过操纵覆盖图像的原始像素值而直接插入，而在变换域中，频率系数用于隐藏比特。最近，学者们https://doi.org/10.1016/j.jksuci.2020.09.0141319-1578/©2020作者。由爱思唯尔公司出版代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.comPrabhash Kumar Singh，B. Jana和K. 达塔沙特国王大学学报4403结 合 各 种 变 换 域 技 术 （ Khare 和 Srivastava ， 2020; Prabha 和Sam，2020）以获得更好的性能。在这两种技术之间的比较，空间域消耗更少的时间，并提供高的不可感知性，而变换域的鲁棒性优于。此外，已经探索了杂交两个结构域的可能性（Dey等人，2012;Byun等人， 2019年），以设计一种算法，以资本化每个领域的优势。在鲁棒性和攻击性方面确实取得了一些优势，但期望一种技术能够保持数据隐藏的所有特征是不公平的因此，方案可以是脆弱的、半脆弱的或鲁棒的。任何在不明显的修改之后不能识别隐藏的秘密图像的数据隐藏技术被称为脆弱的（Molina-Garcia等人， 2020年）。然而，如果它维持一些友好的修改，它被标记为半脆弱（Rosales-Roldan等人，2015年）。当该技术可以提供针对各种几何和非几何攻击的安全性时，该技术变得鲁棒最近的文献，揭示了语义分割的前景，作为一种可能的机制，进行数据隐藏在图像中。超像素是这样一种技术，其具有帮助形成将对许多攻击鲁棒的数据隐藏算法的潜力（Qiao等人，2014; Wei等人，2018; Niu等人，2020年）。目前的工作展示了一个数据隐藏方案，已制定超像素。超像素用于将块区分为同质块或异质块。这些块被随机地依次用于在属于空间域或变换域的两种不同算法的帮助下将秘密数据在空间模式下利用元胞自动机进行数据隐藏，在变换模式下利用DCT进行数据隐藏。建议的方案试图填补空白，提供更好的嵌入容量，真实性和鲁棒性比许多现有的国家的最先进的算法。这里列出了在使用超像素的数据隐藏领域中进行的本研究工作的动机和目标i) 在文献中，基于超像素的数据隐藏方案尚未得到认真考虑。只有少数研究人员研究了超像素在数据隐藏相关领域的应用。在这里，一个新的算法隐藏的数据提出了显示的潜力超像素。ii) 到目前为止，研究人员还没有分类的图像块作为异构或同质对应的超像素的嵌入数据，以提高不可感知性。iii) 已经提出了两种新颖的方案，将秘密数据嵌入两种不同类别的块中。DCT被用于异构块，而CA被用于同质块，以保持质量和提高容量。iv) 为了防止恶意用户篡改隐写图像，利用Arnold变换确定数据隐藏的随机块序列。v) 提出一种可持续的基于超像素的数据隐藏技术，该技术可以承受几何和非几何攻击，用于认证和篡改检测。vi) 设计一种简单，安全，快速的数据隐藏方案，用于医疗保健，军事通信，物联网等相关领域的应用。本文的其余部分组织如下。第二节回顾了相关的工作，然后讨论了设计数据隐藏技术所使用的在第4节中讨论了所提出的方法。第5节介绍了实验结果以及与国家的最先进的方案的性能。此外，第6节进行了分析和研究，以了解所提出的方案在不同情况下的性质和行为环境.最后，第7节和第8节分别给出了讨论和结论。2. 相关工作数据隐藏主要可以通过水印、密码学和隐写术技术来实现，但是这些技术中的每一个的焦点彼此不同水印技术需要具有鲁棒性，以证明真实性并显示版权保护。隐写术技术（Benhoffee等人，2018年）是一种秘密通信，其中安全问题最为重要。与隐写术不同，密码术通过基于安全且计算复杂的密钥的加密和解密过程来共享数据（Hamza等人，2019; Hamza等人， 2020年）。在文献中已经提出了许多技术，然而，在本节中，一些公认的水印和隐写技术的空间域和变换域进行了讨论。Tirkel等人（1995）是第一个在8位灰度图像中以最低有效位（LSB）隐藏数据的人。从那时起，已经提出了各种数据隐藏方案的巨大 效 用 ， 以 社 会 的 内 容 在 一 个 未 知 的 媒 体 上 的 安 全 传 输 。Subramanyam等人（2011）介绍了一种利用密码学的同态特性对加密和压缩的JPEG2000图像进行水印处理的算法。水印的嵌入过程包括量化离散小波变换（DWT）五个阶段，水印可以在压缩域和解压缩域提取。结果分析表明，在高分辨率图像中可以实现高的有效载荷容量，而不会严重影响图像的质量，然而，在中等分辨率图像中获得的有效载荷容量较少，图像的质量恶化与此同时，Khashandarag等人（2011）展示了一种使用线性反馈移位寄存器（LFSR）和离散傅立叶变换（DFT）的低比特率的安全数据隐藏技术。就在第二年，Soleimani等人（2012）在扩频下对于水印，选择最近的如果它不是偏置成员，则AC系数被水印代码替换。该方案表现出高电阻、高容量和高透明度。Gupta和Raval（2012）在同一年提出了另一种鲁棒且安全的水印算法，该算法通过结合基于签名的认证机制来对抗认证和安全性。该算法用水印的奇异值代替小波变换HH带的奇异值，在不影响水印的感知质量的前提下，有效地提高了水印的鲁棒性。Dey等人（2013）也使用DWT在ECG信号中实现水印以进行认证。Liu和Liu（2013）提出了一种可逆的数据隐藏算法基于流行的基于直方图移位的技术以及有效载荷不变特征。这种技术在不同的有效载荷情况下显示出很高的探测精度。它还可以将灰度强度值保持在有界极限0-255之间。避免了强度值的上溢和下溢，并且由于使用二叉树结构提出的替代解决方案（Tai等人，2009年）。在接下来的一年中，Das等人（2014）展示了一种盲数据隐藏方案，通过块间DCT系数相关来获得水印。该算法根据直流系数与低频交流系数中值的差值来确定嵌入比特。该方案提供了对许多攻击的鲁棒性以及高不可感知性。类似地，Chetan和Nirmala（2015）提出了一种使用整数小波嵌入压缩徽标的新算法。压缩数据冗余嵌入式成块使用量化Prabhash Kumar Singh，B. Jana和K. 达塔沙特国王大学学报4404ð ×Þ法此外，多数表决技术被用来比较嵌入和提取的水印数据。通过将分组编码技术的层次作为水印解压缩的关键，增加了一层安全一年后，Jung（2016）在压缩域中引入了无损数据隐藏方案该算法在压缩后的彩色图像中嵌入深度指示符，使得最终用户能够提取深度方向并重建隐写图像。利用超像素彩色图像分割和深度值合并的方法提高了数据隐藏容量。研究人员正试图通过识别用于嵌入数据的最合适的区域或特征来开 发 方 法 （ Dey 等 人 ， 2013 年 ） 的 报 告 。 Keshavarzian 和Aghagolzadeh（2016）介绍了一种基于感兴趣区域的盲水印方案该算法采用Arnold置乱进行随机化，增强了鲁棒性。近似系数被选择为嵌入在DWT的低频带Rabie和Kamel（2017）提出了基于DCT中全局自适应块的彩色图像隐写为了提高隐写的安全性和不可感知性，采用了基于混沌映射的DCT隐写.数据的嵌入更多地集中在高文本区域而不是平滑区域。在此期间，用于数据隐藏的一些其他值得注意的技术是基于立方体的方案（Wu等人， 2016）、基于中国剩余理论（CRT）的方案（Ekodeck和Ndoundam，2016）、基于加权矩阵的方案（Chowdhuri等人， 2018）、基于双图像的可逆数据隐藏方案（Jana等人，2016; Jana，2016; Chowdhuri等人，2019年）。提出了双重图像的概念，以提高整体嵌入容量和视觉质量，并提高隐藏数据通信的安全性。最近，Jesus等人已经使用了局部二进制模式（Jesus等人， 2019）和细胞自动机（Cellular automata）（Jumper et al.，2019）用于篡改检测和认证。此外，Munoz-Ramirez等人（2019）证明了一种在各种攻击下都很强大的方案。该方法将彩色图像分成互不重叠的块，然后将每个块进行DCT变换。利用量化指数调制（QIM）和抖动调制（DM）将彩色水印嵌入到图像的直流系数中。 Molina-Garcia等人（2020）提出了一种脆弱水印算法，用于提取水印和认证位，以进行自恢复和认证。对于第i个块中的每一个，水印被公式化，并且相应地，按照通过对块编号进行排列而生成的嵌入序列的顺序被嵌入到块中。因此，从文献中可以清楚地看出，数据隐藏的研究还有许多领域需要展开和探索。2.1. Qiao et al.（2014）方案综述Qiao等人提出了一种使用超像素进行图像认证和恢复的水印技术。从认证水印、超像素边界水印和恢复水印三个方面提出了嵌入水印的方法。设计方案的要点如下：i) 每个超像素区域经过一个基于反馈的混沌系统后产生一个认证水印，其中最后10位被选为水印位。ii) 由于超像素边界形状不规则，因此标记了超像素边界，并从中构造了一部分水印。iii) 然后，对每个超像素区域的内容进行压缩，构造恢复水印，并将恢复水印嵌入到另一个超像素区域中。这些水印位嵌入在图像的第一个LSB处。拟议研究的一些动机是：i) 作者只对超像素区域进行了处理，构造了水印.水印的计算不遵循分块相关性ii) 该算法仅适用于灰度图像。iii) 嵌入的水印是从宿主图像本身的像素构造的外部徽标未用于数据隐藏。iv) 对于每个超像素分割区域，生成认证水印并存储在同一区域中。生成的水印数据表示超像素边界、篡改超像素区域的定位以及用于精确检测和内容恢复的其他数据。超像素可以帮助开发一种强大的技术，以实现高嵌入容量，同时保持良好的视觉质量，用于身份验证，所有权识别和版权保护。2.2. Niu et al.（2020）方案综述最近，Niu等人展示了一种基于四元数小波变换（QWT）和超像素分割的图像水印技术。所讨论的技术探索了用于分割的熵率超像素方案，并且熵作为衡量灰度图像的图像内容的主要标准。分割后，根据超像素计算的熵的大小，将每个区域称为平滑区域或非平滑区域。该方法首先利用SIFER算法对所有区域提取图像特征点，然后建立仿射不变的局部特征区域。这些构造的局部特征区域作为水印嵌入的位置，通过操作小波变换的低频分量。该方案得到了验证在4幅512 512灰度图像上，平均PSNR达到41： 20 dB。可以观察到，所述算法能够与-但是，这种算法在经受各种常见攻击时，嵌入容量很低。此外，该方案仅限于灰度图像。基于对文献的回顾，期望设计一种算法，通过并行地在空间域和变换域嵌入数据，在一定程度上填补数据隐藏领域在此基础上，设计了一种基于超像素、DCT、CA和Arnold变换的图像分割算法。超像素有助于将图像块分类为均匀（均质）或非均匀（异质）。因此，它有助于通过适当的技术将数据嵌入分类块中。DCT技术有助于从空间跳到变换域，反之亦然的方式，是compu- tationally高效，可逆的，不易于噪声。在DCT的这些系数中执行实际数据隐藏的一部分类似地，CA用于在空间域中隐藏数据，遵循基于规则的对称模式CA还有助于实现良好的嵌入能力。与CA不同，Arnold变换被注册作为所提出的算法的保障它通过对用于嵌入数据的块的序列顺序提供随机加扰来确保安全性。换句话说，加扰对秘密数据或标识进行加密，使得即使知道算法的某个人也可能无法提取原始秘密数据。这种融合导致实现健壮性和安全性。鲁棒性是指即使在几何攻击和非几何攻击下，隐写图像被篡改，也能恢复秘密数据据推测，通过不可靠的媒体进行的通信可能会受到不同类型的复杂攻击，无论是有意还是无意的。因此，数据隐藏算法的设计应该能够阻止任何恶意的意图。Prabhash Kumar Singh，B. Jana和K. 达塔沙特国王大学学报4405f/gNω.pXX2NXX×½]¼½]23p4[1/2]ð ¼ ¼ ÞS半]pK我K我x0;y05Σ Σ Σ673. 背景3.1. 离散余弦变换由于变换域的压缩、存储和系数值，它为数据隐藏和篡改检测提供了方便，因此一直是研究人员的焦点。任何数字信号，如图像，都可以转换到频域。DCT具有强大的能量压缩，即大量信息存储在低频分量中，而其它频率存储很少的信息。因此，3.3. Arnold变换Arnold变换（Arnol通过对像素坐标进行置乱来实现加密。图像受到一 种 变 换 的 攻 击 ， 这 种 变 换 显 然 会 随 机 化 其 像 素 的 原 始 组 织（Kandeeswari和Ganesan，2016）。假设一个尺寸为N×N的二维图像，其中像素坐标为二进制表示为f x;y x;y0; 1; 2;. ;N1 .一、的Arnold变换实现为可以使用更少数量的比特来存储数据。对于一个两维-对于尺寸为（N×N）的三维（2D）图像fi;j，要变换为其等效DCT值Fu;v，考虑以下公式：2019年01月01日1aB abbC XymodN100Fu;vcucv2N-1N-1联系我们异黄酮2i 1u2N科什科什. 2j1vpΣð1Þ在该变换中，使用三个秘密密钥a、b、c来代替原始像素位置。c是为获得原始像素坐标 换句话说，如果特定像素位置已经被其中u;v;i;j=0; 1; 2;.. ;N-1，以及（p1）如果u<$0;v<$0在通过c迭代对其进行置乱后发现，位置将仅在逆变换的c迭代后返回，如下所cucv20否则ð2Þxyab-acx00年2N-1N- 1. 2i1- 是的2j2011年本文利用Arnold变换产生一个随机的fi;j<$Nωu<$0v<$0cucvFu;vcos2个单位cos2Nvpð3Þ用于在块中插入秘密数据的序列。 让尺寸为N×N图像被分割成b个b像素的非重叠块，使得M;M N=b;N=b。形成的块矩阵如下：3.2. 超像素超像素是一组在颜色和接近度方面具有相似性质的像素。它首先由Ren和Malik（2003）提出，并已广泛用于计算机视觉领域。超像素可用于图像分类、语义分割和视觉跟踪，如图1所示。随着超像素概念的普及，人们提出了许多超像素算法，其中基于简单线性迭代聚类（SLIC）的超像素算法受到了广泛的关注of the scholars学者aroundthe world世界.该算法由Achanta等人（2012）提出。它通过以下方式在本地开始像素聚类：首先将N个像素的原始图像变换到具有颜色分量L，a，b和x，y像素坐标的5D CIELAB颜色空间中。然后，根据所需的相等大小的超像素的近似数量给出期望的输入K因此，每个超像素将具有大致N=K个像素，其中在每个间隔处具有中心SN=K。对于每个聚类中心Ck lk;ak;bk;xk;ykT，相对于像素值差和空间像素位置距离两者获得欧几里得距离。因此，与其使用简单的欧氏距离，距离Ds由以下公式计算：B00B01.. .B0MB10B11 .. .B1M. . ...... .......这是什么？BM0BM1.. . BMM现在，数据的嵌入可以从块B00开始以行为主或列为主的顺序进行。然而，对于给定的Arnold变换，插入的第一块将是Bx0y0。X 0;y0;a;b和c。这种随机化增强了在很大程度上提高了所提出技术的安全性。3.4. 元胞自动机元胞自动机（CA）的概念是由VonNeumann和Burks（1966）提出的。CA 由本地连接的单元组成二维 CA 有两种类型：VonNeumann邻域和Moore邻域。Von Neu- mann邻域是与感兴趣区域正交相邻的所有细胞的集合范围r的冯诺依曼邻域由等式定义。7 .第一次会议。Dsdcmdp4NVx0;y0f其中，dc¼qlk-li2ak-ai2bk-bi2在本文中，范围3的冯诺依曼邻域CA与以下等式中所示的限制一起使用，以平衡数据嵌入后图像的感知质量。d¼qxx2NV¼fx;y：jx-x0jy-y0j6r和联系我们或yürg这里，m是紧凑因子，并且在1; 20的范围内。m的值越大，显示超像素中存在的像素的越紧凑。ð8Þ它也优于摩尔邻域，以实现图像质量和嵌入容量之间的为了获得上述获得的变换的逆DCT，应用以下公式：¼-b1modN2016年0年ΣPrabhash Kumar Singh，B. Jana和K. 达塔沙特国王大学学报4406×××ð Þ×N×ð Þð Þ4. 建议计划该方案提出了一种利用超像素进行图像认证和篡改检测的图像数据隐藏技术。超像素技术是一种早期研究者尚未认真研究的图像数据隐藏技术。然而，它用于数据隐藏的潜力似乎是光明的。该方法还结合了DCT和Arnold变换，使鲁棒性，不可感知性和安全性。完整的技术在以下两个阶段进行讨论：嵌入阶段和提取阶段。4.1. 嵌入相所提出的数据隐藏方法已被广泛设计使用超像素，DCT和Arnold变换。该技术的原理图如图2所示。彩色图像考虑大小为（m n）的I，并将其转换为另一颜色模型YCbCr以利用较低分辨率能力人类视觉系统。每个通道被划分为8个非重叠块，以在每个通道中生成总共（m=8n= 8）个块Y通道被选择用于使用SLIC针对期望数量的K超像素进行分割，而其他通道保持不受干扰。首先，为了在数据嵌入和提取过程中保持导出的超像素区域之间的一致性，对Y通道的每个块进行DCT和IDCT融合以获得Y0。此外，超-像素大小（mn）使用SLIC技术从Y0获得，但是使用以下设计公式计算距离：Ds¼dcnpþðN þ sdp9修改后的距离方程类似于空间邻近度的更大紧凑性，这在很大程度上进一步细化了我们提出的技术。这里，np是前一个聚类中存在的像素值的数量，s给出了旧集群和新集群的中心。np的比值 允许超像素区域与因子s的结合表明在当前迭代中超像素区域的增加或减少。使用超像素的优点是其计算复杂度低，有效的表示和感知一致性。超像素的标记图像是指向与特定像素i;j相关联的超像素集群k的阵列（参考图3）。此后，标记的图像被分割成（8 - 8）的非重叠块。测试每个块以将块的性质分类为同质或异质。此外，要测试的块不是以顺序方式而是随机地选择的，以增强隐藏在图像中的数据的安全性和不可识别性为了实现随机选择，采用Arnold变换生成分块选择序列。如果所有存在的64个值携带相同的标签，则超像素的标记图像的块bi ; j是均匀的，否则它被归类为异质块（图1）。 3）。均匀的块表示所选择的块是同一超像素的一部分，即，其在颜色和接近度方面具有相似性质。与同质性不同，块的异质性指的是块在多于一个超像素之间共享的事实如果块b∈i;j∈i是Fig. 1. 超像素分割图像，从左到右：原始图像，500超像素图像，250超像素图像，100超像素图像。Prabhash Kumar Singh，B. Jana和K. 达塔沙特国王大学学报4407×ð Þ×ð ÞðÞð× Þð Þð × Þð × Þ图二. 秘密数据嵌入示意图。在异构的情况下，Cb和Cr通道的对应块i，j从分割的非重叠块中单独选择，以使用标准量化表获得其量化的DCT系数随后，将秘密标志的二进制流以Z字形图案嵌入到除DC系数1和-1以外的非零系数的LSB中，以生成Cb0和Cr0。但是，如果块bi;j是s，则概念冯诺依曼邻域元胞自动机的应用，（7）子块，用于将二进制数据分别隐藏到Cb和Cr通道的相应块中。例如，考虑图1所示的原始8 × 8像素块。 4（j）用于通过VonNeumann邻域细胞自动机嵌入数据。该过程是顺利地进行后，忽略强度值，存在于原始像素块的最后一行和列的奇数平方（7 - 7）块这有助于选择满足等式（1）的邻域像素。8围绕中心像素4; 4，而没有任何模糊。秘密数据被顺时针嵌入在相邻像素处，以产生Cb0和Cr0（图11）。 4（k））。上述过程应用于所有非重叠块根据通过Arnold变换生成的序列。在完成隐藏秘密数据之后，Y、Cb0和Cb 0的所有块都被隐藏图三. 样本数据，以确定同质和异质块。C r0通道被组合在一起以生成隐写图像。示出了该技术的可理解的数值说明在图4中，随后是实现A1中的数据隐藏技术的逐步过程。在实验中，我们以四种不同的方式测试了数据嵌入方法：i) 仅在均匀块中使用DCT的数据嵌入（Hom-DCT）ii) 仅在异构块中使用DCT的数据嵌入（Het-DCT）iii) 在均匀块中使用DCT和在非均匀块中使用CA的数据嵌入（Hom-DCT + Het-CA）iv) 在均匀块中使用CA和在非均匀块中使用DCT的数据嵌入（Hom-CA + Het-DCT）。最后，我们观察到使用（Hom-CA）的数据嵌入+ Het-DCT）方法在鲁棒性、容量和质量方面4.2. 萃取相提取阶段与在图像中嵌入秘密数据类似，但也非常不同，前提是秘密密钥和算法是已知的。提取过程的简要概述如图5所示。隐写图像Is被接受并被转换到YCbCr颜色模型中以将每个通道划分为88个街区。在转换之后，通过SLIC技术获得用于Y通道的超像素的标记图像，并将其分成不重叠的8 × 8块。再次，为了确定与在数据嵌入阶段期间考虑的相同的选择顺序，使用共享密钥a、b和c通过Arnold变换生成序列。基于该序列，从超像素的标记图像中选择块bi，j如果块是齐次的，则Cb的对应块b∈i;j∈ i，Prabhash Kumar Singh，B. Jana和K. 达塔沙特国王大学学报4408ð Þ图四、秘密数据嵌入阶段的数值说明单独选择Cr通道以提取Z字形图案中的隐藏位，排除DC系数1和-1。然而，如果块b i;j是异质的，则应用冯诺依曼邻域CA以从像素值收集LSB类似的过程应用于由Arnold变换以引出LSB位。这些LSB按照其提取的顺序被附加以生成二进制比特流，该二进制比特流最终导致形成恢复的秘密数据。在专利申请2中提供了提取秘密数据的逐步过程。Prabhash Kumar Singh，B. Jana和K. 达塔沙特国王大学学报4409×5. 实验结果和比较通过Matlab 2019实现的实验，对所提出的数据隐藏方法进行了评估和分析在Windows平台上。选择的计算环境是英特尔酷睿i5处理器，具有2.6 GHz的功能，4 GB RAM。实验的目标是计算标准的质量比较指标，以评估原始图像，隐写图像和恢复的徽标的质量这些指标将有助于显示所提出的技术的不可感知性和鲁棒性图像质量评估提供了人类视觉系统（HVS）可见的两个图像之间的差异。出第二，一个是原始的或未损坏的图像，而另一个在某种意义上已经被扭曲。它有助于分析用于比较的图像中存在的感知差异。 用于 质量 评 估 的最 流 行的 度 量 是均 方 误差 （MSE ） 和峰 值 信 噪比（PSNR）。PSNR越高，图像质量越好。然而，有时已经证明PSNR的值与人眼可感知的感知质量不一致。或者，可以说有时具有不同失真率的两个图像可能具有相同的PSNR（Wang和Bovik，2009）。为了解决这个问题，结构相似性指数（SSIM）被认为是衡量相似性的强大指标。SSIM测量隐写和原始之间的相似程度最终形象。它的值介于-1和1之间。-1表示图像完全相同，而-1表示完全不同。很少有其他纳入有效比较的指标是标准化的互相关（NCC）、相关系数（CC）、标准偏差（SD）和误码率（BER）。度量NCC指出高不可感知性以获得更大的值，但CC在比较对象之间绘制了重叠。BER是指传输的错误比特与原始图像中比特长度的比率。此外，SD识别原始图像和隐写图像之间的变化。为了对所提倡的技术进行无偏见的类比，从五个标准图像数据集（具体为UCID数据库（UCID，2017）、USC-SIPI数据库（USC-SIPI，2017）、柯达数据库、STARE数据库（STARE，2017）和ISIC疾病数据库（Codella等人，2018年）。来自不同数据库的图像图五. 机密数据提取示意图。Prabhash Kumar Singh，B. Jana和K. 达塔沙特国王大学学报4410在本文中选择的实验在图6中示出。用于在图像中隐藏数据的秘密标识或数据具有不同的大小，这取决于用于嵌入的位置的可用性其目标是通过获取相对最大平方秘密图像，将嵌入比特分散到图像中最可用的位置。据作者所知，到目前为止，在相关领域还没有太多的探索与使用超像素的数据隐藏提出的方案因此，仍然有一个范围，以达到未探索的地平线。因此，为了确定最佳的方法，探索已经进行了实验与PSNR和嵌入容量方面的四种可能的方法来实现数据隐藏。这些是：仅在均匀块中使用DCT的数据嵌入（Hom-DCT）仅在异构块中使用DCT的数据嵌入（Het-DCT）使用均匀块中的DCT和异构块中的CA的数据嵌入（Hom-DCT + Het-CA）在均匀块中使用CA和在异构块中使用DCT的数据嵌入（Hom-CA +Het-DCT）。在表1中提供了参考一组所考虑的图像数据库中的可用系数、嵌入比特和PSNR的平均结果。这些值是在四种可能的方法下对特定数据库的所有图像进行实验后获得的。Kodak图像在Het-DCT方法下获得的最佳PSNR为52：48 dB，而Hom-DCT + Het-CA方法获得的SIPI图像的最差PSNR为42：19 dB。对于UCID图像和STARE图像，分别采用Hom-CA + Het-DCT和Het-DCT方法嵌入系数的最高位和最低位。此外，为了快速了解所有方法引起的效果，图。 7是为了显示每个 性能见图6。 来自UCID、USC-SIPI、KODAK、STARE和ISIC图像数据库的尺寸为（512×512）像素的标准样本彩色图像。●●●●Prabhash Kumar Singh，B. Jana和K. 达塔沙特国王大学学报表44114411不同方法下标准图像数据库的实验平均结果图像数据集Hom-DCTHet-DCTHom-DCT + Het-CAHom-CA + Het-DCTACEBPSNRACEBPSNRACEBPSNRACEBPSNRUCID39,42539,27444.5013,23413,15648.5663,43163,01444.4687,53287,25148.09Sipi41,86641,47342.2214,77814,67846.4166,16065,92942.1988,78888,60146.16柯达17,14316,94949.745911586252.4840,43540,23249.5680,92380,66250.76盯14,97214,83349.245407535252.0839,21239,03349.0679,47079,24551.20ISIC22,18222,07549.027947785952.1946,25446,12648.9082,17981,80151.47平均27,11826,92146.949455938150.3451,09850,86746.8383,74283,51249.54AC =可用系数，EB =嵌入位。见图7。 不同方法下各种数据库的图像在嵌入容量和PSNR（dB）方面的性能。Prabhash Kumar Singh，B. Jana和K. 达塔沙特国王大学学报4412表2Hom-CA + Het-DCT方法的隐写图像实验结果。数据库图像段可用系数嵌入式位PSNRBERNCCSSIMUCIDucid000228195,21394,86446.220.02310.99990.9963ucid000758882,23481,79649.360.02150.99990.9956ucid001028589,50089,40146.730.02280.99990.9942ucid006468983,18182,94450.060.02120.99990.9946Sipi飞机9082,17081,79650.340.02110.99990.9909狒狒8797,50597,34443.690.02450.99990.9845船9390,02690,00043.910.02440.99990.9821Peeper8585,45085,26446.710.02280.99980.9772柯达kodim047780,32180,08951.770.02050.99990.9936kodim058683,16582,94450.660.02090.99990.9974Kodim 158479,67079,52448.860.02180.99990.9939kodim237880,53780,08951.730.02050.999970.9961盯im00059377,99277,84151.470.02060.99990.9951联系我们867913078,96151.980.02040.99990.9948联系我们8480,58280,08950.430.02100.99990.9774公司简介8680,17880,08950.910.02080.99990.9889isic_00002038480,56180,08952.690.04170.99990.9968isic_00004178382,92282,36950.680.04480.99990.9954isic_00011089083,60283,52150.960.04360.99990.9961ISICisic_00244689481,62981,22551.550.04430.99990.9951平均83,77883,51249.530.02600.99990.9918表3所提出的方案与不同的最先进的方案的比较图像飞机狒狒船Peeper方案能力PSNR能力PSNR能力PSNR能力PSNRChang等人 （Chang等人，（2002年）53,24839.1453,24827.6353,24833.2953,24831.37Chang等人 （Chang等人，（2007年）20,47232.0920,43729.5920,33931.7620,47932.74Lin等人（Lin和Shiu，2010年）90,11234.5390,11228.2290,11233.0590,11235.09Wei等人（Sun等人， 2013年度）64,00831.9564,00825.9964,00831.1564,00833.40Chowdhuri等人（Chowdhuri等人， 2018年）51,39240.4150,00840.9052,02840.6753,33240.21Su等人（Su等人， 2019年度）102437.93102437.84102437.46102437.69Yuan等人 （Yuan等人， 2020年）102436.33102435.66102435.68102435.53提出81,79650.349734443.6990,00043.9185,26446.71见图8。不同方案在平均PSNR（dB）方面的比较。该方法在嵌入容量和PSNR的上下文中对每个图像数据库进行。可以看出，无论是Hom-CA + Het-DCT方法还是Het-DCT方法，在所有数据库的嵌入容量和PSNR方面都是最好的，也是最差的因此，从表1和图7可以容易地确定，如果在高嵌入容量与高PSNR之间进行折衷，则Hom-CA + Het-DCT方法的性能远好于与相对于Het-DCT方法的平均嵌入容量的增益量相比，由Hom-CA + Het-DCT承受的平均PSNR的损失显著较低。因此，所提出的技术考虑了Hom-CA + Het-DCT方法，该方法陈述了在异构块中使用DCT和在同质块中使用CA以用于进一步的实验和分析。在表2中给出了针对在所采用的具有100个超像素以及质量因子90的方法Hom-CA + Het-DCT下进行的不同数据库的所有所考虑的图像获得的实验结果。在实验期间确定的度量实验结果表明，该算法的平均峰值信噪比为49 dB，平均误码率为0： 0217，表明隐写图像具有良好的此外，SSIM和NCC的平均值都趋向于1，这肯定了与原始图像相比隐写图像的高不可感知性。Prabhash Kumar Singh，B. Jana和K. 达塔沙特国王大学学报4413见图9。 现有方案在嵌入容量（比特）方面的比较。在表2中可以针对狒狒和船图像的低PSNR 43：69 dB和43：91 dB进行有趣的观察，而SSIM分别高达0：9845和0：9821。SSIM从人类视觉视角模型提供图像的结构信息。它确定在图像的亮度、相关性和对比度中引起的组合