Low Bit-Rate and High Fidelity Reversible Data Hiding
准确的预测器是基于直方图移位（HS）的可逆数据隐藏方法的关键。如果预测器能够产生准确的预测，则嵌入容量增加并且嵌入失真同时减小。本文提出了一种基于加权最小二乘（WLS）估计的精确线性预测器。WLS的鲁棒性有助于所提出的预测器生成准确的预测，特别是在图像的复杂纹理区域，其他预测器通常会失败。为了进一步减少嵌入失真，我们提出了一种新的嵌入方法，称为动态直方图移位与像素选择（DHS-PS），不仅选择适当的直方图箱，但也适当的像素位置嵌入给定的数据。结果表明，该方法在嵌入低比特率数据的情况下，可以获得非常高保真的标记图像。实验结果表明，该方法的性能优于现有的低比特率可逆数据隐藏方法。
2015-07-29 cs.MM
An Improved Reversible Data Hiding in Encrypted Images using Parametric Binary Tree Labeling
本文提出了一种改进的基于参数二叉树标记的加密图像可逆数据隐藏方案（IPBTL-RDHEI），该方案利用了整个原始图像的空间相关性，而不是小图像块的空间相关性，为隐藏数据预留空间。然后，原始图像加密与加密密钥和参数二叉树被用来标记加密像素分为两个不同的类别。最后，两类加密像素中的一种可以通过比特替换嵌入秘密信息。实验结果表明，与现有的几种方法相比，IPBTL-RDHEI方法具有更高的嵌入率和更好的性能。由于IPBTL-RDHEI算法的可逆性，可以分别无损地恢复和提取原始明文图像和秘密信息。
2019-11-25 cs.MM
Reversible Data Hiding in Encrypted Images based on Pixel Prediction and Bit-plane Compression
加密图像中的可逆数据隐藏（RDHEI）技术在保护原始图像内容的同时，能够准确地提取嵌入的数据，并无损地重建原始图像，因此受到越来越多的关注。为了充分利用相邻像素之间的相关性，提出了一种基于像素预测和位平面压缩的RDHEI算法。该算法首先计算原始图像的预测误差，并将其用于位平面重排和压缩，为数据嵌入腾出空间。然后，通过流密码对腾出空间后的图像进行加密。最后，通过多LSB替换将附加数据嵌入到空出的空间中。实验结果表明，该方法的嵌入容量优于现有方法。
2019-11-05 cs.MM
Invertible Mosaic Image Hiding Network for Very Large Capacity Image Steganography
本文提出可逆马赛克图像隐藏网络InvMIHNet，通过将多张秘密图像拼接为单张马赛克图并下采样后隐藏，以较少参数实现多达16张图像的超大容量高质量隐写与恢复。
2023-09-16 cs.MM
New Framework for Code-Mapping-based Reversible Data Hiding in JPEG Images
代码映射（Code mapping，CM）是一种有效的JPEG图像可逆数据隐藏（reversible data hiding，RDH）技术，它通过在JPEG比特流中构造已使用代码和未使用代码之间的映射关系来嵌入数据。这项研究提出了一个新的框架，设计一个基于CM的RDH方法。首先，提出了一种新的代码映射策略，以抑制文件大小膨胀，提高适用性。基于我们提出的策略，映射的代码被重新定义，通过创建一个新的霍夫曼表，而不是选择他们从原始霍夫曼表中的未使用的代码。设计基于CM的RDH方法的关键问题，即构造代码映射，转化为一个组合优化问题。本研究提出一种新的CM为基础的RDH方法，利用遗传算法（GA）。实验结果表明，该方法实现了高的嵌入容量，没有信号失真，同时抑制文件的大小膨胀。
2022-07-16 cs.MM
Reversible Data Hiding in JPEG Images with Multi-objective Optimization
在JPEG图像的可逆数据隐藏（RDH）方法中，设计时考虑的只是图像质量，但在JPEG图像中，图像质量和文件大小扩展同样重要。基于这种情况，我们提出了一种JPEG图像中的RDH方案，在设计算法时考虑了图像质量和文件大小扩展。采用多目标优化策略，实现了两个目标的平衡。具体地说，该方法首先将封面图像分割成若干个互不重叠的信号，然后利用JPEG压缩的知识计算信号的嵌入代价。其次，通过多目标优化得到嵌入数据的最优信号组合。实验结果表明，我们提出的RDH相比，国家的最先进的RDH在JPEG图像的性能更好。
2019-05-09 cs.MM
Reversible Data Hiding in Encrypted Images Based on Bit-plane Compression of Prediction Error
加密图像可逆数据隐藏技术作为一种防止信息泄露的技术，在隐私保护和信息安全方面发挥着重要作用。为了充分利用图像的冗余性，进一步提高嵌入性能，提出了一种基于预测误差位平面压缩的大容量RDHEI方法。首先，计算整个预测误差并将其划分为相同大小的块。然后，内容所有者按块重新排列预测误差的比特平面，并使用联合编码算法压缩比特流以预留空间。最后，对图像进行加密，并将信息嵌入到预留的房间中。在接收器侧，分离地执行信息抽取和图像恢复。实验结果表明，该方法具有更高的嵌入容量比最先进的RDHEI作品。
2021-09-24 cs.MM
Reversible Data Hiding in Encrypted Images based on MSB Prediction and Huffman Coding
随着云存储和隐私保护的发展，加密图像可逆数据隐藏技术（RDHEI）作为一种可以在加密域中嵌入额外数据的技术越来越受到人们的关注。通常，RDHEI方法在加密图像中嵌入秘密数据，同时确保嵌入的数据可以被无差错地提取并且原始图像可以被无损地恢复。本文提出了一种高容量的RDHEI算法。该算法首先对原始图像中每个像素的最高有效位（MSB）进行自适应预测，并对MSB进行霍夫曼编码标记。然后，通过流密码方法对图像进行加密。最后，空出的空间可以用来嵌入额外的数据。实验结果表明，与现有方法相比，该方法具有更高的嵌入容量。
2018-12-22 cs.MM
Application of Reversible Data Hiding for Printing with Special Color Inks to Preserve Compatibility with Normal Printing
本文提出了一个有效的框架与正常的印刷和印刷之间的兼容性与特殊颜色的油墨。特殊颜色油墨可用于印刷，以代表一些特定的颜色和特定的光学特性，这些颜色和特性很难仅使用CMYK油墨来表达。用特殊颜色油墨印刷时，除了一般颜色层外，还需要特殊颜色层。我们引入了一个可逆的数据隐藏（RDH）方法嵌入到一般的颜色层的特殊颜色层，没有可见的文物。所提出的方法可以实现正常的印刷和印刷的特殊颜色的油墨，通过使用一个单一的层。我们的实验结果表明，标记图像的质量几乎与原始图像相同，即，一般的颜色层。
2021-03-04 cs.MM
Reversible data hiding in encrypted images based on pixel prediction and multi-MSB planes rearrangement
随着云存储和隐私保护技术的发展，加密图像中的可逆数据隐藏技术（RDHEI）受到了广泛的关注。RDHEI是一种有效的图像加密后嵌入附加数据、无差错地提取附加数据和无损重建原始图像的技术。提出了一种基于像素预测和多MSB平面重排的大容量、完全可逆的RDHEI方法。首先，中值边缘检测器（MED）预测器用于计算预测值。接下来，与以前的方法不同，在我们提出的方法中，预测误差（PE）的符号由一个位平面表示，PE的绝对值由其他位平面表示。然后，我们将位平面划分为均匀块和非均匀块，并重新排列这些块。最后，根据不同的像素预测方案，自适应地嵌入不同数量的附加数据。实验结果表明，与现有的RDHEI方法相比，该方法具有更高的嵌入容量。
2021-03-20 cs.MM
Reversible Video Data Hiding Using Zero QDCT Coefficient-Pairs
264/高级视频编码（AVC）是目前最常用的视频压缩标准之一。本文提出了一种基于H.264/AVC视频的可逆数据隐藏（RDH）方法。该方法首先选择帧内预测模式为$4\times 4$的宏块作为可嵌入块。然后，可嵌入宏块的所有$4\times 4$块中的最后零量化离散余弦变换（QDCT）系数被配对。在此基础上，提出了一种基于充分利用修改方向的修改映射规则。最后，将给定的映射规则与待嵌入的信息比特相结合，改变每个零系数对。由于所有$4\times 4$块中的大多数最后的QDCT系数为零并且它们位于高频区域。因此，该方法可以获得高嵌入容量和低失真。
2019-04-28 cs.MM
Efficient Reversible Data Hiding Algorithms Based on Dual Prediction
提出了一种基于预测误差直方图平移概念的可逆数据隐藏算法。该算法通过引入两个预测器和使用一个预测误差值进行数据嵌入，扩展了预测误差的有效修正（MPE）算法。使用两个预测器的动机是由预测器具有不同的预测精度这一事实驱动的，这与隐写图像的嵌入容量和质量直接相关。该算法的主要特点在于使用两个预测器，而不需要额外的通信开销与隐写图像。基本上，在嵌入期间使用的预测器的识别是通过一组规则来完成的。该算法进一步扩展到使用两个和三个箱的预测误差直方图，以增加嵌入容量。性能评估的建议算法及其扩展表明，使用两个预测在提高嵌入容量的优势，同时提供有竞争力的质量的隐写图像。
2016-05-09 cs.MM
Adaptive Embedding Pattern for Grayscale-Invariance Reversible Data Hiding
在传统的可逆数据隐藏方法中，研究者们关注的是如何增大嵌入容量和减小嵌入失真。最近，一种全新的RDH算法被开发出来，在不改变相应灰度的情况下将秘密数据嵌入到彩色图像中[1]，这极大地扩展了RDH的应用。在文献[1]中，对于彩色图像，利用通道R和通道B来携带秘密信息，调节通道G以平衡通道R和通道B的修改，从而保持灰度的不变性。然而，我们发现该方法的嵌入性能（EP）仍然不令人满意，可以进一步提高。为了提高EP算法的性能，引入了一种自适应的嵌入模式，根据上下文信息选择性地将不同比特的秘密数据嵌入到像素中。此外，一种新的两级预测器的设计，通过联合两个正常的预测器，以减少ED嵌入更多的比特。实验结果表明，与以往的方法相比，我们的方案可以显着提高图像的保真度，同时保持灰度不变。
2019-08-16 cs.MM
Using Bias Optimization for Reversible Data Hiding Using Image Interpolation
提出了一种适用于压缩灰度图像的空域可逆数据隐藏方法。所提出的方法嵌入秘密位到压缩缩略图的原始图像，通过使用一种新的插值方法和相邻均值插值（NMI）技术，作为缩放到原始图像发生。本文给出的实验结果表明，与Jung和Yoo提出的方法相比，该方法显着提高了嵌入能力。
2013-04-11 cs.CR cs.MM
Hiding Data Hiding
数据隐藏是将秘密数据隐藏在数字图像等隐蔽对象中进行隐蔽通信的技术。在本文中，我们向隐藏“数据隐藏”迈出了第一步，这是完全不同于许多传统的作品，直接嵌入秘密数据在一个给定的封面对象。详细地说，我们提出了一种新的方法来伪装数据隐藏工具，包括数据嵌入工具和数据提取工具，作为具有普通任务的深度神经网络（DNN）（即，风格转移）。在对DNN进行风格转移和数据隐藏训练后，DNN可以将图像的风格转移到目标图像，也可以将秘密数据隐藏到封面图像中或从隐写图像中提取秘密数据。换句话说，数据隐藏的工具是隐藏的，以避免引起怀疑。实验结果和分析表明了该方法的可行性、适用性和优越性。
2021-11-10 cs.CR cs.MM
High Capacity Reversible Data Hiding for Encrypted 3D Mesh Models Based on Topology
针对加密三维网格模型RDH-ED容量不足的问题，提出利用模型拓扑划分嵌入集与预测集并计算嵌入能力的方法，实现了最高嵌入容量及无损提取与恢复。
2022-11-05 cs.MM
Sorting Methods and Adaptive Thresholding for Histogram Based Reversible Data Hiding
提出了一种基于直方图的可逆数据隐藏方案，该方案将图像像素划分为不同的单元频段进行排序，以便于数据的嵌入。数据隐藏在较低小区频段中更有效，因为它提供更准确的预测。使用超低单元频段的一些像素中的像素存在概率，执行另一排序。采用这两种新的排序方法结合隐藏强度分析，确定最佳的预测误差，我们提高了标记图像的质量，特别是对于低嵌入容量。实际上，与现有的RDH算法相比，对于标记图像的特定失真水平，隐藏容量增加。实验结果表明，该算法的性能优于最先进的。
2019-12-26 cs.MM eess.IV
High Capacity Reversible Data Hiding in Encrypted 3D Mesh Models Based on Multi-MSB Prediction
三维网格模型作为新一代隐蔽传输的数字媒体，在网络上被广泛使用和传播。面对海量的网络数据，研究一种能够有效保护和存储这些海量数据的方法是非常迫切的。提出了一种基于加密三维网格模型的大容量可逆数据隐藏算法。该方法根据索引的奇偶性将三维网格的顶点划分为“嵌入集”和“预测集”。此外，利用多最高有效位（Multi-MSB）预测预留空间自适应嵌入秘密信息，并对辅助信息进行算术编码压缩，进一步释放三维网格模型的冗余空间。我们使用多数表决系统（MSV）的原则，以恢复原始网格模型的高质量。实验结果表明，与现有的RDH-ED方法相比，该方法在三维网格模型上具有更高的嵌入容量，能够高质量地恢复原始三维网格模型。
2022-12-17 cs.MM
Reversible data hiding based on reducing invalid shifting of pixels in histogram shifting
近年来，可逆数据隐藏作为信息安全领域的一个新的研究热点，越来越受到研究者的关注。现有的RDH算法大多没有充分考虑到自然图像的纹理对嵌入失真的影响。在图像的平滑区域中嵌入数据所引起的图像失真比在非平滑区域中小得多，这实质上是因为在平滑区域中嵌入附加数据对应于较少的直方图移位中的无效移位像素（ISP）。因此，我们提出了一种基于图像纹理的RDH方案，以减少直方图移动中的无效像素移动。具体地，首先，通过棋盘图案将覆盖图像划分为两个子图像，然后计算每个子图像的波动值。最后，附加数据可以优先嵌入到波动值较小的子图像区域。实验结果表明，该方法具有更高的容量和更好的隐写图像质量比现有的RDH方案。
2019-05-14 cs.MM
Hiding Secret Information in Movie Clip: A Steganographic Approach
建立隐蔽通信是一个重要的讨论主题，随着互联网的发展，它变得越来越重要。隐写术是建立隐蔽通信的关键方法之一。现代隐写术主要处理隐藏信息的文件，如图像，文本，html，二进制文件等，这些文件包含小的无关信息，可以替代小的秘密数据。要存储高容量的秘密数据，这些载体文件不是很支持。为了克服大容量秘密数据的存储与最大的安全屏障的问题，我们提出了一种新的方法来隐藏大量的数据与高级别的安全墙，通过使用电影剪辑作为载体文件。
2011-03-04 cs.CR cs.MM
Ensemble Reversible Data Hiding
传统的可逆数据隐藏（RDH）算法通常将主机作为一个整体来嵌入秘密载荷。为了达到满意的率失真性能，秘密比特被嵌入到主机的噪声类分量，如预测误差。从率失真优化的角度来看，它可能不是最佳的，因为数据嵌入单元使用相同的参数。这促使我们提出了一个分段的数据嵌入策略，在本文中，有效的RDH，其中的原始主机可以被划分为多个子主机，使每个可以自由地优化和使用的数据嵌入参数。此外，它使我们能够应用不同的RDH算法在不同的子主机，这被定义为集成。请注意，这里定义的集成与机器学习中的集成不同。因此，常规操作对应于所提出的工作的特殊情况。由于这是一个通用的策略，我们结合一些国家的最先进的算法，构建一个新的系统，使用所提出的嵌入策略来评估率失真性能。实验结果表明，在大多数情况下，集成RDH系统的性能优于原始版本，显示了其优越性和适用性。
2019-12-01 cs.MM
Intra-Frame Error Concealment Scheme using 3D Reversible Data Hiding in Mobile Cloud Environment
移动云环境中的数据主要通过无线噪声信道进行传输，由于其不可靠的连接性，这可能导致传输错误的概率很高。对于视频传输，不可靠的连接可能导致内容的显著降级。因此，在有损信道下提高或保持视频质量是一个非常重要的研究课题。数据隐藏差错隐藏技术是一种有效的隐藏信道引入的差错的方法。与利用时间/空间相关性的方法相比，它可以减少相邻块/帧之间的错误传播。现有的视频ECDH方法通常将运动矢量（MV）嵌入到特定的位置。然而，特定的嵌入位置不能抵抗随机错误。为了弥补移动云环境中的不可靠连接，提出了一种基于3D可逆数据隐藏（RDH）的视频ECDH方案，其中每个MV重复多次，并将重复的MV随机嵌入到不同的宏块（MB）中。虽然多重嵌入需要更多的嵌入空间，但通过调整MV的重复次数可以在引入的失真和重建的视频质量之间实现令人满意的折衷。对于随机嵌入，MV的丢失概率迅速下降，从而导致更好的错误隐藏性能。实验结果表明，与现有的ECDH方法相比，该方法的PSNR值至少提高了5dB左右。同时，该方法显著提高了视频质量。
2018-04-03 cs.MM
Minimizing Embedding Distortion with Weighted Bigraph Matching in Reversible Data Hiding
对于所需的有效载荷，现有的可逆数据隐藏（RDH）方法总是期望尽可能地减少嵌入失真，例如通过利用设计良好的预测器，考虑载体内容特性，和/或提高修改效率等。然而，由于自然图像的多样性，实际上很难准确地建模自然图像的统计特性，这限制了严重依赖于内容特性的传统RDH方法的实际使用。基于这一观点，而不是直接利用的内容特性，在本文中，我们模型的嵌入操作的加权二分图，以减少引入的失真，由于数据嵌入，这被证明是等价的图形问题称为\emph{minimum weight maximum matching (MWMM)}。通过求解MWMM问题，我们可以找到给定条件下的最优直方图平移策略。由于所提出的方法本质上是一个通用的嵌入模型的RDH，它可以用来设计一个RDH方案。在我们的实验中，我们将所提出的方法结合到一些相关的工作，我们的实验结果表明，所提出的方法可以显着提高有效载荷失真性能，表明所提出的方法可以是理想的和有前途的实际使用和RDH方案的设计。
2017-12-18 cs.MM
Separable Reversible Data Hiding Based on Integer Mapping and Multi-MSB Prediction for Encrypted 3D Mesh Models
加密域可逆数据隐藏技术（RDH-ED）由于可以将数据嵌入到载体中而不暴露给第三方数据隐藏者，并且在提取嵌入的数据后可以及时恢复载体，因此受到了研究界的极大关注。尽管近年来人们对基于图像的RDH-ED进行了广泛的研究，但由于其复杂的数据结构和不规则的几何形状，三维网格中的RDH-ED很少受到关注。本文提出了一种基于整数映射和多MSB预测的三维网格可分离RDH-ED方法。该方法将网格的所有顶点划分为“嵌入”集和“参考”集，并将顶点的小数映射为整数。然后，我们计算“嵌入”集合的顶点的多MSB预测误差，并执行位流加密技术。最后，通过替换加密顶点坐标的多MSB来嵌入附加数据。根据不同的权限，接收者可以获得原始明文网格，附加数据或两者兼而有之。实验结果表明，该方法具有更高的嵌入容量和更高的质量的恢复网格相比，国家的最先进的方法。
2019-11-16 cs.MM
Prediction-error of Prediction Error (PPE)-based Reversible Data Hiding
提出了一种新的灰度图像可逆信息隐藏算法，该算法利用像素的预测误差（PPE）来携带秘密信息。该方法首先对待嵌入的像素点进行预测，得到相应的预测误差。然后，通过利用相邻像素的PE，可以确定像素的PE的预测。并且，使用基于像素的局部复杂度的排序技术来收集PPE以生成有序PPE序列，使得较小的PPE将首先被处理用于数据嵌入。通过用优化的参数可逆地移动PPE直方图（PPEH），可以最终修改与改变的PPEH箱相对应的像素以携带秘密数据。实验结果表明，该方法可以受益于PE的预测过程，排序技术以及参数的选择，因此优于一些国家的最先进的作品在有效载荷失真性能时，适用于不同的图像。
2016-09-22 cs.MM
High-Capacity Reversible Data Hiding in Encrypted Images using Adaptive Encoding
随着数字信息技术的普及，密文可逆信息隐藏（reversible data hiding in encrypted images，RDHEI）逐渐成为云存储中隐私保护的研究热点. RDHEI作为一种能够在加密域中嵌入附加信息、正确提取嵌入信息、无损恢复原始图像的技术，受到了研究人员的广泛关注。为了在加密图像中嵌入足够多的附加信息，提出了一种基于自适应编码的大容量RDHEI方法。首先，计算原始图像不同预测误差的出现频率，并生成相应的自适应霍夫曼编码。然后，对原始图像进行流密码加密，并根据预测误差大小对加密后的像素点进行不同的霍夫曼码字标记。最后，通过比特替换将附加信息嵌入到标记像素的预留空间中。经实验验证：该算法在正确提取嵌入信息的同时，无损地恢复了原始图像.与同类算法相比，该算法充分利用了图像本身的纹理特性，有效地提高了图像嵌入率.在UCID，BOSSBase和BOWS-2这3个图像集上，该算法的平均嵌入率达到3.162 bpp，3.917 bpp以及3.775 bpp，与当前性能最佳算法相比，提升了0.263 bpp，0.292 bpp以及0.280 bpp.
2021-10-08 cs.MM
Generative Reversible Data Hiding by Image to Image Translation via GANs
传统的可逆信息隐藏技术是基于对封面图像的修改，这不可避免地会留下一些重写的痕迹，从而更容易被看守分析和攻击。受基于生成对抗网络的覆盖合成隐写术的启发，提出了一种新的基于图像平移的生成可逆数据隐藏方案。首先，使用图像生成器来获得真实图像，该图像用作CycleGAN图像到图像转换模型的输入。经过图像变换后，得到具有不同语义信息的隐写图像。秘密信息和原始输入图像可以通过训练好的信息提取器和图像平移的逆变换分别恢复。实验结果验证了该方案的有效性。
2019-07-30 cs.CR cs.MM eess.IV
Improved CNN Prediction Based Reversible Data Hiding
本文提出了一种改进的CNN预测器（ICNNP）用于图像中的可逆数据隐藏（RDH），它由特征提取模块、像素预测模块和复杂度预测模块组成。由于在嵌入过程中使用ICNNP预测每个像素的复杂度，所提出的方法可以实现比基于CNN预测器的方法更好的性能。具体地，输入图像首先被分成两个不同的子图像，即，“点”图像和“十字”图像。同时，每个子图像被应用于预测另一个。然后，像素的预测误差与预测的像素复杂度排序。有鉴于此，一些排序的预测误差具有较低的复杂性被选择用于低失真的数据嵌入与传统的直方图移位计划有效地使用。实验结果表明，在相同的直方图平移策略下，该方法比CNN预测器具有更好的嵌入性能。
2023-01-04 cs.MM eess.IV
A Novel Steganography Algorithm for Hiding Text in Image using Five Modulus Method
在图像中隐藏秘密信息的隐写技术的需求已经出现。本论文的目的是建立一个实用的隐写算法，将文字隐藏在灰阶影像中。利用五模法将秘密信息隐藏在封面图像中。新算法被称为（ST-FMM。FMM，它包括将5X 5窗口大小内的所有像素转换为其相应的5的倍数。之后，秘密消息被隐藏在5X 5窗口内，作为5的非倍数。由于5的非倍数的模是1、2、3和4，因此，如果该余数是其中之一，则该像素表示秘密字符。必须发送的秘密密钥是窗口大小。该算法的主要优点是在秘密信息增大的情况下，保持了隐藏图像的大小不变。采集每个测试图像的峰值信噪比。根据每幅图像的PSNR值，隐写图像具有较高的PSNR值。因此，这种新的隐写算法是非常有效的隐藏图像内的数据。
2013-07-02 cs.CR cs.MM
High-Capacity Framework for Reversible Data Hiding in Encrypted Image Using Pixel Predictions and Entropy Encoding
虽然现有的基于加密前腾出空间（VRBE）的方案可以实现不错的嵌入率，但是现有的基于加密后腾出空间（VRAE）的方案的有效载荷相对较低。为了解决这个问题，本文提出了一个通用的框架，高容量RDHEI VRBE和VRAE的情况下。首先，设计了一种有效的嵌入空间生成算法（ERGA），通过像素预测和熵编码产生大的嵌入空间。然后，我们提出了两个RDHEI方案，一个用于VRBE，另一个用于VRAE。在VRBE场景中，图像所有者使用ERGA生成嵌入空间，并使用具有两个加密密钥的流密码对预处理后的图像进行加密。然后，数据隐藏器定位嵌入室并嵌入加密的附加数据。在VRAE场景中，通过改进的块调制和排列加密算法对覆盖图像进行加密，其中明文图像中的空间冗余被很大程度地保留。然后，数据隐藏器对加密图像应用ERGA生成嵌入空间并进行数据嵌入。对于这两种方案，具有不同认证密钥的接收器可以分别进行无差错的数据提取和/或无差错的图像恢复。实验结果表明，这两个方案优于许多国家的最先进的RDHEI艺术。此外，该方案还具有较高的安全级别，未经授权的用户很难从隐藏前后的加密版本中发现原始图像。
2022-01-06 cs.MM
Reversible Data Hiding in Encrypted Images Using MSBs Integration and Histogram Modification
针对加密图像可逆数据隐藏，本文整合加密像素 MSB 预留嵌入空间，并结合直方图修改、预测误差与棋盘预测器，实现可分离提取及无数据隐藏密钥下的完美重建。
2020-11-14 cs.MM eess.IV
Reversible Data Hiding in Encrypted Images using Local Difference of Neighboring Pixels
提出了一种可逆的加密图像数据隐藏算法（RDHEI）。在每个块中，块的中心像素被认为是领导者像素，其他像素被认为是跟随者像素。通过计算和分析跟随像素和引导像素亮度的预测误差，确定块嵌入容量的特征。此功能指示可以嵌入到块中的数据量。利用这种对整个块的预处理，我们在加密原始图像之前腾出空间，以实现高嵌入容量。在解码阶段，利用所有块的特征提取嵌入数据，并完美地重建原始图像。实际上，与已有的RDHEI算法相比，该算法的嵌入容量有了显著的提高。实验结果表明，该算法的性能优于最先进的。
2019-11-15 cs.CR cs.MM eess.IV
Hiding Images in Deep Probabilistic Models
City University of Hong Kong（香港城市大学）；Fudan University（复旦大学）
近年来，使用深度神经网络（DNN）进行数据隐藏取得了令人印象深刻的成功。一个流行的方案是训练一个自动编码器，由一个编码网络嵌入（或转换）秘密消息（或到）载体，和解码网络提取隐藏的消息。该方案在实用性、安全性和嵌入容量方面可能受到一些限制。在这项工作中，我们描述了一个不同的计算框架，以隐藏图像在深度概率模型。具体来说，我们使用DNN来模拟覆盖图像的概率密度，并将秘密图像隐藏在学习分布的一个特定位置。作为一个实例，我们采用了一个SinGAN，一个金字塔的生成对抗网络（GANs），学习一个封面图像的补丁分布。我们隐藏的秘密图像通过拟合一个确定性的映射从一组固定的噪声地图（由嵌入密钥生成）的秘密图像在补丁分布学习。隐写SinGAN，作为原始的SinGAN，是公开传播的;只有具有嵌入密钥的接收器才能够提取秘密图像。我们证明了我们的SinGAN方法在提取精度和模型安全性方面的可行性。此外，我们展示了所提出的方法的灵活性，在隐藏多个图像为不同的接收器和混淆的秘密图像。
2022-10-05 cs.CR cs.CV cs.MM
Convolutional Video Steganography with Temporal Residual Modeling
隐写术代表了在一些封面数据中隐藏秘密信息的艺术。这项工作的关键范围是关于视觉隐写技术，隐藏在另一个全尺寸的彩色图像/视频。大多数现有的作品都致力于图像的情况下，秘密和封面数据都是图像。我们经验性地验证了图像隐写模型并不自然地扩展到视频情况（即，将视频隐藏到另一个视频中），这主要是因为它完全忽略了连续视频帧内的时间冗余。我们的工作提出了一个新的解决方案的问题，视频隐写。技术贡献是双重的：首先，两个连续帧之间的残差在大多数像素处趋于零。隐藏这种高度稀疏的数据比隐藏原始帧要容易得多。出于这一事实，我们建议明确考虑帧间残差，而不是盲目地应用图像隐写模型的每一个视频帧。具体来说，我们的模型包含两个分支，其中一个是专门设计用于隐藏帧间差异到一个封面视频帧，而另一个隐藏原始的秘密帧。一个简单的阈值方法确定哪个分支的秘密视频帧应选择。在对隐藏的秘密视频进行解密时，设计了两种解码器，分别进行差分解密和帧解密。其次，我们开发了基于深度卷积神经网络的模型，这是视频隐写术文献中的第一个。在实验中，对我们的模型与经典的最低有效位（LSB）方法和纯图像隐写模型进行了全面的评估比较。所有的结果都有力地表明，所提出的模型享有优于以前的方法。我们还仔细研究了深度视频隐写模型成功的关键因素。
2018-06-08 cs.MM
Hiding Information in Big Data based on Deep Learning
School of Computer Science, South China Normal University（华南师范大学计算机学院）；School of Artificial Intelligence and Robot Education Industry, South China Normal University（华南师范大学人工智能与机器人教育产业学院）
目前基于深度学习模型的信息隐藏方法不能直接利用原始数据作为载体，无法利用大数据中已有的数据进行信息隐藏。提出了一种基于深度学习的大数据信息隐藏方法。该方法以大数据中已有的数据为载体，利用深度学习模型对大数据中的秘密信息进行隐藏和提取。大数据的数据量是无限的，因此隐藏在大数据中的秘密消息的数据量也可以是无限的。在对手想要从载体中提取秘密信息之前，他们需要找到载体，然而从大数据中找到载体就像从大海中找到一个盒子一样。深度学习模型被称为深度黑盒，其中从输入到输出的过程非常复杂，因此用于信息隐藏的深度学习模型几乎不可能被对手重建。结果还表明，我们的方法可以安全、方便、快速地隐藏秘密信息，并且数据量不受限制。
2020-01-23 cs.CR cs.LG cs.MM
Image Steganography: Protection of Digital Properties against Eavesdropping
隐写术是通过将信息隐藏在其他信息中来隐藏通信正在发生的事实的艺术。可以使用不同类型的载体文件格式，但数字图像是最流行的，因为它们在互联网上的频率。为了在图像中隐藏秘密信息，存在各种各样的隐写技术。有些比其他的更复杂，所有这些都有各自的优点和缺点。许多应用可能需要秘密信息的绝对不可见性。本文旨在概述图像隐写术，它的用途和技术，基本上，存储图像中的机密信息，如工作策略的细节，秘密任务，犯罪和机密信息，在各种组织，为国家安全工作，如军队，警察，联邦调查局，我们开发了一个桌面应用程序，该应用程序采用高级加密标准对原始消息进行加密，和空间去噪隐写算法，用于将文本文件隐藏在图像中。
2019-09-10 cs.CR cs.MM
A Study of Various Steganographic Techniques Used for Information Hiding
隐写术（Steganography）源自希腊语steganos，意思是隐藏或秘密，以及图形（书写或绘画）。隐写术是一种将现代数据压缩、信息论、扩频和密码技术结合在一起以满足互联网上隐私需求的技术。本文试图分析隐写术中使用的各种技术，并确定这种技术可以应用的领域，以便人类能够普遍受益。
2014-01-22 cs.MM
Reversible data hiding with dual pixel-value-ordering and1minimum prediction error expansion
Military Institute of Science and Technology (MIST)（军事科学技术学院（MIST））；Bangladesh Military Academy (BMA)（孟加拉国军事学院（BMA））
像素值排序（PVO）具有高保真可逆数据隐藏（RDH）的令人印象深刻的属性。在本文中，我们引入了一个双PVO（dPVO）的预测误差扩展（PEE），从而开发了一种新的RDH方案，以提供更好的率失真性能。特别是，我们建议嵌入在两个阶段：向前和向后。在前向阶段，具有经典PEE的PVO被应用于大小为1x3的每个非重叠图像块。在后向阶段中，从在前向阶段中预测的像素确定像素的最小集合和最大集合。最小集合仅包含每个图像块的最低预测像素，而最大集合包含每个图像块的最大预测像素。然后将建议的具有PEE的dPVO应用于两个集合，使得最小集合的像素值增加，并且最大集合的像素值减少单位值。因此，在前向嵌入中预测的像素可以部分地恢复到它们的原始值，从而产生更好的嵌入图像质量和更高的嵌入率。实验结果已经记录了一个有前途的率失真性能，我们的计划与显着改善的嵌入图像质量在更高的嵌入率相比，流行的和国家的最先进的PVO为基础的RDH计划。
2022-02-12 cs.CV cs.MM
Digital Cardan Grille: A Modern Approach for Information Hiding
本文提出了一种新的用于信息隐藏的Cardan网格构造框架。基于语义的图像修补技术，直接用秘密信息驱动隐写图像。引入了一种用于确定隐藏位置的掩码DCG来隐藏信息。将消息写入损坏图像中需要预先填充的损坏区域。然后将含有秘密信息的受损图像送入生成对抗网络（GAN）进行语义补全。对抗博弈不仅可以重建受损图像，还可以生成包含图像内容逻辑合理性的隐写图像。实验结果验证了该方法的可行性。
2018-05-11 cs.CR cs.MM
Digital Image Data Hiding Techniques: A Comparative Study
随着近十年来数字图像处理领域的发展，数字图像信息隐藏技术如水印、隐写术等得到了广泛的应用。数字图像水印技术将少量数据隐藏在数字图像中，之后可以使用一些特定的检索算法检索该数字图像以证明该数字信息的版权，而隐写技术用于将大量数据秘密地隐藏在一些无害的数字介质中。在本文中，我们提供了一个最新的审查这些数据隐藏技术。
2014-08-15 cs.MM
Text Steganography using LSB insertion method along with Chaos Theory
信息隐藏的艺术几乎与隐蔽通信的需要一样长。隐写术，即信息的隐藏，很早就作为一种非常有用的隐蔽信息传输方法出现了。隐写术（英语：Steganography）是一种将秘密信息隐藏在较大的图像或信息中的技术，使得隐藏的信息或图像无法被检测到;这与密码学相反，密码学中信息本身的存在并不被伪装，但内容是模糊的。隐写方法的目标是最小化覆盖数据和隐写图之间的视觉上明显的和统计上的差异，同时最大化有效载荷的大小。当前的数字图像隐写术提出了一个挑战，即以一种对图像操纵和攻击鲁棒的方式将信息隐藏在数字图像中。本文阐述了如何利用最低有效位插入法和混沌技术将秘密信息隐藏到图像中。
2012-05-09 cs.MM
Image data hiding with multi-scale autoencoder network
图像隐写术是将可以是文本、图像或视频的信息隐藏在封面图像内的过程。与密码学相比，隐写术的优势在于预期的秘密消息不会引起注意，因此更适合在高度监视的环境中进行秘密通信，例如公民不服从运动。社交媒体和消息应用程序中的互联网模因已经成为世界范围内的流行文化，因此这种民俗是图像隐写的一个很好的应用场景。本文尝试在网络模因上探索并采用隐写技术。我们通过用多尺度自动编码器网络改变Conv-BN-ReLU块卷积层来实现和改进HiDDeN模型，以便神经网络学习在更高级别的特征空间中嵌入消息位。与在行像素域上卷积特征滤波器的方法相比，我们提出的MS隐藏网络学习在低级和高级图像特征中隐藏秘密。因此，所提出的模型显着降低了比特出错率经验为0%，所需的网络参数是远远小于HiDDeN模型。
2022-01-16 cs.CR cs.MM
The Art of Data Hiding with Reed-Solomon Error Correcting Codes
随着技术和互联网的巨大进步，数据安全已成为全球范围内的一个主要问题。为了保证数据受到保护，并且不会到达非预期的端点，数据隐藏（隐写术）的艺术出现了。隐写术是一种隐藏信息的艺术，使其无法被肉眼检测到。已经提出了用于在载体文档中隐藏秘密消息的各种技术。在本文中，我们提出了一种新的设计，应用里德所罗门（RS）纠错码在隐写应用。该模型的工作原理是用隐写信息代替冗余的RS码。实验结果表明，该方案的解码信息率为100%，解码秘密信息率为97%。百分之三十六该模型可以应用于各种隐写应用中。
2014-11-18 cs.IT cs.MM math.IT
Coverless Information Hiding Based on Generative adversarial networks
传统的图像隐写术或多或少地修改了图像的内容，很难抵抗图像隐写分析工具的检测。针对这一问题，提出了一种基于生成对抗网络的生成式无覆盖信息隐藏方法。该方法的主要思想是用秘密信息作为驱动器来代替生成对抗网络的类标签，直接生成隐藏图像，然后通过隐层算法从隐藏图像中提取秘密信息。这是首次利用生成对抗网络实现无覆盖信息隐藏。与传统的图像隐写相比，该方法不修改原始图像的内容。因此，该方法可以有效地抵抗图像隐写分析工具。实验结果表明，该算法在隐写容量、抗隐写分析、安全性和可靠性等方面都有较好的性能。
2017-12-18 cs.CR cs.MM
An Efficient Bit Plane X-OR Algorithm for Irreversible Image Steganography
将秘密信息隐藏在另一个消息中的科学被称为隐写术;因此秘密信息的存在被隐藏。它是一种将认知内容隐藏在相同或另一种媒体中以避免入侵者识别的方法。本文介绍了一种新的方法，即利用不可逆隐写术将图像隐藏在同一介质中，从而掩盖秘密信息。秘密图像被称为有效载荷，载体被称为覆盖图像。在载体图像的中级位平面和数据图像的高级位平面之间使用X-OR运算来生成新的隐写图像的低级位平面。恢复过程包括隐写图像的低层位平面和中层位平面的异或运算。基于恢复的结果，生成后续的数据映像。RGB彩色图像被用作载体，并且数据图像是尺寸小于或等于载体图像的尺寸的灰度图像。该方法在不显著降低PSNR值的情况下，极大地提高了嵌入容量。
2014-10-12 cs.MM
Hiding data inside images using orthogonal moments
在这篇文章中，我们提出了一种新的隐写方法的基础上几个正交多项式及其组合。隐写算法在高频图像的前8个系数处嵌入秘密信息。此外，该嵌入方法使用Beta混沌映射来确定将插入秘密比特的块的顺序。此外，从128位私钥和根据高级加密标准（AES）的密码算法的步骤来生成密钥扩展，所提出的方法生成2560位的密钥扩展，目的是在插入之前置换高频的前八个系数。插入最终发生在变换的正交矩域中的前八个高频系数处。在插入消息之前，图像经历一系列变换。在插入之后，逆变换以相反的顺序应用于原始变换。通过计算峰值信噪比（PSNR）、通用图像质量指数（UIQI）、图像保真度（IF）和相对熵（RE），比较了隐藏图像和隐藏图像的相同特性，验证了算法的有效性。该算法通过PSNR和RE值分别分析，提高了不可感知性和安全性水平。
2019-10-16 cs.MM
A Session based Multiple Image Hiding Technique using DWT and DCT
本研究提出基于DWT和DCT的会话式多图像隐写技术，通过颜色平面分解、子带变换与伪随机序列嵌入秘密图像，兼具可接受的不可感知性与高安全性。
2012-08-04 cs.CR cs.MM
High Capacity Lossless Data Hiding in JPEG Bitstream Based on General VLC Mapping
JPEG是最流行的图像格式，在我们的日常生活中被广泛使用。因此，JPEG图像的可逆数据隐藏（RDH）非常重要。大多数JPEG图像的RDH方案会导致标记的JPEG图像出现显著的失真和较大的文件大小增量。作为RDH的一种特殊情况，无损数据隐藏（LDH）技术可以保持被标记图像的视觉质量不下降。本文提出了一种新的大容量LDH方案。在JPEG比特流中，并非所有的可变长度码（VLC）都用于编码图像数据。通过构造使用的VLC和未使用的VLC之间的映射，可以通过用未使用的VLC替换使用的VLC来嵌入秘密数据。与以前的方案不同，我们的映射策略允许映射集中未使用和已使用的VLC的长度不相等。我们提出了一些基本的见解建设的映射关系。实验结果表明，大多数JPEG图像使用该方案获得较小的文件大小增量比以前的RDH计划。此外，该方案可以获得高的嵌入容量，同时保持标记的JPEG图像没有失真。
2019-11-19 cs.MM
A Novel Image Steganographic Approach for Hiding Text in Color Images using HSI Color Model
图像隐写是将文本嵌入到图像中的过程，使得它的存在不能被人类视觉系统（HVS）检测到，并且只有发送者和接收者知道。提出了一种基于最低有效位（LSB）的HSI颜色空间图像隐写算法。该方法首先将图像从RGB颜色空间转换到HSI颜色空间，然后将秘密数据嵌入到I-Plane中，并在嵌入后将其转换回RGB颜色模型。对该技术进行了主观和客观评价。实验结果表明，该方法具有较大的峰值信噪比（PSNR）值、良好的不可感知性和多安全级别等特点，与现有的几种方法相比，显示了其优越性
2015-03-02 cs.MM
Hiding Image in Image by Five Modulus Method for Image Steganography
Irbid National University（伊尔比德国立大学）
本文提出了一种实用的隐写算法，将彩色图像隐藏在另一幅彩色图像中。该技术使用五模方法将隐藏图像和隐藏图像中的所有像素都转换为五的倍数。由于隐写图像内的每个像素都可以被5整除，因此整个隐写图像可以被5整除以得到新的像素范围0。51.基本上，每个不能被5整除的数字的余数被5整除时是1，2，3或4。随后，实现了4 × 4的窗口大小以适应所提出的技术。对于封面图像内的每个4 × 4窗口，可以从隐写图像中秘密嵌入1到4的数字。前面的讨论必须分别应用于每个R、G和B数组。此外，隐写密钥可以与所提出的算法相结合，使任何对手难以从封面图像中提取秘密图像。根据PSNR值，提取的隐写图像具有较高的PSNR值。因此，这种新的隐写算法是非常有效的隐藏彩色图像。
2013-04-04 cs.CV cs.MM
Invisible Steganography via Generative Adversarial Networks
Beijing University of Posts and Telecommunications（北京邮电大学）
目前，已有大量的工作将卷积神经网络引入到隐写分析中，并超越了传统的隐写分析算法。这些工作显示了深度学习在信息隐藏领域的改进潜力。也有几个基于深度学习做图像隐写的作品，但这些作品在容量、不可见性和安全性上还存在问题。在本文中，我们提出了一种新的CNN架构命名为\isgan隐藏秘密灰度图像到彩色封面图像的发送端和准确地提取秘密图像的接收端。我们的工作有三个贡献：（i）我们通过将秘密图像仅隐藏在覆盖图像的Y通道中来提高不可见性;（ii）我们引入生成对抗网络，通过最小化隐藏图像和自然图像的经验概率分布之间的差异来加强安全性。(iii)为了更好地与人类视觉系统相关联，我们构造了一个更适合隐写的混合损失函数，以生成更真实的隐写图像，并揭示出更多更好的秘密图像。实验结果表明，ISGAN在LFW、Pascal VOC 2012和ImageNet数据集上均能达到最佳性能。
2018-10-10 cs.CV cs.MM
Improving embedding efficiency for digital steganography by exploiting similarities between secret and cover images
数字隐写术正在成为一种常用的工具，用于保护各种应用中的敏感通信，如犯罪（恐怖主义）预防，执法人员需要将犯罪现场捕获的面部图像与已知罪犯的面部数据库进行远程比较（嫌疑人）;在敌对环境中交换军事地图或监视录像（情况）;在存储或交换患者医疗图像（记录）时在医疗保健系统中保护隐私;以及防止未经授权的用户非法访问银行客户账户（记录）。现有的数字隐写方案中嵌入秘密图像的封面图像文件往往不利用各种冗余的秘密图像比特流来处理各种冲突的要求嵌入容量，隐写图像质量，和不可检测性。本文关注的是创新的图像程序和数据隐藏方案的开发，以及增加，秘密图像比特流和封面图像LSB平面之间的相似性。这将在两个新颖的步骤中实现，这两个步骤涉及在嵌入之前操纵秘密图像和覆盖图像两者，以在秘密图像比特流和覆盖图像LSB平面两者中实现更高的0：1比率。上述两步策略已被利用来使用位平面映射技术，而不是位平面替换，以使每个覆盖像素可用于秘密嵌入。本文将证明，这种策略产生的隐写图像具有最小的失真，高嵌入效率，相当好的隐写图像质量和鲁棒性对3个著名的有针对性的隐写分析工具。
2020-04-24 cs.MM
Image Steganography Method Based on Brightness Adjustment
隐写术是一种信息隐藏技术，它通过将秘密数据隐藏到计算机载体文件中而不损坏文件或改变其大小来保护秘密数据。隐写术和密码术之间的区别在于隐写术是一种只有通信方知道的隐形通信方法;而密码术是一种任何人都知道的公开通信方法，尽管其有效载荷是潦草的。通常，不可恢复的隐写算法是使恶意第三方难以发现其工作原理以及如何从载体文件中恢复秘密数据的算法。实现不可恢复性的一种流行方法是在将秘密数据隐藏到载体文件中之后对载体文件进行数字化处理，但是这种处理是不可逆的，因为它会破坏隐藏的数据。本文提出了一种新的图像隐写方法，该方法在将秘密数据覆盖到载体图像中后，通过调节载体图像的亮度，可以对文本数据和任何形式的数字数据进行图像隐写，所使用的算法是参数化的，可以使用通信双方定义的三个不同参数进行配置。它们包括覆盖过程完成后应用于载体图像的亮度量、亮度应调整的颜色通道以及应携带秘密数据的字节。所提出的方法的新颖性在于，它将秘密数据的位嵌入到组成载体图像的字节的三个LSB中，使得在恢复载体图像的原始亮度时不会破坏秘密数据。仿真结果证明了该算法的有效性和正确性。
2012-12-23 cs.CR cs.MM
A New Steganographic Technique Matching the Secret Message and Cover image Binary Value
隐写术涉及将秘密消息或图像隐藏在另一个封面图像中。在不影响图像视觉质量的情况下对封面图像进行更改。与密码学相比，隐写术提供通信的完全保密性。非常敏感的数据的安全性可以通过结合密码学和隐写术来增强。提出了一种利用隐写术的概念从图像中获取位置值的新技术。本文提出了一种新的方法，其中不做任何改变的封面图像，只有像素位置LSB（最低有效位）值匹配的秘密消息位值被记录在一个单独的位置文件。在发送端，位置文件连同封面图像一起被发送。在接收端，仅用秘密密钥打开位置文件。从位置文件中获取位位置，并将来自位置的LSB值组合以获得ASCII值，然后形成秘密消息的字符
2017-04-10 cs.CR cs.MM
