-
题名面向压缩域数据盲提取的多层循环预测可逆隐藏方案
- 1
-
-
作者
温文媖
杨育衡
罗新宇
张玉书
方玉明
-
机构
江西财经大学计算机与人工智能学院
多媒体智能处理江西省重点实验室
-
出处
《计算机学报》
北大核心
2025年第4期910-926,共17页
-
基金
国家自然科学基金青年科学基金项目(62201233)
江西省双千计划(jxsq2023201118)
江西省杰出青年基金项目(20232ACB212004)资助。
-
文摘
近年来,压缩感知(Compressive Sensing,CS)域的可逆数据隐藏已得到广泛研究。针对现有CS域可逆数据隐藏方案不能同时实现秘密信息盲提取、测量值直接可用问题,借助CS渐进恢复特性和预测误差扩展方法,本文提出一种面向压缩域数据盲提取的多层循环预测可逆隐藏方案。该方案通过构建多层循环预测嵌入,对CS测量值进行预测,利用直方图平移(Histogram Shifting,HS)对测量值嵌入额外信息,在提取信息阶段可实现信息盲提取和测量值无损还原;此外,为提高测量值可用性,本文提出一种冗余块估计方法,优先在冗余块进行信息嵌入,相比排序前,采样率0.5时平均PSNR最高提升2.8%。该方案结合了缩略图保持加密技术,在测量值中自嵌入图像本身的敏感区域保真值,为不同权限的用户提供不同的可见区域,实现多级预览;同时利用CS的鲁棒性,对测量值外嵌入需要隐藏的秘密信息,使得在不提取秘密信息的前提下,载密测量值重建图像与测量值重建图像保持高度相似(随嵌入率提升,平均PSNR为36 dB~48 dB),保证秘密信息的隐蔽性。实验结果表明,与最新方案相比,本文提出方案能够实现大容量嵌入(0 bit~35000 bit)、秘密信息盲提取、测量值直接可用以及多级权限隐私保护。
-
关键词
可逆数据隐藏
压缩感知
循环预测
盲提取
预测误差扩展
-
Keywords
reversible data hiding
compressed sensing
cyclic prediction
data blind extraction
prediction error expansion
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
