近日，太阳集团1088vip/網絡空間安全學院電子工程系項世軍教授團隊的論文Reversible Data Hiding by Using CNN Prediction and Adaptive Embedding被國際頂級學術期刊IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE TPAMI)錄用。論文第一作者胡潤文本碩皆為電子工程系學生，2021年網絡空間安全專業直博生；論文通訊作者項世軍教授為電子工程系教師，信息與通信工程學科碩士生導師，網絡空間安全學科博士生導師。

       IEEE TPAMI是計算機視覺及模式識别領域最頂尖的期刊，2020—2021年的影響因子為16.389，在計算機科學人工智能領域的所有JCR國際期刊中排名第一。TPAMI對所刊登論文的原始創新性有很高的要求，對投稿論文的評審非常苛刻和嚴格。國内一流科研單位每年獨立在PAMI上發表的文章數量極為有限。

（IEEE TPAMI雜志情況在線截圖）

（論文在線發表截圖）

        在可逆數據隐藏（RDH）領域，如何提高預測圖像的精度和減少嵌入信息造成的失真是兩個重要的研究方向。在該研究中，項世軍教授團隊創新性地結合了CNN預測和自适應嵌入方法，提出了一種新穎高效的可逆數據隐藏方法：1）在預測階段，圖像先劃分為四個獨立部分，然後利用卷積神經網絡(CNN)的多感受野和全局優化能力構建CNN預測器。由于每個部分可以使用其它三個部分作為上下文來進行預測，大大提高了預測精度；2）在嵌入階段，該研究提出了一種更為高效的基于預測誤差排序（PEO）的自适應嵌入策略。該策略采用背景複雜度來進行誤差排序來選擇那些較小的預測誤差用于信息隐藏，從而有效地減少嵌入過程的失真。

       該研究提出的可逆數據隐藏方法很好地結合了CNN預測器和自适應嵌入策略，有效地提高了數據隐藏圖像的視覺質量，例如，柯達數據集在嵌入10,000 bits信息後的平均PSNR值高達63.59 dB，高于目前最好的成果0.42 dB。大量的實驗結果表明，該研究提出的可逆數據隐藏方法優于現有的研究工作。

（所設計的CNN預測期截圖)

        該研究得到國家自然科學基金面上項目(61772234和61871201)和廣東省科技創新戰略專項資金(pdjh2020a0060)的支持。