近年来，可逆信息隐藏受到了广泛的关注。可逆信息隐藏是向原载体中如咚像、视频、三维模型嵌入秘密信息，得到与原载体质量相同或者高于原载体的载密载体，然后解密方从载密载体中将秘密信息提取出来，并无损地恢复原始载体。简而言之，可逆信息隐藏就是将信息嵌入到载体中，而解密方能够提取出秘密信息并无损恢复原始载体。在军事、医学以及法庭取证等方而，原始载体细微的变化都会造成诊断出错或者诉讼失败。因此，在这些领域，可逆信息隐藏就显得尤为重要。目前大多数的算法均是用来在数字图像中嵌入小可见数据或可见水印。    

当原始载体为图像时，信息嵌入率和图像失真率是衡量可逆信息隐藏方法的两个重要标准。然而，高嵌入率和低失真率二者相互矛后，实现较高嵌入率的同时会引起更大的图像失真，反之亦然。峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)是衡量图像失真的一个常用指标，目前大多数的可逆信息隐藏方法都以追求较高的峰值信噪比为目标。在嵌入过程中，图像会产生失真，因此，尽管通过这些方法能够实现较高的PSNR,但是图像视觉质量并没有提高甚至变差。医学图像是一类比较特殊的图像，其细微的改变都有可能影响到医生的诊断，因此对于这类图像，图像的视觉质量和和比峰值信噪比重要的多。提高医学图像的对比度能使得图像的细节部分得以显现，从而提高诊断的精准性。

目前，根据运用的载体类型可分为基于像素自方图以及基于预测误差自方图的具有对比度增强效果的可逆信息隐藏方法。基于像素自方图可实现对比度增强的可逆信息隐藏方法，主要有文献等提出的实现对比度增强的可逆信息隐藏方法，山于医学图像的背景中含有大量灰度单一的像素点，而文献的方法是选取像素自方图中像素个数最多的灰度值进行多轮信息嵌入，因此，该方法会首先增强背景像素点的对比度，这对于提高关键信息的细节并没有帮助。基于预测误差自方图的对比度增强的可逆信息隐藏方法包括文献中基于纹理区域对比度增强的可逆信息隐藏方法，其目的在于增强纹理区域的对比度使得图像灰度差异较大的部分更加明显，同时实现可逆的信息隐藏方法。然而该方法并非从灰度上进行操作，因此其对比度增强效果有限。    

对于普通的医学图像来讲，包含关键信息的部分一般图像纹理度较高，另一部分纹理度较低，小包含任何关键信息。为了能够同时实现图像对比度显著增强以及提高信息的嵌入率，本文提出了一种利用图像的纹理度特点将医学图像的像素点区分开，分为高纹理度等级像素以及低纹理度等级像素。高纹理度等级的像素点构成了医学图像的关键部分，其中包含大量影响医生诊断的信息;低纹理度等级的像素点构成了医学图像灰度较为单一的部分，小包含图像的关键信息。山于医学图像的高纹理度等级部分包含大量的关键信息，因此为了进一步增强高纹理度等级的对比度并提高嵌入率，本文对高纹理度等级和低纹理度等级采用小同的嵌入方法。首先将图像进行拉伸，然后计算出每个像素点的纹理度并分出纹理度等级，将拉伸后的像素点根据纹理度进行分级处理。

为了进一步增强高纹理度等级的对比度，本文对高纹理度等级采用一种具有类似自方图均衡化效果的方法进行嵌入。而对于低纹理度等级区域，为了提高嵌入率，本文使用改进后文献的方法进行信息嵌入。为了后续信息提取以及原始图像的恢复，需要保存必要的辅助信息，并将这些辅助信息作为秘密信息的一部分嵌入到图像中。为了小让这些信息影响图像的整体嵌入率，完成高纹理度等级以及低纹理度等级的信息嵌入之后，将图像四周的像素点提取出来，使用多轮自方图平移的方法嵌入辅助信息。算法描述    

本文提出的基于多纹理度划分的可逆信息隐藏算法包括以下几个部分:自方图拉伸、纹理度等级的划分、高纹理度等级以及低纹理度等级的信息嵌入和辅助信息的嵌入。自方图拉伸的目的是为了有效增强图像对比度;纹理度等级的划分是利用像素点的纹理度将医学图像中包含关键信息的部分和灰度单一的部分区别开，高纹理度等级和低纹理度等级采用小同嵌入方式的目的是为了保证关键部分的图像质量并且提高图像的整体嵌入率;为了防n辅助信息影响整体的嵌入率，本文使用图像最外周的像素嵌入辅助信息。本文的整体过程如图1所示。图像对比度增强以及像素分类    

为了增强图像的整体对比度，本文首先对图像进行自方图拉伸;其次为了选出构成图像关键部分的像素点，需要计算出像素的纹理度，并将像素按照纹理度进行分级。另外本文是对纹理度相同的像素点进行处理，自到将所有的像素点处理完毕，因此为了减少自方图的个数，需要将纹理度归类为M个等级。

图像对比度增强    

目前在能够实现图像对比度增强的可逆信息隐藏方法中，多数方法的对比度增强效果会受到嵌入率的影响，如文献方法，其方法虽然能够实现图像对比度增强，但是山于其对比度增强的程度取决于自方图平移的轮数，而在低嵌入率下，“下移的轮数较少，这就导致了此时无法有效实现图像对比度增强。