[论文解读] Capacity Enlargement Of The PVD Steganography Method Using The GLM Technique

Mehdi Safarpour, Mostafa Charmi|arXiv (Cornell University)|Jan 3, 2016

Advanced Steganography and Watermarking Techniques参考文献 4被引用 11

一句话总结

本文提出了一种混合隐写方法，结合像素值差分（PVD）与灰度级修改（GLM），在显著提升嵌入容量的同时保持了较高的隐写图像质量。通过利用GLM在PVD基于差分的嵌入框架内优化像素值调整，该方法在原始PVD方法的基础上实现了25%的容量提升，同时仅造成2%的平均PSNR下降。

ABSTRACT

In most steganographic methods, increasing in the capacity leads to decrease in the quality of the stego-image, so in this paper, we propose to combine two existing techniques, Pixel value differencing and Gray Level Modification, to come up with a hybrid steganography scheme which can hide more information without having to compromise much on the quality of the stego-image. Experimental results demonstrate that the proposed approach has larger capacity while its results are imperceptible. In comparison with original PVD method criterion of the quality is declined by 2% dB averagely while the capacity is increased around 25%.

研究动机与目标

• 解决数字隐写中嵌入容量与隐写图像质量之间的权衡问题。
• 在不显著降低图像质量的前提下提升像素值差分（PVD）方法的容量。
• 将灰度级修改（GLM）技术整合到PVD中，以实现更高的数据嵌入速率。
• 开发一种混合隐写方案，在最大化载荷大小的同时保持视觉不可见性。
• 从容量、PSNR和视觉质量三个方面评估所提方法的性能。

提出的方法

• 该方法应用PVD将图像像素按局部强度差异划分为多个块。
• 在每个块内，算法利用PVD的差分模型确定最大可能的嵌入容量。
• 随后应用GLM对像素值进行修改，以在保持视觉质量的同时实现更高的数据嵌入。
• GLM技术通过调整像素值以最小化失真，确保隐写图像与原始图像在视觉上无法区分。
• 嵌入过程结合了PVD的差分阈值化与GLM的受控值偏移，以实现每块的最大载荷。
• 该方法基于差分值和GLM驱动的失真建模，动态选择嵌入位置和数值。

实验结果

研究问题

• RQ1 将GLM集成到PVD中是否能提升隐写系统的嵌入容量？
• RQ2 与标准PVD相比，所提出的混合方法在图像质量退化方面改善了多少？
• RQ3 GLM增强的PVD方法是否在隐写图像中保持了视觉不可见性？
• RQ4 与基线PVD相比，该方法在PSNR和载荷容量方面表现如何？
• RQ5 GLM技术能否有效用于优化基于PVD的隐写中像素值的变更？

主要发现

• 所提出的PVD-GLM混合方法相比原始PVD方法实现了25%的嵌入容量提升。
• 隐写图像的平均PSNR下降仅为2%，表明感知失真极小。
• 该方法保持了极高的视觉不可见性，隐写图像与原始载体图像几乎完全相同。
• PVD与GLM的结合有效平衡了容量与质量，在两项指标上均优于独立的PVD方法。
• 结果表明，GLM通过实现更高效且更难检测的像素值修改，显著增强了PVD性能。
• 该方法在各类测试图像上表现出一致的性能，证实了其鲁棒性与可扩展性。