基于滤波复原的小波特征LSB匹配隐写分析方法

空域LSB匹配数字隐写是隐写分析中的难点问题,尤其是在低嵌入率下的检测.本文将LSB匹配数字隐写过程看作是一种被加性噪声污染的图像退化过程,从而引入图像复原技术,提出一种基于中值滤波复原的小波特征LSB匹配隐写分析方法.实验结果表明,针对经过JPEG压缩的图像,本文方法在性能上有了很大的提高,尤其在低嵌入率条件下优势更加明显,并且事先不用估计嵌入率,方法简单,易于实现.最后指出本文方法能够消除不同图像内容引起特征巨大变化的一种有效手段,达到正确检测秘密信息的目的.     

针对LSB匹配隐写的图像复原隐写分析

最低有效位(LSB)匹配隐写是目前图像隐写分析的难点和热点之一.为了提高针对LSB匹配隐写的隐写分析算法性能,将图像退化复原理论与图像隐写分析相结合,提出一种新的隐写分析算法.首先将LSB匹配隐写过程建模为加性噪声造成的图像退化过程,提出了一种专用复原滤波算法;然后将载密图像的复原图像作为载体图像的估计图像,提取载密图像与估计图像的质心特征,结合Fisher线性判决器实现隐写分析.实验结果表明,复原滤波算法可有效地复原受LSB匹配隐写噪声污染的退化图像,隐写分析算法的总体性能优于Ker方法,尤其在低嵌入率条件下表现良好,适用于空间域图像LSB匹配隐写.     

基于局部相关性的LSB匹配隐写分析

针对LSB匹配嵌入机制,提出一种利用局部区域像素之间相关性的LSB匹配隐写分析方法。根据较高位平面灰度之间的距离选择图像的平坦区域,将随机性较强的最低两个和三个位平面取出,统计相同灰度值图像块的个数,使用中值滤波对图像进行滤波复原处理,得到差异特征。引入和图像的均值进一步提高检测性能,共计得到4维特征使用Fisher线性分类器判别载体、载密图像。实验证明,该方法对未压缩高精度图像具有较好的检测性能。     

基于小波估计和直方图特征的LSB匹配分析

针对隐写分析中的难点——空域LSB匹配隐写进行检测和分析,描述LSB匹配加性隐写的特点,将匹配隐写建模为图像受到一定强度的脉冲噪声干扰,采用小波变换对退化的图像进行恢复作为载体的估计。对检测图像和恢复图像提取多个直方图特征比值作为特征向量,利用支持向量机对500幅高质量未压缩的自然图像组成的载体、载密图像库进行检测,结果证明该算法在低嵌入率下可获得较好的检测效果。     

基于嵌入影响变化率的灰度图像LSB匹配检测方法

对灰度图像LSB匹配隐写提出了一种新的检测方法.通过引入不同幅度的修改,分析了消息嵌入过程对载体和载密图像影响的差异,并利用这种嵌入影响的变化率构造了一个分类器.实验表明该方法对于经过JPEG转换的灰度图像和非压缩灰度图像均有较好的检测效果.     

基于区域随机性度量的LSB匹配隐写分析

依据图像信源区域平稳性质,分析LSB匹配隐写对图像区域统计特性的影响,提出一种基于区域随机性特征的隐写分析方法.运用分块处理划分图像区域,对各区域像素进行Hilbert扫描并提取像素最低有效位比特序列,进而将比特序列作异或运算所得到的参量定义为区域随机性度量指标,最后统计并分析区域随机性指标直方图,提取直方图信息熵、特殊取值及原点矩3类特征,结合Fisher线性分类器对载体、载密图像进行判别.实验结果表明,该方法在不同图像库和不同嵌入率条件下对LSB匹配隐写均表现出良好的检测性能,与现有典型检测算法相比其检测性能具有明显提高.     

基于像素差分相关性的LSB匹配隐写分析

针对空间域LSB匹配隐写,提出了一种基于像素差分相关性的隐写分析方法.采用图像的直方图、差分直方图的平滑度、梯度能量、图像平滑度,像素差分的一维和高维统计分布等作为分类特征,结合Fisher线性判别进行隐写分析.实验结果表明,新算法对于LSB匹配的检测具有较高的准确性,且计算复杂度低.该算法还可应用于其他空间域隐写方法的检测.     

基于图像相邻像素相关性的LSB匹配隐写分析

LSB匹配隐写是图像隐写分析中的重点研究问题。根据图像相邻像素的相关性, 提出了一种新的隐写分析算法。通过图像复原算法计算出复原图像, 利用高阶Markov链模型分别对待检测图像和复原图像建模, 根据LSB匹配隐写对高阶Markov链模型经验矩阵的影响, 提取复原图像和待检测图像的统计特征组合成新的27维特征向量对支持向量机进行训练。实验表明提出的算法对LSB匹配隐写有较好的分析效果, 特别在嵌入率低的情况下, 算法具有较好的分析能力。     

小波细节信息的LSB隐写分析算法

为了准确地估计出隐藏图像的嵌入率,利用LSB隐写对图像小波细节信息影响较大这一特点,首先给出了图像的小波细节信息和小波细节信息能量的定义,同时利用LSB隐写图像计算出其原始图像的小波细节信息能量;然后根据隐写图像与原始图像的小波细节信息能量,估计出LSB隐写图像的嵌入率。实验证明,该方法在隐藏图像嵌入率不是很低的情况下,能够比较准确地估计出隐藏图像的嵌入率。     

基于纹理复杂度和差分的抗盲检测图像隐写算法

通过分析纹理复杂度对图像隐写分析的影响,提出一种基于纹理复杂度和像素差分的隐写算法。首先,将图像划分为大小相同的分块,通过分块中起点位置的不同计算分块中不同小块的纹理复杂度,选择复杂度最高的图像小块;然后,计算小块的相邻像素差分值,并根据秘密消息的长度和不同方向上的差分值分布确定嵌入阈值,在大于该阈值的差分值中嵌入秘密消息。对多种嵌入算法在不同图像库上做通用盲检测实验,实验结果表明,该算法在抵抗小波高阶统计量分析等盲检测算法能力方面,优于LSB匹配、图像边缘自适应嵌入等隐写算法。     

分类与分割相结合的JPEG图像隐写分析

目的 隐写分析研究现状表明,与秘密信息的嵌入过程相比,图像内容和统计特性差异对隐写检测特征分布会造成更大的影响,这导致图像隐写分析成为了一个"相同类内特征分布分散、不同类间特征混淆严重"的分类问题。针对此问题,提出了一种更加有效的JPEG图像隐写检测模型。方法 通过对隐写检测常用的分类器进行分析,从降低隐写检测特征类内离散度的角度入手,将基于图像内容复杂度的预分类和图像分割相结合,根据图像内容复杂度对图像进行分类、分割,然后分别对每一类子图像提取高维富模型隐写检测特征,构建分类器进行训练和测试,并通过加权融合得到最终的检测结果。结果 在实验部分,对具有代表性的隐写检测特征集提取了两类可分性判据,对本文算法的各类别、区域所提取特征的可分性均得到明显提高,证明了模型的有效性。同时在训练、测试图像库匹配和不匹配的情况下,对算法进行了二分类测试,并与其他算法进行了性能比较,本文算法的检测性能均有所提高,性能提升最高接近10%。结论 本文算法能够有效提高隐写检测性能,尤其是在训练、测试图像库统计特性不匹配的情况下,本文算法性能提升更加明显,更适合于实际复杂网络下的应用。     

抗统计分析的新型LSB隐写算法

针对目前广泛使用的最低比特位(LSB)信息隐藏算法容易被基于统计检测的隐写分析方法如RS分析或X2分析等检测出来,提出一种新型的LSB隐写算法,能有效地抵抗基于统计检测的隐写分析。对传统LSB缺点和统计检测方法的特点做了分析,改进了传统的LSB隐写算法。采用模拟实验方法证明,改进后的新型LSB隐写分析算法能有效地抵抗统计分析检测。     

基于少样本学习的通用隐写分析方法

近年来,深度学习在图像隐写分析任务中表现出了优越的性能.目前,大多数基于深度学习的图像隐写分析模型为专用型隐写分析模型,只适用于特定的某种隐写术.使用专用隐写分析模型对其他隐写算法的隐写图像进行检测,则需要该隐写算法的大量载密图像作为数据集对模型进行重新训练.但在实际的通用隐写分析任务中,隐写算法的大量载密图像数据集是难以得到的.如何在极少隐写图像样本的情况下训练通用隐写分析模型是一个极大的挑战.对此,受少样本学习领域研究成果的启发,提出了基于转导传播网络的通用隐写分析方法.首先,在已有的少样本学习分类框架上改进了特征提取部分,设计了多尺度特征融合网络,使少样本分类模型能够提取到更多的隐写分析特征,使其可用于基于秘密噪声残差等弱信息的分类任务;其次,针对少样本隐写分析模型难收敛的问题,提出了预训练初始化的方式得到具有先验知识的初始模型;然后,分别训练了频域和空域的少样本通用隐写分析模型,通过自测和交叉测试,结果表明,检测平均准确率在80%以上;接着,在此基础上,采用数据集增强的方式重新训练了频域、空域少样本通用隐写分析模型,使少样本通用隐写分析模型检测准确率与之前相比提高到87%以上;最后,将得到的少样本通用隐写分析模型分别与现有的频域和空域隐写分析模型的检测性能进行比较,结果显示,空域上少样本通用隐写分析模型在常用的少样本环境下的检测准确率稍低于SRNet和ZhuNet,频域上少样本通用隐写分析模型在常见的少样本环境下的检测准确率已超越现有的频域隐写分析模型.实验结果表明,基于少样本学习的通用隐写分析方法对未知隐写算法的检测具有高效性和鲁棒性.     

基于显著性检测的图像隐写分析方法

针对图像隐写分析难度大、现有的检测模型难以对图像隐写区域进行针对性检测的问题,提出了一种基于显著性检测的图像隐写分析方法。该方法利用显著性检测技术引导隐写分析模型更加关注图像隐写区域的特征。首先,显著性检测模块生成图像的显著性区域;其次,区域筛选模块筛选出与隐写区域重合度较高的显著性图,利用图像融合技术与原始图像进行融合;最后,用相应的显著性融合图替换检测错误的图像,提高训练集质量,从而提升模型的训练效果和检测能力。实验使用BOSSbase1.01数据集,分别用空域和JPEG域的自适应隐写算法对数据集嵌入后进行隐写分析,结果表明,该方法能够有效提升现有基于深度学习的隐写分析模型的检测准确率,最多可提升3个百分点。为了进一步验证该方法的泛化性和提高其实用价值,在IStego100K数据集上进行了模型失配测试,测试结果也表明该方法具有一定的泛化能力。     

一种基于线性规划特征选择和集成分类器的图像隐写分析方法

隐写分析是防范由隐写术进行信息隐藏所带来危害的有效方法。图像隐写分析方法主要用于检测图像是否被隐写术嵌入隐秘信息。通用型图像隐写分析能够针对广泛类型的隐写术进行检测,该类方法一般采用从图像提取的统计特征和分类器模型进行。当前的高性能隐写分析一般采用高维特征和集成分类器进行。高维特征能够较好地表达图像统计特性中被隐写术扰动的成分,但另一方面,高维特征具有较多的冗余和无效成分,因此进行特征选择能较好的提升效率。本文提出一种使用线性规划的特征选择模型,该模型可与集成分类器协同使用,同时考虑集成分类器中子分类器的检测精度和多个子分类器使用特征的多样性。实验证明,本文提出的方法对多个隐写术的检测性能有较好的提升。     

针对特定测试样本的隐写分析方法

现今主流的图像隐写分析方法主要聚焦于设计检测特征,用以提高通用盲检测（UBD,Universal Blind Detection）模型的检测准确率,这类检测方法与待测图像无关,难以做到精准检测。本文在拥有大数据训练资源的前提下,研究了隐写对图像特征的影响,找出了隐写分析与图像特征之间的重要关系,基于此提出了一种为测试样本选择专用训练集的隐写分析方法。以经典的JPEG隐写算法nsF5和主流的JPEG隐写分析特征（CC-PEV、CC-Chen、CF^*、DCTR和GFR）为例组织实验,结果表明本文方法的检测准确率高于其他同类方法。     

一种图像隐写分析方法

针对现有隐写分析算法对彩色图像的检测效果不理想的问题,提出一种基于小波统计特征的隐写分析算法来分析嵌入信息前后载体图像与隐写图像之间的统计特征的差异。该算法首先将图像变换到YCbCr空间,其次通过小波分解提取预测子带的小波系数概率密度函数矩(PDF)和预测误差图像的子带系数直方图特征函数矩(CF),最后运用支持向量机(SVM)进行分类。实验表明,该方法对于流行的F5、OutGuess和Jphide&Seek隐写方法具有较强的检测能力。     

Image complexity and feature mining for steganalysis of least significant bit matching steganography

The information-hiding ratio is a well-known metric for evaluating steganalysis performance. In this paper, we introduce a new metric of image complexity to enhance the evaluation of steganalysis performance. In addition, we also present a scheme of steganalysis of least significant bit (LSB) matching steganography, based on feature mining and pattern recognition techniques. Compared to other well-known methods of steganalysis of LSB matching steganography, our method performs the best. Results also indicate that the significance of features and the detection performance depend not only on the information-hiding ratio, but also on the image complexity.