共查询到19条相似文献,搜索用时 78 毫秒
1.
提出基于图像颜色特征的隐写分析算法,该算法利用24位BMP图像的颜色特征,采用攻击的方法,根据原始图像和隐写图像在被攻击前后颜色数目和相近颜色对数目变化的不同,提取特征向量,利用支持向量机进行分类,取得了比较好的检测结果. 相似文献
2.
杜明智 《计算机光盘软件与应用》2010,(6):143-143,135
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。 相似文献
4.
基于隐写编码和Markov模型的自适应图像隐写算法 总被引:3,自引:0,他引:3
如何构造大容量、低失真和高统计安全的隐写算法一直是隐写研究的难点和热点.提出一种兼顾感知失真和二阶统计安全的自适应图像隐写算法设计思路.算法将载体各部分的平滑度引入隐写编码的生成过程,自适应地利用一簇隐写编码在载体各部分的合理运用降低载密图像失真度;在隐秘信息嵌入方式上利用基于Markov链模型的动态补偿方法提高载密图像统计安全性;算法对载体最低有效位和次最低有效位进行嵌入以保证嵌入容量.实验表明算法在相同嵌入量下相较双层随机LSB匹配算法以及仅使用一种隐写编码的算法,失真度更低且载体统计分布的改变更小,而在失真度和统计分布改变相近时嵌入容量更大. 相似文献
5.
6.
7.
为了更有效地提高图像隐写分析的速度和正确检测率,提出了一种基于改进的支持向量机的隐写分析方法。采用Fridrich提出的多特征融合提取算法对图像进行特征提取,克服了单一特征不能很好描述图像差别的不足。然后提出了一种将最小二乘法与超球体一类支持向量机(HSOC-SVM)相结合的分类器——最小二乘超球一类支持向量机(LSHS-OCSVM),并与目前广泛使用的FLD和非线性SVM分类器作对比实验。结果表明,方法是一种有效、高速的隐写分析方法。 相似文献
8.
提出了一种新的图像隐写方法。利用载体图像和秘密图像之间的局部相关性,将秘密图像嵌入到载体图像当中。实验结果表明,该方法能够嵌入较多信息和保持良好的载密图像质量,并且可从载密图像中完全提取出秘密信息。 相似文献
9.
隐写分析是防范由隐写术进行信息隐藏所带来危害的有效方法。图像隐写分析方法主要用于检测图像是否被隐写术嵌入隐秘信息。通用型图像隐写分析能够针对广泛类型的隐写术进行检测,该类方法一般采用从图像提取的统计特征和分类器模型进行。当前的高性能隐写分析一般采用高维特征和集成分类器进行。高维特征能够较好地表达图像统计特性中被隐写术扰动的成分,但另一方面,高维特征具有较多的冗余和无效成分,因此进行特征选择能较好的提升效率。本文提出一种使用线性规划的特征选择模型,该模型可与集成分类器协同使用,同时考虑集成分类器中子分类器的检测精度和多个子分类器使用特征的多样性。实验证明,本文提出的方法对多个隐写术的检测性能有较好的提升。 相似文献
10.
信息隐藏和检测技术在当代信息社会中日趋重要,并且得到广泛应用.JPEG是目前最流行的图像文件格式标准之一.概述了隐写和隐写分析的原理,介绍了JPEG图像格式,重点分析JPEG图像的几种典型的隐写术和隐写分析算法,比较了几种隐写术和隐写分析算法的优缺点,并指出了隐写术和隐写分析技术的发展趋势. 相似文献
11.
针对现有隐写分析算法检测性能较差的问题,提出一种基于多小波统计特征的通用隐写分析算法。该算法采用多小波变换对样本图像进行多尺度分解,在各子带中提取广义高斯模型和多小波高阶统计特征,通过结合支持向量机分类器对大量图像样本进行隐写分析。结果表明,与经典的Farid算法相比,该算法提取的多小波统计特征更有效,且具有更高的检测率。 相似文献
12.
13.
14.
15.
针对支持向量机分类器的行人检测方法采用欠采样方法,存在正负行人比例不平衡造成的准确率不高问题,结合欠采样和EasyEnsemble方法,提出一种聚合支持向量机(Ensemble SVM)分类器的行人检测方法。随机选择负样本作为初始训练样本,并将其划分为与正样本集均衡的多个子负样本集,构建平衡子训练集,线性组合成EasyEnsemble SVM分类器;利用该分类器对负样本进行分类判断,将误判样本作为难例样本,重新划分构建新的平衡子训练集,训练子分类器,结合EasyEnsemble SVM分类器,得到Ensemble SVM分类器行人检测方法。在INRIA行人数据集上的实验表明,该方法在检测速度和检测率上都优于经典的SVM行人检测算法。 相似文献
16.
低层特征的选择与提取是自动图像分类的基础,一方面,所选择的图像特征应能代表各种不同的图像属性,利于不同类别图像之间的区分;另一方面,为了提高后续模型的计算效率,需要减少噪声特征、冗余特征.提出了一种基于特征加权的自动图像分类方法.该方法根据图像低层特征分布的离散程度来衡量特征相对于类别的重要性,增加相关度高的特征的权重,降低相关度低的特征权重,从而避免后续模型被弱相关或不相关的特征所支配.所提的特征加权算法主要考察的是特征相对某个具体类别的重要程度,可以为每个类别选择出适合自身的特征权重.然后,将加权特征嵌入到支持向量机算法中用于自动图像分类,在Corel图像数据集上的实验结果表明,基于特征加权的自动图像分类算法可以有效地提高图像分类的准确性. 相似文献
17.
综合考虑识别率、时间复杂度以及鲁棒性,提出一种边缘、纹理、颜色多特征融合和支持向量机(SVM)的交通标志识别算法。通过提取能够描述交通标志图像边缘信息的方向梯度直方图(HOG)特征并进行统计平均,与能够表示标志图像内部纹理信息的局部二值模式(LBP)特征融合得到降维后的HOG-maxLBP特征,再级联交通标志的颜色特征作为最终的特征向量,最后利用SVM进行交通标志训练和分类。实验结果表明,该算法不仅提高了交通标志的识别率,而且降低了时间复杂度,增强了系统鲁棒性。 相似文献
18.