基于非线性残差的JPEG图像隐写分析

当前JPEG图像隐写分析方法往往只使用线性滤波器生成残差图像,导致残差图像类型过于单一,影响隐写检测性能。鉴于此,提出了基于非线性残差的JPEG图像隐写分析方法。首先,从现有JPEG图像隐写分析方法已有的线性残差图像中选择合适的图像组,对其采用逐像素取小和取大运算,在没有明显增加计算复杂度的情况下,得到非线性残差图像。其次,根据JPEG相位,将非线性残差图像划分为子图像,提取子图像直方图特征。再次,充分考虑非线性运算的影响,设计合适的特征对称合并方法。最后,将合并后的直方图特征拼接形成最终的隐写分析特征。实验结果表明,线性和非线性残差图像相结合能够有效地增加残差图像和隐写分析特征的多样性,从而提升JPEG图像隐写检测性能。     

彩色JPEG图像的隐写分析

图像隐写分析的目的是检测图像中隐藏信息的存在性．JPEG图像的广泛使用使其成为一种重要的隐写载体，因而针对JPEG图像的隐写分析受到研究者们的广泛关注．本文基于彩色图像YCbCr颜色空间DCT系数的统计分布模型，提出一种彩色JPEG图像的隐写分析算法．通过计算载体图像和掩密图像DCT系数统计分布之间的鉴别信息，评估常见DCT域隐写术对载体图像DCT系数统计分布的改变．以统计分布模型参数为特征向量，采用支持向量机实现对载体图像和掩密图像的有效分类．实验结果表明，本文算法具有较高的检测率，性能优于使用Faxid所提出的彩色QMF统计量的隐写分析算法．     

基于DCT系数统计特性的JPEG图像隐写分析

提出了一种基于离散余弦变换（DCT）系数统计特性的JPEG图像隐写分析算法。该算法在分析JPEG图像DCT系数的统计特性的基础上,提取了8维特征向量,通过最小二乘支持向量机（LS—SVM）分类器对待测图像进行分类,以达到检测载密图像的目的。算法实现简单,计算复杂度低。实验结果表明,该算法检测速度快,具有较高的检测正确率,能够实现针对各类JPEG图像信息隐写算法的有效检测。     

一种针对JPEG图像的通用隐写分析算法

提出了一种针对JPEG图像的通用隐写分析算法。该算法提取了15个具有良好分类特性的特征参数,输入构建的KS—SVM分类器．以达到检测载密图像的目的。实验结果表明,该算法的检测正确率较高,检测速度快,能够实现针对各类JPEG载密图像的有效检测。     

一种基于DCT域统计特征的JPEG图像隐写分析

提出了一种基于DCT域统计特征的JPEG图像隐写分析算法。该算法在分析JPEG图像的DCT域统计特性的基础上,提取了8维特征向量,通过LSSVM分类器对待测图像进行分类,以达到检测载密图像的目的。算法实现简单、计算复杂度低。实验结果表明,该算法检测速度快,具有较高的检测正确率,能够实现针对各类JPEG图像信息隐藏算法的有效检测。     

一种基于权重融合的JPEG隐写分析方法

针对JPEG图像通用隐写检测中检测效率低、训练时间长的问题,提出一种基于集成分类器的新检测方法。算法以CC-PEV为特征对图像进行描述并作为隐写分析特征;然后,随机构造若干个特征子空间,用bootstrap方法构造图像训练子集,分别进行训练得到数个基分类器;根据基分类器的分类结果赋予基分类器不同的权重,将基分类器的结果按照其权重进行融合得到最终的结果。本文对该算法进行了测试,对它的集成性、检测准确率和训练时间进行分析。实验结果表明,相对于传统的集成方法,本文方法用自举方法构造训练集、随机方法构造子特征空间、赋予基分类器不同权重进行融合能够显著地提高算法准确率。本文方法相对于SVM和传统的集成分类方法,具有更高的检测率,对于特征维数更大的图像检测,具有更好的拓展性和一般适用性。     

基于特征选择和图卷积表示的JPEG图像隐写者识别

针对JPEG图像隐写检测特征维度过高,导致用户间距离计算复杂且隐写者识别性能下降的问题,提出了一种基于特征选择和图卷积表示的JPEG图像隐写者识别方法。首先,提取每个用户图像集的隐写检测特征并度量特征的可分性,从中选取高可分的特征子集;接着,将用户表示为图结构,选取的高可分特征作为图中节点表示,通过训练图卷积神经网络来获得用户特征;最后,考虑类间可分性和类内聚集性,学习到能更大程度捕捉用户差异的表征,提高识别性能。基于常用的BOSSbase-1.01和BOWs图像库的大量实验结果表明,针对利用ns F5、UED、J-UNIWARD等多种主流JPEG隐写方法在图像上嵌入秘密信息的隐写者,所提方法在降低特征维度和计算开销的前提下,多种嵌入比率下的识别准确率均在80.4%以上,并且在低嵌入比率下识别准确率具有明显优势。     

基于邻域像素差分矩阵的彩色空域图像隐写分析特征

通过分析灰度空域图像隐写直接扩展至彩色空域图像潜在的安全问题,提出了针对彩色空域图像隐写的隐写分析特征。首先,计算颜色通道内邻域像素差分矩阵的Markov转移概率矩阵,提取颜色通道内特征并进行融合;然后,计算颜色通道间邻域像素差分矩阵的Markov转移概率矩阵,并将水平和垂直共4个方向与对角和反对角共4个方向的转移概率矩阵分别进行融合,作为颜色通道间特征;最后,颜色通道内特征与颜色通道间特征构成最终的隐写分析特征,并使用集成分类器作为特征训练和测试工具。实验结果表明,该隐写分析特征可有效检测彩色空域图像隐写,并且颜色通道间特征能有效捕获内容自适应隐写对彩色图像的颜色通道间相关性的影响。     

基于贝叶斯分类器的图像隐写分析

集成分类器是目前用于图像隐写分析的主流分类器。为提高集成分类器的检测精度,针对集成分类器基分类器组合方法过于简单,无法体现基分类器之间的内在联系,不能从整体上对结果进行判定的缺点,依据图像特征在集成分类器分类超平面上的投影值服从多维正态分布这一特性,提出了一种基于贝叶斯分类器的图像隐写分析算法。首先基于随机森林算法生成若干基分类器,然后计算类条件概率密度函数与先验概率并训练贝叶斯分类器,最后使用经过训练的贝叶斯分类器代替简单投票方法进行分类判决。算法的检测错误率比以往算法平均降低了1.6%,ROC曲线比简单投票方法更接近于左上角,即具有更高的检测率,AUC值平均增长约2.12%,并且训练时间仅有少量提高,最大提高约2.610s。可以有效提高集成分类器的检测精度。     

基于局部线性变换的HUGO图像隐写检测

Pevny等人2010年提出一种最先进的高度不可检测的自适应空域隐写算法HUGO(Highly Undetectable Steganography),其保护了相邻四个像素的一阶统计特性,具有很强的抗检测性能,目前国内外针对HUGO检测缺乏有效的方法。由于用HUGO隐写算法进行隐写嵌入时改变部分纹理特征,本文提出一种新的检测方法,利用局部线性变换得到纹理残差图像,计算共生矩阵得到22130维特征向量,最后使用集成分类器进行分类。实验结果表明:在嵌入率为0.4bpp时,针对BOSSRank图像集,获得平均82.71%的检测率,优于Hugobreaker的80.3%和Guel的76.8%,并在低于0.4bpp嵌入率时,其检测效果有所提高。     

基于YCbCr高阶统计量的图像隐写分析

论文提出了一种应用小波变换基于YCbCr图层高阶统计量的JPEG图像通用隐写分析算法,该算法不局限于某种特定的隐匿算法。由于JPEG图片使用的是YCbCr颜色模型,因而若仍在RGB色彩层上构造高阶统计量,必然会淡化隐写后图像的特征,所以本文提出在YCbCr色彩层上处理高阶统计量,消除了RGB色彩模型同YCbCr色彩模型之间转化所产生的误差;统计量的构造通过原图与切割图像的差异,可减少SVM训练的样本数。     

JPEG图像盲检测算法的抗滤波攻击性能研究

针对图像在传输过程中遇到的几种典型滤波攻击,分析了高斯低通、二维中值、均值和马赛克等滤波攻击对图像传输质量的影响,在此基础上研究了JPEG图像盲检测算法的抗滤波攻击性能。仿真结果表明,实验所用的盲检测算法能够有效抵抗高斯低通滤波攻击。     

一种保持直方图特性的JPEG图像掩密算法

传统的JPEG图像掩密算法往往因为改变了载体图像的DCT系数直方图而不能抵抗各种基于直方图的攻击,或者为了矫正直方图而降低了隐藏容量,该文提出一种新的保持直方图特性的算法。该算法在嵌入秘密消息时,动态建立Adjust_info表记录系数直方图被改变的情况,然后根据该表调整系数的变化方向,这样不但可以补偿直方图的改变,而且并不降低隐藏容量。对多幅图像的实验表明,该算法不但能够达到13%的高隐藏容量(压缩因子为75),而且掩密后图像总体DCT系数直方图的平均失真率为0.81%。由改进算法掩密后图像低频DCT系数直方图的最大失真率为3.83%,平均失真率只有1.98%,仅对直方图做了微小的改变,因此可以有效抵御各种直方图攻击,从而为安全掩密提供了可靠保证。     

一种基于图像DCT域信息熵的盲检测算法

提出了一种基于图像DCT域信息熵的盲检测算法。该算法通过分析JPEG图像隐写前后子块DCT系数信息熵的变化,提取JPEG图像子块DCT系数信息熵的64维特征向量,之后用LSSVM分类器对待测图像进行分类,最终达到检测载密图像的目的。实验表明,该算法能有效地针对各种隐写算法下的载密图像进行检测,同时对低嵌入比例下的载密图像也能达到较高的检测率。     

Steganalysis for palette-based images using generalized difference image and color correlogram

In this paper, we attempt to propose a novel blind steganalysis algorithm for palette-based images. First, the generalized difference images between adjacent pixels were constructed, and then the moments of characteristic functions of difference images' histograms were extracted as features. Second, in order to measure the dependencies of neighboring colors, color correlogram technique is used to capture the global distribution of local spatial correlation of colors. The center of mass of the characteristic function of color correlogram and the absolute moments of autocorrelogram were extracted. Total of 13 dimension features were classified with machine learning technique. Number of experiments on several existing GIF steganography algorithms indicated that the proposed scheme is effective and gets good performance, especially when the embedding rate is not less than 20%. Experimental results also show that the average accuracy of our proposed scheme for different GIF steganography algorithms outperforms Lyu's algorithm more than 20%. It also showed that the proposed scheme achieved similar performance with Fridrich's scheme and higher accuracies comparing to Du's algorithm and biologically inspired features.     

Transfer subspace learning based on structure preservation for JPEG image mismatched steganalysis

In real-world steganalysis applications, the traditional steganalysis methods built by a set of training data coming from a source may be applied to detect data from another new different source. In this case, the steganalyzers will face a serious problem that training data and test data are no longer subjected to the same distribution, and thus the detection performance would degrade rapidly. To address this problem, a novel transfer subspace learning method with structure preservation for image steganalysis is proposed in this paper. It aims to alleviate the mismatch between the training and test data so as to improve the detection performance. Specifically, a discriminant projection matrix is learned for the training and test data such that the projected data of both sets lie in a common subspace where each sample can be linearly reconstructed by a combination of the training data. In this way, the difference between the training and test sets is decreased. Further, in order to preserve the structure information of features in the projection subspace, a Frobenius-norm based regularization term is introduced into the objective function. Moreover, to mitigate the negative impacts of noises and outliers, a structurally sparse error matrix is introduced to model the noise and outlier information. The formulation of the proposed method can be efficiently solved by an alternating optimization algorithm. The extensive experiments compared with prior arts show the validity of the proposed method for JPEG image mismatched steganalysis.     

基于多元回归的JPEG隐密分析方案

 为解决JPEG图像隐密分析算法的设计问题,在DCT域共生矩阵的基础上构建了JPEG图像共生特征空间,并将定量隐密分析算法看成多元共生特征与含密量之间的回归模型,提出了一种JPEG图像定量隐密分析算法设计方案.此方案以已知含密量的JPEG图像为研究对象,而无需分析对应的JPEG隐密机制,因此具有较强的通用性.实验结果表明,对安全性较高的MB1隐密算法,本文方案仍可设计出高检测能力的定量隐密分析方法.