針對醫學影像之可逆資訊隱藏技術
A Reversible Data Hiding Scheme for Medical
Images
黃樹乾 林明順 屏東教育大學資訊科學系 屏東教育大學資訊科學系 schuang@mail.npue.edu.tw bm096109@mail.npue.edu.tw 摘要-在本研究中,我們將 針對醫學灰階影 像先利用前置處理使得 0 至 255 的像素值範圍影 像轉成範圍為 1 至 254 像素值影像,再使用奇數 行與偶數行的分類, 利用歐基里德距離算出鄰近 像素之權重提出預測方法,使用於直方圖之可逆 式資訊隱藏技術。本研究中,利用預測方式求出 像素值,再以預測值與原像素之差值來產生直方 圖,然後將差值分為正數含 0 及負數兩部分,再 分別取具有最高點的差值作為資訊的嵌入。我們 以醫學影像作測試,實驗結果顯示,本提出方法 具有高容量及低失真的特點。 關鍵詞-預測式、可逆式資訊隱藏一、 緒論
近年來,隨著資訊技術的進步,網際網路廣 泛運用,而且任何資訊都可以轉換成數位資料, 透過網路廣泛地傳播與散佈,不論是在法律、軍 事、媒體、醫學…等,在數位科技所帶來的便利 中,卻藏有潛在問題,例如隱私權、智慧財產權 保護;著作的竄改或偽造;資訊的竊取、監聽… 等,如何避免在傳輸過程中遭到任意的竄改、偽 造、監聽…等,因此資訊隱藏技術備受注視。資 訊隱藏技術為將訊息隱藏於多媒體之中而產生 偽裝多媒體,這些偽裝多媒體具不易察覺性而達 到安全的資訊傳送及有效的保護資訊。而現今的 資 訊 隱 藏 技 術 以 數 位 浮 水 印 ( Digital Watermarking)及偽裝學(Steganography)為兩 大熱門技術。 數位浮水印讓影像藏入認證資訊,避免遭受 修改。所以數位浮水印著重於藏入的資訊之強韌 性,通常此技術將資訊隱藏到預保護影像中,當 需要時再萃取出,以達認證效果。然而藏入資訊 的 偽 裝 影 像 , 影 像 具 有 不 可 察 覺 性 (Imperceptibility),但是通常在過程中,造成影 像不可回復。 偽裝學探討影像資訊隱藏(Data Hiding)為 重點,強調對原始影像能維持不錯品質的情況 下,能儘量在影像中藏入更多訊息,產生偽裝影 像(Stego-image),使這些偽裝影像於傳輸過程 中,不會引起其他人的懷疑。但是在強調高容量 的情況下,又希望影像品質不受太大影響,因此 如何去平衡提高負載度容量(Capacity)和不可 察覺性兩種特性的議題極為重要。 在這些影像資訊隱藏技術中,有些技術往往 於擷取資訊完後,仍使原始影像失真,無法完全 回復,雖然只是些微的被破壞與失真,以肉眼看 不出差異性,但是在某些特定專門領域上,例如 醫學影像診斷,是不被允許的。因此可逆的資訊 隱藏技術,改善影像不回復問題,和必需滿足高 容量及不可察覺性,如何在兩者之間取得平衡,是目前可逆式資訊隱藏相關研究的最大課題。
二、文獻探討
目前大部份可逆式資訊隱藏 [1-12],是以灰 階影像作輸入,也有一些是以二元影像或彩色的 影像作輸入,以下將探討 Ni 學者等人[7]的方法。 Ni 學者等人提出以直方圖(Histogram)方 式,統計出每個灰階值的出現次數,再針對出現 次數最高之灰階值作為可逆式資訊隱藏技術。其 演算法如下: 步驟 1:先將圖的各個 pixel 的灰階值以直方圖統 計次數,然後找出最高點及 0 點,設分別為 , a b。 步驟 2:若 a b> ,將介於a b, 的 pixel 之灰階值均 減 1,pixel 之灰階值範圍將變為[
b a, − ,若1]
a < b,將介於a b, 的 pixel 之灰階值均增加 1, pixel 之灰階值範圍將變為[
a+1,b]
。 步驟 3:針對最高點之 pixel 的灰階值進行嵌入, 假設欲嵌入資訊為 w ,w∈{ }
0,1 。當 a b> , 藏入資訊 w=1 時,pixel 的灰階值不變,否則 pixel 的灰階值加 1;當a< ,藏入資訊 w=1b 時,pixel 的灰階值不變,否則 pixel 的灰階值 減 1。 步驟 4:輸出偽裝影像。 在 Ni 學者等人所提出的方法,在擷取及回 復原影像時,需要有最高點的 pixel 之灰階值 a 、 0 點的 pixel 之灰階值b 以及藏入資訊的大小,其 擷取與影像回復演算法如下: 步驟 1:讀取a b, 及藏入資訊的大小。 步驟 2:判斷a b, 之大小: Case 1: 若a> ,表示 a 及b a− 藏有資訊,當偽1 裝影像 pixel 之灰階值為 a 時,表示藏入資訊 0 w= ,pixel 之灰階值不變;當 pixel 之灰階 值為a− 時,表示藏入1 w= ,並將 pixel 之1 灰階值加 1 回復;當 pixel 之灰階值介於[
b a, − 時,表示沒有藏入任何資訊,並將1)
pixel 之灰階值加 1 回復;其餘 pixel 之灰階 值,表示沒有藏入任何資訊,pixel 之灰階值 不作任何改變。 Case 2: 若a< ,表示 a 及b a+ 藏有資訊,當偽1 裝影像 pixel 之灰階值為 a 時,表示藏入資訊 0 w= ,pixel 之灰階值不變;當 pixel 之灰階 值為a+ 時,表示藏入1 w= ,並將 pixel 之1 灰階值減 1 回復;當 pixel 之灰階值介於(
a+1,b]
時,表示沒有藏入任何資訊,並將 pixel 之灰階值減 1 回復;其餘 pixel 之灰階 值,表示沒有藏入任何資訊,pixel 之灰階值 不作任何改變。 步驟 3:輸出藏入的資訊及還原後的影像。 例如影像資訊如圖1(a)所示, 可得直方 圖見圖1(b)。由直方圖可找出最高點a=157, 及0點b=162,將介於[
157,162]
之間pixel之灰階值 加1,得到圖1(c)及圖1(d)。假設欲藏入資訊 w 為0000 1111 0101 10 0 w= ,由左而右,由上而下, 逐一對pixel為158作嵌入動作:若 ,則pixel 之灰階值變為157;若w= ,則pixel之灰階值保1 持不變,仍為158,最後可以得到偽裝影像圖1(e) 和直方圖圖1(f)。 在擷取與影像還原時,由於知道最高點pixel 之灰階值為157及0點pixel之灰階值為162,而且 157 162< ,表示在偽裝影像中,pixel之灰階值若 為157,表示藏有資訊w= ,其原始pixel為157;0 若pixel之灰階值為158,表示藏有資訊w= ,其1 原 始 pixel 為 157 ; 若 pixel 之 灰 階 值 為 介 於(
158,162 ,則表示沒有藏入任何資訊,並將pixel]
之灰階值減1,即為其原始的pixel之灰階值;其 餘pixel之灰階值,表示沒有藏入任何資訊,並且 不作任何變動。當擷取完畢,即能得到藏入資訊 為0000 1111 0101 10,以及原始影像為圖1(a)。三、 我們提出的方法
本研究針對醫學灰階影像提出可逆式資訊 隱藏技術,希望能達到高容量的藏量及高品質的 偽裝影像,使得醫學影像中能藏入更多資訊,且 不易被發現嵌有資訊。關於嵌入方法、擷取與影 像回復方法的流程,詳見圖 2 與圖 3。 (一) 嵌入方法 初始化:設evod = 表示從奇數行開始。 1 步驟 1(影像前處理):為了避免在嵌入過程中, 欲嵌入的 pixel 之灰階值可能為 0 或 255,在 位移時可能有 overflow 或 underflow 問題,所 以在嵌入前先將影像作前處理:將所有 pixel 之灰階值作直方圖表示,分別找出灰階值落 於[0,GT]和[255-GT,255] 之像素點,設 t1 與 t2 分別是[0,GT]和[255-GT,255]範圍中像素點最 少的灰階值,將 t1,t2 以及這些灰階落於 t1,t2 的 pixel 之 x,y 座標記錄在 oh1, 範圍[0,t1)的 像素點灰階值均加 1, 範圍(t2,255]的像素點 灰階值均減 1, 前處理後得到的影像不包含 有灰階是 0 或 255 的像素點,oh1 則合併到欲 嵌入的機密資訊而成一二元字串。 步驟 2:如圖 4(a)所示,利用歐基里得距離給 予 pixel x 鄰近 6 個 pixel 權重 k,其中權重值 k 將 滿 足 6 1 1 i i k = =∑
, 且 1 3 4 6 2 2 2 5 k =k =k =k = k = k 。經由計算後可 得各權重值 k 如圖 4(b)所示。例如圖 4(c) 所示,可求出預測值 ˆx :(
)
(
)
2 2 2 1 ˆ 59 64 58 62 64 62 4 2 61 x= − + + + + − + = 本方法對第一行、第一列、最後一行及最後 一列不作預測及嵌入動作:若evod = 則預測1 所有奇數行,evod=0 則預測所有偶數行。求 出預 測值後,計算 預測值 ˆx 與原值 x 的差 ˆ d= − ,並以直方圖顯示各差值出現次數。 x x 步驟 3:將差值 d 分為正數含 0 及負數兩部分, 分別找出最高點及 0 點,將資訊嵌入於最高 點,並將具有最高點(peak)之差值 p p 和1, 2 0(zero)點之差值z z 記錄在1, 2 oh 。然後分別2 將差值介於[P1+1, Z1-1]及[Z2+1, P2-1]之間 的差值 d 位移, 得到新的差值 d′ ,即 (1) 步驟 4:讀取欲藏入的資訊 w,在d′ = 或p1 d′ = p2 嵌入資訊,若 w=0,差值保持不變;若嵌 入 資 訊 w=1 , 那 麼 d′ = p1+1 或 2 1 d′ = p − ,如下算式所示,直到最高點之 差值 d 均使用過或是資訊藏完。 1 1 2 2 , if 0, 1 , if 1, ' , if 0, 1 , if 1, d w d p d w d p d d w d p d w d p = = + = = = = = − = = (2) 步驟 5:將預測值 ˆx 與新的差值相減,即可得到 偽裝影像的像素灰階值。計算 evod=(evod+1) mod 2,如果evod= ,返回步驟 2,否則下一0 步。 步驟 6:將oh 當為金鑰,並輸出偽裝影像。 2 以圖 1(a)為例,先預測奇數行,得到圖 5(a)。算出預測值 ˆx 與原值 x 之差值 d ,並作出 其直方圖,分別為圖 5(b)、圖 5(c)。假設欲 藏入資訊 w 為0000 1111 0101 10 w ,為了方便舉 例,在此亦假設奇數行藏完後所剩之 已包含奇 數行的 p p z z 。正數含 0 部份1, 2, ,1 2 p1=0,z1= ,5 將差值介於
[ ]
1, 5 部份均加 1,即d′ = + ;負數d 1 部份p2 = −1,z2 = − ,將差值3 d = − 部份減 1,即2 1 3 d′ = − = − ,經嵌入後可得新的差值 d′,如圖d 5(d)。然後利用預測值 ˆx 減掉新的差值 d′ ,即 可得到藏於奇數行的偽裝影像,如圖 5(e)。再 來利用圖 5(e)預測偶數行部份,可得圖 5(f), 並算出差值 d 及其直方圖,分別為圖 5(g)和圖 5(h)。由直方圖可得正數含 0 部份 p1=0,z1 = ;1 負數部份p2 = −2,z2 = − ,所以差值介於7[
− −3, 7]
均減 1,即d′ = − ,再經由嵌入式後,可得新d 1 的差值 d′ ,如圖 5(i)所示。最後利用預測值 ˆx 減掉新的差值 d′,即可得到藏完一次後的偽裝影 像,如圖 5(j)所示。 (二) 擷取與影像回復方法 初始化:evod = 。 0 步驟 1:若evod = ,則預測所有奇數行,若1 evod=0 則預測所有偶數行。計算出預測值 ˆx 與 偽 裝 影 像 的 灰 階 值 x′ 之 差 值 d′ , 即 ˆ d′= − 。 x x′ 步驟 2:由金鑰可以得知 p p z z 。若差值1, 2, ,1 2 1 d′ = 或p d′ = ,表示嵌有p2 w= ,原始差值0 d = ;若差值d ′ d′ = p1+ 或1 d′ = p2− ,則表1 示 嵌 有 w= , 原 始 差 值 分 別 為1 d = p1及 2 d = ;將介於p[
p1+2,z1]
及[
z p2, 2− 之差值2]
d ′ 分別減 1 與加 1 位移得到 d;其餘 d = 。 d ′ 步驟 3:預測值 ˆx 與差值 d 相減,回復影像像素 值,即x= − 。 x dˆ步驟 4:計算 evod=(evod+1) mod 2,若evod = ,1
返回步驟 1,否則下一步。 步驟 5:輸出所得灰階影像與藏入的機密資訊, 再從機密資訊中取出 oh1 以得到有灰階是 0 或 255 的原始影像。 以 圖 5 ( j ) 為 例 , 由 金 鑰 可 以 得 知 1 0, 2 2, 1 1, 2 7 p = p = − z = z = − 。因為evod= ,表0 示最後藏入為藏入偶數行,所以先預測所有偶數 行,再計算差值 d′。然後利用最高點及 0 點將差 值 d′ 回復回原始差值 d ,並擷取出機密資訊 w , 再用預測值 ˆx 和回復後的差值 d 回復影像,可以 得到圖 5(e)。因 為evod = ,所以下一步驟為0
(
1 mod 2)
(
0 1 mod 2 1)
evod = evod+ = + = ,表示再來 要還原奇數行部份。再以類似偶數行的還原步 驟,逐一擷取出資訊 w 並回復影像,最後可得到 影像圖 5(a)及所藏入的資訊。四、 實驗結果
我們將針對三張醫療影像作實驗如圖 6,其 直方圖見圖 7,並以 PSNR(Peak Signal-to-Noise Ratio)驗證偽裝影像品質,求 PSNR 值其算式如 下式所示: 2 10 255 10 log PSNR MSE = × (3) 其中(
)
1 2 0 1 N i i i MSE p p N − = ′ =∑
− ,p 表示原始影像之i 第i個 pixel 的灰階值,共有 N 個 pixel,p′表示 偽裝影像之第i個 pixel 灰階值。一般而言,當 PSNR 高於 35,以人的肉眼是幾乎看不出偽裝影 像與原始影像的差異。 本研究將與 Ni 學者等人方法作比較。由表 1 可明顯看出圖 6(a)與 6(b)的數據容量本方 法均比 Ni 學者等人方法好,PSNR 值則很相近。 另外觀察圖 6(c)的數據,可以發現圖 6(c)影像大多數的像素灰階值非常接近於 0,因此使 用本法在前處理過程,導致 PSNR 降低較多。但 是整體而言,本法所提出之方法,改善了 Ni 學 者等人所提出的方法。
五、 結論與未來方向
本研究中,在嵌入過程,加上了影像前處 理,移除 灰階值為 0 或 255 的灰階醫學影像的像 素點,避免掉 overflow 或 underflow 的情形。我 們使用分別對奇數行與偶數行的方式作權重預 測,利用差值的直方圖修正作資料的嵌入,由實 驗數據中,說明容量高於 Ni 學者等人提出之方 法,且 PSNR 均高於 47。 未來亦可考慮將影像切割成多種區塊,然後 在特定的區塊上做預測嵌入的動作。例如將影像 分成邊區域(edge area)及平滑區域(smooth area),對於邊區域的嵌入,在視覺上,比較不易 被察覺,但在嵌入容量上往往會比平滑區域少; 平滑區域部份,通常可嵌入容量非常高,但是嵌 入後,容易被發現藏有資訊。因此利用區塊的分 類,如何在容量以及可察覺性上取得平衡,在未 來方面,可以實驗驗證。六、 參考文獻
[1] A.M. Alattar, “Reversible Watermark Using the Difference Expansion of Generalized Integer Transform”, IEEE Transactions on Image Processing, Vol. 13, No. 8, pp. 1147-1156, 2004.
[2] H.L. Jin, M. Fujiyoshi and H. Kiya, “Lossless Data Hiding in the Spatial Domain for High Quality Images”, IEICE Trans. Fundamentals, Vol. E90-A, No. 4, pp. 771-777, 2007.
[3] S. Lee, C.D. Yoo, and T. Kalker, “Reversible image watermarking based on integer-to-integer wavelet transform”, IEEE
Transactions on Information Forensics Security, Vol. 2, No. 3, pp. 321-330, 2007.
[4] C.C. Lin, W.L. Tai and C.C. Chang, “Multilevel Reversible Data Hiding Based on Histogram Modification of Difference Images”, Pattern Recognition, Vol. 41, No. 12, pp. 3582-3591, 2008.
[5] C.L. Liu, D.C. Lou and C.C. Lee, “Reversible Data Embedding Using Reduced Difference Expansion”, IEEE Intelligent Information Hiding and Multimedia Signal Processing, Vol. 1, pp. 433-436, 2007.
[6] D.C. Lou, M.C. Hu and J.L. Liu, “Multiple Layer Data Hiding Scheme for Medical Images”, Computer Standards & Interfaces, Vol. 31, No. 2, pp. 329-335, 2009.
[7] Z. Ni, Y.Q. Shi, N. Ansari, and W. Su, “Reversible Data Hiding”, IEEE Transaction on Circuits and Systems for Video Technology, Vol. 16, No. 3, pp. 354-362, 2006.
[8] J. Tian, “Reversible Data Embedding Using a Difference Expansion”, IEEE Transactions on Circuits and System for Video Technology, Vol. 13, No. 8, pp. 831-841, 2003.
[9] P. Tsai, Y.C. Hu, and H.L. Yeh, “Reversible Image Hiding Scheme Using Predictive Coding and Histogram Shifting”, Signal Processing, Vol. 89, Issue 6, pp. 1129-1143, 2008.
[10] H.W. Tseng and C.C. Chang, “An Extended Difference Expansion Algorithm for Reversible Watermarking”, Image and Vision Computing, Vol. 26, No. 8, pp. 1148-1153, 2008.
[11] S.W. Weng and Y. Zhao, “Lossless Data Hiding Based on Companding Technique and Difference Expansion of Triplets”, IEICE
Trans. Fundamentals, Vol. E90-A, No. 8, pp. 1717-1718, 2007.
[12] C.C. Lin and N.L. Hsueh, “A Lossless Data Hiding Scheme based on Three-pixel Block
Differences”, Pattern Recognition, Vol. 41, No. 4, pp. 1415-1425, 2008. 圖 1(c) 圖 1(d) 圖 1(a) 圖 1(b)
圖 1(e) 圖 1(f) 圖 1. Ni 學者等人方法的範例
圖 4(a) 圖 4(b) 圖 4(c) 圖 4. 使用權重預測之圖示 圖 5(a) 圖 5(b) 圖 5(c) 圖 5(d) 圖 5(e) 圖 5(f) 圖 5(g) 圖 5(h) 圖 5(i) 圖 5(j)
圖 5. 使用本方法之範例 圖 6(a) 圖 6(b) 圖 6(c) 圖 6. 三張實驗影像,影像大小:(a)450×417,(b)508×424, (c)256×256 圖 7(a) 圖 7(b) 圖 7(c) 圖 7. 三張實驗影像之直方圖 表 1. 本法與 Ni 學者等人方法之比較 圖 6 我們提出之方法 Ni 學者等人方法 容量 (bit) PSNR (dB) 容量 (bit) PSNR (dB) (a) 148,918 50.39 16,591 49.24 (b) 166,029 49.09 19,287 50.45 (c) 43,693 47.07 33,501 49.86