APVCPC:一种适应预测值计算和像素分类框架,用于隐藏在加密图像中的可逆数据

科学领域:

• 计算机科学 计算机科学
• 信息安全 信息安全
• 数据压缩数据压缩

背景情况:

• 物联网 (IoT) 和移动传感系统需要安全的数据管理.
• 隐藏在加密图像中的可逆数据 (RDHEI) 对于安全的基于云的传感器数据至关重要.
• 现有的RDHEI方法面临着平衡嵌入能力和数据保真的挑战.

研究的目的:

• 提出一个先进的RDHEI框架,APVCPC,优化嵌入容量和传感器数据的数据保真.
• 为了提高预测准确性和空间冗余利用在异质图像区域.
• 支持可分离的数据提取和解密,用于灵活的访问控制.

主要方法:

• 开发了一个自适应预测值计算和像素分类 (APVCPC) 框架.
• 实现了一个基于上下文的预测引擎,基于纹理复杂性的自适应最佳估计函数选择.
• 利用内容驱动的像素分类范式将像素分类为可加载和不可加载的集合.

主要成果:

• 实现了高于2.0比特/像素 (bpp) 的平均嵌入速率.
• 确保了原始视觉资产的完美可逆性.
• 在容量和安全方面,与最先进的技术相比,表现出显著的性能改进.

结论:

• APVCPC框架有效地解决了传统的RDHEI方法的局限性.
• APVCPC为基于云的传感器数据管理提供了增强的安全性和效率.
• 拟议的方案为安全的传感场景提供了一个强大的解决方案,具有灵活的访问控制.