Adaptive embedding combining LBE and IBBE for high-capacity reversible data hiding in encrypted images

加密 嵌入 信息隐藏 编码 算法 计算机科学 二进制数 像素 冗余(工程) 块(置换群论) 图像(数学) 编码(社会科学) 理论计算机科学 人工智能 数学 算术 计算机网络 基因 统计 操作系统 生物化学 化学 几何学
作者
Zhifeng Fu,Xiuli Chai,Zongwei Tang,Xin He,Zhihua Gan,Gongyao Cao
出处
期刊:Signal Processing [Elsevier]
卷期号:216: 109299-109299 被引量:6
标识
DOI:10.1016/j.sigpro.2023.109299
摘要

Reversible data hiding in encrypted image (RDHEI) has received wide attention as an effective information protection technique, and most of the existing RDHEI schemes introduce pixel prediction technique to improve embedding performance. However, the high embedding capacity (EC) requirement is still not achieved because the redundancy of carrier medium is not fully utilized. Thus, a novel RDHEI based on pixel prediction and adaptively combining "L"-shaped block embedding (LBE) and improved binary-block embedding (IBBE) is presented, which maximizes the use of Laplacian-like distribution of prediction-errors to achieve higher EC. Specifically, the original image is first predicted to get the prediction-error image and then eight binary prediction-error bit-planes (PEBPs) are generated. Subsequently, the proposed LBE and IBBE are used to calculate the net EC to encode each PEBP. Also, a new bit-plane selection encryption is designed to ensure that the intra-block correlations of the IBBE-based PEBPs remain unchanged. Eventually, the data hider adaptively completes data embedding according to the PEBP coding. Moreover, the 4-D hyperchaotic system is exploited to encrypt the carrier image and the secret data to further enhance the security. Extensive experimental results verify that our strategy achieves more outstanding performance compared with some state-of-the-art schemes.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Ava应助Sunyanying采纳,获得10
刚刚
WWZ发布了新的文献求助10
1秒前
ezio完成签到 ,获得积分0
1秒前
Shiku发布了新的文献求助10
2秒前
2秒前
那个笨笨发布了新的文献求助10
2秒前
虚幻幻然完成签到 ,获得积分10
4秒前
yeah完成签到 ,获得积分10
7秒前
从前从前发布了新的文献求助20
7秒前
英勇的烤鸡完成签到,获得积分10
9秒前
9秒前
mm完成签到 ,获得积分10
9秒前
scxl2000完成签到,获得积分10
10秒前
希望天下0贩的0应助Skuld采纳,获得10
10秒前
赘婿应助点点滴滴采纳,获得10
12秒前
15秒前
15秒前
15秒前
周赳赳发布了新的文献求助10
15秒前
科研通AI2S应助xiaodaiduyan采纳,获得10
18秒前
一一完成签到,获得积分10
18秒前
Stove发布了新的文献求助10
19秒前
21秒前
FashionBoy应助ch采纳,获得10
22秒前
璐宝发布了新的文献求助10
22秒前
夔栀完成签到,获得积分20
23秒前
weiwei发布了新的文献求助10
32秒前
32秒前
历史雨完成签到,获得积分10
35秒前
英俊的铭应助Kevin Huang采纳,获得10
35秒前
ffffffff发布了新的文献求助10
37秒前
37秒前
爱躺平的老baby完成签到,获得积分20
38秒前
jinshiyu58完成签到,获得积分10
39秒前
yoyo发布了新的文献求助10
41秒前
彭于晏应助爱躺平的老baby采纳,获得10
41秒前
李健应助璐宝采纳,获得30
41秒前
43秒前
叽里呱啦完成签到 ,获得积分10
44秒前
赘婿应助孤独靖柏采纳,获得10
47秒前
高分求助中
System in Systemic Functional Linguistics A System-based Theory of Language 1000
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Essentials of thematic analysis 700
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 600
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 600
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3117295
求助须知:如何正确求助?哪些是违规求助? 2767144
关于积分的说明 7690054
捐赠科研通 2422514
什么是DOI,文献DOI怎么找? 1286282
科研通“疑难数据库(出版商)”最低求助积分说明 620284
版权声明 599846