自2020年以来，我校计算机科学教研室何文广博士以第一作者/通讯作者在中国科学院一区Top期刊上发表论文7篇，具体期刊包括IEEE Transactions on Image Processing(一区Top，IF=11.041)、IEEE Transactions on Information Forensics and Security(一区Top，IF=7.231)、IEEE Transactions on Multimedia(一区Top，IF=8.182)、Information Sciences(一区Top，IF=6.795)和Expert Systems with Applications(一区Top，IF=8.5)。上述研究成果受到了中国计算机学会多媒体技术专业委员会的关注并在专委会官方渠道进行报道，何文广博士还受邀参加第二届CSIG中国媒体取证与安全大学并做会议报告。
【1】Wenguang He, Zhanchuan Cai and Yaomin Wang, "Flexible spatial location-based PVO predictor for high-fidelity reversible data hiding", Information Sciences, 2020, 520: 431-444.
信息隐藏被视为解决媒体数据内容安全危机的一种有力手段。作为一类特殊的信息隐藏技术，可逆信息隐藏能在提取出秘密信息之余无损地恢复原始载体。这种“可逆性”解决了数据嵌入操作给载体带来永久性失真的问题。像素值排序(pixel value ordering, PVO)是一种经典的可逆嵌入方法，它以像素分块为单位实施数据嵌入，通过维持像素值排序不变来保障可逆性。针对PVO及其一系列改进方法无法充分利用像素位置信息这一不足，我们提出像素相对位置应当追溯到二维空间，并研制出以最大化位置序列的逆序数为目标的Flexible Spatial Location策略。该策略的优势在于结合像素分块的分布特征来自适应地决定像素分块到一维数组的转换方式，在大量标准测试图像上开展实验所取得的结果表明所提出的策略能显著改进像素相对位置。该项研究对进一步深入利用载体冗余具有重要意义。
图1：基于Flexible Spatial Location的像素值排序预测
【2】Wenguang He, Zhanchuan Cai and Yaomin Wang, "High-fidelity reversible image watermarking based on effective prediction error-pairs modification", IEEE Transactions on Multimedia, 2021, 23: 52-63.
基于前一项研究我们进一步探索了使用分块内第三大/小像素去预测两个最大/小像素产出预测误差，并将所得预测误差两两结对形成误差对，最后构建针对误差对的修改规则实现高维预测误差扩展。传统预测误差扩展主要由两类映射组成，相比之下针对误差对的修改规则可以有更丰富的映射，具体如图2所示。通过结合误差对的分布特征来灵活构建相应的二维映射，我们实现了更优的预测误差修改方法。图3揭示了高维预测误差扩展的原理。
图2：面向误差对修改的二维映射
图3：高维预测误差扩展中的预测误差产生和预测误差修改
【3】Wenguang He and Zhanchuan Cai, "An insight into pixel value ordering prediction based prediction-error expansion", IEEE Transactions on Information Forensics and Security, 2020, 15: 3859-3871.
只嵌入信息到分块内两个最大/小像素仍不足以充分利用载体冗余，针对这一问题我们提出了嵌入信息到分块内所有像素的两轮式嵌入方案，其优势是能充分利用任何与最大/小像素强相关的其他像素。但由于分块内所有像素都被修改，旧的Flexible Spatial Location方案已经不再适用，对此我们提出了新的改进方案，具体如图4所示。此外，为了更高效地修改所得预测误差我们还提出结合使用自适应配对方法实现高维预测误差扩展。
图4：新型Flexible Spatial Location实施方案
【4】Wenguang He, Gangqiang Xiong and Yaomin Wang, "Reversible data hiding based on adaptive multiple histograms modification", IEEE Transactions on Information Forensics and Security, 2021, 16: 3000-3012.
前一项研究中既与最大像素弱相关也与最小像素弱相关的像素尽管不会引入扰动，但弱相关性会使得它们不能携带任何秘密信息。一种解决方案是在预测误差分类的基础上灵活采用不同的修改规则，但现有分类方法全部属于静态划分。对此我们提出了一种动态划分方法，即首先计算参考像素和被预测像素的空间距离并据此完成第一次划分，接下来按距离从小到大逐批处理，前一批预测误差的处理结果直接决定后一批预测误差的修改规则。图5以3x3的像素分块为例展示了完整的两轮式嵌入过程。
图5：自适应多直方图修改示例
【5】Wenguang He and Zhanchuan Cai, "Reversible data hiding based on dual pairwise prediction-error expansion", IEEE Transactions on Image Processing, 2021,30: 5045-5055.
通过对二维映射进行分解我们发现二维映射中B类和D类映射是无法分解的，因此它们才是高维预测误差扩展的核心。据此我们提出收集应用第二个子映射图的预测误差进行二次配对。为确保二次配对能产出尽可能多对应B类和D类映射的误差对，我们将所涉及的预测误差划分为3个区域并实际上只在2号区域进行收集。实验结果表明所收集预测误差越多嵌入性能的增幅就越显著。该项研究对进一步深入理解高维预测误差扩展具有重要意义。
图6：二维映射分解、二次配对
