论文部分内容阅读
数字图像隐写和隐写分析技术是两个对立的学科。隐写技术主要利用多媒体数据实现信息的秘密传递,即隐蔽通信。隐写分析是发现隐写行为的技术。本文以隐写分析技术为研究目标,结合内容自适应隐写方法,提出了多种有效的隐写分析方法。同时,为了提高分类器的检测能力,结合集成学习理论,提出了多样化集成分类器。取得的成果如下:1.基于重分布残差的低维空域图像隐写分析提出了2929维重分布残差空域图像隐写分析特征。该特征由两类子特征构成,第一类子特征是残差的一阶直方图。该部分特征由较大阈值门限生成,能够捕捉分布在边缘以及纹理区域的隐写改变。第二类子特征是重分布残差的一阶直方图。该部分特征利用平移参数和残差的反相关性生成,重分布机制能够增加特征的多样性,提高特征的检测准确率。为了检测特征的有效性,我们选用内容自适应安全隐写算法进行测试。实验结果显示,在低嵌入率下,同已有的隐写分析方法相比,重分布特征对于内容自适应隐写算法的检测错误率降低了5.65%。2.基于纹理复杂度和残差对比度的低维空域图像隐写分析提出了基于纹理复杂度和残差对比度的2363维空域图像隐写分析算法。根据内容自适应隐写算法原理,秘密信息被嵌入到图像的纹理以及边缘区域,而图像的平滑区域不会嵌入秘密信息。因此,为了能够根据图像的纹理进行针对性特征提取,定义了波动函数评价图像的纹理复杂度,然后根据波动函数提取出图像中最复杂的区域(子图像)。对于提取的子图像和原始图像,算法使用线性及非线性滤波器获得多样化残差,然后将不同残差的比值转换成角度。同时,将残差的l2范数作为角度的对应权值,最终将加权的角度直方图作为残差对比度特征。该特征不仅可以有效的表达不同残差之间的联合统计分布,而且特征维数随着阈值门限值呈线性变化。同已有的空域图像隐写分析算法相比,在较低的嵌入率下,提出的隐写分析算法使用低维特征可以实现较高的检测准确率。3.基于多分辨率分解和仿射变换的JPEG图像隐写分析提出了基于多分辨率分解和仿射变换的高维JPEG图像隐写分析算法。我们认为JPEG图像是由若干不同分辨率的子图像以非线性方式构成。因此,如果可以将原始JPEG图像进行多分辨率分解,那么隐写改变会以非线性方式分布于不同的JPEG子图像中。同时,通过逐步剥离图像的平滑区域,可以更好的凸显出隐写改变,从而增加特征的检测准确率。为了获得多分辨率的JPEG图像,首先将JPEG图像解压缩成空域图像,在空域中利用多分辨算法进行分解。然后将不同分辨率的空域子图像重新压缩,获得多幅JPEG图像。其次将每个DCT(离散余弦变换)系数看成是独立的平面,按照不同方向获取残差平面。将两个残差系数间的比值转换成角度,同时将DCT系数的l2范数作为角度的权重,最终把角度和权值的联合作为提取的特征。为了增加特征的多样性,我们使用仿射变换对转换的角度进行旋转,从而获得新的特征。相比已有JPEG图像隐写分析算法,在不同嵌入率下,提出的隐写分析算法能够提高特征的检测准确率。4.多样化集成分类器提出了多样化集成分类器算法。集成分类器能够解决高维特征的训练与分类,但是在原始分类器中仍然存在两个不足。第一个不足是最终分类器的选择策略。面对众多训练好的基分类器,原始的算法会丢弃绝大多数的基分类器,只选择具有最小训练误差的基分类器作为最终分类器。为了防止过拟合现象发生,增强最终分类器的泛化能力,我们对全部基分类器使用Bagging集成策略,生成最终分类器。该算法能够充分利用被丢弃的基分类器,从而增强其泛化能力,避免过拟合现象。第二个不足是子分类器的弱分类能力会影响最终分类器的检测性能。为了提升子分类器的分类性能,我们采用Adaboost集成学习策略提升单一子分类器的分类能力,最终提升分类器的整体检测能力。对于多种隐写分析特征的检测结果显示,利用多样化集成分类器可以提高特征的检测准确率。本文以隐写分析技术为目标,从重分布残差构造、纹理复杂度和残差对比度特征提取、多分辨率分解和多样化集成分类器设计等角度对隐写分析技术进行了分析与研究。