Lossless data hiding for VQ indices based on neighboring correlation

Lee, Jiann-Der; Chiou, Yaw-Hwang; Guo, Jing-Ming

doi:10.1016/j.ins.2012.09.020

Cited by 42 publications

(55 citation statements)

References 27 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Sua funçãoé realizar o mapeamento de uma sequência de vetores de entrada x que pertencem a um espaço de dimensão K em uma sequência de vetores de mesma dimensão pertencentes a um subconjunto finito desse espaço, denominado dicionário. A quantização vetorial tem sido utilizada com sucesso em sistemas de codificação de sinais, permitindo elevadas taxas de compressão, e tem sido utilizada também em outros sistemas de processamento de sinais, comoé o caso de sistemas de esteganografia [3], [4] e marca d'agua digital [5], [6].…”

Section: Introductionunclassified

Algoritmo PSO Modificado Aplicado ao Projeto de Quantizadores Vetoriais

Severo¹,

Leitão²,

Lima³

et al. 2015

Anais Do 12. Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

Resumo-A quantização vetorial (QV)é amplamente utilizada em compressão de voz e imagem. O desempenho de sistemas de compressão de sinais baseados em QV depende da qualidade dos dicionários projetados. O objetivo do projeto de dicionárió e a construção de um dicionário que minimize a distorção introduzida ao se representarem os vetores de entrada por suas correspondentes versões quantizadas. Este trabalho introduz modificações na técnica PSO-LBG (particle swarm optimizationLinde-Buzo-Gray), a qual utiliza o algoritmo de otimização por enxame de partículas, PSO, para a construção do dicionário. A versão proposta difere da originalmente apresentada na literatura sobretudo por permitir uma maior influência do conjunto de treino no projeto de dicionários.É apresentada uma avaliação comparativa da técnica com sua versão original e com o tradicional algoritmo LBG (Linde-Buzo-Gray) no que diz respeitoà qualidade dos dicionários projetados, avaliada via relação sinalruído de pico de imagens reconstruídas.Palavras-chave: Quantização vetorial, compressão de imagens, projeto de dicionários, otimização por enxame de partículas. I. INTRODUÇÃOO crescimento da Internet, o avanço tecnológico e a popularização de produtos, como computadores, celulares e tablets, levaram ao aumento da quantidade de informação digital transmitida e armazenada, como aúdio, imagem, vídeo e texto. Diante do aumento significativo do uso de dados em formato digital, surge a necessidade de utilizar de forma eficaz os recursos disponíveis pelas redes de comunicações. Para isso, faz-se necessário codificar de modo eficiente os sinais para que se adequemàs limitações das redes de comunicações. Nesse cenário, a quantização vetorial [1], [2] se destaca como uma poderosa técnica utilizada para compressão de sinais com perdas, em que o sinal quantizado corresponde a uma versão degradada do sinal original com uma quantidade menor de bits. Sua funçãoé realizar o mapeamento de uma sequência de vetores de entrada x que pertencem a um espaço de dimensão K em uma sequência de vetores de mesma dimensão pertencentes a um subconjunto finito desse espaço, denominado dicionário. A quantização vetorial tem sido utilizada com sucesso em sistemas de codificação de sinais, permitindo elevadas taxas de compressão, e tem sido utilizada também em outros sistemas (PSO, Particle Swarm Optimization). No método proposto, PSO-LBG, cada partícula corresponde a um dicionário que representa uma possível solução ao problema. Uma das partículas corresponde a um dicionário projetado pelo algoritmo LBG, que representará inicialmente a melhor partícula global (gbest) do enxame, enquanto as demais partículas correspondem a dicionários iniciais gerados aleatoriamente a partir de um conjunto de treino. As partículas "voam" sobre o espaço vetorial com uma velocidade queé ajustada dinamicamente de acordo com a sua experiência, que correspondeà melhor posição encontrada por ela, e a experiência de seus vizinhos, que correspondeà melhor posição encontrada pelo enxame como um todo. O objetivo do m...

show abstract

Section: Introductionunclassified

Algoritmo PSO Modificado Aplicado ao Projeto de Quantizadores Vetoriais

Severo¹,

Leitão²,

Lima³

et al. 2015

Anais Do 12. Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

show abstract

“…In [29] a method has been proposed to compress the VQ index table namely adjoining state codebook mapping; for each block two state codebooks are constructed and the index is encoded by its position in the state codebooks, some secret bits are appended to the compressed code of each index. In [17] neighboring correlation is utilized to compress the indices and some secret bits are appended to each index. In some other schemes of this category, non-conventional and modified index compression methods have been used; the schemes developed in the literatures [6,8,32] use modified locally adaptive data compression scheme (LAS), the schemes [4,21] use modified SOC coding methods, and the schemes [7,19,27,34] use an encoding method called joint neighboring coding (JNC).…”

Section: Introductionmentioning

confidence: 99%

A low distortion reversible data hiding scheme for search order coding of VQ indices

Rahmani

Dastghaibyfard

2014

Multimed Tools Appl

View full text Add to dashboard Cite

In recent years many reversible data hiding schemes for vector quantization (VQ)-compressed images have been developed. However most of them generate non-legitimate codes as output and make the data hiding behavior detectable. Moreover existing schemes with legitimate outputs usually need side information to achieve reversibility. In this paper a reversible data hiding scheme for VQ-compressed images based on search order coding (SOC) is proposed which generate legitimate SOC codes as output. For each index of the input VQ index table which finds a match in its corresponding SOC path, the indices located in the SOC path are clustered, and then SOC codes of some blocks are changed to SOC code of one of the indices in the same cluster to hide data. Some SOC codes are re-encoded using original index value (OIV) codes for recovery purpose. By the strategy of re-encoding, the proposed scheme doesn't need any side information. The proposed scheme adaptively adjusts the criteria of exchangeability of the indices based on the smoothness level of each image block to prevent appearing spots in the stego-image. Experimental results show that the proposed scheme on average could embed about 0.5 bits per index by only about 0.67 dB degradation of image quality for a set of test images includes smooth an complicated images. Also superiority of the proposed scheme when compared with the previous schemes is confirmed from various aspects; hiding capacity, stego-image quality, the average of the bit rate of the output code, and the execution time.

show abstract

“…The main drawback of Wang and Lu's scheme is its high bit rate. In 2013, Lee et al [18] presented a reversible data embedding scheme that attains an average embedding rate of 2.952 bpi with a corresponding bit rate of 0.546 bpp for a 256 sized codebook. Their technique improves on both the embedding capacity and bit rate of the previous schemes [3,28].…”

mentioning

confidence: 99%

“…Consequently, the embedding rate and bit rate of this method can be further improved by eliminating the seed area. In 2015, Chang et al [2] proposed a novel reversible data hiding scheme in VQ compressed domain to improve the embedding capacity and bit rate of Lee et al's method [18].…”

mentioning

confidence: 99%

“…We propose a novel reversible steganographic method based on joint neighboring and predictive coding for VQ-compressed images that improves on both the embedding rate and bit rate of the previous methods [3,18,28]. The proposed scheme embeds n secret bits, where n=1, 2, 3, or 4, into each VQ index with bit rates of 0.409, 0.471, 0.534, and 0.596 bpp respectively for a 256 sized codebook.…”

mentioning

confidence: 99%

See 1 more Smart Citation

A reversible steganographic scheme for VQ indices based on joint neighboring and predictive coding

Rudder

2015

Multimed Tools Appl

View full text Add to dashboard Cite

In this paper, we propose a novel reversible steganographic technique to embed secret data into digital images compressed using vector quantization (VQ). The proposed method is based on joint neighboring and predictive coding. The proposed technique can embed n secret bits into one VQ index, where n=1, 2, 3, and 4. Our method uses left and upper neighboring VQ indexes and the difference between the current VQ index and the predicted value produced by the median edge detector predictor to achieve a low bit rate. The experimental results show that the proposed approach obtains embedding rates of 1, 2, 3, and 4 bits per index (bpi) with respective average bit rates of 0.409, 0.471, 0.534, and 0.596 bit per pixel (bpp) for a 256 sized codebook. This confirms that the proposed scheme outperforms three similar reversible data hiding schemes in VQ-compressed domain.

show abstract

Lossless data hiding for VQ indices based on neighboring correlation

Cited by 42 publications

References 27 publications

Algoritmo PSO Modificado Aplicado ao Projeto de Quantizadores Vetoriais

Algoritmo PSO Modificado Aplicado ao Projeto de Quantizadores Vetoriais

A low distortion reversible data hiding scheme for search order coding of VQ indices

A reversible steganographic scheme for VQ indices based on joint neighboring and predictive coding

Contact Info

Product

Resources

About