1. Pairwise PEE
Pairwise PEE 是將預測誤差擴展 PEE與成對像素策略結合的嵌入方法，透過配對後的誤差操作在維持高視覺品質的前提下提升嵌入容量。此研究主題方法依照目前切分成的4*4區塊中的內部像素以其上下左右像素平均值計算每個像素的預測誤差。不同於一般逐像素執行的 PEE，pairwise PEE 會將內部像素以斜對角兩個像素配對。
配對完成後會針對每一對預測誤差（e₁, e₂）使用二維映射 2D mapping進行擴展或位移。常見的誤差組如 (0,0)，會被擴展至有限的候選組合如 (0,0)、(1,0)、(0,1)。二維誤差擴展能同時操作兩個誤差值，使得每個像素的修改幅度控制在 ±1 或小範圍內，同時達成更高的資訊嵌入量。透過二維映射以限制每個像素的變化幅度，從而在降低失真和提高容量間取得較佳平衡。
2.Pairwise PVO
Pairwise PVO 將傳統的像素值排序與二維映射結合，旨在維持高視覺品質的同時提升嵌入容量。此研究主題方法先以滑動視窗把影像分割成4*4大小區塊，對每個區塊內部的像素做由小到大的排序，藉此將區塊內極端值與中間像素的關係明確化並計算Dmin 以及Dmax值。排序後不直接逐像素嵌入，而是先將區塊內像素配成成對為(Dmin,Dmax)再依每一對採用二維映射2D mapping進行擴展或位移以嵌入訊息。這種成對映射將常見的誤差組例如 (0,0), 擴展到有限的候選組合如 (0,0),(0,1),(1,0) 等，以限制每個像素的變化幅度，從而在降低失真和提高容量間取得較佳平衡。
3.研究方法
透過閱讀多篇資訊隱藏為主題的期刊論文,學習資訊隱藏技術的概念與實驗方法等,再選定一篇資訊隱藏論文針對其中所提出的演算法進行分析,先使用Python撰寫程式碼來實現演算法方法,後續針對演算法優化想法討論進行修改。在實作的基礎上,我進一步尋找潛在的優化方向,該專題研究可透過峰值信噪比（PSNR）與嵌入容量（Embedding Capacity, EC）等指標來評估優化方法是否能夠有效提升影像品質或是秘密資訊的嵌入量。
4.研究成果
設定嵌入量為10000&20000bits&最大遷入容量以Random方式嵌入到測試圖像當中進行數據比對
