基于马尔可夫链理论的隐写检测算法

基于马尔可夫链（Markov Chain,MC）理论,提出了一种新的通用隐写检测算法。根据图像邻域相关的性质构造马尔可夫链,提取其经验转移矩阵的对角线元素作为特征向量,构造了一个新的判决函数作为检测秘密信息是否存在的依据。基于Matlab7.0平台,对全局LSB、DCT和DWT的隐写进行了检测实验。根据实验结果对算法进行了改进,使检测效果更优。结果证明：该算法的综合性能优于普通的检测算法。     

基于MCM和HVS的彩色图像盲隐写分析算法

针对典型算法在描述DCT域相关性方面存在的不足,所引起的隐写检测综合性能不理想的问题,将MCM与HVS进行有机结合,提出一种JPEG彩色图像通用隐写分析算法。设计8-邻域MCM型,全面描述DCT系数之间的相关性,基于HVS分别在YCbCr模型空间Y分量抽取Markov状态转移矩、在其相应RGB三通道抽取Markov状态转移矩的主对角线邻域相似熵作为特征统计量,并进行合理“绑定”,采用PCA技术对其进行优化选择,构建高效分类特征向量。实验结果表明该算法对于Jsteg、F5、Outguess、MB1、MB2攻击具有较高的可靠性和检测正确率。     

基于相关性和SVD技术的盲隐写分析算法

针对图像分块离散余弦变换(DCT)域加性噪声隐写和基于奇异值分解（SVD）技术,提出了一种新的盲隐写分析算法。分析研究了载体图像和掩秘图像统计特征,建立了能够全面反映DCT系数相关性的数学模型;采用SVD技术提取图像特征,构建特征向量和盲隐写分析判决函数。试验结果证明：该算法检测可靠率在90%以上,综合性能比一般的隐写分析方法有明显提高。     

以直方图差值序列为特征的JPEG MB2隐写分析

基于JPEG图像的离散余弦变换(DCT)系数直方图差值序列,提出一种新的检测JPEG MB2隐写术的方法。该算法定义JPEG图像的DCT系数一阶直方图与其Cauchy拟合分布模型的系数直方图之间的差值序列作为相关性度量,在此基础上构造区分隐写图像和载体图像的分类特征序列。在特征分析中,通过Hilbert-Huang变换对特征序列进行经验模式分解,构建了基于Hilbert谱的特征向量。实验结果表明,基于该特征向量的支持向量机(SVM)对MB2隐写算法检测平均准确率达到84.48%,该方法也适用于JPEG MB1的检测。     

基于离散余弦变换域的块相关性和马尔可夫模型的图像隐写分析

提出高阶统计方法检测JPEG 图像隐写．为充分描述图像数据及它们空间位置的相关性,运用了JPEG 块内、块间系数间的相关性. 使用量化分块DCT 系数绝对值之差生成水平、垂直和zigzag 方向的块内、块间差分数 组,采用马尔可夫过程模拟差分数组,提取二阶统计量——差分数组转移概率矩阵——为隐写分析特征向量．仿真 结果证明本文提出的方法的检出率高于已知方法的检出率．     

基于马尔可夫模型和特征融合的图像隐写分析

提出一种针对JPEG图像隐写的通用隐写分析方法.根据量化后分块DCT系数绝对值构造水平、垂直和zigzag方向的差分数组,利用三向差分数组马尔可夫模型挖掘量化后分块DCT块内邻近系数相关性,提取转移概率矩阵的特征.对三向特征加权融合后进行隐写分析,以提高分类性能.对安全性较高的JPEG隐写OutGuess和F5,在不同嵌入率下进行隐写分析.实验结果显示,引入特征融合后隐写分析的检出率明显提高.     

基于假设检验的隐写分析

提出了一种基于假设检验的隐写分析方案。该方案将隐写信息的存在性检测转化为二元假设检验问题．原始图像的先验概率密度函数采用隐马尔可夫树（HMT）模型进行估计。将该方案应用于乘性扩频隐写的检测,实验结果表明,基于隐马尔可夫树模型的检测器比基于独立同分布（i．i．d）模型的检测器具有更好的检测性能。     

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。     

基于HMM监控视频的异常事件检测

针对智能监控系统中的行为分析与识别,将隐马尔可夫模型（Hidden Markov model,HMM）应用到智能视频监控系统的异常事件检测中。首先应用背景差法将运动目标提取出来。其次将运动目标的形状、颜色和帧间变化度等特征编码,生成特征向量。训 练时将特征向量送入HMM训练得到隐马尔可夫模型需要的参数[WTHX]A和B[WTBZ],检测时将特征向量送入HMM检测系统检测是否有异常事件发生。最后的实验结果表明,该方法能快速有效地检测监控视频中的异常事件的发生。     

基于马尔可夫链模型的图像拼接篡改盲取证算法

利用马尔可夫链对图像DCT变换系数的相关性进行建模,提取模型的状态转移概率矩阵作为特征向量,然后采用支持向量机分类器对自然图像和篡改图像进行分类。实验结果表明,该算法的平均准确率达到了86%,性能优于Ng提出的基于双相干特征的拼接图像检测算法。     

基于高阶MARKOV链模型的数字图像隐写安全性评估方法研究

当前隐写分析算法多利用载体高阶统计特性进行分析,因此如何准确反映隐写对载体高阶统计特性的影响,即对隐写算法统计安全性进行合理评估是隐写研究的重点之一。文章提出数字图像隐写高阶Markov链统计分布模型,在对常用图像扫描方法所构成的高阶Markov链包含相邻像素相关性信息的程度进行比较后,采用Hilbert扫描方式构建数字图像n阶Markov链模型,进而研究隐写对该模型经验矩阵的影响,提出数字图像隐写统计安全性的n阶Markov链测度,并证明其有界且在特定情况下与ε-secure安全性指标等价。实验说明了文章所提模型经验矩阵在隐写前后的改变情况,统计分布测度比较实验证实了该模型统计分布测度较ε-secure安全性指标和图像Markov链模型统计分布测度对隐写引起载体高阶统计分布改变的反映更为充分。     

A multiscale edge detection algorithm based on wavelet domain vector hidden Markov tree model

The wavelet analysis is an efficient tool for the detection of image edges. Based on the wavelet analysis, we present an unsupervised learning algorithm to detect image edges in this paper. A wavelet domain vector hidden Markov tree (WD-VHMT) is employed in our algorithm to model the statistical properties of multiscale and multidirectional (subband) wavelet coefficients of an image. With this model, each wavelet coefficient is viewed as an observation of its hidden state and the hidden state indicates if the wavelet coefficient belongs to an edge. The WD-VHMT model can be learned by an expectation-maximization algorithm. After the model is learned, we employ an extended Viterbi algorithm to uncover the hidden state sequences according to the maximum a posterior estimation. The experiment results of the edge detection for several images are provided to evaluate our algorithm.     

基于二阶差分Markov特征的LSB匹配隐写检测

针对安全性较高的最不重要位(LSB)匹配隐写算法,通过计算待检测图像像素水平和垂直方向的二阶差分,得到二阶差分矩阵并将其作为敏感特征提取源,提取差分矩阵的二阶Markov转移概率矩阵作为特征,提出了一种隐写检测算法。实验结果表明：与基于一阶差分Markov转移概率矩阵的算法相比,该算法在保证检测较高正确率的情况下,在很大程度上提高了算法的检测速度,增强了算法的性能和实用性。     

一种改进的隐马尔可夫模型在语音识别中的应用

提出了一种新的马尔可夫模型——异步隐马尔可夫模型．该模型针对噪音环境下语音识别过程中出现丢失帧的情况，通过增加新的隐藏时间标示变量Ck，估计出实际观察值对应的状态序列，实现对不规则或者不完整采样数据的建模．详细介绍了适合异步HMM的前后向算法以及用于训练的EM算法，并且对转移矩阵的计算进行了优化．最后通过实验仿真，分别使用经典HMM和异步HMM对相同的随机抽取帧的语音数据进行识别,识别结果显示在抽取帧相同情况下异步HMM比经典HMM的识别错误率低．     

基于Contourlet域隐马尔可夫树模型的图像融合

基于Contourlet域的隐马尔可夫树模型能反映不同尺度系数之间、不同方向系数之间的相关性,基于此,提出了一种基于Contourlet域隐马尔可夫树模型的图像融合算法。对源图像进行Contourlet变换,并针对高频子带系数建模并训练得到每一系数的后验概率;利用该后验概率指导高频系数融合的规则,对边缘和背景区域进行不同的融合处理,以尽可能保留原始图像的重要特征;进行Contourlet反变换得到最终融合结果。针对多聚焦图像进行了融合实验,采用联合熵、熵、相关系数、清晰度等指标对融合效果进行评价,实验表明了该算法优于基于Contourlet域的常规融合算法以及小波域隐马尔可夫树融合算法。     

基于Contourlet域的遥感图像超分辨率复原技术

通过Contourlet域对遥感图像进行超分辨复原,采用了具有的更好方向性和各向异性特点的Contourlet系数作为特征表示,并通过最小欧氏距离进行全局的匹配选择。根据匹配的高频细节信息分布特点,引入了隐马尔可夫树（HMT）模型对遥感图像的Contourlet系数建模,运用期望最大（EM）算法对其进行参数估计,并结合贝叶斯估计原理,对叠加后的Contourlet系数进行修复、反变换后,最终完成了对低分辨率遥感图像的超分辨率复原。     

基于小波域HMT模型的序列图像超分辨率重建*

鉴于基于小波域隐马尔可夫树的噪声抑制性和较好的边缘保持性,提出一种基于小波域隐马尔可夫树的序列图像的超分辨率重建算法。针对小波系数进行统计建模,讨论了不同尺度小波系数之间的隐马尔可夫树结构,利用了序列图像的运动信息,运用极大后验概率估计和贝叶斯原理,将小波域HMT作为图像先验知识并给出了超分辨率重建算法,最终通过EM算法和共轭梯度算法的交替迭代进行优化计算。实验结果表明方法的重建效果得到了明显的改进。