一种融合湿纸码和STC码的高效隐写算法

为提高隐写术的嵌入效率,提出一种融合湿纸编码和STC(syndrome-trellis codes)码的隐写算法。首先使用STC码在载体最低位嵌入第一部分信息;将发生变化的载体元素标记为"dry",未变化的元素标记为"wet";利用湿纸编码保持STC的嵌入结果,保证"wet"元素不作修改,选择"dry"元素的修改方式,并利用修改方式携带第二部分信息。接收方利用STC和湿纸码分别从载体的最低位和次低位提取信息。理论分析和实验结果表明,在相同失真下,该算法的嵌入效率和嵌入率都高于STC算法。算法适用于多种载体,安全性优于单纯使用STC码的隐写算法。     

基于小波包分解与矩阵编码的自适应音频隐写算法

针对音频隐写算法载体利用率较低、不可感知性较差、嵌入效率不高的问题,提出了一种基于小波包分解与矩阵编码的自适应音频隐写算法。算法通过对比音频文件在MP3压缩前后小波包分解系数上的差异,将小波系数不变的位数作为嵌入载体,有效提高了嵌入容量;另外采用混沌模型产生随机三元组对矩阵编码算法进行改进,提高了算法的安全性与嵌入效率。算法在容量方面较直接选取中频子带小波系数作为嵌入载体的隐写算法提升约30%;信噪比(SNR)较使用固定三元组的矩阵编码隐写算法提升约9%。实验结果证明了算法的正确性,能基本满足大容量安全通信的需要。     

应用共生矩阵特征的改进自适应JPEG隐写

针对传统图像隐写算法抵抗通用盲检测能力不足的问题,提出一种基于共生矩阵特征的自适应JPEG隐写算法。该算法在分析图像直方图特征和分块效应特征的基础上,引入能够反映共生矩阵特征的块间系数相关性设计了失真函数,并结合网格码（STC）完成秘密信息的嵌入。实验结果表明,面对三种通用隐写检测算法,算法较以往隐写算法具有更强的安全性和抗检测普适性。     

基于校准DCT特征的JPEG图像隐写分析

提出一种基于校准DCT特征和支持向量机的JPEG图像隐写分析方法。在JPEG图像的DCT域,采用联合概率密度计算DCT系数块内和块间相关性,联合低频AC系数统计特征,利用校准技术提取243维特征,然后使用支持向量机进行训练和分类。对三种常见的JPEG图像隐写算法(F5、Outguess、MB1)进行了二分类实验。实验结果表明:在嵌入率较低的情况,该算法的检测率优于其他算法。     

基于马尔可夫模型和支持向量机的JPEG图像隐写分析

提出了一种新的针对JPEG图像的通用隐写分析方法,利用马尔可夫模型,挖掘量化后的分块DCT系数中低频系数的相关性,提取出360维特征,然后采用支持向量机（SVM）分类方法进行识别。对四种公认的安全性较高的JPEG嵌入方法F5、Outguess、MB1和MB2进行隐写分析。在CorelDraw图像库的实验结果显示：该方法的检出率高、稳定性好且运算速度快。     

基于双边转移概率矩阵的JPEG图像隐写检测

针对当前基于JPEG图像的典型隐写算法,基于离散余弦变换(DCT)域分块内及分块间相邻系数之间的相关性进行分析,通过将相邻三个系数的中间位置的系数作为条件,统计两边系数的条件分布概率矩阵,将提取的所得矩阵作为隐写检测敏感特征,提出了一种基于DCT系数双边转移概率分布的JPEG图像隐写检测算法。实验结果表明,在不同嵌入率下,该算法的检测性能均优于已有检测算法。     

JPEG图像隐写及隐写分析算法设计与实现

在介绍信息隐藏技术以及JPEG图像隐写发展现状的基础上,讨论了JPEG图像格式以及JPEG图像隐写算法,并实现了F5隐写算法。在实现F5算法的同时,还介绍实现了算法采用的混洗、矩阵编码等提高算法安全性的技术。     

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。     

基于方向编码的离散余弦变换域图像隐写算法

提出一种基于方向编码的离散余弦变换(DCT)域图像隐写算法。将秘密图像进行8×8块的离散余弦变换后,采用JPEG标准量化表进行量化,将得到的DCT系数做行程编码,间接提高嵌入容量。同时对载体图像进行8×8块的离散余弦变换,采用改进的量化表进行量化,由此提高嵌入容量和含密图像的质量。通过基于方向编码的嵌入算法将秘密信息嵌入载体图像DCT系数的中低频部分。实验结果证明,该隐写算法嵌入容量大,得到的含密图像视觉质量好,可抵抗 分析攻击。     

基于JPEG图象隐写算法的统计不可检测性比较分析

本研究选择现今几种基于JPEG图象的隐写算法,并通过测试实验,比较分析各算法在统计不可检测性的表现.同时研究了隐写算法设计因素的原则,包括矩阵潜入、适应性内容依赖选择信道、边信息等对嵌入的影响.实验结果表明,要使JPEG会阶图象的统计不可检测性表现最好,嵌入比率应该在0.05比特每非0 DCT直流系数.     

An image steganographic algorithm based on spatial desynchronization

Calibration based attack is one of the most important steganalytic attacks in recent past specifically for JPEG domain steganography. In calibration attack, the attacker generally predicts the cover image statistics from the stego image. Preventing attackers from such prediction is used to resist these attacks. Domain separation (or randomization) is such a technique which is used for hiding the embedding domain from the attacker. It is observed that existing domain randomization techniques cannot provide enough randomization such that they are easily be detected by recent steganalysis techniques. In this paper, we have extended our previous work based on spatial desynchronization using statistical analysis. It is also experimentally shown that proposed algorithm is less detectable against the calibration based blind as well as targeted steganalytic attacks than the existing JPEG domain steganographic schemes.     

基于Boosting算法融合的图像隐写分析方法

现有盲检测技术在实际检测中,由于嵌入算法未知导致检测困难。为此,提出一种基于Boosting算法融合的图像隐写分析方法。通过训练分类器建立不同隐写算法下的分类器模型,利用Boosting算法计算各分类器的分类性能,对各分类器的概率输出进行融合,得到最终检测结果。基于典型空间域隐写算法和JPEG隐写算法的实验结果表明,该方法实现了对多种隐写算法的有效检测,应用Boosting算法融合后整体检测性能提升了约2％。     

基于主观质量的JPEGXR量化参数选择

在JPEGXR图像标准的基础上,提出一种提高其压缩效率的编码方法。该方法利用人类视觉系统对图片的感知特点,设计基于图像内容的自适应量化参数选择算法。根据最小可觉差模型,以图像的局部纹理和局部亮度为参数,将图像压缩过程中的宏块分为6类,对每类宏块的直流、低频、高频系数赋予不同的量化参数,从而使得整幅图像的码率根据纹理复杂度和亮度合理分布,在保持主观质量不变的情况下,减小图像码率,最终提高压缩效率。实验结果表明,相对于固定量化参数算法,该算法可使图像压缩效率得到最高10％的提升。     

基于多目标优化的加密图像可逆信息隐藏

针对加密前预留空间（RRBE）嵌入算法需要进行一系列的预处理工作,以及加密后腾出空间（VRAE）嵌入算法嵌入空间较小的缺点,为了在提高嵌入率的同时缩减算法流程和减少工作量,提出一种基于多目标优化的加密图像可逆信息隐藏算法。该算法将RRBE与VRAE中两个具有代表性的算法在同一载体中结合使用,并以信息嵌入量、直接解密图像失真、提取错误率、计算复杂度等性能评价指标作为优化子目标,再利用功效系数法建立模型求解出两种算法应用比例的相对最优解。实验结果表明,所提算法不仅能够降低单独使用RRBE算法的计算复杂度,还能使图像处理用户够根据实际应用场景中不同的需求灵活地分配优化目标,同时也能获得较好的图像质量和令人满意的信息嵌入量。     

基于JPEG2000数字图像的信息隐藏算法

研究了基于JPEG2000的数字图像信息隐藏技术,分析了图像格式。在传统LSB（最低有效位）算法的基础上,对能隐藏秘密信息的容量和隐藏位置作了改进。理论分析和实验证明,该算法信息隐藏的容量比其他算法多,并具有较好的不可攻击性。     

Security and Robustness Enhancement for Image Data Hiding

In many applications, data hiding can be viewed as a tradeoff between capacity, robustness (against attacks), and embedding induced distortion. In this paper, we consider a fourth parameter: the security of the hidden information. Specifically, we propose a hash-based randomized embedding algorithm (HRE) that increases the security of the hidden data. We then optimize this algorithm against JPEG attacks. We derive a mathematical expression for the security of our algorithm, using which we show that the security of our algorithm can be increased independent of capacity, robustness, and embedding induced distortion. The maximum security depends only on the length of the key sequence, which is limited only by the size of the host image. Using a joint security and capacity measure, we show that the proposed scheme performs better than current secure quantization based data hiding schemes. We also derive the optimal value of distortion compensation factor of the HRE algorithm against JPEG compression attack. Experimental results show that the operating points achieved by the proposed scheme are 7 dB better than current blind data hiding schemes against the JPEG attack     

基于局部线性嵌入算法的汉语数字语音识别

语音信号转换到频域后维数较高,流行学习方法可以自主发现高维数据中潜在低维结构的规律性,提出采用流形学习的方法对高维数据降维来进行汉语数字语音识别。采用流形学习中的局部线性嵌入算法提取语音频域上高维数据的低维流形结构特征,再将低维数据输入动态时间规整识别器进行识别。仿真实验结果表明,采用局部线性嵌入算法的汉语数字语音识别相较于常用声学特征MFCC维数要少,识别率提高了1.2%,有效提高了识别速度。     

Efficient steganalysis of images: learning is good for anticipation

This paper describes a Bayesian formalism for digital image steganalysis allowing the detection of stego images, the identification of the steganographic algorithm used, the estimation of message length and location, and anticipation in the case of embedding using an unknown steganographic algorithm. A Bayesian multinomial logistic regression based on a variational approximation is proposed. Detection, identification, and anticipation involve discriminative learning in feature space. Estimation requires the fusion of classifiers allowing discrimination between fully embedded and cover subimages of different sizes. The validation on JPEG images shows that the proposed scheme is effective and allows the anticipation of unknown steganographic algorithms.