logo móvil
Contáctanos

Eficiente ocultación de datos reversible utilizando agrupamiento de píxeles bidimensional

Autores: Yuan, Junying; Zheng, Huicheng; Ni, Jiangqun

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Eficiente ocultación de datos reversible utilizando agrupamiento de píxeles bidimensional


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Agrupamiento de píxeles
Incrustación de datos
Ocultación de datos reversible
Complejidad local
Agrupamiento de píxeles bidimensional
Histogramas de errores de predicción

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 38

Citaciones: Sin citaciones


Descripción
La agrupación de píxeles es una técnica de incrustación de datos adaptativa al contenido en el área de ocultación de datos reversible de alto rendimiento (RDH). Usando la agrupación de píxeles, los píxeles en una imagen de cobertura pueden clasificarse en diferentes grupos basados en un solo factor, que suele ser la complejidad local. Dado que una agrupación más fina de píxeles parece mejorar el rendimiento de incrustación, en este manuscrito proponemos utilizar dos factores para la agrupación de píxeles bidimensional para desarrollar RDH de alto rendimiento. En primer lugar, además de la complejidad local, se diseñó un nuevo factor como segundo factor para la agrupación de píxeles. Específicamente, el factor propuesto se definió utilizando el código invariante a la rotación derivado de las relaciones entre píxeles en el vecindario de cuatro. Luego, los píxeles se asignaron a los grupos bidimensionales basados en los dos factores de agrupación, y se realizó una predicción de píxeles basada en el grupo. Como resultado, se construyeron histogramas de errores de predicción bidimensionales (2D-PEHs), y la optimización del rendimiento se basó en la selección de contenedores de expansión de los 2D-PEHs. A continuación, se introdujo un algoritmo para la selección rápida de contenedores de expansión para reducir la complejidad temporal. Por último, la incrustación de datos se realizó utilizando la técnica de expansión de errores de predicción de acuerdo con los contenedores de expansión seleccionados de manera óptima. Experimentos extensos muestran que el rendimiento de incrustación se mejoró significativamente, especialmente en términos de calidad de imagen mejorada y complejidad temporal reducida, y la capacidad de incrustación también mejoró moderadamente.

Otros recursos que podrían interesarte

Temas Virtualpro