圖像信息隱藏并行檢測技術的研究.pdf

1、信息隱藏技術與隱寫檢測技術是信息安全的一個重要研究方向，其在近幾年發(fā)展很快。由于數字圖像表征信息冗余量大，所以信息隱藏技術通常以數字圖像作為隱寫載體，而企業(yè)防火墻、入侵檢測系統(tǒng)對圖像信息隱藏檢測作用甚微，因此圖像隱寫檢測技術對國家、軍隊等部門的安全變得尤為重要。論文首先介紹了圖像隱寫技術與隱寫檢測技術的發(fā)展，而后簡要概述了圖像隱寫檢測的相關技術，包括圖像隱寫檢測技術的基本框架以及常用的圖像隱寫檢測特征和分類器。在此基礎上圍繞著圖像隱寫檢

2、測特征的提取和分類方法做了研究與改進，主要工作如下:
　　(1)仔細研究與分析了PEV校準特征和相鄰聯(lián)合密度特征，發(fā)現(xiàn)PEV校準特征中的Markov特征僅僅包含了DCT塊內特征，其并沒有考慮圖像隱寫對DCT塊間造成的影響，而圖像隱寫通常還會破壞DCT塊間的連續(xù)性，因此PEV校準特征考慮不夠全面;相鄰聯(lián)合密度特征僅僅考慮了圖像隱寫對局部統(tǒng)計特性造成的影響，其沒有考慮圖像隱寫對全局特征造成的影響。為了更加全面的描述圖像隱寫對統(tǒng)計特性造

3、成的影響，本文提出一種新的融合特征，該融合特征既包含了PEV校準特征中的直方圖、方差等全局特征同時也包含了DCT塊間與塊內特征。最后為了驗證該融合特征的有效性，本文利用SVM分類器對圖像進行隱寫檢測實驗，實驗結果表明基于融合特征的圖像隱寫檢測正確率高于PEV校準特征與相鄰聯(lián)合密度特征的隱寫檢測正確率。
　　(2)簡要概述了稀疏表示在圖像隱寫檢測中的應用，針對基于最小l1范數的稀疏表示在圖像隱寫檢測中求解稀疏系數時精度不足的問題，本

4、文使用向量總變差來代替l1范數進行稀疏系數的求解，最后結合PEV校準特征對圖像做隱寫檢測實驗從而檢驗該方法的隱寫檢測效果。實驗結果表明基于向量總變差的方法比基于l1范數的方法的圖像隱寫檢測準確率高。
　　(3)針對訓練集數量大，圖像隱寫檢測特征提取效率低以及未充分利用CPU多核等問題，本文提出一種基于OpenMP技術的并行圖像隱寫檢測特征提取方法，并分別利用串行方法和并行方法對三個圖像集進行圖像隱寫檢測特征的提取，實驗結果表明該并