实验室核心成员翁韶伟教授于2022年7月在SCI一区期刊Information Sciences发表题为"Adaptive encoding based lossless data hiding method for VQ compressed imagesusing tabu search"的论文

摘要：本文提出了矢量量化（VQ）压缩图像的一种联合图像编码和可逆数据隐藏的新方法。由于原始VQ指数通常不相关，通过考虑它们的相关性来重新排列它们可能提升预测性能并降低所需的比特率。在本研究中，Tabu搜索算法首次被引入到可逆信息隐藏中，通过充分利用相邻码字间相关性来产生可压缩的重排索引。通过包含更多和待预测索引强相关的索引来提升预测性能，并改进线性回归方法来获得更大的预测误差直方图和较少需要的附加信息。预测后，提出了自适应游程编码方法来对预测误差进行编码，从而消除了不必要的附加信息。实验结果表明，该方法有效降低了压缩图像的比特率，同时提供可较高隐藏容量。

相关图片：