本文以高保真的可逆信息隐藏技术为主要研究内容，探讨在给定嵌入容量的情况下如何更有效地减少嵌入失真，提升图像视觉质量。论文取得的主要创新性研究成果包括：1.提出了一种基于可自适应选择预测误差直方图的高容量可逆信息隐藏方法。该方法设计了两种预测器，通过参数调节得到不同的预测误差直方图。对比上层嵌入，自适应地得到当前嵌入层的最优预测误差直方图，使得像素补偿的收益最大化。实验结果表明该方法在高嵌入率情况下的图像质量明显优于基于直方图移位的传统方法。2.提出了一种基于偏微分方程预测器的可逆信息隐藏方法。偏微分预测器能够根据图像的局部相关性迭代更新得到最优预测值。在每一次迭代中，通过计算当前预测值在上下左右四个方向上的梯度，来自适应地分配权重，因而预测更准确。实验结果表明在同等嵌入率下该方法带来的失真更小。3. 提出了一种基于非局部均值预测的可逆信息隐藏方法。通过全局地利用图像的自相似性来提升像素预测的准确性，不仅能在图像平滑区准确预测，也能在纹理区取得较好效果。实验结果表明，该方法对于自然图像尤其是纹理图像可取得更好的嵌入性能。4.提出了一种基于像素值排序的可逆信息隐藏方法。以像素块为基本嵌入单元，利用块内像素值的大小顺序在信息嵌入前后保持不变这一特性，将图像的嵌入划分了多个层级。通过容量划分和像素选择技术，根据容量自适应地在不同类型的像素块嵌入信息，得到最优的嵌入效果。实验结果表明该方法在小嵌入容量下对图像的改动更小。5. 提出了一种基于二维直方图的可逆信息隐藏框架。利用预测误差间的相关性，将邻近的两个预测误差作为嵌入单元来设计一种二维的可逆嵌入方案，并给出了多个新的、更有效的二维可逆映射，理论证明了该方法的优越性。实验结果表明该方法明显优于当前主流的可逆信息隐藏方法。

2004-2014北京交通大学本硕博2014年北京交通优秀博士现任湖南大学助理教授，从事信息安全相关研究