In this section, we evaluate the em

In this section, we evaluate the embedding performance of our method by comparing it with the conventional PEE [12], pairwise PEE [19] and a recently proposed adaptive RDH scheme of Wang et al. [23]. Eight standard 512 × 512 sized gray-scale images are utilized to conduct the comparison, including Lena, Baboon, Barbara, Airplane, Elaine, Lake, Boat, and Peppers. The performance comparison based on capacity-distortion curves is shown in Fig. 10 in which the embedding capacity varies from 10,000 bits to the maximum capacity of the proposed method with a step size of 2000 bits. According to these figures, one can see that the proposed method outperforms the three comparison methods for various capacities. More specifically, the PSNRs for the embedding capacity of 10,000 bits and 20,000 bits with different images for these four methods are presented in Tables 1 and 2.

結果 (繁體中文) 1:

在本節中，我們將它與傳統的PEE [12]，兩兩PEE [19]和Wang等人最近提出的自適應RDH方案進行比較評估了該方法的嵌入性能。[23]。八個標準512×512大小的灰度圖像被利用來進行比較，包括海倫，狒狒，巴巴拉，飛機，伊萊恩，湖，小船，和辣椒。根據容量 - 失真曲線的性能比較示於圖中，10中的嵌入容量為10,000比特變化所提出的方法與2000位的步長的最大容量。根據這些網絡gures，人們可以看到，該方法優於各種能力三個比較方法。更具體來說，該對PSNRs 10,000位和20中的嵌入容量，

結果 (繁體中文) 2:

在本節中，我們將方法的嵌入性能與傳統的 PEE [12]、雙向 PEE [19] 和最近提出的 Wang 等人的自我調整 RDH 方案進行比較，從而評估該方法的嵌入性能。使用八個標準 512 × 512 大小的灰度圖像進行比較，包括萊娜、巴布恩、芭芭拉、飛機、伊萊恩、湖、船和胡椒。基於容量失真曲線的性能比較如圖 10 所示，其中嵌入容量從 10，000 位到步驟大小為 2000 位的擬議方法的最大容量不等。根據這些數位，可以看出，該方法優於三種不同容量的比較方法。更具體地說，表 1 和表 2 中提供了用於嵌入容量為 10，000 位和 20，000 位（具有不同圖像的）的 PSN。

結果 (繁體中文) 3:

在本節中，我們通過與傳統PEE[12]、成對PEE[19]和最近提出的自我調整RDH方案的比較來評估我們的方法的嵌入效能。[23]。採用8幅標準的512×512灰度影像進行對比，包括Lena、狒狒、Barbara、飛機、Elaine、湖泊、船和辣椒。基於容量失真曲線的性能比較如圖10所示，其中嵌入容量從10000比特變化到所提出方法的最大容量，步長為2000比特。根據這些圖，我們可以看到，在不同容量下，所提出的方法優於三種比較方法。更具體地說，這四種方法的10000比特和20000比特不同影像的嵌入容量的psnr在錶1和錶2中給出。