[论文解读] An Improved Reversible Data Hiding in Encrypted Images using Parametric Binary Tree Labeling
该论文提出IPBTL-RDHEI,一种基于参数化二叉树标记的加密图像高容量可逆数据隐藏方案。通过在加密前于整个原始图像中预留嵌入空间,并利用全图像范围的空间相关性(而非仅小块区域),该方法使用参数化二叉树将加密像素划分为两类,实现基于位替换的密钥数据嵌入。该方法在确保原始图像与嵌入数据无损恢复的前提下,实现了高于现有最先进方法的嵌入速率。
This work proposes an improved reversible data hiding scheme in encrypted images using parametric binary tree labeling(IPBTL-RDHEI), which takes advantage of the spatial correlation in the entire original image but not in small image blocks to reserve room for hiding data. Then the original image is encrypted with an encryption key and the parametric binary tree is used to label encrypted pixels into two different categories. Finally, one of the two categories of encrypted pixels can embed secret information by bit replacement. According to the experimental results, compared with several state-of-the-art methods, the proposed IPBTL-RDHEI method achieves higher embedding rate and outperforms the competitors. Due to the reversibility of IPBTL-RDHEI, the original plaintext image and the secret information can be restored and extracted losslessly and separately.
研究动机与目标
- 解决现有加密图像可逆数据隐藏(RDHEI)方案中依赖小图像块局部冗余导致的嵌入容量受限问题。
- 通过利用全图像范围的空间相关性而非局部块,提升嵌入速率。
- 设计一种可分离且无错误的RDHEI方案,使图像恢复与密钥数据提取可独立完成。
- 通过确保加密图像不泄露任何可感知信息,增强安全性,保护云存储中的隐私。
提出的方法
- 在加密前利用全图像范围的空间相关性,在原始明文图像中预留嵌入空间。
- 应用参数为α和β的参数化二叉树标记方案,将加密像素分为两类:G1(可嵌入)与G2(不可嵌入)。
- 对G1类像素使用位替换方法嵌入密钥数据,可用位数取决于α和β。
- 利用全图像空间相关性最小化辅助信息开销,减少对块级冗余的依赖。
- 通过仅存储最小量的辅助信息(如标记参数与位位置),确保可逆性,实现原始图像与密钥数据的精确恢复。
- 支持可分离恢复:具有不同权限的接收方可独立且无损地提取密钥数据、原始图像或两者。
实验结果
研究问题
- RQ1与基于块的相关性相比,能否更有效地利用全图像空间相关性以提升加密图像中的嵌入容量?
- RQ2参数化二叉树标记方案能否在保持可分离性与可逆性的前提下,实现更高且更灵活的嵌入速率?
- RQ3与现有最先进RDHEI方案相比,该方法在嵌入速率与图像质量方面表现如何,特别是在加密图像的PSNR与SSIM指标上?
- RQ4通过避免块级处理,该方法在多大程度上减少了辅助信息开销?
主要发现
- 当α=5且β=2时,所提出的IPBTL-RDHEI方法在BOSSbase与BOWS-2数据集上实现了最高2.9883 bpp的嵌入速率,显著优于先前方法。
- 在三个数据集上的平均嵌入速率分别达到2.5613 bpp(BOSSbase)、2.5194 bpp(BOWS-2)与2.2683 bpp(UCID),表现出一致的高性能。
- 所有重建的原始图像均达到接近+∞ dB的PSNR值与1.0的SSIM,证实了无错误的图像恢复。
- 加密图像的PSNR值极低(约6.88–9.52 dB),SSIM值也极低(约0.03–0.07),表明无任何可感知的信息泄露,隐私保护能力极强。
- 与Yi等人[18]的基于块的方法相比,该方法在平均与最大嵌入速率上均表现更优,尤其得益于全图像相关性的利用与辅助数据的减少。
- 该方案完全支持可分离性:密钥数据与原始图像可独立且无损地提取与恢复。
更好的研究,从现在开始
从论文设计到论文写作,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。