高保真可逆图像信息隐藏关键问题研究

As an important branch of information hiding, reversible data hiding (RDH) can be used in the sensitive fields, such as remote medical diagnosis, encrypted data annotation and so on, where the recovery of the original medium is required. The existing RDH algorithms cannot satisfy the increasing demand of the high-fidelity marked media after data hiding, especially in the era of information explosion. To design the high-fidelity RDH algorithms on images, the main research content of this project includes the following three aspects: high-dimensional histogram modification algorithm based on adaptive embedding, integration of multiple-histograms modification and frequency mapping, and payload partition for multiple-histograms modification. By revising the modifications on high-dimensional and multiple histograms, a more general framework for histogram modification considering only the case of single histogram modification but also the ones of multiple and high-dimensional histograms will be proposed in this project. The proposed project breaks through and extends the traditional way of histogram modification for RDH, as it will construct a general reversible embedding framework by using rate-distortion model to solve the minimization problem, and then give several effective high-fidelity algorithms for RDH. The research results will provide a new theory for high-fidelity RDH, thus offering theoretical references for the promotion of RDH researches.

可逆信息隐藏可用于远程医疗诊断、云环境下的加密数据标注等需要无失真恢复原始载体的应用场合,是信息隐藏研究的一个重要分支。然而，现有可逆隐藏技术尚难以满足对含密载体的高保真需要，这一问题在当前秘密信息量不断增大的需求之下尤为突出。本课题聚焦于以图像为载体的高保真可逆隐藏关键问题研究，主要研究内容包括：基于自适应高维直方图修改的可逆隐藏，基于多直方图修改和频数映射可逆隐藏，以及基于多直方图修改和容量分配的可逆隐藏。本课题将通过高维直方图和多直方图修改的嵌入方式，拓展和突破现有单直方图框架,建立基于高维直方图和多直方图修改的一般化可逆嵌入框架以及率失真理论模型，给出多种不同的高保真可逆隐藏方法，解决优化问题最小化嵌入失真从而提高可逆隐藏算法性能，实现图像可逆隐藏的高保真需求。课题研究结果有望为实现高保真图像可逆隐藏提供理论依据和新的方法，为促进可逆隐藏研究的发展提供技术参考。

可逆隐藏是一种特殊的信息隐藏技术。利用该技术，接收者不仅能正确提取所嵌入的信息，还能将原始载体无失真复原。该技术在需要无失真恢复原始载体的应用场合，如远程医学诊断、云环境下的加密数据标注等方面都具有广泛的应用前景。本项目研究的目的是针对可逆隐藏领域亟待解决的关键问题，设计高性能的图像可逆隐藏方法，为实现高保真图像可逆隐藏提供理论依据和新思路、新方法，为促进可逆隐藏研究的发展提供技术参考。通过突破传统的单个一维直方图的可逆嵌入框架，我们提出了基于高维直方图、多直方图的一般化可逆嵌入框架。从理论角度研究了可逆嵌入函数的性质并建立了率失真理论模型。该框架极具一般性，降低了可逆嵌入的门槛，将可逆嵌入归结为可逆嵌入函数的设计问题。同时，建立的率失真模型为可逆嵌入性能优化提供了理论依据。基于上述理论框架，我们从高维直方图、多直方图生成，可逆规则建立，以及离散优化问题求解三个方面，实现了十余种高性能的可逆嵌入方法。基于高维直方图的嵌入框架，结合自适应预测、自适应配对以及像素值排序等策略，我们解决了不同维度下直方图的最优修改问题。此外，我们着重研究了多直方图框架下的嵌入容量分配问题。基于多直方图的嵌入框架，对于给定的多个直方图和待嵌入信息，使用动态规划方法寻优，合理地将待嵌入信息分成多个部分、每个直方图嵌入一定数量的信息以实现整体失真最小化。我们也给出一种贪心策略实现了快速容量分配，可以满足实时嵌入的要求。实验结果表明，本项目研究所提出的方法和前人工作比较有较大幅度的性能提升。特别是基于PVO的可逆嵌入方法，在低容量下取得了目前最好的可逆嵌入性能。