基于图像特征的隐写术载体图像的选择

隐写术不同于其它信息隐藏技术,信息嵌入者可以自由选择载体图像,而选择合适的载体图像有助于提高隐写术系统的不可感知性。本文通过分析载体图像的方差、复杂度、熵、直方图及其函数等图像特征和隐写术系统中的相对熵、直方度改变量等隐写术系统的性能参数之间的关系,探究图像特征是否会影响或者决定隐写术系统的性能,为隐写术载体图像选择方案提供依据。实验证明,选择合适的载体图像是提高隐写术系统不可感知性较有效的途径;在使用类LSB嵌入算法的隐写术系统中,色调、信息和纹理丰富的图像不一定是合适的载体图像,而直方图曲线变化缓慢的图像是较理想的载体图像;使用同样嵌入算法,选择合适载体图像的隐写术系统的相对熵比选择不合适载体图像低6×104多倍。     

一种基于图像内容的最低有效位匹配隐写分析方法

将隐藏信息检测与图像内容分析相结合是当前提高图像隐写分析性能的一个新方向。与基于图像整体内容的检测方法不同,该文分析了最低有效位(Least Significant Bit LSB)匹配隐写对图像子区域统计特性的影响,提出一种新的联合判决检测方法。首先依据图像内容复杂度将整体图像分割为若干类子区域,其次采用两组不同的滤波器分类提取各子区域像素序列直方图频谱特征,之后用各类子区域特征分别训练Bayes分类器以获得其权重,最后对待测图像的每一个子区域进行分类检测,并将结果加权融合得到最终判决。实验结果表明,该方法对LSB匹配隐写的检测性能优于现有典型方法。     

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。     

基于四叉树分割的JPEG隐写分析

当前主要的隐写分析方法都是对整幅图像进行特征提取,而忽略了图像的内容差异。该文提出一种基于四叉树分割的JPEG隐写分析方法,该方法根据图像块的纹理复杂度进行图像分割,对具有相同统计特性的子图像分别进行隐写检测特征的提取,并构造相应的分类器,通过加权融合得到最终的检测结果。实验结果表明该方法具有良好的性能,尤其是在训练与测试图像的统计特性具有较大差异时,该算法的检测准确率提高更加明显。     

结合集成比例训练的彩色JPEG图像隐写分析

该文提出一种YCbCr颜色空间的彩色JPEG图像隐写分析方法。该方法中的特征包括通道内特征和通道间特征,首先从Y通道提取Markov特征,扩展DCT特征以及共生矩阵特征构成通道内特征集合,通道内特征可以有效捕捉到Y通道内DCT系数之间的相关性;然后对Y通道进行下采样,从采样平面与CbCr平面相互之间的差分平面上提取特征构成通道间特征集合,通道间特征可以捕捉到两两通道之间的相关性。由于通道内特征和通道间特征在分类性能上有着较大差别,在分类阶段由通道内特征和通道间特征分别训练子分类器,通过调整两类子分类器的比例,使用多数投票方式来合成集成判决结果,最终获得最佳的检测性能。实验结果表明,该方法不仅适合小嵌入率的彩色JPEG图像,而且在性能上优于已有的JPEG图像隐写分析方法。     

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．     

基于改进增强特征选择算法的特征融合图像隐写分析

针对现有的基于特征融合的JPEG隐写分析方法特征冗余度高、通用性较低的问题,提出了一种基于改进的增强特征选择(BFS,boosting feature selection)算法的通用JPEG隐写分析方法。从线性相关度和非线性相关度两方面降低特征冗余,将特征自相关系数和互信息这两种统计性能引入到特征的评价准则中,重新设计了特征权重计算方法,改进了BFS算法的特征评价函数。通过改进的BFS特征选择算法将3组互补性较强且准确率高的特征进行融合降维,得到最优特征子集训练分类器。对3种高隐蔽性隐写算法F5、Outguess和MME3,在不同嵌入率下进行了大量实验。结果表明,本文方法的分析准确率高于现有的检测率较高的JPEG隐写分析方法和典型的融合分析方法,融合后的特征相关性明显下降,并且具有更强的通用性。     

基于DCT域最低位平面量子位的隐写分析

针对Jsteg、MB、OutGuess三种JPEG图像隐写算法,提出了一种基于DCT域最低位平面量子位的隐写分析算法。该算法通过分析JPEG图像隐写前后子块DCT域最低位平面量子位叠加系数的变化,提取该量子位16个叠加系数作为特征向量,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,该算法能有效地对JPEG图像进行隐写分析,同时对低嵌入比例下的栽密图像也能达到较高的检测率。     

基于PVD隐写术的载体图像的选择研究

设计高性能嵌入算法与选择合适载体图像是提高隐写术性能的两个重要途径.基于像素差值PVD(pixel-value differencing)是一种算法复杂度低,嵌入容量大的高性能隐写算法.本文针对PVD嵌入算法,研究最佳载体选择问题.论文分析与讨论载体图像的复杂度、直方图及其平滑度等载体图像特征值,和相对熵、直方图的改变量等隐写术系统性能参数之间的关系,研究载体图像的特征值对PVD隐写术系统性能的影响,为PVD隐写算法选择最佳的载体图像提供理论依据.实验结果表明,选择直方图曲线连续变化缓慢的图像作为PVD隐写算法的载体图像,能有效提高隐写术系统的不可感知性能.     

DDAC：面向卷积神经网络图像隐写分析模型的特征提取方法

针对基于卷积神经网络的图像隐写分析方法中使用人工设计的滤波器在特征提取过程中有效性低的问题,提出方向差分自适应组合（DDAC）特征提取方法。在计算中心像素与周围不同方向像素的差分后,使用1×1卷积对方向差分进行线性组合。根据损失对组合参数自适应更新来构建多样化的滤波器,使获取的嵌入信息残差特征更有效。使用截断线性单元提高嵌入信息残差和图像信息残差的比率,加快模型收敛速度并提高残差特征提取能力。实验结果表明,该方法使Ye-net、Yedroudj-net模型的准确率在WOW和S-UNIWARD数据集中提高1.30%～8.21%。与固定和更新参数SRM滤波器方法相比,测试模型在不同隐写数据集中的准确率提高0.60%～20.72%,并且训练过程更稳定。对比其他图像隐写分析模型,DDAC-net具有更高的隐写分析效率。     

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。     

基于图像频域统计矩特征的隐写分析方法

针对互联网上大量的隐写软件利用图像隐藏秘密消息,本文提出了基于图像频域统计矩特征的隐写分析方法.首先,对图像进行三级小波分解,并对一级分解的高频子带再次分解,得到25个子带.然后,计算小波子带前3阶正向特征函数矩,并利用KPCA提取不重要核主元,最后用LibSVM进行分类.仿真结果表明该方法对F5和Jsteg隐写有较好的检测性能.     

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。     

针对MME的JPEG图像隐写分析方法研究

MME（Modified Matrix Encoding）作为一种新兴的JPEG图像隐写技术,具有隐写量大、对图片的改动小、抗检测性优于传统隐写算法等优点。文中在采用Markov特征的基础上,加入了能够更好描述图像局部纹理的局部二值模式（LBP）与局部顺序对比模式（LOCP）特征,并应用Ensemble分类器完成分类和识别。通过对UCID图像库的大量实验,得到了一种针对MME算法的最优特征组合。相比传统的隐写分析方法,文中所提出的方法具有更好的检测正确率。     

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。     

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。     

基于JPEG净图定量描述的隐写分析方法

在隐写分析领域,国内外已有很多学者对JPEG图像的DCT系数统计分布模型进行过研究,本文根据数据的统计特征,系统地描述了JPEG净图DCT系数的SαS模型.SαS模型具有很强的柔韧性,随着特征指数α改变,其分布形状就会改变.根据SαS模型的柔韧性,本文提出了一种新颖的、基于净图定量描述的隐写分析方法,这种隐写分析方法与...     

基于HCF统计特征的MIDI音频隐写分析

针对乐器数字接口（MIDI）音频三种常见的LSB隐写方法：最低位替换、最低位匹配和低两位替换隐写,为了提高隐写检测正确率,提出基于直方图特征函数（HCF）统计特征和支持向量机（SVM）的隐写分析方法,通过提取MIDI音频力度分量直方图特征函数域21维特征,用支持向量机训练分类器对MIDI音频进行分类。实验表明,当嵌入率大于10%情况下,此隐写分析方法对三种LSB隐写方法的平均分类正确率达90%以上。     

基于多方向相关性JPEG图像通用隐写分析方法

针对JPEG图像隐写问题,本文提出一种基于多方向相关性JPEG图像通用检测方法。该检测方法首先对图像进行DCT域变换,提取DCT域块内、块间多方向的DCT系数间的相关性作为统计特征,共形成96维的统计特征。然后利用训练好的支持向量机对几种常见的JPEG图像隐写算法检测,实验结果表明本文提出的算法与其他检测算法相比具有更好的检测结果。     

针对JPEG格式的数字隐写与隐写分析

数字隐写和隐写分析是信息隐藏技术的重要分支。JPEG图像是隐写术最常见的载体,因而研究以JPEG图像为载体的隐写和隐写分析具有重要意义。剖析了JPEG文件结构,提出了基于JPEG格式的隐写方案;并针对该方案提出了相应的隐写分析方案;然后通过大量统计,建立了两个数据库,并最终构建了一个准实时隐藏信息提取系统。该系统从5万幅互联网上的JPEG图像提出了信息,并有效攻击了11种互联网上的隐写软件。