本文研究了用于数据嵌入的预留空间。因为低压缩率不能提供足够的空间来控制额外的比特,而预留空间为数据嵌入提供额外的空间,所以预留空间在最大化数据嵌入中起关键作用。但小块分区上的结果不能容纳该块所需的足够数据,而在较低的块级别上,可以获得最高的嵌入容量,因此,基于动态分区的平滑区域和粗糙区域,对于以最大的嵌入率寻找到最佳的信息写入位置和保持高质量的图像具有重要作用。首先,本文提出了一种基于多比特平面高效压缩域的可逆数据隐藏新技术。本文通过一系列实验,利用分块方案对不同参数的结果进行了评价,并修正了直方图各分块的零点概率。该方案获得了更多的嵌入容量和高质量的隐写图像。实验结果有效地实现了高嵌入能力和保持图像质量的目标。其次,本文提出了一种创新的可逆数据隐藏技术,该技术利用多层局部化n位截断图像(LBPTI)在柱状图移动的基础上形成的,即通过有效无损压缩从8位平面生成。从块中选择参考点后,利用相邻的顶点,在不修改峰值点的情况下实现数据嵌入;另外,在提取端,提取秘文信息时,对峰值的关键信息并不是强制性提取的。为了使嵌入的覆盖图像与原始覆盖图像的直方图相似,在保持覆盖图像质量外,同时本文还利用低块级高效无损压缩的局部化方法,在控制额外比特的同时,提高了嵌入容量,使得嵌入能力达到最优水平。第三,在之前的基于PVO的方案中,根据块中的噪声水平以及不同的块大小选择平滑区域,极大地影响了EC的性能。本文讨论了一种新的基于广义PVO的利用萤火虫算法的可逆数据隐藏方法。利用最小和最大像素值序列用嵌入密文数据,并对每个块的多个像素值进行预测。采用基于四叉树的划分,将宿主图像划分为非重合动态块大小,将粗糙块划分为较大的尺寸,并提供更多的嵌入容量,在块大小上使用较小的嵌入容量和在块中的最佳位置来写入信息。本文提出的方法能够将大数据嵌入到低失真的主图像中,与其他相关工作相比,本文在进行大量实验的情况下,其实验结果性能也更为优越。传统的(RDH)方案只注重提高嵌入容量和较高的信噪比,然而,在经过可逆数据隐藏后,传统的(RDH)方案无法将低对比度图像的视觉质量提高。本文讨论了肿瘤异常区域的动态加权直方图均衡技术,该技术提高了肿瘤区域的对比度,保持了肿瘤区域的亮度,减少了畸变像素的数量和图像的原始外观。在分割中,将输入图像分为两个子柱状图,即感兴趣区域(ROI)和非感兴趣区域(非ROI)。此外,子柱状图的感兴趣区域独立均衡,无过度增强,且无诊断数据丢失。