数字图像信息隐藏已成为当前多媒体信息安全领域的研究热点。作为数字隐写的逆向分析技术,数字图像隐写分析是检测、提取和还原隐藏在数字图像中的秘密消息。目前,数字图像隐写分析主要是结合秘密信息的嵌入机制,通过分析图像数据统计特性的变化实现隐藏信息的检测。然而,由于数字隐写的对象是一幅特定的载体图像,这种数据统计特性变化的程度不仅与隐写嵌入机制有关,而且与特定载体图像局部(内容)的统计特性密切相关,因此隐写检测结果的可靠性与载体图像的内容存在一定关系。本文从特定载体图像局部(内容)的统计特性分析入手,结合图像工程和隐写分析的基本理论与技术,将数字图像建模为区域平稳的马尔可夫(Markov)信源,分析隐藏信息存在性特征与图像内容复杂度之间的关系,研究基于图像内容的隐写分析技术,提出准确、可靠的隐写检测方法。论文工作和取得的主要研究成果包括:1.结合图像工程原理与技术研究图像的统计特性,分析图像内容复杂度与其统计特性之间的关系。分析结果表明,对于满足区域平稳Markov特性的图像信源,内容不同的局部区域具有不同的统计特性,其内容复杂度可以通过离散余弦变换系数的能量分布、图像的纹理特征等方式加以描述和度量。依据图像局部内容复杂度特征对图像进行分割可以得到局部统计特性趋于一致的图像区域,为开展基于图像内容的隐写分析技术研究奠定了理论和技术基础。2.以自建高精度单一内容自然图像库为对象,分析了直方图平滑度、差分像素邻接矩阵以及JPEG融合盲检测特征等专用或通用隐藏信息存在性特征与图像内容之间的关系。对现有的考虑到图像内容差异的隐写分析模型进行了介绍,通过实验对其优缺点进行了分析,得出此类算法能够降低图像内容对隐写分析的影响,提高检测性能的结论。提出了基于图像分割的隐写分析模型,从载体、载密图像之间存在的一致性关系出发,依据图像局部的内容复杂度特征,将特定的目标图像分割为一系列子图像,针对质量、内容类别不同的子图像,分别提出更加敏感的隐藏信息存在性特征。3.依据图像分割的隐写分析模型,提出一种基于分割的JPEG图像隐写分析方法。该方法利用JPEG压缩码流中非零DCT系数的分布特征衡量图像块的内容复杂度,据此将图像分割为若干相互重叠的子图像并加以分类,对每一类子图像分别提取隐写检测特征,构建分类器进行训练和测试,通过加权融合得到总的判决结果。算法以JPEG融合盲检测特征为隐写检测特征,并对其进行改进。实验结果表明,本算法能够有效提高对多种隐写方法的检测性能,改进的隐写检测特征在降低维数的同时进一步提高了性能。在待检测图像内容具有较大差异时,算法性能改进更加明显。4.针对变换域低维特征集对自适应隐写方法检测效果不够理想的问题,将图像分割模型与基于富模型的高维隐写检测特征相结合,提出一种基于富模型的图像分割隐写检测算法。该算法将图像分割和分类,针对不同类别的子图像分别提取隐写检测特征,构造相应的分类器,通过加权融合得到最终的检测结果,有效提高了算法对多种隐写方法的检测性能。实验结果还表明将基于分割的隐写分析特征与对完整图像提取的检测特征相结合能够进一步提高算法性能。5.针对空域图像提出一种基于图像分割的隐写分析方法。考虑到高阶差分像素分布能够有效反映隐写对图像统计特性的改变,构造了高阶差分像素联合分布特征。该算法通过四叉树方法对图像进行分割,对分割得到的子图像提取高阶差分联合分布特征,并对不同图像的隐写检测特征分别进行训练和测试,通过融合得到最终的检测结果。实验结果表明,该算法能够有效提高检测性能,尤其是针对自适应隐写方法,检测性能提升更加明显。6.针对空域低维隐写检测特征集对HUGO等基于最小化嵌入失真的自适应隐写方法检测效果不佳的问题,提出一种基于局部线性变换的隐写检测方法。该算法对图像采用20种不同的线性模板进行局部线性变换,以捕捉图像纹理内容的细微变化。仿照高阶差分定义了高阶局部线性变换,对图像的高阶局部线性变换残差提取三阶联合分布概率,并将图像分割与基于局部线性变换的隐写检测特征相结合,进一步提高了算法性能。实验结果表明,与目前检测性能最优的空域富模型算法相比,该算法在特征维数降低接近一半,运算效率大大提高的情况下,几乎保持了相同的检测性能。最后,对全文工作进行了总结,并对基于内容的数字图像隐写分析技术的下一步工作进行了展望。