论文部分内容阅读
隐写技术是利用图像、音视频等多媒体数据来掩蔽秘密信息,实现隐蔽通信。与此相对,隐写分析技术则是判断多媒体数据中是否含有秘密信息。隐写分析研究具有重要的学术价值和现实意义,本文围绕隐写分析的前沿性问题,对隐写分析技术中的特征提取、分类器设计和特征降维进行了研究,取得的创新成果如下:1.基于高维特征与贝叶斯集成分类的JPEG图像隐写分析提出一种基于高维特征和贝叶斯集成分类的JPEG图像隐写分析方法。隐写操作会破坏JPEG图像DCT系数差分之间原本存在的弱相关性,我们据此设计出7850维差分共生矩阵特征,与非差分共生矩阵特征共同描述JPEG图像数据统计特性。然后采用集成分类方案区分原始图像和含密图像,利用贝叶斯理论对所有子分类器的判决结果进行集成优化,通过贝叶斯先验概率计算最佳的决策结果。与目前主流方法相比,本文方案通过特征的扩展和贝叶斯机制的引入可使检测准确率提升2%。2.结合集成比例训练的彩色JPEG图像隐写分析提出一种基于通道内与通道间特征的彩色JPEG图像通用隐写分析方法。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,有效捕捉Y通道内DCT系数在隐写前后的相关性变化。从Y通道的下采样平面与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,可以捕捉三个通道之间的相关性变化。由通道内特征和通道间特征分别构成子分类器,融合两类子分类器的中间结果得到具有最佳检测性能的集成判决。该方法综合利用了通道内和通道间的数据相关性,可有效对抗彩色JPEG图像隐写,检测性能优于已有的一些分析方法。3.基于局部纹理模式和双重降维的空域隐写分析提出一种基于局部纹理特征和双重降维的空域隐写分析方法。对待检测图像进行滤波并比较像素的大小关系得到局部纹理模式,统计所有局部模式构成高维的图像纹理特征。利用主成分分析法对高维特征进行双重降维,第一重降维去除了同一滤波器产生的高维特征之间的相关性,而第二重降维去除了由不同滤波器产生的特征之间的相关性。降维后的特征仅有几百维,可与低维特征分类器联用实施有效的隐写分析,显著提高检测率。4.基于新失真代价函数的JPEG安全隐写方案为提高隐写安全性,我们依据当前主流隐写分析方法采用的统计特征,综合考虑DCT系数的块内残差、块间残差以及系数值三方面因素设计了一种新的隐写失真代价函数,并通过穷举搜索确定该函数的最佳参数值。隐写时依据修改每个DCT系数的失真代价采用STC(syndrome trellis coding)实现秘密数据的嵌入,最小化含密图像的总代价。与已有隐写方法相比具有更高的抗检测性,并且计算复杂度没有明显增长。本文对数字图像隐写分析的高维特征构造、分类器设计与特征降维进行了深入研究,并兼顾安全隐写技术的进步,在一定意义上推动了隐写与隐写分析的对抗发展。