基于单向极值预测误差扩展的可逆信息隐藏算法
Journal of Ordnance Equipment Engineering（2023）
摘要
为了能够有效解决现有可逆信息隐藏算法中高失真、低嵌入的问题,提出了一种基于单向极值预测误差扩展的可逆信息隐藏算法.该算法采用像素菱形预测策略,利用目标像素十字邻域上的 4 个参考像素,计算其预测误差值,并通过相邻参考像素的预测误差值对其进行差值预测,利用二者的冗余性,计算出 2 个极值预测器,生成相应的非对称直方图;然后计算出各目标像素的局部复杂度值,根据该值的高低,对像素进行排序,以使得低复杂度的像素被优先处理;最后通过对直方图的单向预测误差扩展,将水印信息分为两轮依次进行自适应嵌入.实验结果表明,该算法不仅具备较高的嵌入容量,此外在相同嵌入容量下,其载密图像的PSNR值与对比算法相比提高了 2dB左右,具有更高的视觉质量.
更多关键词
reversible data hiding,local complexity,unidirectional error expansion,extreme value prediction,asymmetric histogram
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要