对比度增强的可逆信息隐藏预处理改进方法

沙特国王大学学报基于对比度增强的可逆信息隐藏预处理改进Diana Nuñez-Ramirez，David Mata-Mendoza，Manuel Cedillo-HernandezInstituto Politecnico Nacional SEPI ESIME Culhuacan，Av.Santa Ana 1000 Culhuacan CTM V，04440 CDMX，Mexico阿提奇莱因福奥文章历史记录：收到2021年2021年4月21日修订2021年5月17日接受2021年5月20日网上发售保留字：数据隐藏可逆数据隐藏信息安全对比度增强直方图均衡A B S T R A C T本文提出了一种基于对比度增强的可逆灰度数字图像隐藏方法的预处理阶段的改进。在传统的建议中，预处理阶段在容量和视觉质量方面的数据隐藏算法的性能中起着基本的作用。因此，这项工作提出了两个改进的预处理阶段的基础上的分析，合并，并转移图像直方图，其中，结合数据隐藏阶段，最大限度地提高嵌入容量，同时保持在最小的视觉失真。该算法在两个图像数据集上实现，并与科学文献中先前报道的几个相关工作进行了实验结果表明，采用不同的嵌入率，数据隐藏后均能保持视觉本文提出的两种预处理技术都可以根据应用场景以及容量和视觉质量要求的优先级来选择。版权所有©2021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. 介绍图像采集中最常见的问题之一是由捕获图像的低对比度引起的较差的视觉质量，使得难以识别细节和对象，特别是在具有亮和暗内容的区域中为了解决这个问题，可以通过使用硬件或软件解决方案的图像处理技术来改善图像质量。在这个意义上，一些设备集成了诸如高动态范围（HDR）的调整之类的技术，这些技术模仿人类视觉系统（HVS）的对比度的感知。不幸的是，这些方法通常依赖于专用硬件，并且经常在摄影设备中实现。相反，常见的做法是，传统的图像采集任务由基于软件的后处理来补充，以提高其视觉质量或使图像适应某些特定应用，例如在医疗或军事领域等。在文献中，几种传统的图像增强*通讯作者。电子邮件地址：mcedilloh@ipn.mx（M. Cedillo-Hernandez）。沙特国王大学负责同行审查（Jain，1989; Pratt，1978; Celik，2014; Gu等人， 2015），并且它们中的一些基于通过处理来自图像直方图的信息（诸如其均衡化）的对比度增强（Cao等人，2018; Stark，2000;Kim等人，2001; Celik，2012）。然而，在捕获图像之后使用常规技术处理图像以提高其质量（Jain，1989; Pratt，1978; Celik，2014，2012; Gu等人，2015;Cao例如，2018; Stark，2000; Kim等人，2001）在某些应用中，由于这些过程是不可逆的，因此需要反转对比度增强过程的情况可能是一个缺点。因此，必须使用可逆对比度增强技术，其可逆性任务的信息必须在外部或隐藏在同一处理图像中。以这种方式，受在数字图像内隐藏信息并将其恢复到其原始形式的 需 要 的 启 发 ， 在 科 学 文 献 中 已 经 提 出 了 称 为 可 逆 数 据 隐 藏（RDH）的技术以实现该目的，主要分类为：1) RDH到图像空间域（Fridrich等人，2002; Ni等人，2006年;Thodi和Rodríguez，2007年; Coatrieux等人， 2013年度）2) RDH到图像压缩域（联合图像专家组JPEG）（He等人，2020;Li和Huang，2020;Heng等人， 2021年）3) RDH到图像压缩域（块截断编码BTC）（Kim等人，2020年a、2020年b、2018年）https://doi.org/10.1016/j.jksuci.2021.05.0071319-1578/©2021作者。由爱思唯尔公司出版代表沙特国王大学这是一个在CC BY-NC-ND许可证下的开放获取文章（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.comD. Nuñez-Ramirez，D. Mata-Mendoza和M. 塞迪略-埃尔南德斯沙特国王大学学报54694) RDH适合于图像半脆弱认证（Peng et al. 2018; Lin Zi-xinget al.，（2017年）5) RDH转换成加密图像（Kim Cheonshik等人， 2018年; Yu等人， 2020; Min Long等人，2020; Liu等人， 2020年）6) 具有图像对比度增强的RDH（Wu等人，2015 aa，2015 ab，2018 c，2019 d; Kim等人， 2015年）。第六种是一类特殊的RDH方法，其操作基于图像直方图的操作，具有同时提高对比度和隐藏图像本身内的数据的双重目的，并且这两个过程是完全可逆的。这些类型的技术被称为具有对比度增强的可逆数据隐藏（RDH-CE）。表1简要说明了最具代表性的RDH-CE方法。正如在这篇对最先进的RDH-CE方法的简要回顾中所看到的，随着时间的推移，Wu等人提出的初始建议方法。（2015b）在对比度增强、插入容量和将应用扩展到图像方面做出了各种贡献，如S.Kim等人（2015），Wu等人（2015 a）和Wu等人（2018），因为Wu等人提出的数据隐藏技术。（2015b）结构紧凑，用途广泛。从这个意义上说，启发吴等。（2015b），本文提出了一对基于图像直方图的分析，融合和移位的方法的预处理阶段的改进，结合数据隐藏阶段，最大化插入容量，同时最小化视觉失真。该算法在两组数字图像中实现，并与各种最先进的作品进行了性能比较实验结果表明，使用不同的包含率将数据插入到图像中后，可以保持视觉质量。本文提出的两种预处理技术都可以根据应用场景以及必要容量和视觉质量要求的优先级来采用本工作的其余部分组成如下：第一节描述了对提出的改进，在图像预处理阶段的RDH-CE方法，下一节给出了实验结果，并与以前的作品在文献中报道的比较，最后一节总结这项工作。2. 提出方法本文介绍了全局插入、数据提取和图像检索的过程。在传统的RDH-CE方法的预处理阶段是至关重要的，因为它避免了在数据插入过程中的直方图的末端的下溢和上溢修改像素的信息存储在位置图中，位置图与附加信息一起构成称为簿记的二进制排列，簿记是使用RDH-CE技术隐藏在图像中的数据的一部分，如图所示。1.一、根据Wu等人（2015 b）提出的方法执行数据插入过程，其中，一般而言，最大绝对频率朝向直方图的左右极端分布，因为该操作等同于直方图均衡化，因此，在图像中生成对比度增强，同时允许数据隐藏在其中。在提取和后处理过程中，隐藏信息被恢复，提取记账数据，发生可逆性，最后根据记账数据得到原始图像。2.1. 预处理2.1.1. PH1直方图预处理：预处理阶段的第一个改进建议称为PH1，包括以下步骤：步骤1.以8位/像素深度读取灰度级的原始图像I步骤2.得到一维H直方图。步骤3.将直方图H分割成三个区域。这里，考虑8位/像素的灰度深度，从0到255，图像具有256个不同的色调。称为h1的第一段包括在区间[0，127]中的灰度值;第二段h2包括区间[128，191];最后，段h3由区间[128，255]中的仓组成。步骤4.求出每一段h1、h2、h3中频段的绝对频率之和，并选择具有最高值的和。步骤5.如果h1的和分别大于h2或h3的和，则在直方图H的最左边存在较高的像素集中度;因此，(1) 应用。本节描述了构成中提出的预处理方法对的改进的阶段和步骤，p0¼。p;如果p255- 2S p-2S;如果p255-Sð2Þ在H的左边，如图所示。 5（b）. 最初的假设-空的和非空的箱子的位置被记录在一个叫做簿记的数组中。此外，非空的数量其中S是迭代次数，p是原始像素值，并且p为了说明的目的，在S = 64的H中应用（2）的结果如图所示。3 .第三章。步骤7.如果h3的和分别大于h1或h2的和，则将（3）中定义的运算应用于直方图H。区间[0，S]中的bin被命名为dl，并且区间[255-S]中的非空bin的数目被命名为dr。步骤3.在区间[S-dl，S-1 + dl]中，识别S-dl，并且确定该数是偶数还是奇数。该结果确定哪些仓将被合并，也就是说，如果S-dl是奇数，则所有奇数仓（图1中的灰色）将被合并。5（c））的区间内将合并与其相邻的偶数值（黑色的图。 5（c）款）。此外，同样的程序也在内部进行p0¼。p;如果p>2S，p < 2S;如果p2S，<ð3Þval[255 + 1-S-dr，255公式255 + 1-S-dr决定了哪些面元将被修改，但在这种情况下，255 + 1-S-dr是偶数;因此，偶数面元（灰色）将与H左侧的绝对频率与H右侧的箱的绝对频率组合，导致直方图H向中心移动。为了说明的目的，在S = 64的H中应用（3）的结果示于图4中。考虑到前面步骤中描述的操作，在图像I的相同大小的布置中，当像素被修改时，值这张位置图和一组数据表明对案件进行的行动类型h1、h2和h3组成簿记安排。为了保持RDH-CE算法的更大有效数据容量，通过游程编码（RLE）压缩算法结合算术运算来减少簿记的大小。其相邻的奇数值（黑色）。步骤4.如果像素被修改，则值这些信息也存储在簿记中。步骤5.在组合箱之后，如图5（d）所示，在间隔[S-dl，S-1 + dl]和[255 +1-S-dr，255步骤6.在区间[S-dl，S-1 + dl]中，空的箱被识别，并且值图二. 直方图PH1预处理，对于h1，S= 64。D. Nuñez-Ramirez，D. Mata-Mendoza和M. 塞迪略-埃尔南德斯沙特国王大学学报5471><图三.直方图PH1预处理，针对h2，S= 64。见图4。 直方图PH1预处理，针对h3，S= 64。255从具有大于空仓的值的像素中减去值2.2. 信息插入过程信息插入过程包括以下步骤：步骤1.选择直方图H中绝对频率最高的两个箱。取H的中心部分作为参考，位于H的左部分的仓被表示为fL，并且位于H的右部分的仓被表示为fR。fL和fR的值在每次迭代S中更新。步骤2.通过应用由（4）给出的运算将fL和fR的值向它们的相邻仓扩展来执行插入过程：8>f-1;如果ffL其中f由于在每次迭代S中更新绝对频率fL和fR的值，所以最后一次迭代S的fL和fR的仓被存储在位于图像I的最后16个像素中的保留空间中。因此，等式（4）评估除了最后16个像素之外的所有像素，最后16个像素是使用最低有效位（LSB）位替换技术插入fL和fR的值的位置。此过程执行S次。在每次迭代中，插入容量减小，并且fL和fR的值也减小。该过程具有直方图的均衡化效果，使得经过该过程的图像具有隐藏数据和对比度增强。该图像表示为Ic。2.3. 信息提取与直方图恢复下面描述从图像Ic提取信息并恢复直方图的过程考虑存储在Ic的最后16个像素中的fL和fR的值，通过应用（5）从图像Ic的每个像素ff0¼f-b;如果f¼fLf;如果fLfR<<ð4Þ8><1;如果 f0¼1/4f L 或f0½fR 1>fb;如果f<$fRb00;如果>f0½fL或f0¼f Rð5Þ>：f=1;iff>fR：null;if另一种情况D. Nuñez-Ramirez，D. Mata-Mendoza和M. 塞迪略-埃尔南德斯沙特国王大学学报54728><¼>：.¼->p02 S如果工艺流程1/4hp00p0S如果工艺流程1/4h2和p0>128p0-S，如果工艺流程1/4h2和p0128f0≤1;如果f0fL步骤2.为了恢复合并之前的像素值，识别其位置对应于位置图上的值“1 00”的像素步骤3.最后，根据等式（8）进行第二位移。被修改的像素根据簿记中存储的箱的原始或初始位置来识别（8）操作p'的p'1属于区间[0，S-1]，p'运算p ′ + 1 的 值 属 于 [ 2 5 5 + 1 - S ， 2 5 5 ] 。3. 结果和讨论为了评估所提出的方法的性能，USC-SIPI自然图像数据集512×512图像，8位/像素，f¼f;iffL- 1f0fR 1<<：f0-1;如果f0>fRð6Þ颜色深度的使用。3.1. 对比度增强和视觉质量的评估其中f为了恢复原始图像I，有必要应用在以下段落中解释的后处理阶段。2.4. 后处理2.4.1. 提案PH1一旦从图像Ic中提取出隐藏信息，簿记就被隔离。如前所述，该排列包含来自被修改的像素的位置图及其空间坐标的信息如果在位置图中登记的值是为了评价对比增强的效果，使用了三个第一个度量是相对熵误差（REE）。该度量的值第二个指标是相对对比度误差（RCE）。当RCE = 0.5时，图像对比度没有变化，而当RCE > 0.5时，对比度得到改善。第三个度量是相对平均亮度误差（RMBE）。与RCE和REE不同，如果RMBE = 1，则图像的平均亮度没有改变;而如果RMBE<为1，则平均亮度经历了可感知的变化（Gao等人， 2013年）。用于评估图像的视觉质量的参考度量是结构相似性指数（SSIM）和峰值D. Nuñez-Ramirez，D. Mata-Mendoza和M. 塞迪略-埃尔南德斯沙特国王大学学报5473表2USC-SIPI图像集的平均值。S方法RCEReeRMBEBRISQUESSIMPSNR插入率20Wu等人（2015年b）0.5480.5260.98923.540.9225.0500.458Kim等人（2015年）。0.5370.5250.97722.190.94326.430.482Wu等人（2015年a）0.5470.5250.98923.410.92725.090.451Wu等人（ 2018年）。0.5430.5260.98722.740.93625.540.452Wu等人（ 2019年）。0.5450.530.9922.640.93225.450.447建议PH10.5440.5370.96325.3910.90825.6330.578建议PH20.5440.5350.98825.240.88825.7220.52230Wu等人（2015年b）0.5670.5330.98327.8900.85221.7200.607Wu等人（2015年a）0.5650.5320.98327.000.8622.010.59Wu等人（ 2018年）。0.5550.5330.9823.480.90323.270.582Wu等人（ 2019年）。0.5610.5380.98523.470.89322.940.581建议PH10.5630.5460.94726.5160.84922.1710.645建议PH20.5590.5430.97325.6880.83022.6430.65640Wu等人（2015年b）0.5770.5350.97134.8900.75519.270.729Wu等人（2015年a）0.5710.5340.96333.210.7719.2300.703Wu等人（ 2018年）。0.5650.5370.97123.930.87621.670.658Wu等人（ 2019年）。0.5730.5430.9724.250.85620.970.667建议PH10.5760.5520.93528.4240.78919.8400.746建议PH20.5750.5500.96025.6680.77720.1510.77050Wu等人（2015年b）0.5810.5370.96644.3800.64717.2800.865Wu等人（2015年a）0.5710.5350.95240.560.67517.440.835Wu等人（ 2018年）。0.5720.5380.96724.30.85320.760.676Wu等人（ 2019年）。0.5830.5460.96224.690.82219.690.7建议PH10.5830.5560.92528.6680.74118.0050.815建议PH20.5860.5550.95325.0830.72518.3780.837信噪比（PSNR）（Klinger和Snavely，2010年）。同样，一个称为BRISQUE（A. Mittal等人 2012），其值通常具有从0到100的值，其中100表示降低的图像质量，0表示优异的质量（Mittal et al.2012年）。插入速率C以每像素比特（bpp）报告。表2显示了USC-SIPI数据库获得的平均结果，其中斜体数字是具有不利结果的值，粗体数字是获得的最佳结果从表2中可以看出，Wu等人的工作中发现了最佳RCE值。（2015b）对于S40<;然而，当迭代次数为S> 40时，我们提出的PH 2方法得到了最好的结果，而Wu等人提出的方法得到了较差的结果。（2018年）。关于REE，我们提出的PH 1得到了最好的结果，迭代次数从S= 20到S= 60，Wu等人（2015 a）提出的方法获得的结果最低。关于RMBE，最好的结果对应于我们提出的PH 1;同时，通过Wu等人（2019）提出的S = 20和S = 30次迭代的方法以及Wu等人提出的方法获得了最低值。（2018年），S = 40，图六、使用USC-SIPI数据库中的Lena图像比较提案PH 1和PH 2。D. Nuñez-Ramirez，D. Mata-Mendoza和M. 塞迪略-埃尔南德斯沙特国王大学学报5474图7.第一次会议。使用USC-SIPI数据库中的Goldhill图像比较提案PH 1和PH 2。见图8。 效率比较，S= 64。D. Nuñez-Ramirez，D. Mata-Mendoza和M. 塞迪略-埃尔南德斯沙特国王大学学报5475S= 50次迭代。然而，当S= 20次迭代时，S. Kim等人（2015）在BRISQUE、SSIM和PSNR方面获得了更好的性能;然而，Kim等人提出的方法。（2015）只能以这种方式执行几个不同数量的迭代。当 S = 30 、 40 和 50 时 ， 用 Wu 等 提 出 的 方 法 可 以 得 到 最 好 的BRISQUE、SSIM和PSNR结果。（2018）;然而，其实现了0.68 bpp的插入容量<。S= 20的最高插入率对应于我们提出的PH 1;而S= 30和40的最高注册插入率对应于我们提出的PH 2。3.2.目视评估为了评价和比较通过PH 1和PH 2获得的对比度增强，对于该实验，应用S= 50和S 因此，从图6中，两种方法都获得了与原始图像相似的对比度增强补偿;然而，图6（c）和图6（d）显示PH 2获得了高于C= 0.67 bpp的插入率同时保持具有增强的对比度和竞争性视觉质量的图像，如表2中的度量结果所示。图7示出了应用于“Goldhill”图像的相同实验图如图6和图7所示，每种所提出的方法（PH 1和PH 2）的性能在很大程度上取决于待处理图像的特性，这决定了原始直方图的初始分布。应该注意的是，图1A和图1B中报告的插入容量C。6和7是净值，因为增加迭代次数S也增加了簿记的大小并降低了总插入率。为了扩展与最先进文献中报道的方法的性能比较等人（2015a）和Wu et al.（2018年）。使用的迭代次数为S= 64。见图9。 效率比较，柯达1，S= 64。D. Nuñez-Ramirez，D. Mata-Mendoza和M. 塞迪略-埃尔南德斯沙特国王大学学报5476见图10。 效率比较，柯达2，S= 64。从图8中可以看出，Wu等人（2015 b）和Wu等人（2015 a）提出的方法的C插入率高于0.7 bpp;然而，这两种方法获得的图像质量对肉眼来说都很差。相反，具有最佳视觉质量的图像属于Wu等人（2019）提出的方法和我们提出的PH 2;然而，应该注意的是，与所有比较作品相比，我们提出的PH 2获得了最高的插入率，而不会损失图像的视觉质量，如图所示。8.第八条。最后，为了扩展性能比较，考虑了来自Kodak Lossless TrueColor Image Suite数据库的一对从图 9和图 10，我们提出的PH 1和PH 2是竞争力的国家的最先进的方法在插入容量和图像的视觉质量。因此，可以基于应用场景以及必要容量和视觉质量要求的优先级来采用任一技术。4. 结论本文提出了两种用于RDH-CE对比度增强可逆数据隐藏算法的直方图预处理方法，rithm应用于自然灰度图像。这两种方法都具有可以根据应用场景以及必要的容量和视觉质量要求的优先级来利用的属性在这个意义上，所提出的方法一提供了一个高的数据隐藏率相比，所提出的方法二;然而，当有必要保持高的视觉质量，而不需要高的数据隐藏率，第二提出的方法提供了更好的结果比第一。使用各种指标来评估视觉质量。REE、RCE和RMBE用于测量对比度增益; SSIM和PSNR用于测量参考图像的视觉质量; BRISQUE用于测量没有参考图像帮助的视觉质量实验结果表明，这两个建议的预处理方法与RDH-CE算法的性能是有竞争力的国家的最先进的方法相比，以前在文献中报道。竞争利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作。D. Nuñez-Ramirez，D. Mata-Mendoza和M. 塞迪略-埃尔南德斯沙特国王大学学报5477确认作 者 感 谢 Instituto Politecnico Nacional （ IPN ） 以 及 ConsejoNacional de Ciquily Tecnologia de Mexico（CONACYT）在实现本研究期间提供的支持引用曹，G.，田，H.，Yu，L.，（1991 - 1995），美国，黄，X.，王玉，2018.通过选择性下采 样 加 速 直 方 图 对 比 度 增 强 。 IET Image Proc. 12 （ 3 ） ， 447- 452 。https://doi.org/10.1049/ipr2.v12.310.1049/iet-ipr.2017.0789网站。Celik，T.（2012年）。二维直方图均衡化和对比度增强。模式识别Elsevier，45（10），pp. 3810-3824. DOI：https://www.doi.org/10.1016/j.patcog.2012.03.019Celik，T.（2014年）。基于空间熵的全局和局部图像对比度增强。IEEE Transactions onImageProcessing.IEEE，23（12），pp.5298-5308DOI：https://www.doi.org/10.1109/TIP.2014.2364537Cheonshik，K.，Dongkyoo，S.，Leng，L.u.，Ching-Nung，Y.，2018年加密半色调图像中可分离显示55，71-79。https://doi.org/10.1016/j.taga.2018.04.002.Coatrieux，G.，潘伟，Cuppens-Boulahia，N.，Cuppens，F.，鲁角，澳-地2013年。基于图像不变性分类和直方图动态平移的可逆水印。IEEE Trans. Inf. Forensics Secur.8（1），111-120。https://doi.org/10.1109/TIFS.2012.2224108.Fridrich，J.，Goljan，M.和Du，R.（2002年）的报告。无损数据嵌入-数字水印的新范式 。 Eurasip Journal on Applied Signal Processing ， 2002 （ 2 ） ， pp. 185-196.DOI：https://www.doi.org/10.1155/s1110865702000537高女士，吴正光，汪湖（2013年）。基于HE的对比度增强技术的综合评价In：Pan JS.，杨春，林CC。(eds)智能系统与应用进展-第2卷。智能创新，系统和技术，第21卷。施普林格柏林海德堡DOI：https://doi.org/ 10.1007/978-3-642-35473-1_33Gu ，K.等（2015年）。保持显著性的自动对比度增强技术。IEEE Transactions onCircuits and Systems for Video Technology ， 25 （ 9 ） ， pp. 1480-1494. DOI ：https://www.doi.org/10.1109/TCSVT.2014.2372392何俊辉、潘新璐、吴昊天、唐少华（2020）。改进了JPEG图像中可逆数据隐藏的块排序和频率选择。过程.，175，107647，https://doi.org/10.1016/j.sigpro.2020.107647Heng，Y.，Fanyu，M.，Chuan，Q.，Zhenjun，T.，2021.双JPEG图像可逆数据隐藏。信息科学563，130-149。https://doi.org/10.1016/j.ins.2021.02.015网站。贾 恩 ， A.K. ， 一 九 八 九 年 《 数 字 图 像 处 理 基 础 》 （ Fundamentals of Digital ImageProcessing），Prentice-Hall著。Englewood Cliffs，NJ.金，J.Y.，金湖，澳-地S.黄氏S. H.（2001年）的第10页。使用部分重叠子块直方图均衡的高级对比度增强。IEEE Trans. Circuits Syst. Technol.，11（4），pp. 475-484.DOI：https://www.doi.org/10.1109/76.915354S.金河，巴西-地Lussi，X. Qu和H. J. Kim（2015）。使用可逆数据隐藏的自动对比度增强。Proc.IEEEInt.WorkshopInf.ForensicsSecurity ， pp.1-5.DOI ：10.1109/WIFS.2015.7368603金角，澳-地Shin，D.，Leng，L.u.，杨角N.，2018.基于直方图修正的绝对矩块截断编 码 的 无 损 数 据 隐 藏 。 J. Real-Time Image Proc.14 （ 1 ） ， 101-114.https://doi.org/10.1007/s11554-016-0641-8网站。金角，澳-地Shin，D.-K.，杨角N.，伦湖，加-地2020年a。基于增强汉明码的AMBTC混合数据隐藏应用科学10，5336。https://doi.org/10.3390/app10155336.金角，澳-地杨角N.，伦湖，加-地2020年b。基于ABTC-EQ压缩图像的大容量数据隐藏电子学9，644. https://doi.org/10.3390/electronics9040644.Klinger K，Snavely J.（2010）.多媒体水印的高级技术：图像、视频和音频应用。柯达无损真彩色图像套件。网址http://www.r0k.us/graphics/kodak/（2021年3月13日访问）。Li，N.，黄，F.，2020.基于两两非零AC系数展开的JPEG图像可逆信息隐藏。信号处理。171，107476。https://doi.org/10.1016/j.sigpro.2020.107476的网站上发布的。L. Liu，中国粘蝇A.Wang和C.Chang，（2020）.基于中值边缘检测器预测的高容量加密图 像 中 的 可 分 离 可 逆 数 据 隐 藏 29639-29647 ， doi ： https://doi.org/10.1109/ACCESS.2020.2972736。Long，M.，Zhao，Y.u.，张，X.，彭福，2020.提出了一种基于Tromino置乱和自适应像 素 值 排 序 的 可 分 离 可 逆 图 像 隐 藏 方 案 。 信 号 处 理 。 176 ， 107703 。https://doi.org/10.1016/j的网站。sigpro.2020.107703。Mittal，A.，Moorthy，A.K.，Bovik，A.C.，2012.空间域无参考图像质量评价。IEEETrans.ImageProcess21（12），4695-4708.网址：http：//doi.org/10.1109/TIP.2012.2214050Ni ， Z. 等 人 （ 2006 年 ） 。 可 逆 数 据 隐 藏 。 IEEE Transactions on Circuits andSystemsforVideoTechnology ， 16 （ 3 ） ， pp.354-361.DOI ：https://www.doi.org/10.1109/TCSVT.2006.869964彭，Y.，牛，X.，富湖，加-地Yin，Z.，2018.基于双图像可逆脆弱水印的图像认证方案。J.信息安全性Appl.40，236-246. https://doi.org/10.1016/j.jisa:2018.04.007网站。Pratt，W.K.，一九七八年数字图像处理威利，纽约。Stark，J. A.（2000年）的第10/2000号决议。自适应图像对比度增强使用直方图均衡化的推广。IEEE图像处理，第9卷第5页。889-896.DOI：https://www.doi.org/10.1109/83.841534USC-SIPI图像数据库。网址http://sipi.usc.edu/database/（2021年3月13日访问）。Thodi，D. M. Rodríguez，J. J.（2007）.可逆水印的扩展嵌入技术。IEEE Transactions onImageProcessing，16（3），pp.721-730.DOI：https://www.doi.org/10.1109/TIP.2006.891046H.- T. Wu，S. Tang，J. Huang和Y.- Q. Shi（2018）.一种新的增强图像对比度的可逆信息隐藏方法。信号处理，图像通信第62卷，第100页。64_73，2018年3月。DOI：https://doi.org/10.1016/j.image.2017.12.006吴，H- T.，黄，J.，施，Y.-问：2015年a。一种具有对比度增强的医学图像可逆信息隐藏方法。J.维斯Commun.图像代表。31，146-153。https://doi.org/10.1016/j.jvcir.2015.06.010网站。吴，H- T.，Dugelay，J. L.，施，Y.-问：2015年b。具有对比度增强的可逆图像数据隐藏。IEEE信号处理。Lett.22（1），81-85。https://doi.org/10.1109/LSP.2014.2346989。吴，H-T.，Mai，W.，孟，S.，Cheung，Y.-M.，唐，S.，2019年。基于二维直方图修 正 的 图 像 对 比 度 增 强 可 逆 信 息 IEEE Access 7 ， 83332-83342 。https://doi.org/10.1109/www.628763910.1109/ACCESS.2019.2921407.余，M.，Liu，Y.，Sun，H.u.，姚，H.，乔，T.，2020.加密域自适应可分离多元可逆数据隐藏。2020年中国国际影像学展览会（1）. https://doi.org/10.1186/s13640-020-00502-w网站。资兴湖，Fei，P.，敏湖，加-地2017.基于仿生蜘蛛网的二维矢量图形认证可逆水印。信号处理。图像通信57，134-146。https://doi.org/10.1016/j.image.2017.05.012网站。