基于支持向量机和灰度共生矩阵的纹理图像分割方法

图像分割是计算机视觉领域的研究热点。灰度共生矩阵是图像灰度的二阶统计度量,反映了纹理图像灰度在方向、局部邻域和变化幅度的综合信息,以能量、对比度、熵、差方差和差熵作为纹理图像的特征,利用支持向量机(SVM)对这些特征进行训练和分类,以达到纹理图像分割的目的。详细说明了纹理图像的分割过程,同时分析了不同参数情况下对分割精度的影响。针对Brodatz纹理库的实验结果表明:该方法具有较好的分割效果。     

基于多特征支持向量回归的F5定量隐密分析研究

针对现有F5定量隐密分析方法仅考虑直方图收缩导致定量估计误差较大的问题,提出了一种新的基于多特征支持向量回归(SVR)的定量隐密分析算法.算法通过最大似然估计拟合DCT系数分布模型的参数,利用参数的相对变化量来反映嵌入机制对直方图的修改,并使用共生矩阵描述F5算法对图像像素间相关性的破坏.在确定特征与嵌入量之间的函数关系时,算法采用SVR在高维空间中进行拟合,从而估计待测图像的容量.实验表明,该算法可以对F5算法的嵌入量进行有效估计,而且估计效果要优于已有的算法.     

基于局部保持映射的图像隐密检测算法

提出了一种新的基于局部保持映射（Locality Preserving Projections,LPP）降维的图像隐密检测方案。为降低图像特征向量的维数,同时保持其内在低维结构,方便构造更有效的分类器,在经过小波变换形成图像特征后,利用LPP算法得到图像特征集的低维流形,实现对图像高维特征的降维。进而使用支持向量机（SVM）算法将降维后的特征映射到分类特征空间,实现对正常图像和隐密图像分类。实验结果表明,与不采用降维算法的检测方案相比,提出的方案能够显著地提高检测的准确率。     

基于灰度共生矩阵的织物图像分析

以Matlab为研究工具,采用灰度共生矩阵算法,以织物纹理图像为研究对象,设计了基于灰度共生矩阵的织物图像程序,通过设置特征值分析织物图像中是否有疵点.仿真结果表明:不同的织物图像,选择合适的像素点对的方向、距离及灰度级是确定特征值的关键,也是准确地实现织物图像疵点检测的核心.     

基于灰度共生矩阵信息融合的视频噪声识别算法

针对视频监控图像中存在噪声的问题,利用视频中相邻两帧间差异信息可反映出视频中的噪声,结合灰度共生矩阵,提出基于灰度共生矩阵五特征信息融合的客观噪声视频识别评价方法。该方法首先对连续的两帧视频进行差分运算,然后对帧差图像利用灰度共生矩阵计算图像信息熵、能量、逆差距、均值和、方差和五个特征,最后用支持向量机进行信息融合训练学习,对无参考视频噪声有效识别。实验结果表明,该方法预测识别效果较好,识别率高达95.11%,与主观识别有较好的一致性,能获得较低的漏检率和误报率。     

结合游程长度与共生矩阵的图像拼接篡改检测方法

针对拼接图像篡改鉴别问题,研究了运用游程长度和灰度共生矩阵等统计特征进行图像盲检测的算法。该算法将拼接篡改检测问题转换为二分类模式识别问题,在图像的色度通道Cb和Cr中提取游程长度特征,并将其与灰度共生矩阵特征相结合,然后以结合后的新的特征向量训练LibSVM作为最后的分类器,确定所给图像是否被拼接篡改。实验结果显示,在彩色图像测试库CASIA v2.0上,利用融合后的特征检测图像使识别率得到较大提高,同时该算法在复制粘贴篡改方面也有较好的识别性能。     

基于零系数索引的可逆图像水印

提出一种新的用于压缩图像的具有高容量和低失真特点的可逆水印算法,在提取水印后可还原原始的压缩图像.该算法使用量化DCT块的中高频零系数索引值进行水印嵌入和提取.只要候选系数范围内最大的零系数索引不小于水印的整数值,就可以通过修改一位零系数来嵌入多个比特的水印.由于降低了被修改系数与嵌入的水印位数比例,该算法能在引入较少失真的情况下嵌入大量的水印.实验结果表明相对于其他基于DCT压缩域的可逆图像水印算法,该算法在水印容量和嵌水印图像质量方面具有优势,并且具有良好的适应性和可调整性.     

基于小波灰度共生矩阵的植物分类研究

为了解决塔式小波分解中丢失高频信息的问题,提出了将塔式小波分解和灰度共生矩阵融合的方法,生成小波灰度共生矩阵特征来描述植物叶子纹理,结合具有尺度、平移和旋转不变性的形状特征,生成一组有效的分类特征向量来对植物种类进行分类预测。用支持向量机(support vector machine,SVM)等分类器对两组实验数据进行分类测试,分类准确率分别达到了97.2426%和96.7972%。实验结果表明,小波灰度共生矩阵特征能够有效地描述植物叶子纹理特征,具有很强的分类能力。     

基于灰度-单元差分共生矩阵的医学图像的检索与分类

医学图像的检索与分类技术在计算机辅助诊断中具有重要作用.图像特征提取是基于内容的图像检索(CBIR)与分类中的关键技术之一.因此,如何有效地提取能够反映图像高层语义的低层特征对于医学图像的检索与分类是至关重要的.针对这个问题,提出使用灰度-单元差分共生矩阵提取纹理特征.在此基础上,使用欧氏距离和支持向量机(SVM)进行图像的检索与分类.实验结果表明,灰度-单元差分共生矩阵对于医学图像的检索与分类是有效的.     

基于多小波统计特征的通用隐写分析算法

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。     

基于多维梯度能量的空域隐写分析

隐写分析是信息安全领域一个新的研究热点,其中多数为针对特定隐藏算法的隐写分析算法,少数泛盲隐写分析算法又具有复杂度高正检率低的缺点.对图像像素值扣除受隐藏改变很小的高位后剩余的低位图像进行小波变换,恢复载体图像,利用梯度能量之差形成12维特征向量,最后通过支持向量机(SVM)进行训练分类.在3000幅训练图像库和3000幅测试图像库上(没有交集),分别对LSB(least significant bits)、自适应空域和BPCS(bit-plane complexity segmentation)等多种空域隐藏算法进行训练和测试.实验结果表明,算法有很好的检测性能,载密图像和载体图像的平均正检率分别为93.7%和96.2%.     

基于主成分分析的泛盲掩密分析方案

为了能够对掩密后图像进行有效的检测，首先从分类特征维数、单个特征的有效性和特征相关性等3个方面对Farid泛盲掩密分析算法的缺陷进行了分析，然后提出了采用主成分分析技术对分类特征进行降维处理的方法。并基于RBF（radial basis function）网络构造了新的泛盲掩密分析方案。该方案不但大大降低了用于分类的图像特征的维数，而且提高了掩密分析的检测性能。利用该方案和Farid的方案分别对用JSteg等软件掩密后的图像进行的检测比较实验表明。经主成分分析预处理后。该方案的样本集特征矢量维数比Farid方案分别减少了174（Jsteg）维、163（EzStego）维和180（S-Tools）维，而特征数目的减少又大大简化了分类器的设计。而且。该方案能够有效检测嵌入消息占可嵌容量的比例达60％（Jsteg）、80％（EzStego）、50％（S-Tools）以上的掩密图像。并获得了比Farid算法更高的检测率。     

基于少样本学习的通用隐写分析方法

近年来,深度学习在图像隐写分析任务中表现出了优越的性能.目前,大多数基于深度学习的图像隐写分析模型为专用型隐写分析模型,只适用于特定的某种隐写术.使用专用隐写分析模型对其他隐写算法的隐写图像进行检测,则需要该隐写算法的大量载密图像作为数据集对模型进行重新训练.但在实际的通用隐写分析任务中,隐写算法的大量载密图像数据集是难以得到的.如何在极少隐写图像样本的情况下训练通用隐写分析模型是一个极大的挑战.对此,受少样本学习领域研究成果的启发,提出了基于转导传播网络的通用隐写分析方法.首先,在已有的少样本学习分类框架上改进了特征提取部分,设计了多尺度特征融合网络,使少样本分类模型能够提取到更多的隐写分析特征,使其可用于基于秘密噪声残差等弱信息的分类任务;其次,针对少样本隐写分析模型难收敛的问题,提出了预训练初始化的方式得到具有先验知识的初始模型;然后,分别训练了频域和空域的少样本通用隐写分析模型,通过自测和交叉测试,结果表明,检测平均准确率在80%以上;接着,在此基础上,采用数据集增强的方式重新训练了频域、空域少样本通用隐写分析模型,使少样本通用隐写分析模型检测准确率与之前相比提高到87%以上;...     

基于残差共生概率的隐写图像载体安全性评价

隐写是一种利用图像、视频、文本等常见媒体实现隐蔽传输的技术,其反隐写分析的能力是衡量隐写安全性的重要标准.然而,随着双层校验格码(syndrome tellis codes, STC)的出现,隐写安全性的研究出现了滞缓.目前已有的隐写研究大多是失真代价函数的完善和补充.事实上,隐写安全性受到两大因素的显著影响：1)由隐写操作相关的因素、包括嵌入率、嵌入算法等;2)载体自身的掩蔽效果,即载体安全性.从研究载体的安全性角度出发,分析载体图像残差共生概率特征分布与隐写安全性的关系.利用载体聚类中心距离提出一种隐写载体安全性评价方法.实验证明:通过该方法进行载体筛选可有效增强隐写的反检测能力.图像在不同图像库、隐写方法、嵌入率和隐写分析特征的测试中,抗检测能力相比随机选择载体更高,平均检测错误率提高了3.8~11.8个百分点.     

彩色图像通用隐写分析的多类统计特征

提出了用于彩色图像通用隐写分析的3类统计特征。针对隐写所导致的图像DCT系数分布、空域像素值平坦性以及颜色空间一致性的改变,从系数分布模型背离程度、空域相关性和不同颜色分量间的相关性3个方面设计能够体现原始载体和含密图像差异的特征,提取了10维特征向量。这些特征对隐写行为较为敏感、涵盖面广,且维数低、计算方便。在这些特征的基础上,可利用支持向量机分析彩色JPEG图像是否含有秘密信息。实验结果表明,基于这些特征的通用隐写分析方法可以准确、高效地检测以Jstge、F5或MB隐写方法嵌入的秘密信息,辨别隐写方法种类,具有很好的通用性。     

基于Shell命令和共生矩阵的用户行为异常检测方法

用户行为异常检测是当前网络安全领域研究的热点内容.提出一种新的基于共生矩阵的用户行为异常检测方法,主要用于Unix或Linux平台上以shell命令为审计数据的入侵检测系统.该方法在训练阶段充分考虑了用户行为复杂多变的特点和审计数据的时序相关属性,依据shell命令的出现频率并利用阶梯式的数据归并方法来确定事件,然后构建模型矩阵来刻画用户的正常行为.在检测阶段,首先为每一个当前事件序列构建一个部分正则化共生矩阵,然后根据矩阵2范数计算这些矩阵与模型矩阵的距离,得到距离流,最后通过平滑滤噪处理距离流来判决用户行为.在Purdue大学实验数据和SEA实验数据上的两组实验结果表明,该方法具有很高的检测性能,其可操作性也优于同类方法.     

基于支持向量机的文本隐写分析

通过对自然文本统计模型和特性的分析,指出隐藏消息后可能对文本统计特性带来的变化,提出基子支持向量机的通用检测算法。将文本的5个基本统计特征量作为分类特征向量,采用支持向量机对自然文本和载密文本进行有效分类检测。实验结果证明,该算法具有较好的适用性和可靠性。     

基于KFD指标聚类的高隐蔽性JPEG隐写分析

采用非公开的图像源或算法的隐写行为具有很强的隐蔽性.在这类对隐写者先验不足的场景下聚类分析更为实用.Ker等人比较不同指标不同配置之后,提出基于MMD指标聚类的隐写者识别方法.然而该方法所用MMD指标只考虑两个类样本中心之间的距离,忽略了样本相对中心点的聚合程度对可分性的影响,因而准确率存在提高的空间.为进一步提高现有隐写聚类分析方法的准确率,该文提出用核Fisher鉴别(KFD)指标计算样本间差异度量的聚类方法.首先,提取PEV274校准特征并归一化.然后,计算KFD指标组成距离矩阵.最后,根据样本间差异度量矩阵按重心法自底向上进行层次聚类分析.KFD指标兼顾与最大平均距离(MMD)原理相近的类间方差以及指示样本聚集程度的类内方差,更准确地估算样本间差异.实验结果表明,该文对低嵌入率隐写其准确率最高提高约30％,对高嵌入率准确率降低不超过5％.该文的创新点在于提出了一种更合理的指标和基于该指标聚类隐写分析的方法,比现有方法平均准确率有一定的提高.     

基于分割的空域图像隐写分析

提出一种基于图像内容的空域隐写分析方法, 该方法对图像进行分割, 使分割得到的每一类子图像具有相同的统计特性, 并对每一类子图像提取更加敏感的隐写分析特征, 分别构造分类器进行训练和测试, 由此对分割所得到的每一幅子图像都可以得到一个检测结果. 对整幅图像的判决结果通过加权融合得到. 实验结果表明,该方法具有良好的性能, 尤其是针对自适应隐写方法, 该算法的检测准确率提高更加明显.