可逆数据隐藏算法(RDH)在多媒体版权保护和内容完整性认证中得到了广泛的应用。直方图平移(HS)作为一种典型的RDH方案由于其高质量的图像隐写被广泛应用。现有的基于HS的RDH方案大多通过预测和排序技术来利用载体图像的平滑区域,建立陡峭的方图进行数据隐藏。近年来利用图像不同纹理内容之间的相关性,人们提出了几种基于多直方图的RDH算法(MH＿RDH),例如基于单一特征的排序,然后对排序序列进行均匀分割,构建多直方图。本文提出利用聚类算法模糊C均值(FCM)聚类,用于构造多直方图。FCM通过特殊设计的特征将构造直方图的值(如预测误差)划分为不同的簇,以此构建多直方图,实现高效的数据嵌入。可逆信息隐藏技术在彩色图像内容完整性认证方面的优势逐渐得到了大家的关注,其中简单高效的直方图平移可逆嵌入方案已成为研究重点。为了进一步提高算法效率,当前主流算法通常基于经验给出各种固定的边信息(峰值点和零点对)搜索方案用于直方图平移过程,如基于两对峰值点对的对称搜索等。如此操作使得算法性能受到了较大的限制,如嵌入容量受限等。基于此,本文给出一种面向全容量(从小容量到大容量)的自适应嵌入方案,能够根据给定的嵌入容量选择近似最优的边信息。本文创新包含两个方面:(1)提出了基于多特征排序的嵌入位置优选策略,以便搜索到更光滑的区域进行信息嵌入,提高算法性能;(2)基于给定的嵌入容量,给出一种基于智能优化算法的自适应边信息优选方案。实验结果表明,相比于同类方案,本算法可以实现全容量下的信息嵌入,并获得更好的算法性能。