Enhanced Reversible Data Hiding Methods

過去研究當中，學者們總是思索著如何改善隱藏資訊的演算法，以求改善該演算法的最大嵌入量及偽裝影像的影像品質，然而，在諸多學者們所提出的高效能演算法中，並非所有方法皆適合多層資訊嵌入，因此本研究旨在透過整合式創新的方式，將學者所提出的各類RDH方法根據其特性，透過「多層嵌入評估準則」(multilayer embedding benchmark)的創新評估方式，以多層資訊嵌入模式，建造一組由多個RDH方法組合而成的一種新的混合可逆式資訊隱藏技術(Hybrid RDH)，將彼此優勢進行整合，在視覺可接受的影像品質下，達到高資訊負載量的可逆式資訊隱藏技術，實驗結果顯示在特定情況下不僅提升影像負載量，更使影像品質提升。In previous research, scholars have always attempted to improve data hiding algorithms to improve their maximum embedding capacity and stego image quality. However, not all proposed high-performance algorithms are suitable for multilayer data embedding. Hence, this study aims to use integrated innovation; based on the characteristics of the various reversible data hiding (RDH) methods previously proposed, a new hybrid RDH technology is built using the innovative evaluation method of multilayer embedding benchmark. The technology combines multiple RDH methods in a multilayer data embedding mode to integrate individual advantages to achieve a RDH technology with high embedding capacity and visually acceptable image quality. The experimental results show that under certain circumstances, the proposed technology not only enhances the embedding capacity but also improves the image quality.第一章 緒論 1 1.1 研究背景與動機 1 1.2 研究目的 4 1.3 研究架構 5 第二章 文獻探討 7 2.1 文獻相關符號定義 7 2.2 差值擴張法(Difference Expansion, DE) 7 2.2.1 嵌入程序 8 2.2.2 範例 8 2.3 差值直方圖位移法(Difference HS, DHS) 9 2.3.1 嵌入程序 9 2.3.2 範例 10 2.4 多層差值直方圖位移法(Multiple-layer Difference HS, M-DHS) 10 2.4.1 嵌入程序 11 2.4.2 範例 11 2.5 多階差值直方圖位移法(Multiple Embedding-level Difference HS, MEL-DHS) 12 2.5.1 嵌入程序 12 2.5.2 範例 14 2.6 預測誤差擴張法(Prediction Error Expansion, PEE) 15 2.6.1 嵌入程序 15 2.6.2 範例 16 2.7 成對預測誤差擴張法(Pixel-pair Prediction Error Expansion, PPEE) 17 2.7.1 嵌入程序 17 2.7.2 範例 19 2.8 動態區塊劃分之像素排序法(Dynamic Blockwised PVO, DB-PVO) 20 2.8.1 嵌入程序 20 2.8.2 範例 22 2.9 四個為一組差值擴張法(Quad DE, Q-DE) 23 2.9.1 IRDE(Improved Reduced Difference Expansion)方法 23 2.9.2 Alattar學者遞歸嵌入方法 24 2.9.3 嵌入程序 24 2.9.4 範例 25 2.10 文獻特點表 26 第三章 RDH與Hybrid RDH多層嵌入技術之實作分析 28 3.1 多層資訊嵌入表現 29 3.2 層級的選擇 33 3.3 單一方法之負載量表現 33 3.4 整合兩種演算法之負載量表現 36 3.4.1 兩層嵌入模式 37 3.4.2 三層嵌入模式 40 3.4.3 四層嵌入模式 43 3.4.4 五層嵌入模式 46 第四章 Hybrid RDH之效益實驗與討論 49 第五章 結論與未來展望 53 參考文獻 5