[논문 리뷰] Prediction-error of Prediction Error (PPE)-based Reversible Data Hiding

Hanzhou Wu, Hongxia Wang외 1명|arXiv (Cornell University)|2016. 04. 18.

Advanced Steganography and Watermarking Techniques참고 문헌 19인용 수 5

한 줄 요약

이 논문은 회색조 이미지에서 페이로드-왜곡 성능을 향상시키기 위해 예측 오차의 예측 오차(PPE)를 활용하는 새로운 역가능한 데이터 숨기기(RDH) 기법을 제안한다. 인접 픽셀을 사용해 픽셀 값을 예측하고, 국소 복잡도 기반으로 픽셀을 정렬하며, 최적화된 파rameter를 사용해 PPE 히스토그램을 적응적으로 이동시킴으로써, 최신 기술에 비해 뛰어난 임bedding 효율성과 낮은 왜곡을 달성한다.

ABSTRACT

This paper presents a novel reversible data hiding (RDH) algorithm for gray-scaled images, in which the prediction-error of prediction error (PPE) of a pixel is used to carry the secret data. In the proposed method, the pixels to be embedded are firstly predicted with their neighboring pixels to obtain the corresponding prediction errors (PEs). Then, by exploiting the PEs of the neighboring pixels, the prediction of the PEs of the pixels can be determined. And, a sorting technique based on the local complexity of a pixel is used to collect the PPEs to generate an ordered PPE sequence so that, smaller PPEs will be processed first for data embedding. By reversibly shifting the PPE histogram (PPEH) with optimized parameters, the pixels corresponding to the altered PPEH bins can be finally modified to carry the secret data. Experimental results have implied that the proposed method can benefit from the prediction procedure of the PEs, sorting technique as well as parameters selection, and therefore outperform some state-of-the-art works in terms of payload-distortion performance when applied to different images.

연구 동기 및 목표

• 고차 예측 오차를 활용해 역가능한 데이터 숨기기(RDH)의 페이로드-왜곡 성능을 향상시키기 위해.
• 기존 RDH 기법이 예측 오차(PE)에만 의존하는 한계를 해결하기 위해, 새로운 임베딩 도메인으로 예측 오차의 예측 오차(PPE)를 도입하기 위해.
• 국소 픽셀 복잡도 기반 적응적 정렬과 PPE 히스토그램 이동을 위한 최적화된 파rameter 선택을 통해 임베딩 왜곡을 감소시키기 위해.
• 표준 테스트 이미지에서 PSNR와 임베딩 용량 측면에서 최신 기술보다 뛰어난 성능을 달성하기 위해.

제안 방법

• 크로스 세트의 픽셀을 예측하기 위해 다이아몬드 모양의 이웃 패턴(점 집합)을 사용하여 각 픽셀에 대한 예측 오차(PE)를 생성한다.
• 픽셀의 PE를 그 이웃 픽셀의 PE를 사용해 예측함으로써 예측 오차의 예측 오차(PPE)를 계산한다.
• 국소 복잡도 기반으로 픽셀을 정렬하여 낮은 복잡도 영역을 우선 임베딩 대상으로 삼아 왜곡을 최소화한다.
• PPE 히스토그램(PPEH)에 적응형 히스토그램 이동 기법을 적용하고, 최적의 피크-제로 밴드 쌍을 선택하기 위해 근사 알고리즘을 사용한다.
• 동적으로 적절한 이동 쌍을 식별해 수정된 픽셀 수를 최소화하는 최적화된 파rameter 선택 알고리즘을 활용한다.
• 보간 기반 예측과 히스토그램 이동을 사용해 데이터를 역가능하게 임베딩하면서 원본 이미지의 완벽한 복원 능력을 유지한다.

실험 결과

연구 질문

• RQ1 예측 오차의 예측 오차(PPE)는 기존의 표준 예측 오차(PE)보다 더 효과적인 도메인으로 작용할 수 있는가?
• RQ2 국소 복잡도 기반으로 픽셀을 정렬하는 것이 PPE 기반 RDH에서 왜곡과 임베딩 효율성에 어떤 영향을 미치는가?
• RQ3 왜곡을 최소화하면서 페이로드 용량을 극대화하는 PPE 히스토그램 이동을 위한 최적의 파rameter 선택 전략은 무엇인가?
• RQ4 제안된 방법은 기존 최신 기술 대비 페이로드-왜곡 성능 측면에서 어느 정도 뛰어나게 성능을 발휘하는가?

주요 결과

• 네 개의 테스트 이미지에서 10,000비트의 페이로드에서 제안된 방법은 최신 기술 대비 평균 1.16 dB의 PSNR 향상을 달성한다.
• 20,000비트의 페이로드에서 제안된 방법은 다음으로 우수한 방법 대비 평균 0.78 dB의 PSNR 향상을 기록한다.
• 표준 이미지(Airplane, Lena, Baboon, Boat)에서 Sachnev 등, Hong 등, Luo 등, Li 등, Hsu 등의 기존 기법보다 페이로드 및 왜곡 성능 모두에서 뛰어난 성능을 발휘한다.
• PPE의 사용과 적응적 정렬 덕분에 특히 저복잡도 영역에서 임베딩 왜곡이 크게 감소한다.
• 파arameter 선택을 위한 근사 알고리즘이 최소한의 계산 오버헤드로 최적의 피크-제로 밴드 쌍을 성공적으로 식별한다.
• 데이터 추출 후 원본 이미지가 비트 단위로 완벽하게 복원됨을 확인함으로써, 방법이 완전한 복원 가능성을 유지한다.