首页 | 本学科首页   官方微博 | 高级检索  
     

基于小波域隐马尔可夫模型的小波隐写分析
引用本文:綦科,张大方,谢冬青.基于小波域隐马尔可夫模型的小波隐写分析[J].计算机工程,2010,36(13):170-172.
作者姓名:綦科  张大方  谢冬青
作者单位:1. 湖南大学计算机与通信学院,长沙410082;广州大学计算机科学与教育软件学院,广州510006
2. 湖南大学计算机与通信学院,长沙,410082
3. 广州大学计算机科学与教育软件学院,广州,510006
基金项目:国家"863"计划基金资助项目,国家自然科学基金资助项目,广东省自然科学基金资助项目 
摘    要:基于精确描述图像小波系数间统计特性的小波域二维隐马尔可夫模型(HMM)参数集合,提出一种针对小波域信息隐藏算法的新型隐写分析技术。通过使用二维HMM对小波系数进行建模,对生成的HMT森林在隐写前后的参数集合构造隐写分类特征,采用SVM分类器进行隐写判别。实验表明该方法适用于小波域隐写术的检测,对小波域QIM、MFP和BPCS隐写有较好的检测性能。

关 键 词:小波域隐写分析  隐马尔可夫模型  参数集合  支持向量机

Wavelet Steganalysis Based on HMM in Wavelet Domain
QI Ke,ZHANG Da-fang,XIE Dong-qing.Wavelet Steganalysis Based on HMM in Wavelet Domain[J].Computer Engineering,2010,36(13):170-172.
Authors:QI Ke  ZHANG Da-fang  XIE Dong-qing
Affiliation:(1. School of Computer and Communication, Hunan University, Changsha 410082; 2. School of Computer Science and Education Software, Guangzhou University, Guangzhou 510006)
Abstract:A novel steganalysis method is proposed on the basis of 2-D Hidden Markov Model(HMM) in wavelet domain which is employed to describe the statistics of wavelet coefficients precisely. By modeling wavelet coefficient with 2-D wavelet HMM, classification features are constructed based on parameter sets of HMT forests. Experiments show the technology is applicable for the detection of wavelet domain steganography, especially with higher detecting performance for QIM, MFP, BPCS steganography in wavelet domain.
Keywords:wavelet domain steganalysis  Hidden Markov Model(HMM)  parameter sets  Support Vector Machine(SVM)
本文献已被 维普 万方数据 等数据库收录!
点击此处可从《计算机工程》浏览原始摘要信息
点击此处可从《计算机工程》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号