近日，信息科学技术学院/网络空间安全学院电子工程系项世军教授团队的论文Reversible Data Hiding by Using CNN Prediction and Adaptive Embedding被国际顶级学术期刊IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE TPAMI)录用。论文第一作者胡润文本硕皆为电子工程系学生，2021年网络空间安全专业直博生；论文通讯作者项世军教授为电子工程系教师，信息与通信工程学科硕士生导师，网络空间安全学科博士生导师。

       IEEE TPAMI是计算机视觉及模式识别领域最顶尖的期刊，2020—2021年的影响因子为16.389，在计算机科学人工智能领域的所有JCR国际期刊中排名第一。TPAMI对所刊登论文的原始创新性有很高的要求，对投稿论文的评审非常苛刻和严格。国内一流科研单位每年独立在PAMI上发表的文章数量极为有限。

（IEEE TPAMI杂志情况在线截图）

（论文在线发表截图）

        在可逆数据隐藏（RDH）领域，如何提高预测图像的精度和减少嵌入信息造成的失真是两个重要的研究方向。在该研究中，项世军教授团队创新性地结合了CNN预测和自适应嵌入方法，提出了一种新颖高效的可逆数据隐藏方法：1）在预测阶段，图像先划分为四个独立部分，然后利用卷积神经网络(CNN)的多感受野和全局优化能力构建CNN预测器。由于每个部分可以使用其它三个部分作为上下文来进行预测，大大提高了预测精度；2）在嵌入阶段，该研究提出了一种更为高效的基于预测误差排序（PEO）的自适应嵌入策略。该策略采用背景复杂度来进行误差排序来选择那些较小的预测误差用于信息隐藏，从而有效地减少嵌入过程的失真。

       该研究提出的可逆数据隐藏方法很好地结合了CNN预测器和自适应嵌入策略，有效地提高了数据隐藏图像的视觉质量，例如，柯达数据集在嵌入10,000 bits信息后的平均PSNR值高达63.59 dB，高于目前最好的成果0.42 dB。大量的实验结果表明，该研究提出的可逆数据隐藏方法优于现有的研究工作。

（所设计的CNN预测期截图)

        该研究得到国家自然科学基金面上项目(61772234和61871201)和广东省科技创新战略专项资金(pdjh2020a0060)的支持。