用于高容量与视觉保真图像隐写的闭式子带分配

《Journal of Information Security and Applications》：Closed-form subband allocation for high-capacity and visually faithful image steganography

　　

**整数小波域隐写的闭合形式子带分配**
- 采用有界216态枚举法求解离散率失真优化问题
- 推导并验证精确离散MOPAP失真律，与空间域MSE一致
- 达到4.1 bpp容量且PSNR ≥ 33.0 dB，在34项测试中的33项超越基线
- 即插即用的分配机制可直接推广至DCT、彩色和视频领域

**引言**

在数字图像隐写中，平衡视觉不可察觉性与高嵌入容量始终是一项核心挑战[1]。任何嵌入操作都会修改像素强度值，而这种修改的程度既决定了可隐藏多少载荷，也决定了这种改变对人为观察者或自动隐写分析器的可见程度。传统的空间域方法，包括基于边缘的LSB方案[2]和基于AMBTC的框架[3]，虽然嵌入逻辑简单，却面临一个硬性天花板：将载荷密度推高至约3.0 bpp以上时，高纹理区域会被耗尽，并在平滑区域产生可见失真。加密域可逆数据隐藏方案结合无损图像编码，已将嵌入容量推至远超传统空间域限制的水平[4]，[5]，然而一旦空间预算饱和，每系数的失真仍随载荷单调增长。此类高容量隐蔽嵌入支撑两大广泛应用领域：一是视觉内容保护，即嵌入版权元数据或数字指纹以实现内容认证；二是安全视觉通信，即将敏感数据隐蔽于无害的载体图像中以进行隐蔽传输。

为克服空间域嵌入固有的容量限制，高容量隐写模型逐步向变换域过渡。Gulve和Joshi于2015年建立了一个结构性基线，证明整数小波变换（IWT）为承载大量载荷提供了有效的暂存机制[6]。后续研究拓展了对这些分解子带的映射，将IWT与八方向像素值差分（PVD）[7]等空间技术相结合。这条研究路线催生了参数化整数小波变换（PIWT），该方案通过整数提升方案保证比特级精确的逆变换[8]。与连续DWT不同，PIWT消除了系数舍入过程中累积的分数截断漂移，使得无损载荷恢复成为可能而无需残余校正。

先前的优化架构频繁依赖元启发式估计器，主要是粒子群优化（PSO）[9]和遗传算法（GA）[10]、[11]。两者均存在随迭代次数和种群规模而扩展的逐图像计算复杂度，且均不保证收敛至全局最优——这一局限性与时延敏感的安全通信流水线不兼容。无载体信息隐藏方案，包括基于概率图的框架[12]，也作为替代方案被探讨过，尽管这些方法相比变换域嵌入面临根本性的容量限制。针对这些算法约束，我们在PIWT提升方案[13]、[14]以及Al-Ashwal等人的MOPAP误差边界机制[8]基础上，做出以下原创贡献。PIWT变换和MOPAP组件本身并不声明为新方法；我们的贡献在于解析分配层，将其转化为可认证最优的实时框架：

1. **MOPAP有界嵌入的闭合形式失真律（含精确离散细化）**。我们证明，在连续均匀近似下，嵌入深度为k的MOPAP校正系数具有期望平方误差??[δ2]=(4k?1)/12，并从MOPAP校正所诱导的环绕均匀分布推导出精确离散律??[δ2]=(4k?1)/12+1/4（命题1，3.3节MOPAP的理论失真模型）。文献[8]中不存在此类针对MOPAP的失真模型；该使能公式使得子带分配可解析求解。

2. **常数时间有界枚举认证全局最优**。分配问题归约为至多(Kmax+1)^{L+1}=216个状态（L=2, Kmax=5）的有限整数格，每个状态可在0.20 ms内以闭合形式评估。完全枚举确定性地且可重复地认证全局最小值——取代了带来O(I·P·N)逐图像成本且不提供收敛证明的随机性GA/PSO搜索。参数搜索与分辨率无关（O(1)）；嵌入和提取保持线性O(N)系数遍历。

3. **最小k暴露原则作为形式化设计规则**。一条解析设计规则，阐明为何全局MSE最小值严格地将最大深度嵌入（Kmax）限制在最小子带组内，可复用于任何基于提升的整数小波变换（第4.1节）。

4. **两种具有可预测失真边界的部署策略**。AllBand模式将载荷吞吐量最大化至4.1 bpp，HF-Only模式将修改限制在细节子带以实现经典统计透明性。

所提出的分配原则在任意正交或多通道表示中具有根本性的可复用性。具体而言，任何将变换空间划分为M个子带并配以固定几何权重wi=Ni/N（∑wi=1）及有界失真函数Di(ki)的系统，均直接继承我们的闭合形式目标J(k)=∑_{i=1}^M wi·Di(ki)和瞬时O(1)有界求解器。这使得可以方便地即插即用地适配于分块DCT系数、多通道颜色空间（YCbCr/Lab）或视频残差域（HEVC/H.264/VVC），而无需重新设计优化引擎。

**背景**

空间域方法如LSB替换[15]和像素值差分（PVD）[16]定义了图像隐写的第一代方法。两者均易于实现；两者均在约3.0 bpp附近遭遇硬性容量天花板——超过该点后，嵌入会耗尽高纹理边缘区域并破坏平滑区域。采用双图像编码的改进LSB匹配策略已被提出以增强嵌入不可察觉性并抵抗序列隐写分析[17]，但空间域的

**参数化整数小波变换（PIWT）**

在整数系数域实现无损载荷恢复要求每个变换系数都能精确映射回其原始整数值——由于逆变换过程中的舍入，标准浮点DWT无法保证这一性质[24]。参数化整数小波变换（PIWT）通过完全基于整数运算的提升方案[13]、[14]构建其分解来解决这一问题，使得在整数域中逆变换映射由构造即为比特精确。给定一个

**最小k暴露原则**

高容量隐写需要最小化累积嵌入失真[14]、[26]。为对抗式(7)中的指数级失真增长，我们提出最小k暴露原则：全局率失真最优通过将所有最大位深操作（Kmax）限制在最小的、数值稳定的变换系数子集来达到。

关于此分配性质的澄清很重要。该方法具有载荷自适应特性：给定目标bpp，求解器

**实验结果与讨论**

所提出的PIWT-MOPAP框架在视觉质量和计算性能方面进行了评估。八张标准的512×512 8位灰度图像——F16、Airplane、Baboon、Boat、Couple、Pepper、Tank和Truck——作为载体图像使用（图5）。

为模拟标准加密密文（如AES）的高信息熵特征并显式消除文本相关的统计偏差，秘密载荷通过算法伪随机数动态合成

**比较性能分析**

表10列出了在恒定时间有界枚举求解器在每容量点选择的最优子带参数分配（k0, k1, k2）。每张测试图像产生相同的分配——参数仅取决于载荷目标而非图像像素内容。这证实了闭合形式枚举可认证地识别出与分辨率无关的全局最小值。AllBand_L2在≥3.2 bpp时始终优于HF_L2：在Baboon图像上4.1 bpp时，达到33.01 dB对30.05 dB

**结论与未来工作**

本文提出了一种子带自适应图像隐写框架，通过闭合形式率失真优化解决了容量-保真度权衡问题。通过形式化最小k暴露原则并推导MOPAP有界嵌入的精确离散失真律（??[δ2]=(4k?1)/12+1/4），参数分配问题被转化为有限整数格优化，并在常数时间内完成认证（≤0.20 ms遍历216个状态）。在八张标准测试图像和一系列

**资金**

作者声明，在本文的准备过程中未获得任何资金、拨款或其他支持。

**数据与代码可用性**

完整实现，包括复现本文中每张表格和图表所需的所有实验脚本（嵌入/提取流水线、闭合形式求解器、消融实验、等容量比较、失真模型验证、内容无关性检查以及HP-SRNet评估流水线），已作为版本化包公开托管在Zenodo上：https://doi.org/10.5281/zenodo.22058839（v2）。八张标准测试图像可从USC-SIPI图像数据库公开获取

**利益冲突声明**

作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

**作者**

何盛智（Sheng-Chih Ho）