基于细粒度嵌入空间预留的密文域图像可逆信息隐藏方法

李锦伟，张晓雅，姚远志，俞能海

基于细粒度嵌入空间预留的密文域图像可逆信息隐藏方法

李锦伟，张晓雅，姚远志，俞能海

（中国科学技术大学信息科学技术学院，安徽 合肥 230027）

针对云数据管理中的用户隐私保护需求，密文域图像可逆信息隐藏受到了学术界的广泛关注。基于加密前预留空间的数据嵌入框架将载体图像分割成由图像块组成的两个独立区域，使用传统的可逆信息隐藏技术腾出数据嵌入空间，可以取得较好的性能。为了更好地利用图像的空间相关性，提出了一种细粒度的可伸缩嵌入空间预留策略。该策略将图像块重新排列，构成纹理区域和平坦区域。图像块的大小可以根据图像的纹理和需要预留空间的大小自适应调整。这些图像块的原始位置将作为待嵌入边信息，用于无损恢复载体图像。由于平坦区域的像素更容易被预测，所以平坦区域可以容纳更多纹理区域的像素比特，以预留更多的数据嵌入空间。同时，在平坦区域使用传统的可逆信息隐藏技术腾出数据嵌入空间时造成的嵌入失真更小。充分的实验证明了基于细粒度嵌入空间预留的密文域图像可逆信息隐藏方法在嵌入容量和载密图像质量方面的优越性。

可逆信息隐藏；空间相关性；细粒度嵌入空间预留；预测误差扩展；直方图平移

0 引言

云外包（cloud outsourcing）是指基于云计算（cloud computing）商业模式应用的服务外包资源与平台的总称。在云平台下，众多的服务外包资源云整合成资源池，通过云管理系统提供外包服务，达到灵活和便利的目的，也可以降低成本和提高效率。云计算的高虚拟化与高可扩展性等优势，使个人和企业愿意外包数据到云端服务器。然而，上传数据中往往含有大量包括病史、收入、身份、兴趣及位置等在内的隐私信息，对这些信息的共享、收集、发布、分析与利用等操作会直接或间接地泄露用户隐私，给用户带来极大的威胁和困扰[1-4]。因此，用户隐私保护已成为人们广泛关注的焦点，而安全外包是云计算隐私保护中不可或缺的关键技术之一[1]。

可逆信息隐藏（RDH，reversible data hiding）是一种特殊的信息隐藏技术，它除了要保证嵌入信息的隐秘性和可提取性，同时需要完全无损地恢复原始载体图像[5-18]。这一重要技术广泛应用于医学影像标注、法律取证等领域，在这些领域，原始图像不能有任何修改，图像像素的微小变化就可能导致诊断结果出错或者法律诉讼失败[7,11-12]。一般来说，RDH技术在图像空间域有4种基本策略，即无损压缩（LC，lossless compression）[19]、差值扩展（DE，difference expansion）[20]、直方图平移（HS，histogram shifting）[21]和最优编码（OC，optimal coding）[22]。

随着云计算的不断发展，将RDH外包给云服务器完成可以节约本地的计算资源，数据传输过程中的安全和隐私保护就变得十分重要，图像加密技术因其在隐私保护方面的有效性而被广泛应用。在某些情况下，云服务器需要在加密图像中嵌入一些附加数据，如用户信息、版权数据、时间戳等。如图1所示，用户在将图片上传至云服务器前，先对图像预处理并加密。云在密文域图像嵌入附加数据后，由其他用户下载，其中授权用户可以成功解密恢复原始图像，非授权用户则不能获取图像信息，从而保护了用户的隐私。尽管传统的明文域图像RDH方法已经十分成熟，但对加密图像无法直接使用。因此，在云外包计算中，密文域可逆信息隐藏（RDH-EI，reversible data hiding in encrypted images）发挥了很大的作用，而如何获得更好的嵌入容量和载密图像视觉质量是RDH-EI领域重点关注的问题[5-18]。

图1 云外包计算中的密文域可逆信息隐藏

针对上述问题，本文提出了一种细粒度的可伸缩嵌入空间预留策略，可以更好地利用图像的空间相关性，进而在加密图像前预留出更多的空间，同时提高载密图像的视觉质量。由于载体图像之间的差异，本文所提方法会根据实际情况自动调整预留空间尺寸大小，以适配当前载体图像纹理分布情况。通过大量实验，验证了该方法在嵌入容量、载密图像质量、可提取性和可逆性等方面的优势。

本文的主要贡献如下：

1) 提出基于细粒度嵌入空间预留策略的密文域图像可逆信息隐藏方法；

2) 提炼并解决适配图像内容的预留空间尺寸优化问题；

3) 通过充分的实验结果证明所提方法的有效性。

1 相关工作

根据嵌入场合和方式的不同，主流RDH-EI可分为基于加密后空间预留（VRAE，vacating room after encryption）框架[10,23-25]和基于加密前空间预留（RRBE，reserved room before encryption）框架[5-8,17-18,26-28]。

1.1 加密后空间预留框架

VRAE框架对加密图像进行压缩，为数据嵌入腾出空间，如图2(a)所示。在此框架中，图像所有者使用加密密钥对图像进行加密，然后将加密图像交给数据隐藏者（如云服务器等），数据隐藏者使用数据隐藏密钥腾出一些空间，将一些边信息和秘密消息嵌入加密图像中。然后，接收者使用数据隐藏密钥提取嵌入的数据，并根据加密密钥将密文域图像解密。Zhang[23]提出加密图像可逆信息隐藏方法。该方法将加密图像分块，然后通过翻转每个块中加密像素的3个最低有效位（LSB，lowest significant bit）来嵌入信息。然而当分割的图像块相对较小时，该方法在提取消息时会有较大的提取误差，恢复的图像也可能会有失真。Hong等[24]提出了新的平滑测度函数和边缘匹配机制。相比文献[23]，文献[24]提出的方法消息提取的误差更小，但恢复的图像仍然存在较大的失真。文献[23-24]在提取数据之前都必须要对图像进行解密，即在密文域图像中无法完成对信息的提取，这在实际应用中存在局限性。为此，Zhang[25]提出了压缩加密像素的LSB的方法，以腾出空间来容纳额外的数据，这样可实现数据提取与图像解密的分离。

图2 空间预留框架

Figure 2 Framework of vacating room

然而，通过VRAE框架提取的信息仍然可能会出现错误，恢复的图像可能会有失真，这不能满足某些特定场景的需要。

1.2 加密前空间预留框架

为了实现完全的可逆性，RRBE框架应运而生。如图2(b)所示，RRBE框架在对图像加密前对图像进行预处理，为嵌入数据预留空间，然后由数据隐藏者根据数据隐藏密钥在加密图像中嵌入边信息和秘密消息。相比VRAE框架，RRBE框架可以获得更好的嵌入容量和载密图像质量[29]。Ma等[6]在传统RDH方法的基础上，提出了将某些像素的LSB嵌入其他像素中来预留嵌入空间的方法。该方法能正确提取数据和重构图像，但嵌入容量较小，解密后的载密图像的视觉质量有待提升。Zhang等[8]提出了使用预测误差直方图保留预测空间的方法，在一定限度上提高了嵌入容量。Cao等[26]利用稀疏表达的优势，提出了一种高容量可分离RDH-EI方法，大大提高了嵌入容量，但增加了图像所有者的计算负担。Yin等[17]提出了一种基于最高比特位预测和哈夫曼编码的密文域图像可逆信息隐藏方法。Yin等[18]提出了一种基于像素预测和比特平面压缩的密文域图像可逆信息隐藏方法。这两种方法[17-18]巧妙地使用像素预测和压缩增加了用于数据嵌入的预留空间。RRBE框架可以通过改进嵌入空间预留策略进一步提升密文域图像可逆信息隐藏方法的性能[26-29]。

2 细粒度嵌入空间预留策略

现有基于RRBE框架的RDH-EI方案无法实现细粒度嵌入空间预留，不能充分利用自然图像的空间相关性。如Yao等[5]、Ma等[6]、Zhang等[8]提出的方案，首先将自然图像分割为纹理与平坦区域，然后用标准的RDH算法将纹理区域的LSB平面嵌入平坦区域，以达到预留嵌入空间的目的，但该方案在图像分割时只能条带化预留嵌入空间，其将条带纹理复杂度定义为

虽然基于条带化的空间预留策略取得了良好的性能，但依然有较大的提升空间。Qiu等[7]提出的方案在图像分割时不再拘泥于条带化预留嵌入空间，而是图像块化预留嵌入空间。其对图像分割的依据有两个：一是图像块本身的空间相关性；二是在图像块上使用可逆广义整数变换算法[30]后是否会有像素溢出。该方案虽然在一定限度上利用了图像块的空间相关性，却忽视了块与块之间的空间相关性，而且不能针对不同纹理情况的图像自适应调整图像块大小。

将第个图像块按列顺序依次移至图像的上方，即可组成纹理区域A，剩余图像块采用同样方式可组成平坦区域B，图像分割前后图像块对应关系如图3所示。

Figure 3 Image block correspondence before and after segmentation

3 可逆信息隐藏方法实现

本文提出的FERR策略仍然基于RRBE框架，整个密文域可逆信息隐藏流程如图4所示。图像所有者以FERR策略为依据对图像做预处理，即图像分割、嵌入空间预留、图像加密、边信息嵌入，然后将加密图像上传至云服务器，云服务器将秘密数据嵌入加密图像中。在接收端，有数据提取权限的用户可以根据数据隐藏密钥准确无误地提取出秘密消息，有图像查看权限的用户可以根据加密密钥对图像进行解密，而具有双权限的用户可以在完整地提取出秘密数据的同时，无损地恢复载体图像。

3.1 数据嵌入

3.1.1 图像分割与嵌入空间预留

图4 基于FERR策略的RDH-EI流程

Figure 4 Flow chart of RDH-EI based on FERR strategy

根据边信息与待嵌入消息的长度，用数据加密密钥确定腾出空间的位置，即区域A的部分LSB平面用标准的RDH算法[31-32]（并不依赖特定的RDH算法）嵌入平坦区域B中。以SACHNEV等[31]提出的RDH算法为例，该算法将载体图像中的所有像素交错地分为黑像素和白像素两种，如图5所示。

图5 RDH算法对像素的分类

黑像素(,)的预测误差为

通过预测误差扩展与直方图平移技术，可以将消息比特嵌入黑像素(,)中，如式(15)～式(16)所示。

同样地，在所有黑像素中完成消息嵌入后，白像素可以用相邻的载密黑像素来进行插值估计，完成第二轮消息的嵌入。如此反复，可以实现多轮嵌入，大大提高了嵌入容量。为保证解密后图像的视觉质量，本文在使用RDH算法[31]时，至多嵌入8轮，然后将嵌入轮数同样纳入边信息中，以便在接收端能无损提取消息、恢复图像。

3.1.2 图像加密与边信息嵌入

然后计算像素位与伪随机位的逐位异或结果

则加密后位置(,)的像素灰度值为

这样便获得了密文域图像。再将边信息嵌入头部的LSB中，就得到了标记的密文域图像，云服务器通过读取带有的边信息，可以得知允许其嵌入秘密数据的像素点的位置。图像加密上传后，如果没有加密密钥，云服务器或者第三方非授权用户就无法访问原始图像，从而保护图像所有者的隐私。定义嵌入率（ER，embedding rate）为平均每像素嵌入的比特数，单位为bpp。当 bpp时，Lena图像的原始图像、重排图像和标记的密文域图像如图6所示。

Figure 6 Lena image

3.1.3 秘密消息嵌入

3.2 数据提取与图像恢复

图7 嵌入过程数据流向示意

Figure 7 Schematic of data transfer during the embedding

图8 Peppers图像

Figure 8 Peppers image

4 实验结果与分析

4.1 实验设置

为了验证本文提出的基于细粒度嵌入空间预留的密文域图像可逆信息隐藏方法的有效性，在实验部分重点针对载密图像质量进行性能测试，并对所提RDH-EI方法的安全性进行分析。

将基于细粒度嵌入空间预留的密文域图像可逆信息隐藏方法在Matlab R2016a中实现，并选取Ma等[6]和Qiu等[7]提出的密文域图像可逆信息隐藏方法作为对比。实验中使用峰值信噪比（PSNR，peak signal-to-noise ratio）和结构相似性（SSIM，structural similarity）评价载密图像相对于载体图像的视觉质量，PSNR的单位为dB。

4.2 载密图像质量

与Ma等[6]、Qiu等[7]提出的方法相比，在相同图像的条件下，嵌入率不同时，运用本文所提方法得到的解密图像的PSNR与SSIM值大多大于文献[6]和文献[7]的方法。以标准测试图像中的Lena图像、Mandrill图像和Peppers图像为例，3种方案的解密图像峰值信噪比与嵌入率关系（PSNR-ER）曲线如图9～图11所示，解密图像结构相似性与嵌入率关系（SSIM-ER）曲线如图12～图14所示。

本文所提方法不仅在大容量嵌入时具有较高的优越性，在小嵌入率的情况下也展现了优于文献[6]方法和文献[7]方法的性能。小嵌入率时的PSNR-ER曲线对比如图15～图17所示，SSIM-ER曲线对比如图18～图20所示。

图9 解密后的Lena图像的PSNR-ER曲线

Figure 9 PSNR-ER curves of decrypted Lena image

图10 解密后的Mandrill图像的PSNR-ER曲线

Figure 10 PSNR-ER curves of decrypted Mandrill image

图11 解密后的Peppers图像的PSNR-ER曲线

Figure 11 PSNR-ER curves of decrypted Peppers image

图12 解密后的Lena图像的SSIM-ER曲线

Figure 12 SSIM-ER curves of decrypted Lena image

图13 解密后的Mandrill图像的SSIM-ER曲线

Figure 13 SSIM-ER curves of decrypted Mandrill image

图14 解密后的Peppers图像的SSIM-ER曲线

Figure 14 SSIM-ER curves of decrypted Peppers image

为了验证本文所提方法的普适性，在图像数据集UCID和BOSSbase (v1.01)上对本文方法进行测试。在不同嵌入率下，对数据集中所有图像分别使用本文方法、文献[6]方法以及文献[7]方法，计算解密图像与原始图像的PSNR，并求出数据集的平均PSNR，所得结果如表1所示。

图15 小嵌入容量时解密后的Lena图像的PSNR-ER曲线

Figure 15 PSNR-ER curves of decrypted Lena image with small ER

图16 小嵌入容量时解密后的Mandrill图像的PSNR-ER曲线

Figure 16 PSNR-ER curves of decrypted Mandrill image with small ER

图17 小嵌入容量时解密后的Peppers图像的PSNR-ER曲线

Figure 17 PSNR-ER curves of decrypted Peppers image with small ER

表1中的黑体数字表示在相应嵌入率下3种不同方法可以取得的最大PSNR值。由图9～图20和表1可以看出，在不同嵌入率下，本文所提方法在标准测试图像和图像数据集UCID、BOSSbase上的解密图像视觉质量均优于文献[6]方法和文献[7]方法，且在嵌入率较小时本文方案优势更为明显。

表1 不同嵌入率下在图像数据集上使用不同方案得到的解密图像平均PSNR

实验表明，相比较于传统的嵌入空间预留策略，本文所提出的运用FERR策略的RDH-EI方法在嵌入容量、解密图像视觉质量（用PSNR和SSIM度量）和实用性（数据提取过程与图像解密过程实现完全分离）等方面均具有明显的优势。

图18 小嵌入容量时解密后的Lena图像的SSIM-ER曲线

Figure 18 SSIM-ER curves of decrypted Lena image with small ER

图19 小嵌入容量时解密后的Mandrill图像的SSIM-ER曲线

Figure 19 SSIM-ER curves of decrypted Mandrill image with small ER

图20 小嵌入容量时解密后的Peppers图像的SSIM-ER曲线

Figure 20 SSIM-ER curves of decrypted Peppers image with small ER

4.3 安全性分析

基于细粒度嵌入空间预留的密文域图像可逆信息隐藏方法的安全性包括图像内容安全性和嵌入消息安全性。

4.3.1 图像内容安全性

4.3.2 嵌入消息安全性

5 结束语

本文提出了一种细粒度嵌入空间预留策略，根据实际载体图像纹理情况和嵌入信息大小自适应调整预留空间尺寸大小，将非相邻图像块重新排列，构成纹理区域和平坦区域进行信息嵌入。实验表明，本文所提出的基于细粒度嵌入空间预留策略的密文域图像可逆信息隐藏方法能够提炼并解决适配图像内容的预留空间尺寸优化问题，嵌入性能提升显著，同时可以获得高质量解密图像，具有较高的安全性。

随着云数据管理中对隐私保护的要求越来越高，对加密图像中的可逆信息隐藏技术的性能要求日益提升。由于同一图像不同区域的纹理情况也有可能差异较大，受视频编码技术中帧内宏块划分策略的启发，本文所提方法可以采用更为灵活的图像内可变尺寸块，从而进一步提升嵌入性能与图像视觉质量。可视水印技术在识别所有权和阻止恶意侵犯版权的行为中有着巨大的作用，可以将细粒度嵌入空间预留策略迁移至可视水印技术，从而提高带水印图像的视觉质量，图像细节内容不会因嵌入水印而有所丢失，实用性将大大提高。

[1] 李凤华, 李晖, 贾焰, 等. 隐私计算研究范畴及发展趋势[J]. 通信学报, 2016, 37(4): 1-11.

LI F H, LI H, JIA Y, et al. Privacy computing: concept, connotation and its research trend[J]. Journal on Communications, 2016, 37(4): 1-11.

[2] 李凤华, 孙哲, 牛犇, 等. 跨社交网络的隐私图片分享框架[J]. 通信学报, 2019, 40(7): 1-13.

LI F H, SUN Z, NIU B, et al. Privacy-preserving photo sharing framework cross different social network[J]. Journal on Communications, 2019, 40(7): 1-13.

[3] LI F H, LI H, NIU B, CHEN J J. Privacy computing: concept, computing framework, and future development trends[J]. Engineering, 2019, 5(6): 1179-1192.

[4] 张亮轩, 李晖. 云计算中支持有效用户撤销的多授权方基于属性加密方案[J]. 网络与信息安全学报, 2016, 2(2): 62-74.

ZHANG L X, LI H. Multi-authority attribute-based encryption with efficient user revocation in cloud computing [J]. Chinese Journal of Network and Information Security, 2016, 2(2): 62-74.

[5] YAO Y Z, ZHANG W M, WANG H, et al. Content-adaptive reversible visible watermarking in encrypted images June[J]. Signal Processing, 2019, 164(11): 386-401.

[6] MA K D, ZHANG W M, ZHAO X F, et al. Reversible data hiding in encrypted images by reserving room before encryption [J]. IEEE Transactions on Information Forensics and Security, 2013, 8(3): 553-562.

[7] QIU Y Q, YING Q C, LIN X D, et al. Reversible data hiding in encrypted images with dual data embedding[J]. IEEE Access, 2020, 8: 23209-23220.

[8] ZHANG W M, MA K D, YU N H. Reversibility improved data hiding in encrypted images[J]. Signal Processing, 2014, 94(1): 118-127.

[9] HU X C, ZHANG W M, YU N H, et al. Fast estimation of optimal marked-signal distribution for reversible data hiding[J]. IEEE Transactions on Information Forensics and Security, 2013, 8(5): 779-788.

[10] ZHANG X P, QIAN Z X, FENG G R. Efficient reversible data hiding in encrypted images[J]. Journal of Visual Communication and Image Representation, 2014, 25(2): 322-328.

[11] 杨杨, 张卫明, 侯冬冬, 等. 具有对比度增强效果的可逆信息隐藏研究进展与展望[J]. 网络与信息安全学报, 2016, 2(4): 12-20.

YANG Y, ZHANG W M, HOU D D, et al. Research and prospect of reversible data hiding method with contrast enhancement [J]. Chinese Journal of Network and Information Security, 2016, 2(4): 12-20.

[12] BRAR A S, KAUR M. Reversible watermarking techniques for medical images with ROI-temper detection and recovery - a survey [J]. International Journal of Emerging Technology and Advanced Engineering, 2012, 2(1): 32-36.

[13] YIN Z X, LUO B, HONG W. Separable and error-free reversible data hiding in encrypted image with high payload [J]. The Scientific World Journal, 2014, (2014): 604876.

[14] YIN Z X, ABEL A, ZHANG X P, et al. Reversible data hiding in encrypted image based on block histogram shifting [C]//2016 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). 2016: 2129-2133.

[15] PUTEAUX P, PUECH W. An efficient MSB prediction-based method for high-capacity reversible data hiding in encrypted images [J]. IEEE Transactions on Information Forensics and Security, 2018, 13(7): 1670-1681.

[16] YI S, ZHOU Y C. Separable and reversible data hiding in encrypted images using parametric binary tree labeling [J]. IEEE Transactions on Multimedia, 2019, 21(1): 51-64.

[17] YIN Z X, XIANG Y Z, ZHANG X P. Reversible data hiding in encrypted images based on multi-MSB prediction and Huffman coding[J]. IEEE Transactions on Multimedia, 2020, 22(4): 874-884.

[18] YIN Z X, PENG Y Y, XIANG Y Z. Reversible data hiding in encrypted images based on pixel prediction and bit-plane compression [J]. IEEE Transactions on Dependable and Secure Computing, 2020: 1.

[19] CELIK M U, SHARMA G, TEKALP A M, et al. Lossless generalized-LSB data embedding[J]. IEEE Transactions on Image Process, 2005, 14(2): 253-266.

[20] TIAN J. Reversible data embedding using a difference expansion [J]. IEEE Transactions on Circuits and Systems for Video Technology, 2003, 13(8): 890-896.

[21] LI X L, ZHANG W M, GUI X L, et al. Efficient reversible data hiding based on multiple histograms modification[J]. IEEE Transactions on Information Forensics and Security, 2015, 10(9): 2016-2027.

[22] ZHANG X P. Reversible data hiding with optimal value transfer[J]. IEEE Transactions on Multimedia, 2013, 15(2): 316-325.

[23] ZHANG X P. Reversible data hiding in encrypted image[J]. IEEE Signal Processing Letters, 2011, 18(4): 255-258.

[24] HONG W, CHEN T S, WU H Y. An improved reversible data hiding in encrypted images using side match[J]. IEEE Signal Processing Letters, 2012, 19(4): 199-202.

[25] ZHANG X P. Separable reversible data hiding in encrypted image [J]. IEEE Transactions on Information Forensics and Security, 2012, 7(2): 826-832.

[26] CAO X C, DU L, WEI X X, et al. High capacity reversible data hiding in encrypted images by patch-level sparse representation[J]. IEEE Transactions on Cybernetics, 2016, 46(5):1132-1143.

[27] YI S, ZHOU Y C. Binary-block embedding for reversible data hiding in encrypted images[J]. Signal Processing, 2017, 133: 40-51.

[28] CHEN K M, CHANG C-C. High-capacity reversible data hiding in encrypted images based on extended run-length coding and block-based MSB plane rearrangement[J]. Journal of Visual Communication and Image Representation, 2019, 58: 334-344.

[29] LONG M, ZHAO Y, ZHANG X, et al. A separable reversible data hiding scheme for encrypted images based on Tromino scrambling and adaptive pixel value ordering[J]. Signal Processing, 2020, 176: 107703.

[30] WANG X, LI X L, YANG B, et al. Efficient generalized integer transform for reversible watermarking[J]. IEEE Signal Processing Letters, 2010, 17(6): 567-570.

[31] SACHNEV V, KIM H J, NAM J, et al. Reversible watermarking algorithm using sorting and prediction [J]. IEEE Transactions on Circuits and Systems for Video Technology, 2009, 19(7): 989-999.

[32] LUO L X, CHEN Z Y, CHEN M, et al. Reversible image watermarking using interpolation technique[J]. IEEE Transactions on Information Forensics and Security, 2010, 5(1): 187-193.

Reversible data hiding in encrypted images based on fine-grained embedding room reservation

LI Jinwei, ZHANG Xiaoya, YAO Yuanzhi, YU Nenghai

School of Information Science and Technology, University of Science and Technology of China, Hefei 230027, China

Reversible data hiding in encrypted images has attracted considerable attention due to the privacy-preserving requirement for cloud data management. The good performance in this area can be achieved by using the existing framework of reserving room before encryption, where the image is partitioned to two independent slices consisting of blocks and then traditional reversible data hiding techniques are utilized to vacate room. In order to better exploit the spatial correlation of images, a fine-grained scalable embedding room reservation strategy in which blocks were rearranged to constitute the textured slice and the smooth slice was proposed. The block-size can be adjusted adaptively according to the texture of the images and the size of room to be vacated. The original locations of these blocks were efficiently represented as the to-be-embedded auxiliary information for image restoration. Because pixels in the smooth slice are easier to be predicted, the smooth slice can contain more pixel bits from the textured slice to reserve more room and fewer embedding distortions are induced with traditional reversible data hiding techniques. Extensive experiments demonstrate the merits of the proposed method in terms of embedding capacity and image quality.

reversible data hiding, spatial correlation, fine-grained embedding room reservation, prediction error expansion, histogram shifting

s:The National Key R&D Program of China (2018YFB0804102), The National Natural Science Foundation of China (61802357), The Fundamental Research Funds for the Central Universities (WK3480000009)

TP309.2

A

10.11959/j.issn.2096−109x.2022008

2021−08−31；

2021−10−07

姚远志，yaoyz@ustc.edu.cn

国家重点研发计划（2018YFB0804102）；国家自然科学基金（61802357）；中央高校基本科研业务费专项资金（WK3480000009）

李锦伟, 张晓雅, 姚远志, 等. 基于细粒度嵌入空间预留的密文域图像可逆信息隐藏方法[J]. 网络与信息安全学报, 2022, 8(1): 106-117.

Format: LI J W, ZHANG X Y, YAO Z Y, et al. Reversible data hiding in encrypted images based on fine-grained embedding room reservation[J]. Chinese Journal of Network and Information Security, 2022, 8(1): 106-117.

李锦伟（1997− ），男，安徽蚌埠人，中国科学技术大学硕士生，主要研究方向为信息隐藏、隐私保护和媒体内容安全。

张晓雅（1998− ），女，河北衡水人，中国科学技术大学硕士生，主要研究方向为信息隐藏、隐私保护和媒体内容安全。

姚远志（1989− ），男，安徽望江人，博士，中国科学技术大学副研究员，主要研究方向为信息隐藏和视频编码。

俞能海（1964− ），男，安徽无为人，博士，中国科学技术大学教授、博士生导师，主要研究方向为图像视频处理与分析、计算机视觉与模式识别、信息隐藏与媒体内容安全、信息检索与数据挖掘。