通用型圖像隱寫分析的基礎問題研究.pdf

1、在當前網(wǎng)絡傳輸?shù)拿襟w數(shù)據(jù)中，可能含有使用隱寫術方法隱藏的隱秘信息。隱寫術通過使用正常的媒體數(shù)據(jù)對信息進行偽裝，達到隱秘通信的目的。由于隱藏在媒體數(shù)據(jù)中的隱秘信息具有不可見性，依靠人眼觀察無法判斷是否存在隱藏信息，因此需要通過計算機手段來進行隱寫分析。數(shù)字圖像是當前使用最多的數(shù)字媒體之一，已有眾多的針對數(shù)字圖像的隱寫術出現(xiàn)。針對這樣的情況，設計能檢測多種隱寫術的通用型數(shù)字圖像隱寫分析，成為一個難點問題。
　　 本文主要研究針對檢測

2、數(shù)字圖像隱寫術的通用型隱寫分析問題，主要使用從圖像中提取的特征以及統(tǒng)計學習的分類，回歸方法，對隱寫圖像進行檢測并分析其中的隱秘信息。
　　 本文的主要貢獻如下:
　　 1.提出了基于鄰域信息的通用型隱寫分析特征。特征是隱寫分析重要部分。特征提供具有區(qū)分能力的信息，從而使得分類器能夠從正常的圖像中檢測出含有隱藏信息的隱寫圖像。鄰域信息特征使用一個鄰域內(nèi)相鄰像素的像素灰度值提取多個鄰域信息，然后將鄰域信息處理，最后計算處理后

3、鄰域信息的直方圖得到鄰域信息特征。實驗結果表明鄰域信息特征能夠有效地檢測多種圖像隱寫術。
　　 2.提出了基于子空間學習和梯度boosting的定量隱寫分析方法。定量隱寫分析是指預測出隱寫圖像中隱藏信息的密度。通用型定量隱寫分析方法使用圖像中提取的特征和回歸方法來實現(xiàn)。基于子空間學習和梯度boosting的定量隱寫分析方法首先將多種特征組合，然后進行子空間融合。最后將融合后的特征輸入到梯度boosting中得到預測結果。實驗證明

4、使用子空間學習和梯度boosting的定量隱寫分析方法具有良好的精度和較低的時間復雜度。
　　 3.提出了基于聚類和支持向量機的實用化隱寫分析方法。在隱寫分析中，圖像的內(nèi)容對于隱寫分析的精度有較大的影響。因此為了具備較好的泛化能力，必須具備大數(shù)量的訓練樣本。然而另一方面，大數(shù)量的訓練樣本給訓練和測試帶來較大的負擔。在該方法中，訓練樣本被聚類劃分為不同的子集進行訓練，得到多個分類器。對于每個測試樣本，計算樣本的特征與聚類中心的距離