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。     

基于小波系数相关性的空域隐写分析方法

基于小波系数相关性,提出了一类具有较高正确检测率的空域隐写通用型检测方法。首先利用互信息分析秘密信息嵌入对图像小波系数在尺度方向和空间方向相关性的影响,并使用马尔可夫模型挖掘小波系数层内和层间相关性,提取转移概率矩阵作为特征;然后对提取的特征进行加权融合并结合Fisher线性判别(FLD)分类器进行分类。针对LSB(least significant bit)、LSBmatching和SM(stochastic modulation)隐写算法的实验表明,在不增加计算复杂度的情况下,本文方法相比现有的典型空域隐写通用型检测方法,正确检测率有明显提高。     

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．     

针对ＬＳＢ隐写的语音隐写分析方法

本研究对常用的最低有效位(LSB)隐写技术进行了隐写分析。在目前的网络环境中,检测低嵌入率语音隐写信号仍然是一个非常有挑战性的课题。近年来,神经网络模型在许多课题中都取得了显著的性能。神经网络的主流架构包括卷积神经网络(Convolution neural Networks, CNNs)和循环神经网络(Recurrent neural Networks, RNNs),这两种网络采用了不同的方式来理解各种信号。本文提出了一种合适的方法来结合这两种架构的优点,然后构造了一个新的模型,即CNN-LSTM网络来检测基于LSB的隐写方法。在本文提出的模型中,使用双向长短时记忆循环神经网络(BiLSTM)来捕获信号的长时间上下文信息,然后使用CNN捕获局部特征和全局特征。实验结果表明,该模型相较对比方法对于基于LSB的隐写分析达到了更好的效果。     

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。     

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。     

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。     

基于卷积神经网络的网络隐写分析方法研究

针对现有网络隐写分析算法特征提取难度大、算法适用范围单一的问题,文章提出了一种基于卷积神经网络的网络隐写分析方法。对网络数据流进行预处理,将所有数据包处理成大小相同的矩阵,最大限度地保留数据特征完整性;使用异构卷积进行特征提取,减少模型计算量及参数数量,加快模型收敛速度;取消池化层,提高模型训练效率。与传统网络隐写分析方法相比,模型能够自动提取数据特征,识别多种网络隐写算法。     

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。     

基于不确定性推理的JPEG图像通用隐藏信息检测技术

目前隐写分析通常被作为一种确定性问题进行研究,研究中忽略了不确定性因素的影响,这导致了检测可靠性下降.本文对通用隐写分析中的不确定性因素进行了分析.在此基础上,构建了基于不确定性推理的隐写分析模型,设计了基于证据推理的通用隐写分析算法.实验证明了算法具有较好的可扩展性和可靠性,从而也验证了使用不确定性推理方法解决隐写分析问题的有效性.     

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。     

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。     

一种基于PSOSVM的盲隐写分析方法

针对盲隐写分析中的特征选择问题,提出了结合粒子群优化算法（PSO）的支持向量机分类器进行特征选择的方法。该方法使用非线性支持向量机作为分类器,使用PSO为支持向量机寻找最优的图像特征集合作为训练集和测试集,同时选择最优的支持向量机参数,进而利用最优的特征集和支持向量机参数对隐写图像进行检测。实验结果表明,该优化方法明显优于Farid。ANOVA和F—score方法,提高了检测隐写图像的成功率和系统检测效率。     

基于图像高阶MARKOV链模型的扩频隐写分析

 扩频隐写分析是信息隐藏研究领域的一个重要方面.文章提出基于高阶Markov链的数字图像统计分布模型,在对常用图像扫描方法构成高阶Markov链的效果进行比较后,采用Hilbert扫描方式构建数字图像n阶Markov链模型,进而提出度量数字图像隐写统计安全性的n阶Markov链测度,并证明其有界.最后文章通过研究扩频隐写对高阶Markov链模型经验矩阵的影响,利用该模型提取图像统计特征,并使用支持向量机对几种常用图像扩频隐写方法进行分析.实验说明文章所提方法对扩频隐写分析效果良好,且随着模型阶数提高,分析准确率也随之提高.     

基于主元统计的音频隐写分析

论文利用主元分析原理,分别从时域、小波域、频域几方面来提取音频载体隐写前后的不重要主元,进行形态学变换后,以其相邻两列汉明距离的奇数阶中心矩作为特征向量,用支持向量机分类,隐写分析分类准确率可超过95%。     

基于独立分量统计的音频隐写分析

论文利用独立分量分析原理,分别提取隐写前后音频载体的独立分量,进行形态学变换后,以其相邻两列汉明距离的奇数阶中心矩作为特征向量,用支持向量机分类,隐写分析全局检测率可超过93%。     

基于Q函数的隐写分析准确性指标模糊分布

针对传统隐写分析算法孤立地使用各准确性指标,判定算法检测性能的问题,在搭建准确性指标体系的基础上,分析了各指标之间的关系,并在理论上推导出检测误差服从Q函数的模糊分布。仿真实验证实了该指标的Q函数模糊分布的正确性。