利用运动向量差值改善深度学习视频隐写分析

目的 针对现有深度学习视频隐写分析网络准确率不够高的问题,本文从视频压缩编码的原理出发,发掘嵌密编码参数与其他参数之间的关系,通过拓展检测空间,构造新的检测通道,改善现有深度学习视频隐写分析网络的检测性能。方法 以H. 265/HEVC(high efficiency video coding)压缩视频为例,首先通过分析运动向量的嵌密修改对运动向量差值的影响,指出可将运动向量差值作为新增的采样对象(或称检测对象);接着,提出一个构造运动向量差值检测矩阵的方法,解决了空域上采样样本稀疏、时域上样本空间位置无法对齐的问题;最后,将运动向量差值矩阵直接用于改善现有的VSRNet(video steganalysis residual network)、SCA-VSRNet(selection-channel-aware VSRNet)以及Q-VSRNet(quantitative VSRNet)等3个H. 265/HEVC深度学习视频隐写分析网络,分别得到IVSRNet(improved VSRNet)、SCA-IVSRNet(selection-channel-aware improved...     

简洁的JPEG图像隐写DCT系数选择方案和安全性增强策略

根据图像JPEG压缩的特点,提出了一种简洁有效的DCT系数选择方案,不仅充分利用了非零交流DCT系数,而且还用到部分零值DCT系数;此外,通过改变系数的嵌入顺序,优先考虑低频系数,改善了算法的安全性。实验表明,将2种典型的空域隐写算法（EPES和APPM）应用到所提出的算法框架,获得了比3种经典压缩域隐写算法（JSteg、F5和nsF5）和新近提出的基于STC框架的DCT域隐写算法（LPD）更大的嵌入容量及更好的安全性。所提出的 DCT 系数选择和嵌入框架可有效提升嵌入容量和抗隐写分析的性能,且所提方案具有通用性,可应用于不同隐写算法。