为了改善信息隐藏后的图像质量,减少失真,并提高嵌入信息的容量,本文提出了一种新的改进的基于快速相关矢量量化(MFCVQ,modified fast correlation VQ)的信息隐藏方法。由于图像本身的相关性,快速相关矢量量化利用了当前索引的相邻矢量进行替代编码,计算编码时使用的相邻矢量所产生的失真与事先设定的门限做比较,当失真小于门限时可以进行替代编码,一步完成了编码和嵌入信息;当失真大于门限时不能进行替代编码,从而控制了当前索引的嵌入和最后生成图像的视觉质量。同时,增加了相邻矢量的数目,提高了嵌入信息的容量。实验结果表明改进后的算法能够显著改善图像失真,在门限为18时对不同复杂程度的图像其PSNR分别提高了0.018dB-2.125dB,并且有效地提高了嵌入容量,进而大幅度的提高了嵌入效率。改进算法的嵌入效率达到了Yang算法的1.967-4.683倍。
图像经过矢量量化后得到的索引图具有很强的统计相关性,从而使得邻近块的索引以较大的概率相等或偏移量较小。按照某种准则对码书进行排序,可以有效增强索引之间的相关性。基于平方欧几里得距离提出一种新的码书按距离排序方法。与传统的按均值、方差和能量等排序方法相比,距离排序能大大提高索引图的相关性,使索引之间的偏移量向值小的方向明显集中。将距离排序后的码书用于AICS(adaptive index coding scheme)算法,实现了更好的压缩性能。
