基于相邻均值差直方图的高容量可逆信息隐藏算法
High-capacity reversible data hiding based on neighboring mean difference histogram
1. 北京印刷学院 信息工程学院, 北京 102600
2. 北京邮电大学 信息安全中心, 北京 100876
摘要
为解决可逆信息隐藏（reversible data hiding，RDH）容量受限的问题，提出了一种基于相邻均值差的可逆信息隐藏（neighboring mean difference reversible data hiding，NMDRDH）算法。相邻均值差（neighboring mean difference，NMD）：计算两个相邻数值的平均值与其中一个数值的差值。NMD将差值最小化，使数据更加集中。首先将图像进行分块，然后在分块上应用NMD生成差值直方图，最后通过平移差值直方图，利用峰值点来嵌入秘密信息。由于NMD使生成的差值直方图具有更多的峰值点，所以该方法可嵌入更多的秘密信息。实验结果表明，采用本算法，原始图像恢复率和秘密信息提取正确率均为100%；相比于经典差值直方图平移方法，本算法的嵌入容量提升了43.7%；本算法在保证高容量的同时，PSNR达到42 dB以上，确保了嵌入图像失真较小。
基金项目
国家自然科学基金项目(62472040)
北京市教委科研项目(KM202110015004)
北京市高等教育学会项目(MS2023204)
北京市数字教育研究课题(BDEC2023619095)
北京印刷学院博士启动金项目(27170120003/020,27170122006)
北京印刷学院科研基础研究一般项目(Ec202201)
北京印刷学院青年卓越项目(Ea202411)
出版信息
DOI: 10.19734/j.issn.1001-3695.2024.05.0265
出版期卷: 《计算机应用研究》 印刷出版, 2025年第42卷 第4期
所属栏目: 信息安全技术
出版页码: 1217-1222
文章编号: 1001-3695(2025)04-034-1217-06
发布历史
[2025-04-05] 印刷出版
引用本文
熊涛, 丁海洋, 李雅静. 基于相邻均值差直方图的高容量可逆信息隐藏算法 [J]. 计算机应用研究, 2025, 42 (4): 1217-1222. (Xiong Tao, Ding Haiyang, Li Yajing. High-capacity reversible data hiding based on neighboring mean difference histogram [J]. Application Research of Computers, 2025, 42 (4): 1217-1222. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
