پنهان ‌نگاري معكوس‌ پذير در تصاوير رمز‌ شده با استفاده از همبستگي پيكسل‌هاي مجاور و كدبندي حسابي

Reversible Data Hiding in Encrypted Images using Correlation of Neighboring Pixels and Arithmetic Coding

اين مقاله روشي در پنهان نگاري معكوس پذير در تصوير رمز شده را معرفي مي كند كه از همبستگي پيكسل هاي مجاور در تصوير بهره مي برد. در روش پيشنهادي، تصوير اصلي مي تواند با الگوريتم رمز دلخواه رمز شود. بيت هايي با ارزش بيشتر در پيكسل هاي تصوير به منظور ايجاد فضاي خالي براي پنهان نگاري بيت هاي داده به كار گرفته مي شوند. در اين رويكرد تصوير به قالب‌هاي مجزا تقسيم و مركزي ترين پيكسل در هر قالب به عنوان پيكسل مبنا در نظر گرفته مي شود. خطاي پيش بيني بين شدت پيكسل مبنا و شدت پيكسل هاي ديگر در قالب محاسبه و پيش بيني محلي ناميده مي شود. اين خطا به منظور بدست آوردن يك ويژگي از ظرفيت ذخيره هر قالب تحليل مي گردد. ويژگي هاي محاسبه شده براي تمام قالب ها توسط كدبندي حسابي، فشرده و ويژگي هاي فشرده شده به همراه بيت هاي داده در تصوير تعبيه مي شوند. در گيرنده در ابتدا ويژگي هاي فشرده شده استخراج، سپس نافشردهشده و به منظور بازيابي بدون اتلاف تصوير اصلي و استخراج بيت هاي داده به كار گرفته مي شوند. نتايج آزمايش تاييد مي كند كه روش پيشنهادي روش هاي جديد در اين زمينه را بهبود مي دهد.

This paper presents a reversible data hiding method in encrypted image that employs correlation of neighboring pixels in the image. In the proposed method, original image may be encrypted by desire encryption algorithm. More significant bits of the pixels in the image are exploited to vacate room for embedding data bits. In the approach, image is divided into separated blocks and most central pixel of each block is considered as reference one. The prediction error between the intensity of other pixels and reference one is calculated and denoted local prediction. This error is analyzed determining a feature of block embedding capacity. Calculated features for all blocks are compressed employing arithmetic coding and embedded in the image along with data bits. At the recipient, at first, compressed features are extracted, then they are uncompressed and used to lossless reconstruction of the original image and extraction of the data bits. Experimental results confirm that the proposed algorithm outperforms state of the art ones.