如何平衡JPEG可逆信息隐藏关键指标？多目标优化来帮忙！

可逆信息隐藏是将附加信息等数据嵌入到数字载体中之后，附加信息和数字载体都能无损恢复的一项技术，可应用于医学图像处理、海量结构化数据标注、检索等场景中。

图像可逆信息隐藏框架

JPEG是当前使用最广泛的图像编码和压缩格式，JPEG可逆信息隐藏的算法设计中三个关键评价指标互相影响：嵌入率、图像质量以及压缩后的文件大小。如何平衡嵌入率、含密JPEG图像的视觉质量与数据膨胀是JPEG图像可逆信息隐藏算法设计中需要解决的关键问题。

图图推荐 安徽大学多模态认知计算安徽省重点实验室， 罗斌、汤进教授团队 最新研究成 果：

《Reversible Data Hiding in JPEG Images With Multi-Objective Optimization》

该算法可对JPEG可逆信息隐藏中率失真性能与数据膨胀两个关键指标同时进行优化。

论文信息：

论文标题：

Reversible Data Hiding in JPEG Images With Multi-Objective Optimization

论文作者：殷赵霞, 纪远, 罗斌

关键词：JPEG图像可逆信息隐藏、多目标优化、图像失真、数据膨胀度

发表期刊：

IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY

引用格式：

Z. Yin, Y. Ji and B. Luo, "Reversible Data Hiding in JPEG Images with Multi-objective Optimization," in IEEE Transactions on Circuits and Systems for Video Technology, doi: 10.1109/TCSVT.2020.2969463.

点击下载论文

点击下载代码

研究思路

JPEG可逆信息隐藏的算法设计中三个关键评价：嵌入率、图像质量以及压缩后的文件大小，嵌入率指可嵌入数据量的大小，嵌入的数据越多往往图像失真越大视觉质量越差，把给定数据嵌入率下的图像失真度称为率失真；数据嵌入的同时也会带来图像压缩文件变大的情况，称之为数据膨胀。

为了在JPEG可逆信息隐藏算法设计中同时优化率失真性能与数据膨胀两个关键指标，论文首先从整体框架上对需要优化的目标进行分析和建模，更精准地衡量数据嵌入带来的载体信号修改对关键指标的影响。

率失真是在JPEG编码解压缩后得到的空域图像上进行衡量的，而JPEG图像可逆信息隐藏算法是在频域或熵编码域进行修改以达到数据可逆嵌入的目的，因此衡量信号修改对图像质量的影响需要建立从频域信号修改到空域像素级失真的映射，对DCT域的修改依次进行反量化以及逆DCT变换即可得到率失真的描述函数；数据膨胀度的函数即描述修改前后的编码长度的变化。

然后将设计好的数学模型与目标函数应用到现有的JPEG可逆信息隐藏的代表性方法上，验证其在提升率失真性能并降低数据膨胀两方面的有效性。

核心算法

本研究针对JPEG图像可逆信息隐藏算法的两个目标从整体上设计的优化数学模型如公式(1)所示：

其中V 代表对嵌入信号的选择，也就是决策变量，D 代表载体信号的失真集合，E 代表载体信号的文件膨胀度集合， min(V×D^T) 代表最小化图像失真也就是最大化率失真性能， min(V×E^T) 代表最小文件膨胀度，C-V×R^T≤0 保障所有的附加信息都可被嵌入，其中R 代表载体信号可嵌入的附加信息长度集合，C 代表待嵌入的附加信息的长度。在实际设计算法过程中，为减小时间复杂度，将其中最小化文件膨胀度这一目标转换为一个约束条件，见公式(2):

即在满足一定文件膨胀度的条件下，使图像失真最小化。其中α 代表对文件膨胀度的约束，α 越小，对文件膨胀度的约束越大；α 越大，对文件膨胀度的约束越小，可得到使图像失真更小的决策变量。

图像失真由JPEG压缩的逆过程计算得到，含密图像数据膨胀度采用模拟嵌入前后载体的编码长度的增加率计算。由上述目标函数和优化模型的结合，选取不同载体信号的优化组合，使用可逆信息隐藏中经典的直方图平移技术进行附加信息的嵌入，从而得到最优的含密载体。

基于多目标优化的JPEG图像可逆信息隐藏框架

重要数据结果

本研究在两个公开的图像数据集UCID和CVG-UGR中进行实验测试，同等数据嵌入量下，能够显著提升现有JPEG可逆信息隐藏算法的率失真性能，同时含密图像数据膨胀度也得到有效控制。

有效提升（Huang et. al., IEEE-T-CSVT 2016）（Hou et. al., SigPro 2018）在不同质量因子下的率失真性能并降低数据膨胀

重要参考文献：

F. Huang, X. Qu, H. J. Kim, and J. Huang, “Reversible data hiding in jpeg images,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 26, no. 9, pp. 1610–1621, 2016.

D. Hou, H. Wang, W. Zhang, and N. Yu, “Reversible data hiding in jpeg image based on dct frequency and block selection,” Signal Processing, vol. 148, pp. 41–47, 2018.

研究结论

率失真性能和含密图像文件大小是JPEG图像可逆信息隐藏技术的关键评价指标。论文提出的多目标优化模型同时考虑率失真性能与含密JPEG图像文件数据膨胀度。根据不同算法中载体信号的不同划分，使用本文提出的多目标优化策略选择较优的载体信号子集，从而同时优化现有JPEG可逆信息隐藏算法在两个关键指标上的表现。从载体信号选择的角度，该框架可以进一步推广到信息隐藏其他领域，比如用于隐蔽通信的数字图像隐写研究和可逆信息隐藏中的多载体选择。

作者及团队介绍

殷赵霞，副教授，博士生导师，安徽大学多模态认知计算安徽省重点实验室，计算机科学与技术学院。主要研究方向为：信息隐藏、数字媒体取证与人工智能安全，大数据隐私保护。

E-mail：Yinzhaoxia@ahu.edu.cn

个人主页：

http://cs.ahu.edu.cn/2018/0322/c11201a193315/page.htm

纪远，硕士研究生，安徽大学计算机科学与技术学院，主要研究方向：JPEG可逆信息隐藏。

E-mail：2633515155@qq.com

罗斌，教授，博士生导师，安徽大学多模态认知计算安徽省重点实验室，计算机科学与技术学院，主要研究方向为：模式识别、数字图像处理。

E-mail：luobin@ahu.edu.cn

个人主页：

http://cs.ahu.edu.cn/2018/0322/c11201a163149/page.htm

安徽大学多模态认知计算安徽省重点实验室，视觉信息处理与跨媒体技术团队，目前拥有20名全职教师，包括教授4人、副教授12人、博导6人。团队80%为科研一线青年研究工作者，在模式识别、计算机视觉、人工智能与媒体数据安全等研究方面取得了一批国内外有影响的学术成果，授权国家发明专利20余项，在IEEE TPAMI、IEEE T-IP、IEEE T-CSVT、IEEE T-MM、IJCV、IEEE T-NNLS等国际期刊以及NeurIPS、CVPR、ECCV、IJCAI、AAAI、ACM MM、ICME、ECML、ICASSP等国际会议上发表了一批高质量论文。近5年来主持国家级项目20余项，包括国际合作重点项目1项、国家973项目和863计划子课题各1项、国家自然科学基金面上项目7项、青年项目10项以及中国博士后基金2项。

点击了解安徽大学2020年人才招聘信息

学报相关论文

汪佩怡, 游林, 简志华, 胡耿然. 2020. 结合时间戳的指纹密钥数据加解密传输方案. 中国图象图形学报, 25(1): 60-72

[DOI: 10.11834/jig.190175]

张啸剑, 付聪聪, 孟小峰. 2020. 结合矩阵分解与差分隐私的人脸图像发布. 中国图象图形学报, 25(4): 655-668 

[DOI: 10.11834/jig.190308]

李国利, 邵利平, 任平安. 2019. 差异聚类和误差纹理合成的生成式信息隐藏. 中国图象图形学报, 24(12): 2126-2148

[DOI: 10.11834/jig.190008]

刘宇洋, 朱策, 郭红伟. 2019. 光场数据压缩研究综述. 中国图象图形学报, 24(11): 1842-1859

[DOI: 10.11834/jig.190035]

袁源, 和红杰, 陈帆. 2018. 减少相邻位平面间冗余度的加密图像可逆信息隐藏. 中国图象图形学报, 24(1): 13-22

[DOI: 10.11834/jig.180305]

"图图Seminar" 直播回放

回放平台

知网平台：

http://k.cnki.net/Room/Home/Index/181822

B站：

https://space.bilibili.com/27032291

往期目录

汪荣贵——机器学习基本知识体系与入门方法

陈强——从Cell封面论文谈AI研究中的实验数据问题

石争浩——从先验到深度：低见度图像增强

行知论坛——南理工行知论坛&图图Seminar：智能画质增强专题

孙显——遥感图像智能分析：方法与应用

章国锋——视觉SLAM在AR应用上的关键性问题探讨

     好文推荐

前沿进展 | 多媒体信号处理的数学理论

中国卫星遥感回首与展望

单目深度估计方法：现状与前瞻

目标跟踪40年，什么才是未来？

10篇CV综述速览计算机视觉新进展

算法集锦 | 深度学习在遥感图像处理中的六大应用

封面故事 | 从传统到深度：火灾烟雾识别综述

封面故事 | 光场数据压缩综述

学者观点 | 结合深度学习和半监督学习的遥感影像分类

编辑推荐 | 视频 + 地图！四维信息助力实景中国

深度学习+图像降噪，如何解决“卡脖子”问题？

❂ 专家报告

专家推荐|高维数据表示：由稀疏先验到深度模型

专家报告 | AI与影像“术”——医学影像在新冠肺炎中的应用

专家推荐|真假难辨还是虚幻迷离，参与介质图形绘制让人惊叹！

学者推荐 | 深度学习与高光谱图像分类【内含PPT 福利】

专家报告|深度学习+图像多模态融合

专家报告 | 类脑智能与类脑计算

实战例题！200+PPT带你看懂监督学习

118页PPT！机器学习模型参数与优化那些事儿~

专家开讲 | 机器学习究竟是什么？

❂ 论文写作

羡慕别人中了顶会？做到这些你也可以！

如何阅读一篇文献？

共享 | SAR图像船舶切片数据集

资源分享| 不知道如何获取最新的算法资讯？快来这里看一看

资源分享|热门IT资讯号推荐

本文系《中国图象图形学报》独家稿件

内容仅供学习交流

版权属于原作者

欢迎大家关注转发！

编辑：秀   秀

指导：梧桐君

审校：夏薇薇

总编辑：肖   亮

声  明

欢迎转发本号原创内容，任何形式的媒体或机构未经授权，不得转载和摘编。授权请在后台留言“机构名称+文章标题+转载/转发”联系本号。转载需标注原作者和信息来源为《中国图象图形学报》。本号转载信息旨在传播交流，内容为作者观点，不代表本号立场。未经允许，请勿二次转载。如涉及文字、图片等内容、版权和其他问题，请于文章发出20日内联系本号，我们将第一时间处理。《中国图象图形学报》拥有最终解释权。

我就知道你“在看”