To better exploit image redundancy,

To better exploit image redundancy, instead of utilizing prediction-errors individually, Ou et al. proposed to consider every two adjacent prediction-errors jointly to generate a 2D-PEH, and then modify the 2D-PEH for data embedding [19]. This method is called pairwise PEE. For its data embedding, the prediction-error sequence (e1 , . . . , eN ) is first transformed into (e1 , . . . , eN/2 ), where ei = (e2i−1 , e2i ) denotes a prediction-error pair. Then, the 2D-PEH is generated by counting the occurrences of prediction-error pairs as

結果 (繁體中文) 1:

更好地利用，而不是利用預測誤差單獨，區等的圖像冗餘。提出共同考慮每兩個相鄰的預測誤差，以生成一個2D-PEH，然後修改2D-PEH用於數據嵌入[19]。這種方法被稱為成對PEE。對於其數據嵌入，預測誤差序列（E1，...，EN）是第一個變換成（E1，...，EN / 2），其中EI =（E2I-1，E2I）表示預測誤差對。然後，通過計算預測誤差對的發生所產生的2D-PEH

結果 (繁體中文) 2:

為了更好地利用圖像冗余，Ou等人建議共同考慮每兩個連續的預測誤差，以生成 2D-PEH，然後修改嵌入資料 [19] 的 2D-PEH。此方法稱為成對 PEE。對於其資料嵌入，預測誤差序列（e1 ， . . . ， eN） 首先轉換為 （e1 ， . . . . ， eN/2），其中 ei = （e2i+1， e2i） 表示預測誤差對。然後，通過將預測誤差對的發生數計算為

結果 (繁體中文) 3:

為了更好地利用影像冗餘，而不是單獨利用預測誤差，Ou等人。提出將每兩個相鄰的預測誤差聯合考慮生成2D-PEH，然後對2D-PEH進行修改以嵌入數據[19]。這種方法叫做成對小便。對於其數據嵌入，預測錯誤序列（e1。. .，eN）首先轉換為（e1。. .，eN/2），其中ei=（e2i−1，e2i）表示預測錯誤對。然後，通過將預測誤差對的出現次數計算為