隐写术是一种将秘密消息隐藏在某种载体中,之后通过公开信道传输而不引起第三方察觉,从而实现隐蔽通信的技术。作为隐写术的逆向对抗技术,隐写分析的目的在于检测秘密消息的存在性,进而提取、还原和破坏秘密消息,二者在相互对抗中共同发展。自上世纪90年代以来,图像隐写及与之对应的图像隐写分析技术逐渐成为学术界关注的热点,本文主要研究图像隐写分析技术。经过近二十年的发展,图像隐写分析技术取得了巨大进步,诸多隐写分析方法被相继提出,其中一些方法取得了非常好的性能。然而,图像隐写分析的研究远未完善,很多重要的问题仍未得到解决。例如:针对一些典型的隐写算法,尚缺乏有效的专用分析方法;现有盲检测方法大多没有考虑图像统计性质差异,也没有考虑嵌入算法失配的影响。本文对这些关键问题展开研究,论文主要工作包括以下几个方面:1、简要介绍了隐写术的发展历史、基本概念、基本模型和评价指标。从空间域隐写算法和JPEG隐写算法两方面介绍了典型的图像隐写算法。重点介绍了典型的针对性隐写分析方法和通用隐写分析方法,对现有的盲检测特征和常用的分类器进行了归纳总结。简要介绍了利用图像统计性质差异的隐写分析研究进展。2、针对连续像素最不重要比特匹配改进(Least Significant Bit Matching Revisited,LSBMR)隐写,提出一种基于迭代策略的量化隐写分析方法。由于LSBMR隐写将相邻两个像素作为一个嵌入单元,其中第一个像素发生改变的概率是第二个像素发生改变的概率的两倍,这使得连续像素LSBMR(LSBMR for Consecutive Pixels,LSBMRCP)隐写对图像像素差分分布造成“不对称”影响。通过分析这一“不对称”影响,推导出可快速有效检测LSBMRCP隐写的特征,并提出一种基于迭代策略的嵌入率估计方法,分析了迭代策略的收敛性。在多个图像库上的实验结果表明,所提出的检测特征能够有效检测LSBMRCP隐写,检测性能优于前人提出的方法。所提出的嵌入率估计方法能够准确估计LSBMRCP隐写的消息嵌入率,平均绝对误差、中值绝对差和四分位矩均位于10-2数量级,估计精度优于Tan提出的方法。3、针对随机像素LSBMR隐写,提出一种基于差分特征的快速检测算法。通过分析随机像素LSBMR隐写对图像相邻像素差分分布造成的加权平滑影响,推导出利用1差分系数频率和2差分系数频率估计0差分系数频率的方法,将估计值与真实值之比和1差分系数频率与0差分系数频率之比的和作为检测随机像素LSBMR隐写的特征。实验结果表明,该方法能够可靠检测随机像素LSBMR隐写,在多数环境下的检测性能优于前人提出的方法。4、提出一种结合K均值聚类的JPEG图像隐写盲检测方法。鉴于现有盲检测方法大多将所有图像进行相同的处理而没有考虑不同图像之间的统计性质差异,提出一种“先聚类后分类”的JPEG隐写盲检测方法。将JPEG图像DCT系数绝对值的块内共生矩阵作为聚类特征。在训练阶段,先对图像库进行K均值聚类,将现有图像库分为若干子图像库,之后分别在每个子图像库上提取隐写检测特征训练分类器;在测试阶段,先计算待测图像与训练时得到的各聚类中心的距离并将其预分类为距离最小的那一类,之后送入到相应的分类器中进行测试,输出判决结果。实验结果表明,该方法能有效提高现有盲检测特征的性能,尤其是在低嵌入率条件下,性能提升更加明显。5、针对图像隐写盲检测中的嵌入算法失配问题,提出一种选择辅助样本提高分类器检测性能的应对策略。指出在部分失配环境下,利用辅助样本可以提高分类器的检测性能,并给出两种选择辅助样本的方法:利用距离选择辅助样本和利用分类器选择辅助样本。实验结果表明,两种方法均能提高分类器的检测性能,利用分类器选择辅助样本的性能更好。鉴于不同嵌入算法的辅助效果不同,提出一种搜索相似嵌入算法的方法,事先利用多种嵌入算法训练多个分类器,之后对目标训练样本进行测试,检测性能最好的分类器中的样本被视为最合适的辅助样本,实验结果验证了该方法的有效性。最后,对全文工作进行了总结,对下一步的研究方向进行了展望。