论文部分内容阅读
隐写和隐写分析是互联网时代信息安全领域的重要课题,逐渐受到各国政府、军方、情报部门和各种研究机构的重视。隐写分析的目的是检测隐密信息的存在性、估算隐密信息的长度直至隐密信息的提取。现在大部分研究的都是专用隐写分析,而通用隐写分析则相对较少,并且现实生活中隐秘图像的隐写工具往往是不可知的,所以通用隐写分析是隐写分析发展的必然趋势。Internet上使用的图像格式有很多种,JPEG图像是被最广泛使用的一种。本文分析了现有的基于JPEG的隐写方法,对图像的统计特征变化和分类器的设计进行了研究。主要工作和贡献如下:1.对各种基于JPEG的隐写方法进行分析,总结了其对于载体图像统计特征的影响。2.提出了两种新的基于JPEG的多特征通用隐写分析方法,这两种方法都结合了小波直方图频域矩特征和分块效应特征。第一种方法使用分块间的依赖性特征作为其分块效应特征,第二种方法使用高通滤波后的分块特征的倒数作为其分块效应特征。实验结果表明,本文的两种隐写分析方法都可以得到较高的隐写分析性能,比起原有的一些通用图像隐写分析方法有着明显的优势。第二种方法虽然相对于小波直方图频域矩特征只是增加了一维特征,但是其达到的分类效果比增加多维分块依赖性特征的效果更佳,而且复杂度更低,运算速度更快。3.首次把高通滤波引入到隐写分析,从理论和实验上论证了高通滤波后的分块特征的有效性,为通用隐写分析的进一步发展指明了方向。4.把隐写分析问题转换为模式识别问题来处理,根据模式识别中定义“好”特征的标准“类内聚合,类间分散”来选择特征。通过对比这两种方法,我们发现提取特征的关键并不在于维数多不多,而在于特征“好”不“好”。