基于MCM的block-DCT域盲隐写分析算法

针对block-DCT域隐写,基于马尔可夫链模型（Markov Chain Model,MCM）,提出了一种新的盲隐写分析算法。该算法分析研究了DCT系数的分布特点和统计特征,采用隐马尔可夫树（Hiding Markov Tree Mode,HMT）模型,实现了载体图像的预测;基于MCM构建二阶马尔可夫经验转移矩模型,捕捉块内和块间DCT系数的相关性,提取经验转移矩阵对角元素作为特征向量,构建特征向量夹角作为检测秘密信息是否存在的依据。实验结果证明：该检测方法比普通的隐写算法具有较高的可靠性和较好的综合性能。     

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。     

基于图像校准的通用型JPEG隐写分析

对JPEG图像隐写分析而言,直接在嵌入域中提取特征一般会取得更好的效果.然而,在现有的JPEG隐写术中,由于所嵌入秘密信息的能量要远远小于载体图像本身所具有的能量,因而秘密信息嵌入所引起的载体图像微小失真很难直接从给定的待测图像中发现.基于此,文中在已有JPEG图像全局校准方案的基础上,提出了对JPEG图像进行局部校准的新思路.并在此基础上提出了一种全局与局部校准相结合的通用型JPEG隐写分析算法.通过从待测图像和局部校准图像量化后DCT系数的差分信号中提取特征、以及对从待测图像和全局校准图像分别提取的特征进行差分等方式,使得提取的特征对秘密信息的嵌入更为敏感.此外,文中应用Markov转移概率矩阵,分别提取块内以及横向和纵向块间量化后DCT系数在幅值和符号两个方面的相关性作为特征.仿真结果表明,与已有的JPEG隐写分析算法相比,文中所提出的算法具有更好的检测效果.     

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。     

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。     

基于流形学习的JPEG图像定量隐写分析算法

提出了一种基于DCT系数统计特性的JPEG图像定量隐写分析算法。该算法在对JPEG图像DCT系数的统计模型进行研究的基础上,提取了能够反映嵌入容量变化规律的特征参数[α]。以特征参数[α]为基础,提出了基于流形学习的特征提取算法,通过LIB-SVM分类器进行训练,估计隐写对DCT系数的更改比率。实验结果表明,与传统的定量分析算法相比,提出的算法具有更高的估计准确率和稳定性。     

针对F5算法的盲检测隐写分析

通常基于统计特征的隐写分析算法特征针对性强,而通用隐写分析算法适应性强.结合两者的优点,提出了一种针对F5数字隐写技术的盲检测算法.根据F5算法对载体图像统计特性带来的影响,提取了21个特征.在分类器设计方面,选用了对样本数量和质量依赖性小的支持向量机.最后对不同训练样本下算法的识别能力进行了实验仿真.实验结果表明,使用高嵌入率载密图像进行训练能达到很好的检测效果,在虚警率为4%的条件下,对25%载密图像的检测结果都达到了95%以上.     

应用DCT块标准差的自适应隐写算法

目的为提高隐写方案的安全性,提出一种基于DCT(discrete cosine transform)块标准差的JPEG图像自适应隐写算法。方法 DCT块标准差可以反映图像各区域的复杂情况,为此根据取整失真、量化步长以及标准差设计了失真函数,然后结合STC(syndrome-trellis code)编码设计了隐写算法。结果引入DCT块标准差可使失真函数定义更合理,因此图像经隐写后总体失真减小,安全性能得到提高。结论实验结果表明,本文算法与其他同类算法相比具有更强的抵抗隐写检测能力,在质量因子为75时安全容量可达到0.35(嵌入总量和非零AC(交流)DCT系数个数之比)。     

F5隐写算法及其隐写分析研究

图像隐写分析是检测、提取和破坏隐写图像中秘密信息的技术,是信息安全领域的研究热点之一.由Westfeld提出的F5隐写算法是一种重要的图像隐写算法.分析了F5隐写算法及其隐写系统,讨论了一种针对F5隐写算法的隐藏检测方法,并给出了具体实现的算法.实验结果表明,F5算法采用矩阵编码,提高了嵌入效率.     

一种基于感兴趣区域提取的新型SVD图像压缩算法

提出了一种基于感兴趣区域提取的新型奇异值分解（SVD）图像编码算法（SODSVD）。根据图像的区域复杂度、视觉注意等指标运用感兴趣区域提取技术将图像自适应分块,而对每一小块,根据其复杂度进行不同秩的奇异值分解算法,从而达到图像压缩的目的。同时还提出了一种简单的基于感兴趣区域的图像划分策略。实验结果表明,在PSNR和bpp等评价指标上,新方法有明显优势。     

基于奇异值分解结合Harris的快速匹配方法研究

针对室内环境下视觉图像匹配速度慢、精度低等问题,提出一种基于奇异值分解结合Harris的快速匹配新方法.随机采集两组相邻的视觉图像作为研究对象,利用奇异值分解(SVD)对视觉图像进行压缩与重构.利用Harris角点检测算法对重构后的视觉图像进行特征角点的检测,然后结合归一化互相关(NCC)算法对视觉图像的特征角点进行一次粗匹配,最后采用随机抽样一致性(RANSAC)方法对粗匹配结果进行校正,实现特征点对的精匹配.实验表明:与传统的归一化互相关模板匹配算法相比,该算法不仅将视觉图像在室内环境下的误匹配率降低至2.35％,而且图像匹配的速率提升了3倍.     

基于SVD和Watson模型的半脆弱图像水印算法

随着版权保护越来越受到重视,图像认证和完整性检测的需求被提出,半脆弱水印可以达到这些要求.提出一种结合奇异值分解SVD(Singular value decomposition)和Watson视觉模型的半脆弱水印算法.算法将水印信号嵌入图像最大奇异值中,并利用Watson模型控制嵌入强度.实验表明算法达到了不可见性、盲检测性、区分合理与不合理失真等半脆弱水印的基本要求,并能较准确识别篡改区域,具有实用性.     

Comments on "An SVD-based watermarking scheme for protecting rightful Ownership"

In a recent paper by Tan and Liu , a watermarking algorithm for digital images based on singular value decomposition (SVD) is proposed. This comment demonstrates that this watermarking algorithm is fundamentally flawed in that the extracted watermark is not the embedded watermark but determined by the reference watermark. The reference watermark generates the pair of SVD matrices employed in the watermark detector. In the watermark detection stage, the fact that the employed SVD matrices depend on the reference watermark biases the false positive detection rate such that it has a probability of one. Hence, any reference watermark that is being searched for in an arbitrary image can be found. Both theoretical analysis and experimental results are given to support our conclusion.     

改进的基于符号数据的协同过滤推荐算法

随着用户和资源种类的不断增加,评价矩阵的稀疏性问题越来越突出,严重影响了推荐系统的推荐质量。奇异值分解(SVD)是一种对数据进行降维处理的方法,符号数据分析(SDA)是一种处理海量数据的全新数据分析思路。提出一种改进的基于符号数据的协同过滤推荐算法,即将奇异值分解和符号数据分析方法结合起来运用到推荐系统中。在EachMovie 数据库集上的实验结果表明该算法在数据稀疏时的推荐质量明显优于传统的推荐算法。     

基于有向模板和颜色加权SVD的图像匹配算法

为快速稳定地匹配视频序列,并考虑SVD算法的高效性,根据视频序列的特点,对SVD匹配算法进行改进,提出了一种适合视频序列的匹配算法。该算法使用Harris角点检测算子检测兴趣点,使用有向模板提取具有旋转不变性的特征,并通过引入颜色加权法改进SVD算法中的相似性度量函数。同时,又提出一种基于运动一致性约束的误配点剔除方法,首先拟合匹配点间的运动模型,然后自适应地调整参数将错误的匹配点剔除。该算法使用有向模板消除图像间旋转变换的影响,使用颜色特征降低兴趣点匹配时的不确定性,通过运动一致性约束降低误配点数量。实验结果表明,该算法在图像间存在旋转变换关系和不同的光照条件时都可以获得很好的匹配结果,特别是在图像间基线距离较大时仍能得到大量的匹配点并具有很高的正确匹配率,能很好满足实际需要。     

一种光照不变人脸识别的预处理算法

提出了一种新的光照不变人脸识别的图像预处理算法称为分段局部归一化方法(SLN)。其思想是对图像像素分段,使得每段中各像素对应的物体表面点具有相近的表面法向量分布,因而对光源具有相似的灰度响应,然后局部归一化在各段中进行以削弱光照影响。该算法首先建立物体的朗伯(Lambert)表面反射模型,用奇异值分解方法估计出人脸形状的平均表面法向量分布矩阵,根据法向量方向利用聚类算法对像素进行分段,然后在各段中进行局部的像素归一化处理,最后传统的人脸识别算法如PCA在归一化后的图像中进行。在Harvard和YaleB人脸图像库中的识别试验表明,该算法能有效地提高在非均匀光照条件下的人脸识别率。     

基于SVD背景抑制和粒子滤波的弱小目标检测*

针对云天背景下红外弱小目标的检测算法中常见的目标漏检和检测错误问题,提出了一种基于奇异值分解背景抑制和粒子滤波联合检测算法。该算法首先采用奇异值分解滤波抑制红外图像背景,获取候选目标位置,然后采用粒子滤波算法估计目标运动状态,获取目标搜索窗口,最后将单帧检测候选目标与预测的搜索窗口相结合实现小目标检测。对真实红外图像序列进行实验表明,该方法有效地解决了SVD滤波单帧漏检和粒子滤波预测错误导致的目标检测错误问题,从而提高了低信噪比下弱小目标的检测能力。     

一种使用机器学习方法的数字水印算法

针对目前数字水印算法存在的不足,本文将离散小波变换和奇异值分解相结合,提出了一种基于机器学习的图像数字水印算法.首先将载体图像进行一级小波变换,提取其低频子带图像对其进行4×4分块处理,然后对每一分块进行奇异值分解后嵌入水印,并提取特征向量用于最小二乘支持向量机的训练,训练好的最小二乘支持向量机用于自适应最大水印嵌入强度的计算以及水印的盲提取.实验选取三张512×512的标准测试图像以及64×64的二值水印图像对算法的透明性与鲁棒性进行测试.实验结果证明,图像具有很好的透明性,PSNR达到了63.71dB,针对旋转、剪切、JPEG压缩、高斯噪声等常规攻击手段时,算法能保持较强的鲁棒性.