信息隐藏DH(Data hiding)技术在数字媒体授权、版权保护、军事信息传递、个人隐私保护以及电子商务活动等方面都得到了广泛应用。然而传统DH技术存在较大缺陷,即隐密图像提取信息后不能完全正确地复原原始载体图像,这对一些要求较高的特殊应用,如军事、医学及法律应用等,即使载体图像有一点小小改变都不可忽视。因此涌现出了大量有关可逆图像信息隐藏RDH(Reversible data hiding)技术的研究。RDH方法可以在保证提取出隐藏信息的同时无损地恢复载体图像。目前,RDH算法研究主要分为四大类:基于差分扩展DE(Difference expansion)的RDH、基于直方图平移HS(Histogram shifting)的RDH、基于预测误差扩展PEE(Prediction error expansion)的RDH以及基于双图像和图像内插的RDH。然而RDH技术还存在几个关键问题有待解决:1.建立信息隐藏过程中隐密图像失真数学模型;2.构造出更陡峭的直方图;3.寻找信息隐藏量与隐密图像质量平衡点;4.提升图像信息隐藏技术鲁棒性;5.研究新视觉质量评价标准。本文针对当前RDH存在的问题提出了解决信息隐藏过程中的抗干扰具体办法,建立了信息隐藏过程中隐密图像失真的数学模型,分析了信息隐藏中出现的上溢/下溢机理,并提出了相应解决措施,同时构造出了一些更为陡峭的误差差分分布直方图模型。主要创新点有3方面:(1)提出了基于有效位差分扩展的RDH算法。结合像素二进制有效位和DE方法而提出了一种基于有效位差分扩展的RDH方法。如果隐密图像完好无损,原始载体图像就能正确地恢复,隐藏信息也能正确地被提取出来;另一方面,如果隐密图像被一些无意改变如噪声等,算法也能具有一定鲁棒性。算法首先将载体图像像素分解成两部分:较高有效位HSB(Higher significant bits)与最低有效位LSB(Least significant bits),并计算相邻像素间的HSB差分。然后通过差分平移在HSB中隐藏信息,平移量和平移规则相对比较固定,故能实现可逆性。由于像素的HSB和LSB的分离,一些对隐密图像无意改变并不能影响HSB,故算法具有一定鲁棒性。(2)基于左右平移的大容量RDH算法。根据矩形预测误差的分布特点:直方图的最高峰值点也同时是差分零值点,位于原点,其它峰值点以近似对称的形式分布在原点两侧,而其它频率为零值点也近似对称地分布在原点两侧。首先将峰值点向右平移,留下部分空位用于隐藏信息,接着再将峰值点向左平移,再次留下部分空位用于隐藏信息。由于向右移增大像素,而向左移又会减小像素,故两次平移具有一定综合性,能减小隐密图像总体失真。同时,通过分析PE(Predictive error)条件,可以在不增加任何附加信息情况下有效地解决上溢/下溢问题。实验分析表明,算法具有嵌入量大且隐密图像质量高的特点,算法性能有明显提高。(3)提出了基于双向差分扩展的可逆图像信息隐藏算法。首先,以“Z”字形顺序扫描光栅图像,将二维图像转换为一维数组;然后,将相邻像素间的差分分别向左右两个方向扩展,并同时在左侧嵌入一位信息;最后,再将嵌入了信息位的加密一维数组转换为二维数组,得到隐密图像。信息接收者接收到隐密图像后,以“Z”字形顺序扫描光栅图像,将二维图像转换为一维数组;然后,将相邻像素间差分分别向左右两个方向压缩,并同时在左侧提取一位信息;最后,再将提取了信息位的一维数组转换为二维数组,得到无损载体图像。另外,利用两个像素的均值取值范围解决了上溢/下溢问题,并减小了隐密图像失真,即图像质量得到了提高。实验表明,算法在嵌入量及隐密图像质量等方面都有明显地提高。