直方图平移可逆信息隐藏算法的统一框架及其性能优化研究

As a classical data hiding technique with the capability of perfectly recovering the cover media, reversible data hiding has irreplaceable advantages in various areas such as copyright protection and content authentication, and become a highlighted research topic. As one of the mainstream techniques for reversible data hiding, conventional histogram shifting (HS) is usually implemented based on the global histogram of cover media and the settlement of heuristic side information, and could achieve high performance only for medium to large payload applications. The aim of the project is to develop a more general framework of HS based reversible data hiding technique for applications of various payloads, which includes the utilization of both local and global statistical information of cover media, the development of rate and distortion model and its performance optimization. To the end, several key issues will be investigated in this project, which includes: 1) Context-based local feature selection and corresponding histogram segmentation technique; 2) HS based rate-distortion model development and side information optimization; 3) Adaptive location map generation mechanism for the unified framework. The research in the project is expected to develop a more generated unified framework and achieve a higher performance for HS technique.

作为一种可以无失真恢复载体的信息隐藏技术，可逆信息隐藏在多媒体内容认证和版权保护方面具有不可替代的优势和广泛应用，正日益成为多媒体安全领域的研究热点。直方图平移（HS）是当前可逆信息隐藏研究中的主流技术，一般而言，常规的HS方法基于媒体全局信息和启发式（heuristic）参数设计，主要面向较大容量的可逆隐藏。本项目旨在建立一个基于直方图平移技术，同时应用媒体全局和局部信息，包含相关率-失真模型和性能优化算法，面向各种容量的可逆信息隐藏统一算法框架，并研究其中的几个主要关键技术问题，包括：1）基于上下文预测的局部特征选择和直方图分割（构造）技术；2）面向直方图平移的率-失真优化模型和相关边信息优化算法；3）直方图平移框架下的自适应位图构建方法。预期本项目研究将为构建统一的基于HS的可逆信息隐藏算法框架奠定理论基础。

作为一种可以无失真恢复载体的信息隐藏技术，可逆信息隐藏在多媒体版权保护和内容认证方面具有较大的优势，也正成为多媒体安全领域的研究热点。直方图平移（HS）是当前可逆信息隐藏研究中的一种主流技术，一般而言，常规的直方图平移方法基于媒体全局信息和启发式（heuristic）参数设计，主要面向某个特定容量（仅仅是大容量或是小容量）的可逆隐藏。本项目旨在建立一个基于直方图平移技术，同时应用媒体全局和局部信息，包含相关率-失真模型和性能优化算法，面向各种容量的可逆信息隐藏统一算法框架。其主要研究内容包含以下几个方面：1）基于上下文预测的局部特征选择和直方图分割（构造）技术；2）面向直方图平移的率-失真优化模型和相关边信息优化算法；3）直方图平移框架下的自适应位图构建方法。本项目的执行以上述研究内容为主线进行展开，取得了一定的成果：（1）针对可逆信息隐藏框架中的“多重嵌入”过程（multiple embedding）, 提出了一种基于演化算法（遗传算法）的率失真模型构建方案，并给出了最优边信息选择算法；（2）研究了基于预测上下文的多特征选择和复杂度参数构造技术，并给出了一个基于多特征选择的像素复杂度参数构造的通用框架，为直方图平移中的排序和多直方图构造技术奠定了基础；（3）给出了一种有效的位图压缩算法，减小了为实现盲提取水印需要付出的代价，一定程度上提升了嵌入容量。此外，依托上述研究中积累的经验开展了一些有价值的相关研究：（1）为了提高可逆信息隐藏的实用性，本项目对水印的鲁棒性展开了研究，并提出了两种有效的鲁棒水印算法；（2）借助水印算法设计过程中总结的特征选择等相关经验，设计了多种基于图像处理技术的陶瓷缺陷检测算法研究。本项目的研究将为构建统一的基于HS的可逆信息隐藏算法框架奠定理论基础，同时为相应的鲁棒可逆水印算法及其他相关领域的研究提供了宝贵的经验。