[论文解读] Reversible data hiding in encrypted images based on pixel prediction and multi-MSB planes rearrangement

Zhaoxia Yin, Xiaomeng She+2 more|arXiv (Cornell University)|Jul 8, 2020

Advanced Steganography and Watermarking Techniques参考文献 40被引用 75

一句话总结

该论文提出了一种基于像素预测和多-MSB平面重排的高容量加密图像可逆数据隐藏（RDHEI）方法。通过将预测误差的符号与幅值分离至不同的位平面，将这些位平面划分为均匀块（UBs）和非均匀块（NBBs），并重新排列这些块，该方法实现了自适应数据嵌入，嵌入速率（ER）显著高于现有最先进方法，在测试图像上最高可达3.232 bpp。

ABSTRACT

Great concern has arisen in the field of reversible data hiding in encrypted images (RDHEI) due to the development of cloud storage and privacy protection. RDHEI is an effective technology that can embed additional data after image encryption, extract additional data error-free and reconstruct original images losslessly. In this paper, a high-capacity and fully reversible RDHEI method is proposed, which is based on pixel prediction and multi-MSB (most significant bit) planes rearrangement. First, the median edge detector (MED) predictor is used to calculate the predicted value. Next, unlike previous methods, in our proposed method, signs of prediction errors (PEs) are represented by one bit plane and absolute values of PEs are represented by other bit planes. Then, we divide bit planes into uniform blocks and non-uniform blocks, and rearrange these blocks. Finally, according to different pixel prediction schemes, different numbers of additional data are embedded adaptively. The experimental results prove that our method has higher embedding capacity compared with state-of-the-art RDHEI methods.

研究动机与目标

• 解决现有加密图像可逆数据隐藏（RDHEI）方法中嵌入容量受限的问题。
• 通过利用原始图像在加密前的空间相关性，提升数据负载效率。
• 在最大化嵌入容量的同时，实现完全可逆性——即原始图像可无损恢复，嵌入数据可精确提取。
• 克服先前方法中MSB平面利用不足或生成过多、难以压缩的辅助数据的局限性。

提出的方法

• 采用中值边缘检测（MED）预测器计算像素预测值并推导预测误差（PEs）。
• 将预测误差符号分离至一个位平面，绝对值分离至其他位平面，实现独立处理。
• 基于像素值的一致性，将位平面划分为均匀块（UBs）和非均匀块（NBBs）。
• 通过重新排列UBs和NBBs，优化嵌入位置并提升数据容量。
• 应用算术编码压缩辅助数据（如PE符号和幅值图），降低开销。
• 基于预测方案自适应嵌入数据，最大化每幅图像的负载量。

实验结果

研究问题

• RQ1 与单-MSB或LSB方法相比，多-MSB平面重排是否能提升RDHEI中的嵌入容量？
• RQ2 分离预测误差符号与幅值是否能更有效地利用位平面冗余？
• RQ3 能否有效压缩来自预测误差的辅助数据，以提升净负载量？
• RQ4 使用预测误差位平面而非原始图像位平面，对嵌入容量有何影响？
• RQ5 该方法能否同时实现高嵌入速率与完全可逆性？

主要发现

• 所提方法在Lena图像上实现了2.87 bpp的嵌入速率（ER），超过Puteaux等人[24]（0.993 bpp）、Wu等人[27]（2.652 bpp）和Yin等人[26]（2.824 bpp）的性能。
• 在BOSSbase、BOWS-2和UCID数据集上，该方法的平均ER分别为3.361 bpp、3.246 bpp和2.797 bpp，优于所有对比方法。
• 该方法利用预测误差位平面，其分布比原始像素值更集中，从而创造了更多可嵌入位置，提升了容量。
• 对辅助数据进行算术编码可降低开销，使净负载量高于那些生成大量、不可压缩辅助信息的方法。
• 该方法保持了完全可逆性，可实现原始图像的精确恢复和嵌入数据的无损提取。
• 将Ren等人[25]的二值图像方法直接应用于灰度图像时，Lena图像上仅实现1.712 bpp的嵌入速率，凸显了本方法的优势。