近年来,网络信息安全形势日益严峻,作为保障信息安全的重要技术手段,隐写检测技术取得了长足的发展。但是,相对于数字隐写技术在隐蔽通信领域的广泛应用,虽然现有的隐写检测技术在实验室环境下取得了较好的检测性能,但是当面对复杂无序的待测图像时,尤其是在网络环境中,获取来源众多、内容纷繁杂乱、并且可能经历复杂多样的图像处理操作的海量图像数据时,现有的隐写检测技术难以取得理想的检测效果。本文深入分析了隐写检测技术在实际应用中遇到的主要问题,即“嵌密算法失配”、“载体来源失配”,以及载体图像统计特性差异对隐写检测性能的影响等。为解决上述问题,本文结合相似图像检索与异常检测技术,研究了无监督的通用盲检测技术。论文的主要研究工作包括:1、首先,简要介绍了现代信息隐藏的基本概念和技术分类。然后,综述了数字隐写和隐写检测技术的系统模型、性能指标以及研究现状,着重对现有的隐写检测框架进行了归纳总结。2、首先,深入分析了传统的隐写检测框架在实际应用中遇到的挑战及其现有的解决策略。然后,分别介绍了图像统计特性相似检索的基本概念以及无监督异常检测的相关算法。最后,基于以上研究,提出一种新的结合相似图像检索技术与异常检测方法的无监督通用盲检测框架。3.针对单次压缩和重压缩JPEG混合图像库上的隐写检测问题,提出一种结合重压缩图像检索与异常检测的无监督通用盲检测方法。首先,给定一幅待测图像,提取其重压缩检索特征,并检索与之具有相似统计特性的载体图像构成辅助载体图像集;然后,对该待测图像和其对应的辅助载体图像集进行无监督异常检测,从而判断待测图像是否嵌密。实验证明,本文所提方法明显优于基于单分类器的检测方法,不仅消除了失配问题,并同时保证了较高的检测效率。4.针对单次采样图像和重采样图像混合图像库上的隐写检测问题,提出一种结合重采样图像检索与异常检测的无监督通用盲检测方法。首先,采用重采样检测特征对待测图像进行相似图像检索;然后,分别使用三种经典的异常检测算法判断待测图像是否嵌密。实验证明,与传统的无监督异常检测方法和基于单分类器的方法相比,所提方法的检测性能取得了明显提高,充分证明了相似图像检索降低了载体差异对隐写检测性能的影响。5.针对富模型特征与无监督隐写检测方法无法兼容的问题,研究了富模型特征在本文所提框架下的检测性能。首先,介绍了高维富模型特征在异常检测领域中遇到的“维数灾难”等问题;然后,针对该框架下的异常检测阶段提出两种解决方案:(1)将相关降维方法与基本异常检测方法相结合;(2)采用适用于高维特征的异常检测方法。实验结果表明,与传统的无监督异常检测方法相比,所提方法有效地提高了富模型特征的检测性能;与基于有监督的组合分类器方法相比,所提方法的检测性能有所降低,但实现了无监督的通用盲检测,进一步验证了所提检测框架的实用性。最后,对本文的研究工作和成果进行了概括总结,并对实际网络环境下的无监督通用盲检测技术进行了展望。