论文部分内容阅读
目前数字图像隐写术的发展趋势之一是自适应隐写算法,旨在根据载体特性自适应地将消息嵌入到载体中难以被检测到的纹理复杂区域,从而提高信息隐藏的抗检测能力。而目前数字图像隐写分析则重点关注如何设计出一种具有高检测率的通用隐写分析特征。针对目前的数字图像自适应隐写与隐写分析研究现状,本文的主要工作和研究成果如下:基于非负矩阵分解设计了新的自适应隐写算法,相较于现有的隐写算法取得了更高的安全性。目前自适应隐写算法主要研究如何设计合理的失真函数,并利用STC编码嵌入秘密信息使得载密图像达到最小失真的目的。然而,现有的自适应隐写算法多数是基于滤波器卷积得到残差,并没有很好地利用图像本身的纹理特性来自适应地设计失真函数。本文定义了一种新的失真函数,利用非负矩阵分解(Non-negative Matrix Factorization,NMF)理论预测图像的纹理特征,并利用像素之间的相互依赖关系来自适应地计算损失函数;为了强化NMF算法预测得到的纹理复杂和平滑区域的差异,我们引入锐化滤波器和低通滤波。本文提出的基于NMF的失真函数在计算残差时,并没有利用固定模板的滤波器进行卷积来获取残差,而是利用图像像素之间的相互依赖关系自适应地对每一像素点自发地分解获得独一不固定模板,有效解决了目前方法在设计失真函数时对图像纹理度的利用不够充分的问题。通过实验比较最终表明,本文提出的方法在抵抗现有隐写分析特征,如SRM,maxSRMd2等,与现有的隐写算法HUGO-BD、S-UNIWARD、WOW、MiPOD相比,具有更高的安全性,与目前空域最好的隐写算法HILL相比也有一定的优势。基于非负矩阵分解设计了用于隐写分析特征提取的残差图像计算方式。现有隐写分析特征提取方式主要可以分为两个步骤,先通过卷积滤波等操作计算残差图像,再对残差图像进行组合求共生矩阵获得最终特征。本文结合隐写分析领域知识对NMF进行分析,得出适用于空域图像隐写分析中用于获取残差图像的NMF具体应用方式,考虑NMF用来预测的像素个数以及其与被预测像素的位置关系等设计多组获取残差图像的残差子模型;然后,结合局部二值化(Local Binary Pattern,LBP)与共生矩阵等统计信息设计残差组合方式;再对特征进行对数非线性映射得到最终隐写分析特征。最后,基于NMF设计的隐写分析特征与现有人工设计的隐写分析特征做对比实验,并分析本文所提特征的有效性。另外,我们将所设计特征与现有的人工设计的空域隐写分析特征进行组合并分析每一类特征的有效性与互补性,例如SRM、文献[50]提出的TLBP等,尽量找出现有隐写特征中最低维度且最有效的组合特征。