随着计算机技术的发展,越来越多的人们将自己的数据存储在云端。然而,存储在云端的数据若未经加密极有可能泄露自己的隐私。图像作为生活中最常用的数字媒体需要被保护。加密图像中的可逆数据隐藏技术可被广泛应用于实现云存储图像的隐私保护和方便管理,成为了研究的热点。现有的加密前腾出空间的加密域可逆信息隐藏未能充分的利用自然图像的相关性。因此,本文围绕着根据自然图像的位平面的相关性来减小图像的位平面冗余度,提出了两种基于加密前腾出空间的加密域可逆信息隐藏算法。本文的主要工作有以下的几个方面:1)介绍了3种利用自然图像的相关性腾出空间的RDH-EI算法,并且通过数学统计的方法分析了自然图像的特性,总结了它们在腾出空间上的优劣。基于预测误差直方图平移的方法操作简单快速,但是该方法嵌入的信息相比于其他两种方法发而言最少;基于高位翻转预测的方法使最高位平面预测后的冗余度及信息熵接近最佳值,更有利于压缩腾出空间,其最大嵌入率可达到约1 bpp;基于图像的位平面压缩的算法对多个位平面进行了压缩,相比于其他两种方法具有最高的嵌入率。基于上述的分析,从中得到了启发,从而提出了两个基于VRBE的RDH-EI算法。2)通过分析得到了相邻的高位平面对应的位置上的比特相反的概率可达到70.1%的特性,提出了一种减小相邻位平面之间的冗余度的RDH-EI算法。该算法在对相邻位平面进行编码后的位平面在冗余度和信息熵的表现上具有正向的影响,即位平面变得更加平滑。在此基础上,采用BBE可以腾出更多的空间。加密阶段采用的块置乱以及按位异或加密,具有较高的安全性。实验结果表明,该算法能实现真正的可逆,相比于现有的基于图像的位平面压缩的算法具有更高的嵌入容量,Lena图像可达到2.35bpp。3)提出了一种基于预测和压缩编码的RDH-EI算法。该算法首先对原始图像的多个高位平面进行预测处理。预测后的最高位平面冗余度及信息熵接近最佳值,并且相同像素值的分布集中,利于用分块进行压缩。接着,对预测后的相邻的高位平面进行了异或编码的操作,进一步增加了位平面的冗余度。为了保证了密文图像的安全性,采用置乱-异或结合的加密方法加密压缩后的比特流。接收者可以仅通过加密密钥就可以得到与原始图像一致的恢复图像。实验结果表明,该算法得到了高嵌入率,Lena图像可达到2.59 bpp。除此之外,该算法还能根据需要嵌入的信息量自适应生成具有小文件大小的密文图像,密文图像的文件大小可以减小到原始图像大小的40%~91%。