Reversible Data Hiding in Color Image with Grayscale Invariance

Presentation on theme: "Reversible Data Hiding in Color Image with Grayscale Invariance"— Presentation transcript:

1 Reversible Data Hiding in Color Image with Grayscale Invariance
Source: IEEE Transactions on Circuits and Systems for Video Technology (Early Access), Feb 2018, page 1-12 Authors: Dongdong Hou, Weiming Zhang, Kejiang Chen, Sian-Jheng Lin and Nenghai Yu Speaker: Guanlong Li Date: 12/20/2018 Reversible Data Hiding in Color Image with Grayscale Invariance 作者來自合肥工業大學 鄭州大學 上海大學 合肥工業大學 中國科技技術大學教授 本文提出在彩色圖片中擁有灰度不變性的可逆數據隱藏

2 Outline Introduction Related Works Propose Scheme Experimental Results
Difference Expansion Propose Scheme Experimental Results Conclusions

3 Introduction(1/2) Hiding System Secret Data 1001110101110001…
簡單介紹圖像的數據隱藏的嵌入 Secret Data … Cover Image Stego Image

4 Introduction(2/2) Extracting System Secret Data 1001110101110001…
簡單介紹圖像的數據隱藏的提取 Secret Data … Stego Image Cover Image

5 Related Works(1/3)-Difference Expansion
125 126 128 … 127 129 130 131 132 1 2 … 3 在嵌入中使用到Difference Expansion 講述差值表的生成 Cover image Difference image Cover image

6 Related Works(2/3)-Difference Expansion
講述差值表的數據藏入 差值過大: 可以藏入,只是會導致圖像變化過大 Hide secret = 0 Hide secret = 1 Secret

7 Related Works(3/3)-Difference Expansion
125 126 127 128 129 130 125 128 127 130 132 133 136 137 Secret Cover image Stego image 在嵌入中使用到Difference Expansion 講述差值表的生成 125 1 3 125 2 6 125 3 2 6 1 𝑒 ′ =2𝑒+𝑚

8 Propose Scheme(1/8) 方法的流程介紹

9 Propose Scheme(2/8) 𝑟 00 ⋯ 𝑟 0𝑗 ⋮ ⋱ ⋮ 𝑟 𝑖0 ⋯ 𝑟 𝑖𝑗
𝑓 𝑣 𝑟,𝑔,𝑏 = 0.299𝑟 𝑔+0.114𝑏 Gray image 𝑟 00 ⋯ 𝑟 0𝑗 ⋮ ⋱ ⋮ 𝑟 𝑖0 ⋯ 𝑟 𝑖𝑗 𝑔 00 ⋯ 𝑔 0𝑗 ⋮ ⋱ ⋮ 𝑔 𝑖0 ⋯ 𝑔 𝑖𝑗 𝑏 00 ⋯ 𝑏 0𝑗 ⋮ ⋱ ⋮ 𝑏 𝑖0 ⋯ 𝑏 𝑖𝑗 生成灰階圖以及三色矩陣 用於將彩色圖像轉換為灰色版本，其中最廣泛使用的算法是著名公式 : 0.299r+0.587g+0.114b 調整通道G : 因為顏色通道G的權重大於0.5 Color host image Channel R Channel G Channel B

10 Propose Scheme(3/8) 𝑦= [ 𝑟 𝑖+1,𝑗 𝑟 𝑖,𝑗+1 𝑟 𝑖+1,𝑗+1 ] 𝑇 𝛽= [𝑎 𝑏 𝑐] 𝑇
𝑦= [ 𝑟 𝑖+1,𝑗 𝑟 𝑖,𝑗+1 𝑟 𝑖+1,𝑗+1 ] 𝑇 Propose Scheme(3/8) 𝑋= 𝑣 𝑖+1,𝑗 𝑣 𝑖,𝑗+1 𝑣 𝑖+1,𝑗 𝑣 𝑖+1,𝑗 2 𝑣 𝑖,𝑗 𝑣 𝑖+1,𝑗+1 2 𝛽= [𝑎 𝑏 𝑐] 𝑇 𝛽 ∗ = arg min 𝛽 | 𝑦−𝑋𝛽 | 2 𝑓 𝑝 𝑣 𝑖,𝑗 =𝑎+ 𝑏𝑣 𝑖𝑗 + 𝑐𝑣 𝑖,𝑗 2 通過灰階圖像計算彩色矩陣的預測誤差 𝑒 𝑖,𝑗 𝑅 = 𝑟 𝑖,𝑗 − 𝑟 𝑖,𝑗 𝑒 𝑖,𝑗 𝐵 = 𝑏 𝑖,𝑗 − 𝑏 𝑖,𝑗

11 Propose Scheme(4/8) Different expansion Channel R Channel R’ Channel B
𝑒 ′ =2𝑒+𝑚 Channel R Channel R’ Channel B 𝑟′ 𝑖,𝑗 = 𝑟 𝑖,𝑗 + 𝑒 𝑖,𝑗 ′𝑅 𝑏′ 𝑖,𝑗 = 𝑏 𝑖,𝑗 + 𝑒 𝑖,𝑗 ′𝐵 Channel B’ Channel G 數值使用Difference Expansion嵌入紅和藍 綠使用公式改變數值以符合灰度值 Channel G’ 𝑓 𝑔 𝑟′ 𝑖,𝑗 , 𝑏′ 𝑖,𝑗 , 𝑣 𝑖,𝑗 = ( 𝑣 𝑖,𝑗 −0.299 𝑟′ 𝑖,𝑗 −0.114 𝑏′ 𝑖,𝑗 ) /0.587

12 Propose Scheme(5/8) 𝑚 𝑖,𝑗 𝑐 = 𝑔 𝑖,𝑗 − 𝑓 𝑔 𝑟 𝑖,𝑗 , 𝑏 𝑖,𝑗 , 𝑣 𝑖,𝑗
𝑚 𝑖,𝑗 𝑐 = 𝑔 𝑖,𝑗 − 𝑓 𝑔 𝑟 𝑖,𝑗 , 𝑏 𝑖,𝑗 , 𝑣 𝑖,𝑗 𝐷 𝑖,𝑗 = ( 𝑟 𝑖,𝑗 − 𝑟 𝑖,𝑗 ′ ) 2 + ( 𝑔 𝑖,𝑗 − 𝑔 𝑖,𝑗 ′ ) 2 + ( 𝑏 𝑖,𝑗 − 𝑏 𝑖,𝑗 ′ ) 2 計算輔助訊息以供之後的圖像回復 通過差值來避開預測誤差過大的像素 𝐷 𝑖,𝑗 > 𝐷 𝑇 𝑜𝑣𝑒𝑟𝑓𝑙𝑜𝑤/𝑢𝑛𝑑𝑒𝑟𝑓𝑙𝑜𝑤 , 𝑛𝑜 𝑒𝑚𝑏𝑒𝑑

13 Propose Scheme(6/8) 嵌入的範例

14 Propose Scheme(7/8) 提取的範例

15 Propose Scheme(8/8) 𝐿 𝑟 : the number of reserved invariant triplets
𝜌 𝑇 : threshold to determine positions of selected host triples 𝐷 𝑇 : threshold to control distortion 輔助參數的設置

16 Experimental Results(1/3)
預測誤差的比較 在不同圖像的不同藏入值對於PSNR的影響 狒狒的表現比其他人的表現相對較差。原因主要有兩個方面：一是狒狒產生的PE直方圖由於質地豐富而不夠銳利，另一方面是非法三胞胎的數量相當大，導致嵌入的輔助信息更多 M. J. Weinberger, G. Seroussi, and G. Sapiro, “The loco-i lossless image compression algorithm: principles and standardization into jpegls,” IEEE Trans. Image Processing, vol. 9, no. 8, pp , 2000.

17 Experimental Results(2/3)
在不同的嵌入數量上參數的差異 在特徵提取中不同的scan的結果

18 Experimental Results(3/3)
bits by Ou et al. bits by Ou et al. bits by Ou et al. bits by Propose method 特徵提取 和Ou提出的方法做比較 以前 RDH 方案在彩色圖像主要集中在最小化總失真為產生彩色圖像標記，其中區等的方法Ou是近期較好的一個。根據Ou等人的方法，總有效載荷根據其PE 自適應地分配給三個顏色通道，以便保持良好的圖像質量 [26] B. Ou, X. Li, Y. Zhao, and R. Ni, “Efficient color image reversible data hiding based on channel-dependent payload partition and adaptive embedding,” Signal Processing, vol. 108, pp , 2015.

19 Conclusions Corresponding gray version of color host image
Concentrated prediction errors Auxiliary messages for restoring host image and embedded messages from marked image 保持彩色圖像的灰度不變 預測誤差的集中使可嵌入的數量增加 輔助參數可回復原始圖像以及嵌入數據的紀錄