沙特国王大学学报：扩张混合边缘检测下的图像隐写技术的提高隐写质量

沙特国王大学学报基于扩张混合边缘检测De Rosal Ignatius Moses SetiadiDian Nuswantoro大学计算机科学学院信息工程系，印度尼西亚三宝垄阿提奇莱因福奥文章历史记录：收到2019年2019年12月12日修订2019年12月14日接受在线预订2019年保留字：边缘检测边缘膨胀混合边缘检测图像隐写术有效负载容量A B S T R A C T提出了一种基于覆盖图像最高有效位（MSB）3个像素的扩张混合边缘检测算法，旨在扩大边缘区域，以提高图像隐写中的数据嵌入容量该技术可以执行提取，而不需要保存对原始封面图像的边缘检测。这是因为边缘检测是在3位MSB图像上执行的，而消息是以x LSB和y LSB值嵌入的，其中x是在边缘区域中被替换的LSB位的数量，y是在非边缘区域中被替换的位的数量，其中x和y不能达到3位MSB，因此封面图像和隐写图像的边缘检测将是相同的。实验结果表明，该隐写技术成功地提高了隐写质量，PSNR值比原方法提高了1 ~ 2dB类似地，由于更宽的边缘区域，可以增加消息嵌入容量，获得的相同图像©2019作者（S）。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. 介绍在当今使用互联网进行数字通信是一件简单而廉价的事情但互联网的公共性使得通信安全无法得到保障。在发送数据时，重要和机密的数据可以在没有安全性的情况下被存储 保护数字数据可以以各种方式完成，通常可以使用数据加密和/或数据隐藏技术（Hussain等人， 2018; Kadhim等人，2019; Kusuma等人，2018年）。数据加密技术是通过对数据进行置乱或编码，使数据看起来引人注目，吸引攻击者的注意力来解密数据。因此，在某些情况下，使用数据保护技术，其功能是欺骗攻击者，这种技术被称为*通讯作者：Imam Bonjol Street no. 207，Semarang 50131，Indonesia.电子邮件地址：moses@dsn.dinus.ac.id沙特国王大学负责同行审查数据隐藏技术（Hussain等人，2018年）。数据隐藏技术是将数据或秘密信息隐藏在容器介质或覆盖介质中的一种数据安全技术。封面媒体可以是数字媒体的形式，诸如图像、音频、视频和文本（Hussain等人，2018; Kadhim等人，2019; Kusuma等人，2018; Malik等人，2017;Sahu和Swain，2019）。数 据 隐 藏 技 术 具 有 两 个 主 要 的 子 学 科 ， 即 隐 写 术 和 水 印（Hussain等人，2018; Kadhim等人， 2019年）。两者都具有隐藏信息的相同主要功能一个显著的区别是隐藏信息的目的水印技术旨在保护媒体封面版权，因此当在媒体封面上发生操纵时，水印或隐藏数据必须不容易被损坏或删除（Jiao等人， 2019年），而隐写术技术旨在保护和保护嵌入在封面媒体中的消息，使其无法被直接检测到（阿塔和甘巴里，2018年）。由于隐写术的功能是保护嵌入信息的安全，因此理想的隐写术应该能够完美地提取信息不完美的消息提取会降低消息的含义，甚至会改变消息的含义，因此应该避免不完美的消息提取，以便在消息的发送者和接收者之间不存在误通信。数字水印技术通常用于频域嵌入版权，因为它们具有更多的https://doi.org/10.1016/j.jksuci.2019.12.0071319-1578/©2019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.comDe Rosal Ignatius Moses Setiadi/ Journal of King Saud University105×对各种攻击都是鲁棒的（Jiao等人，2019），而隐写术技术使用更多的空间域，因为域中的方法相对优于不可感知性质量并且具有更大的有效载荷容量（Chen等人， 2010年）。图像隐写作为隐写技术的一个重要组成部分，在以往的研究中得到了广泛的研究。许多研究都是在有效载荷能力这样的一个方面进行的（Bai等人，2017年; Chen等人，2010; Ioannidou等人，2012; Setiadi等人，2018; Sidhik等人，2015年; Tang等人，2014）和/或安全（ Ahmadian 和 Amirmazlaghani ， 2019;Ardiansyah 等 人 ， 2017;Kusuma等人，2018; Liao等人，2018;Sarmah和Kulkarni，2019;Setiadi等人，2018），同时保持甚至增强不可感知性方面。有效载荷容量是可以嵌入到封面图像中的消息的最大大小，通常，有效载荷容量使用每像素位数（bpp）来测量。但这一信息所强调的容量覆盖图像将对覆盖图像像素的值的变化水平产生影响。覆盖图像的像素值的变化的大小影响所产生的隐写图像的质量，其中好的像素值的变化不应该被人的感官检测到，这就是不可感知性的含义（Bai等人，2017年）。不可感知性质量可以使用峰值信噪比（PSNR）来测量，其中PSNR值是根据原始覆盖图像和隐写图像之间的计算生成的均方误差（MSE）的对数值生成的（Gaurav和Ghanekar，2018; Setiadi，2019）。需要强调的是，固定消息的大小将极大地影响不可感知性，从逻辑上讲，固定消息的大小越大，则不可感知性的质量将降低。为了增加有效载荷能力，同时保持均匀随着不可感知性的增加，LSB方法与边缘检测相结合是一些研究中最受欢迎的组合方法之一（Al-Dmour和Al-Ani，2016 a，2016 b; Baiet例如，2017; Dadgostar 和Afsari，2016; Gaurav和Ghanekar，2018;Ioannidou等人 ，2012 年; Kumar 等人 ，2019 年 ; Lee 等人 ，2018;Setiadi，2019; Setiadi和Jumanto，2018）。LSB是在最喜欢的空间域上的隐写方法，因为它简单但具有非常好的不可感知性并且具有相对高的有效载荷容量（Tang等人，2014年）。虽然与非边缘区域相比，图像边缘区域对像素值的变化具有更大的容忍度，因此在该区域中嵌入消息可以最大限度地减少隐写图像不可感知性质量的下降通过优化边缘区域的嵌入信息，可以在保持隐写图像不可感知性的同时增加有效载荷容量。在以前的一些研究中，- 边缘区域，其目的是优化隐写图像的质量，即如在研究中那样组合两个边缘检测器（Chen等人，2010;Setiadi和Jumanto，2018），也可以使用研究中的扩张方法（Gaurav和Ghanekar，2018;Setiadi，2019）。另一项由Bai等人进行的研究，2017年;Gaurav和Ghanekar，2018年）基于3位MSB和4位MSB的值进行边缘检测，测试结果显示边缘区域增加，这有直接的影响有效载荷能力。这项研究的灵感来自于以前的几项研究，以支持-提出了一种基于3位MSB的混合检测器（Canny和Sobel）和膨胀过程的组合，以增加消息的有效载荷容量然而，不可察觉的质量必须保持，甚至增加。在测试阶段，通过MSE、PSNR和SSIM测试了该方法的有效载荷容量和不可感知质量，并与之前提出的几种方法进行了比较，验证了该方法对不可感知性和有效载荷容量的2. 相关研究由（Bai et al.，2017）提出了一种隐写术技术，其可以通过利用边缘检测方法来容纳更大的容量。传统的边缘检测方法是使用整像素值（8位）进行边缘检测，而本研究提出了基于3位MSB的边缘检测方法，其中5位LSB被清除，然后基于3位MSB生成边缘区域。在这项研究中，他测试了三种类型的图像边缘检测器，即Sobel，Canny和Fuzzy。利用所提出的边缘检测方法，所有边缘检测器产生更多的边缘区域，其中Canny检测器的边缘区域上平均增加77个像素，Sobel检测器的边缘区域上平均增加14个像素，并且最显著的增加发生在模糊检测器中920个像素。在嵌入信息的过程中，LSB方法是基于图像区域的。根据边缘检测的结果，将图像区域分为边缘区域和非边缘区域，在边缘区域嵌入更多的信息比特。尽管有效载荷能力增加，但根据测试结果，这种方法被证明优于Chen等人提出的前两项研究。s和曾和棱由（Gaurav和Ghanekar，2018）进行的另一项研究也提出了一种结合图像边缘检测的LSB方法。在本研究中，仅使用Canny边缘检测器。与Bai等人提出的方法略有不同，边缘检测过程基于4位MSB。基于4位MSB值的边缘检测过程在提取过程中具有优势。通过对4位MSB进行边缘检测，隐写图像的边缘检测过程与原始封面图像的边缘检测过程相同。简而言之，边缘区域在嵌入过程中不需要保存以供提取过程时使用。为了增加有效载荷容量，通过使用具有3 - 3像素结构的扩张算子来扩展边缘区域。为了提高消息的安全性，嵌入过程使用XOR运算符来加密消息。基于测试结果，在1.25 bpp的有效载荷容量下，PSNR值约为44 dB（ Setiadi ， 2019 ） 进 行 的 研 究 还 提 出 了 一 种 与 Gaurav 和Ghanekar非常相似的方法，即在边缘区域上使用膨胀技术的LSB边缘检测过程中的差异不仅在4位MSB值上进行，而且在像素值的整个位上进行。其结果是，必须为消息提取处理存储图像边缘区域，因为消息嵌入处理可以改变封面图像的像素值，使得嵌入消息之前和之后的封面图像的边缘检测的结果在添加防伪信息的嵌入过程中是用异或运算符完成的，根据MSB像素值选择合适的封面图像。根据所进行的实验的结果，发现边缘区域的膨胀处理与没有膨胀的边缘区域相比可以将有效载荷容量增加18.65%，并且在所有图像中平均嵌入容量约为1.42 bpp的情况下，PSNR值约为47.59 dB其他隐写研究使用基于混合边缘检测器的LSB方法来增加有效载荷容量。混合边缘检测器首先由（Chen等人，2010年）。在所提出的方法中，消息嵌入过程分为三个阶段。第一阶段是基于Canny和模糊边缘检测器的混合区域检测，该检测器与OR算子，从而生成边缘图像。第二阶段将边缘图像划分为块集合（n）。在他的研究中，一组块由两个、三个或四个像素组成。其中块集中的第一个像素被用作嵌入键。在最后一个阶段，嵌入是基于边缘区域（x）和非边缘区域（y）。基于该方法，在2000 - 2005年间产生了37.5dB的PSNR值。106De Rosal Ignatius Moses Setiadi/ Journal of King Saud University×尺寸为128 × 128的Lena图像，其中n = 3，x =4，y = 3，有效载荷容量为2.1 bpp。在Setiadi和Jumanto进行的研究中也提出了混合边缘检测方法（2018年）。在他的研究中，Canny和Sobel边缘检测器与OR算子相结合，以产生更宽的边缘区域。该方法与Chen等人提出的方法的不同之处在于，边缘的图像被单独存储，其中边缘图像被用作提取过程的关键。嵌入过程基于两个区域完成，其中边缘区域（x）和非边缘区域（y）。在十个标准图像中的平均PSNR值的测量结果是大约41 dB，其中具有大约2.1 bpp的有效载荷容量的消息被钉扎为x= 3，y = 2。在这些相关研究的基础上，本研究提出了一种结合Canny-Sobel边缘检测方法的3位MSB封面图像边缘检测方法，通过膨胀处理来增加边缘检测结果的有效载荷容量。该边缘检测结果将用于划分边缘和非边缘图像区域，并用作消息插入密钥。在消息嵌入过程中还使用了XOR运算符来提高安全性。测量所得到的隐写图像，Oly（Chen等人，2010; Bai等人，2017年; Gaurav和Ghanekar，2018年; Setiadi，2019年; Setiadi和Jumanto，2018年）相结合，以获得更好的隐写方法。其中主要目标是增加有效载荷容量和不可感知性质量。众所周知，隐写方法有两个主要阶段，即嵌入阶段和提取阶段。所提出的嵌入阶段的描述如图所示。 1，而拟议的提取阶段如图所示。 二、具体来说，嵌入阶段的建议步骤如下：1. 封面图像被读取为矩阵（C1），然后被复制，复制的矩阵被存储在矩阵（C2）中例如，C1矩阵具有值128、75、30、234，那么C2矩阵将具有相同的2. 清除5位LSB中的所有像素值在C2，通过转换像素值，在C2矩阵，乌厄斯从8位整数值到二进制，然后清除第一至第五LSB，然后再次转换为8位整数值。举例来说矩阵C1矩阵C2测量仪器的不可感知性，例如128？1000 00001000 0000？128MSE、PSNR和SSIM，而有效载荷容量使用75？0100 10110100 0000？64BPP。30？0001 11100000 0000？0234？1110 10101110 0000？2243.建议计划之前已经完成的相关研究已经提出了许多在图像边缘嵌入消息的方法。图像的边缘区域是更适合嵌入消息的区域，因为它更能容忍变化。相关研究已经开发出一种嵌入方案，该方案已被证明是有效的，因此启发了本研究中提出的方法。因此，该方法的优点已经被提出，3. 在C2矩阵上用Canny检测器进行边缘检测，然后保存到Ec矩阵上，在C2矩阵上用Sobel检测器进行边缘检测，然后保存到Es矩阵上。4. 通过对Ec和Es矩阵进行或运算，得到Eh矩阵，然后对Eh矩阵进行3× 3结构的膨胀，复制封面图像秘密短信清除每个像素执行Canny边缘检测执行Sobel边缘检测转换为ASCII转换为二进制根据混合边缘区域将覆盖图像像素分为两基于封面图像MSB的异或嵌入嵌入位嵌入位隐写图像非边缘像素边缘像素基于OR算子的混合边缘检测封面图片Fig. 1. 建议的嵌入阶段。De Rosal Ignatius Moses Setiadi/ Journal of King Saud University107隐写图像复制隐密图像清除每个像素执行Canny边缘检测执行Sobel边缘检测根据混合边缘区域基于隐写图像MSB提取比特获取信息提取比特恢复秘密文本消息转换为ASCII非边缘像素边缘像素基于OR算子的混合边缘检测图二.拟定浸提阶段。5. 根据Eh矩阵，将矩阵C1上的像素分为边缘区域和非边缘区域。6. 另一方面，读取秘密文本消息，然后将每个字符转换为ASCII值。7. 然后，每个ASCII值被转换为二进制值（Sb）。8. 如果指定的C1像素是边缘区域，则将Sb的x位嵌入到C1像素，或者如果指定的C1像素是非边缘区域，则将Sb的y位嵌入到C1像素。在此嵌入过程中，添加了XOR运算以向消息添加加密，从而使嵌入的消息更安全。XOR操作基于指定的最高有效位（MSB）像素，为更详细信息，看到的例如下图：其中一个C1像素的值为128，因此如果转换为二进制形式为10，000，000，则C1像素的MSB为1嵌入的消息位是1，则不直接嵌入该值，而是首先执行与MSB的XOR（1 XOR 1）以产生0，该值将被固定在像素C1上，因此像素值是固定的，其为128，以整数8位形式或以二进制形式为10，000，000。需要说明的是：x位和y位是基于边缘区域的位数，通常x的值大于或等于y，因为边缘区域具有更好的容差。x和y值也不能超过5，因为该方法不能容纳每个像素嵌入超过5位。9. 将所有比特信息嵌入到C1矩阵中，得到隐写S图像.应该再次强调的是，C1矩阵是将嵌入消息中的原始图像，而C2矩阵用于利用扩张的混合边缘检测来划分区域提取阶段的具体步骤如下：1. 隐写图像被读取为矩阵（S1），然后被复制，复制的矩阵被存储在矩阵中（S2）。2. 清除5位LSB中的所有像素值在S2转换像素值，在S2矩阵从8位整数值到二进制，然后清除第一至第五LSB，然后再次转换为8位整数值。3. 在S2矩阵上用Canny检测器进行边缘检测，然后保存到Ec矩阵上，在S2矩阵上用Sobel检测器进行边缘检测，然后保存到Es矩阵上。4. 通过对Ec和Es矩阵进行或运算，得到Eh矩阵，然后对Eh矩阵进行3× 3的膨胀，5. 根据Eh矩阵，将矩阵S1上的像素分为两类类别，即边缘区域和非边缘区域。6. 根据隐写图像的MSB和LSB进行异或运算提取秘密信息，提取的比特数也根据预先确定的x和y值进行调整7. 在提取出所有的秘密信息位后，每8位进行分组并将其转换为ASCII值，最后将ASCII值转换为ASCII字符4. 实验结果及分析在这个阶段，首先收集覆盖图像数据集，其中所使用的图像数据集可以从网站页面（Ming Hsieh Department of Electrical EngineeringUSC ViterbiSchool of Engineering，n.d. ）.所有数据集都是灰度类型或具有8位深度。然后使用Matlab中的imre- size（）函数调整所有图像的大小，以便尺寸变为108De Rosal Ignatius Moses Setiadi/ Journal of King Saud University××××256256像素。封面图像的所有数据集见图三.而嵌入在封面图像中的消息是文本消息（字符串），嵌入的字符串必须转换为ASCII数字，然后再次转换为二进制以嵌入到封面图像中。将文本消息转换为ASCII数字的过程是基于ASCII表完成的，在Matlab应用程序中，可以使用double或uint8函数。此函数用于将字符串转换为ASCII数字4.1. 预处理阶段边缘区域是由图像边缘检测器产生的图像的区域。传统的边缘检测是通过检测像素的整比特值来产生边缘区域的，但由于信息嵌入导致图像像素值发生变化，会产生原始图像和隐写图像不同的边缘检测结果。因此，如果将边缘检测应用于隐写技术，则必须存储原始封面图像的边缘检测以用作提取密钥。在本研究中，边缘区域不是直接基于整个像素值产生，而是基于在边缘检测之前通过清除5位LSB而修改的像素值产生。该算法不需要将原始图像的边缘区域作为提取密钥，从而使嵌入和提取过程更加有效。由封面图像和隐写图像的3位MSB生成的边缘区域产生相同的边缘区域，注意，推荐的最大嵌入在边缘区域中为4位，在非边缘区域中为3位。除了更有效的边缘检测过程之外，该技术还被证明能够将边缘区域扩展到适用于整比特像素值的边缘检测。 表1示出了基于三种类型的检测（即，全比特像素值、4比特MSB像素值和3比特MSB像素值）计算覆盖图像中的边缘区域的数量的结果。表1示出了基于3-D的边缘检测的结果位MSB产生最宽的平均边缘区域。所以那个边缘本研究选用了3位MSB检测。直到这里还没有完成，下一个过程是通过使用OR算子来扩大边缘区域来组合来自两个检测器（即Canny和Sobel）的边缘检测的结果。众所周知，理论上，如果其中一个或两个都是边缘像素，OR运算符将产生true（边缘像素），因此得到的边缘区域将增加。作为说明，组合这两个边缘检测的过程可以参见图1B。四、图图4示出了一个示例矩阵图像，其维度为88像素。Canny边缘检测器产生20个像素的边缘区域，而Sobel边缘检测器产生12个像素的边缘区域。在使用OR运算符完成混合过程之后，所得到的边缘区域在边缘区域上增加22个下一步是对之前产生的混合边缘区域进行膨胀处理，膨胀处理使用具有3 3结构的随着混合边缘区域的膨胀过程，导致边缘区域的数量从22个边缘像素到42个边缘像素的显着增加，从总共64个像素的图像的尺寸为8 - 8。膨胀过程的结果可以在图中看到。 五、要查看计算结果，边缘区域的数量在实际上对数据集的覆盖图像使用可以看到表2.在表2中，边缘区域的数量的比较是基于对整个像素值、3位MSB和4位MSB的混合处理的结果。在表2中，还示出了在混合边缘检测上已经被扩大的边缘区域的数量的计算结果，在初始边缘检测过程中存在显著差异，直到该过程结束，其中边缘区域的数量显著增加4.2. 嵌入相在预处理阶段完成边缘检测过程后，嵌入秘密信息。在本研究中，嵌入的消息是存储在文本文件中的文本，然后读取该文件并将其转换为ASCII数字。ASCII号码狒狒摄影师F16Gold Hill莉娜辣椒图三. 覆盖图像数据集。De Rosal Ignatius Moses Setiadi/ Journal of King Saud University109宽×高m<$1n<$1表1基于Canny和Sobel检测器的原始像素值和修正后像素值的边缘面积数比较转换为二进制数，并且以这种形式，消息准备好被放置在封面图像上。嵌入过程基于之前获得的边缘区域在第一个实验中，消息只嵌入在边缘区域，因此如果边缘区域的容量不满足，则会给出溢出语句。有四种类型的消息大小将嵌入在封面图像中消息大小为2048位、4096位、8192位和16384位。在消息被嵌入之后隐写图像又回来了虽然PSNR值是从MSE的对数值生成的，但是通过获得PSNR值，它可以可以看出，图像中出现的噪声量越大，PSNR值越大，PSNR值越好（Bai等人，2017年; Chen等人，2010; Gaurav和Ghanekar，2018; Setiadi和Jumanto，2018）。为了计算MSE值，使用公式（1），并且使用公式（2）计算PSNR。w hded，将生成隐写图像隐写图像将是通过使用MSE和PSNR测量的不可感知质量来测量。MSE是在隐写图像中出现的平方误差值，其中该值通过计算MSE¼ 1X XkSm;n-Cm;nk21.2552！在隐写图像和原始封面的总像素值形象较小的MSE值表明，峰值信噪比（PSNR）dB≤10×Log 10pð2Þ110De Rosal Ignatius Moses Setiadi/ Journal of King Saud University..ΣΣ¼¼¼ ð Þ见图4。 对Canny和Sobel边缘检测结果进行混合处理。图五. 对Canny和Sobel边缘检测结果进行混合处理。其中w是图像的宽度，h是图像的高度，m是指定的图像像素的水平坐标，n是垂直SSIM-100;S-1002lolsk12rosk2l2l2k1r2r2k2ð3Þ指定图像像素的坐标，S为隐写图像，C为原始封面图像。计算PSNR和MSE值的结果在表3和表4中给出。一幅图像有几个可以提取的特征，例如我们的其中0是原始覆盖图像; S是隐写图像; lo是0和ls的平均值 是S图像的平均值;ros 是协方差图像Or2是图像变量S;r2是图像变量O;S o边缘、角点和局部方差，这些特征被广泛用于各种图像处理应用，例如图像质量评估（Min等人，2019年a、2019年b）。 在图像中嵌入消息不仅会导致噪声，而且会改变这些特征的值，这些特征的值会影响不可感知性的质量。使用的另一种不可感知性测量仪器是SSIM。SSIM代表结构相似性指数，该测量用于检测由于嵌入消息而在图像中发生的结构变化、亮度和对比度。如何测量是将隐写图像的结构、亮度和对比度与原始封面图像进行比较（Wang等人，2004年）。SSIM已成为广泛用于各种图像处理研究以提供图像质量评估的标准测量工具之一（Min等人，2018 a，2018 b，2017），包括图像质量隐写术的测量（Gaurav和Ghanekar，2018; Setiadi，2019）。SSIM可以通过公式（3）计算。SSIM计算结果见表5。k1 1/4c1D2和k21/4c2D2;D是像素值的动态范围，默认值为c10： 01 danc20： 03基于第一次测试的结果，看起来MSE、PSNR和SSIM值的结果如果通过公式（3）中找到的每比特像素的公式计算。每个嵌入的有效载荷容量对于1，024比特是0.0156 bpp，对于4，096比特是0.0625 bpp，对于8，192比特是0.125 bpp，并且0.25 bpp为16，384位。bpp钻头 秘密信息4number 的覆盖像素在公式4中，解释了计算嵌入有效载荷的方式是将消息比特的数量除以覆盖图像像素的数量。LSB方法通常在封面图像的1个像素上嵌入1个消息位，因此如果所有图像像素都固定到1个消息位，则它会产生1 bpp的值。De Rosal Ignatius Moses Setiadi/ Journal of King Saud University111表2比较基于混合检测器和混合检测器+膨胀的原始像素值和修改后的像素值的边缘区域表3PSNR（dB）的结果，从所提出的方法。图像有效载荷容量1，024位4，096位8，192位16，384位狒狒69.706066.634263.704460.6101摄影师69.950866.792063.683060.8129F1669.930766.596863.531061.0387Gold Hill69.537866.545963.563360.5774莉娜69.547066.662463.588860.6019辣椒69.621166.606163.598160.5426在第二个实验中，将所提出的方法的结果与之前提出的一些方法进行了比较（Bai等人， 2017），（Gaurav和Ghanekar，2018），（Setiadi，2019）和（Setiadi和Jumanto，2018）。测试是通过复制以前的方法来完成的。具体地，由（Bai等人， 2017）选择了Canny边缘检测器。PSNR和MSE值的计算结果见表6和表7。应该注意的是，第二个实验与第一个实验相同，其中消息仅被固定到边缘区域，因此当边缘区域的数量小于消息位的数量该方法只对边缘区域的不可感知性进行测试，以确定边缘区域是否适合嵌入信息。之所以需要这样做，是因为边缘检测过程处理的时间足够长，因此边缘区域变宽。虽然边缘区域的范围不一定会产生适合于消息嵌入的边缘区域，但可能是由于112De Rosal Ignatius Moses Setiadi/ Journal of King Saud University表4MSE结果从所提出的方法。图像有效载荷容量表8在狒狒图像上，将所提出的方法与具有相同信息的先前方法的PSNR（dB）结果进行比较。方法有效载荷容量BPP PSNR（位）（dB）方法（Bai等人，（Canny）95,2311.453144.6229160,7672.453137.2020方法（Setiadi，2019）95,2311.453145.4102160,7672.453138.1620方法（Gaurav和Ghanekar，95,2311.453145.41152018年）160,7672.453138.1630方法（Setiadi和Jumanto，95,2311.453144.40382018年）160,7672.453137.1675表5该方法95,2311.453146.4381SSIM结果从所提出的方法。图像有效载荷容量160,7672.453139.5716扩展会降低隐写图像的质量然后将其与以前提出的其他方法进行了比较。注意，PSNR值和MSE取自所有图像的平均但在所提出的方法没有溢出在所有的图像，因为所提出的方法具有最大的边缘区域。表6和表7示出了由秘密消息的嵌入产生的MSE和PSNR的值。在该第二实验的结果中可以看出，所提出的方法产生了最优的PSNR值，即使所得到的差异没有达到1dB，但是这证明了从所提出的方法生成的边缘区域适合作为钉扎秘密消息的位置。宽的边缘区域还可以嵌入更大容量的消息，并保持更好的质量输出。在第三个实验中，通过在边缘区域（x）的所有像素和非边缘区域像素（y）上嵌入秘密消息来完成嵌入，其中最大有效载荷可以由本研究中提出的方法来容纳。其中，这次的实验是通过在x = 2和y = 1处改变位，改变位x = 3和y = 2。因为边缘区域和非边缘区域不是8的倍数，在该实验中，根据最大有效载荷要求，用从PN生成器生成的比特值来替换秘密文本消息。在本实验中，还与所提出的方法进行了比较。应该注意的是，在这个实验中，嵌入消息的大小是所提出的方法的最大容量可以容纳的大小，因此其他方法将溢出。然后，溢出消息的其余部分被固定到下一个非边缘区域（y位）。第三个实验中的PSNR计算结果如表8所示，而图像的结果如图11所示。 六、基于图6所示的结果，解释边缘区域像素的数量。在先前讨论的情况下，x比特消息嵌入在边缘区域中，并且y比特消息嵌入在非边缘区域中。由于边缘检测方法的差异，其他方法中的边缘区域的数量少于所提出的方法，使得溢出消息的其余部分被嵌入到下一个y比特中。以下是只能用值x = 2和y = 1固定的位数，方法（Gaurav和Ghanekar，2018）= 93，184位，其余2，047位，方法（Bai等人，2017）= 78，636位和剩余16，595位，方法（Setiadi和Jumanto，2018）= 79，427位和剩余15，804位，方法（Setiadi，2019）= 91，928位和剩余3，303位。剩余的位被固定在y = 2。这使得所提出的方法更优越，因为区域的边缘更宽，使得更多比特的消息被嵌入到区域的边缘，哪个区域更适合嵌入消息。表6比较PSNR（dB）的结果，从所提出的方法和以前的方法具有相同的消息。平均所有图像，Bai的方法中的方法Gaurav和Setiadi和提出有效载荷：例如，（2017年）（Setiadi，2019）Ghanekar，2018年）Jumanto，2018年）方法1，024位66.216369.260369.279767.812069.71564，096位63.171866.246266.263164.770366.63968，192位60.128763.248163.155561.867563.611416，384位溢流60.313460.2261溢流60.6973表7比较所提出的方法和具有相同消息的先前方法的MSE结果平均所有图像，Bai的方法中的方法Gaurav和Setiadi和提出有效载荷：例如，（2017年）（Setiadi，2019）Ghanekar，2018年）Jumanto，2018年）方法1，024位0.01550.00770.00770.01080.00704，096位0.03130.01540.01540.02170.01418，192位0.06310.03080.03150.04230.028316，384位溢流0.06050.0618溢流0.05541，024位4，096位8，192位16，384位狒狒0.00700.01410.02770.0565摄影师0.00660.01360.02780.0539F160.00660.01420.02880.0512Gold Hill0.00720.01440.02860.0569莉娜0.00720.01400.02850.0566辣椒0.00710.01420.02840.05741，024位4，096位8，192位16，384位狒狒1.00000.99990.99990.9998摄影师1.00000.99990.99980.9997F161.00001.00000.99990.9998Gold Hill1.00001.00000.99990.9998莉娜1.00000.99990.99980.9996辣椒1.00000.99990.99980.9996De Rosal Ignatius Moses Setiadi/ Journal of King Saud University113隐写图像结果来自（Bai等人，2017）方法隐写图像结果来自（Setiadi，2019）方法隐写图像结果来自（Gaurav和Ghanekar，2018）方法边缘面积导致（Bai等人，2017）方法（13100像素）（Setiadi，2019）方法中的边缘区域结果（26392像素）（Gaurav和Ghanekar，2018）方法中的边缘区域结果（27648像素）（Setiadi和Jumanto，2018）方法的隐写图像结果边缘区域导致（Setiadi和Jumanto，2018）方法（13891像素）边缘区域导致拟议方法（29695像素）见图6。 将隐写图像的结果及其边缘区域与本文方法和以往方法进行比较。4.3. 提取相位在成功进行嵌入阶段之后，有必要测试所提出的提取方案。提取过程的描述已在图1中描述。 二、其中提取过程不需要将封面图像的原始边缘作为提取关键字。在第一步中，隐写图像（S1）被复制并存储在S2矩阵上。清除S2上的5位LSB，只有3位MSB。然后对S2进行边缘检测，用Canny检测器产生Ec矩阵，用Sobel检测器产生Es矩阵。边缘检测结果与原始封面图像的检测完全相同，因为边缘检测是在不因嵌入而改变的3位MSB上执行的。然后，使用OR算子将两个边缘检测结果（Ec和Es）组合以得到混合边缘区域（Eh）。边缘检测的最后一道工序是用3× 3结构焊接114De Rosal Ignatius Moses Setiadi/ Journal of King Saud University¼运营商该边缘区域是消息提取过程的关键，因为消息位嵌入被分为两类，即边缘区域像素和非边缘区域像素。与嵌入过程一样，提取过程也是基于MSB隐写图像，利用异或算子进行的然后使用字符错误率（CER）和误码率（BER）测量提取过程的结果，从而可以看出消息是否被完美提取（Setyono和Setiadi，2019）。用于计算CER的公式是BER的公式（5）和公式（6）。Bai，J.，昌角，澳-地C.的方法，Nguyen，T.美国，Zhu，C.，中国科学院，Liu，Y.，2017. 一 种 基 于 边 缘 检 测 的 高 负 载 隐 写 算 法 。 显 示 46 ， 42-51 。https://doi.org/10.1016/j.displa.2016.12.004网站。陈文J.，昌角，澳-地C.的方法，Le，T.H.N.，2010年。基于混合边缘检测器的高负载隐写专家系统应用37，3292-3301。https://doi.org/10.1016/j.eswa.2009.09.050。Dadgostar，H.，Afsari，F.，2016.基于区间直觉模糊边缘检测和改进LSB的图像隐写。J. Inf.Secur. Appl. 30，94-104. https://doi.org/10.1016/j.jisa.2016.07.001网站。Gaurav，K.，Ghanekar，U.，2018. 基于Canny边缘检测、膨胀算子和混合编码的图像隐写。J. Inf. Secur. Appl.41，41-51. https://doi.org/10.1016/j.jisa.2018.05.001网站。侯赛因，M.，瓦哈卜，A.W.A.，伊德里斯，Y.I.斌，何，A.T.S. Jung，K.- H、2018.空间域图像隐写研究综述。信号处理。图像通信六十五岁，cer编号 的 错误字元总 报文字符number 的 错误位ð5Þ46-66. https://doi.org/10.1016/j.image.2018.03.012网站。Ioannidou，A.，Halkalsh，S.T.，Stephanides，G.，2012.提出了一种基于高有效载荷 方 法 和 边 缘 检 测 的 图 像 隐 写 新 技 术 。 专 家 系 统 应 用 39 ， 11517-11524 。https://doi.org/10.1016/j.eswa.2012.02.106网站。焦，S.，Zhou，C.，中国地质大学，施，Y.，邹伟，Li，X.，2019年。光学图像隐藏技术研究进展