应用空域局部高斯混合模型的LSB匹配隐写分析

考虑到图像是一个局部平稳信源,提出一种局部内容自适应的LSB(least significant bit)匹配隐写分析方法. 该方法将LSB匹配隐写建模为加性高斯噪声,将图像空域细节分量建模为高斯混合模型. 在局部区域内用期望最大化算法估计模型参数,取最小方差值为局部隐写噪声方差的估计. 然后提取局部方差直方图的加权和特征,以反映图像不同复杂度区域隐写前后的变化. 将原始特征和校准特征相结合,作为分类特征. 对未压缩图像库的实验表明,该方法较现有方法具有更好的检测性能,在嵌入率低至25%时仍有较可靠的检测性能.     

降低特征类内离散度的JPEG图像隐写分析

图像内容特征差异使得载体、载密图像的隐写检测特征混淆在一起而难以区分,这导致图像隐写分析成了一个"类内分散、类间聚合"的分类问题.针对此问题,从降低因图像内容、处理手段等造成的隐写检测特征类内离散度的角度出发,提出了一种更加可靠的隐写检测模型.依据内容复杂度将待检测图像分类,分别提取具有相同内容复杂度的每一类图像的隐写检测特征和训练分类器,得到最终检测结果.数据分析和实验结果表明:基于图像分类的隐写分析方法能够有效提高检测性能.     

基于关联网络模型的H.264/AVC运动矢量调制信息隐藏检测方法

H.264/AVC运动矢量信息隐藏方法具有较大的嵌入容量,同时对重建帧的视频质量引入的附加失真较小,是一种重要的H.264/AVC视频信息隐藏方法.针对该种信息隐藏方法提出了一种隐写分析方法.由于视频帧中物体的完整性和物体在帧间运动的连续性,H.264/AVC时域及空域中相邻编码宏块的运动矢量存在一定的相关性.据此,建立了用于运动矢量隐写分析的时空相邻宏块运动矢量关联网络模型.通过对关联网络进行剪枝得到强相关网络,并对强相关网络中顶点之间的相关性进行了量化表示,从而提取了用于隐写分析的特征向量,结合支持向量机(support vector machine,SVM)构建了隐写检测器.实验表明,与现有的隐写分析算法相比,该文方法具有更好的检测性能,检测准确率均超过90%.     

针对自适应隐写的通用隐写分析研究

数字图像是隐写领域使用最多的载体之一。在实际应用中,待检测图像经何种隐写算法被嵌入秘密信息往往是未知的,因此可检测未知隐写算法的通用分析方法非常重要。为此,针对数字图像自适应隐写术提出一种新的通用隐写分析方法,在综合考虑不同自适应隐写术对载体图像统计特性影响的基础上提取特征,通过学习得到可对未知隐写术进行准确检测的隐写分析工具。实验表明,利用该方法对未知隐写算法进行检测可达到相当高的准确率。     

基于生成对抗网络的无载体信息隐藏

传统信息隐藏算法通过修改载体来嵌入秘密信息,难以从根本上抵抗基于统计的信息隐藏分析方法的检测,为此提出一种基于生成对抗网络的无载体信息隐藏方法.该方法将生成对抗网络中的类别标签替换为秘密信息作为驱动,直接生成含密图像进行传递,再通过判别器将含密图像中的秘密信息提取出来,并借助生成对抗网络实现无载体信息隐藏.实验结果和分析表明,该隐藏方法在隐写容量、抗隐写分析、安全性方面均有良好表现.     

基于构造纹理图像的数字隐写

提出一种通过构造纹理图像来隐藏信息的新型隐写方法。隐写者首先构建一个包含多种不同特征的单元库,用来表征二进制数据与图形单元之间的映射关系;根据秘密信息从单元库中选取图形,并确定图形在白纸上的摆放位置,绘制一幅含有隐写单元的图像;随后在其中添加背景元素,并通过可逆形变操作来生成一幅具有复杂纹理结构的含密图像。接收端在提取信息时,根据密钥对含密图像进行逆操作,去除背景图形后使用匹配滤波器识别源图像中的图形,通过分析其摆放位置和图形特征来提取秘密数据。实验结果表明,该方法生成的含密图像具有良好的视觉效果,使秘密数据得到了很好的隐蔽,而且通过调整参数还可以隐藏任意数量的秘密信息。     

基于直方图局部平滑度的LSB匹配隐写分析

针对LSB 匹配的嵌入机制,提出了一种基于直方图局部平滑度的隐写分析方法. 通过邻域差分像素值选取图像的平坦区域,提取包括灰度直方图平滑度、共生矩阵、差分直方图、差分共生矩阵的局部平滑度和峰值等在内的15 维特征,并引入二次嵌入过程消除图像内容差异带来的影响,结合Fisher 线性分类器实现隐写检测. 实验 结果表明,文中算法对于LSB匹配的检测具有较高的准确度,对于NRCS和UCID图像库均表现了良好的检测性能.     

深度学习空域隐写分析的预处理层

在一种具有预处理层的卷积神经网络模型基础上,对其高通滤波器预处理层进行改进,采用一组导数滤波器以获得线性及非线性残差图像,并对残差图像进行量化和截断操作,从而更加有效地提取图像特征.实验结果表明,与已有方法相比,尽管所提的3种方法对各空域隐写算法及各嵌入率下的性能表现并不一致,但这些方法均能显著提升隐写分析检测率.对于检测嵌入率为0.4 bpp的S-UNIWARD隐写算法,检测正确率提高了6%.     

基于LSB检测的JPEG隐写分析特征增强方法

隐写分析构造共生矩阵特征时因截断而导致部分信息丢失,于是提出基于DCT系数最低有效位面的特征扩展方法,增加对截断处嵌入信息的描述. 对DCT系数平面取模生成最低有效位平面,通过统计相邻位置的取值,生成二阶、三阶共生矩阵. 为进一步增强特征的性能,引入Zigzag扫描,获得重新排列的DCT系数平面,在此基础上提取相应特征. 通过上述方法,在原有LIU特征的基础上构造508维特征. 结果表明,在对抗DCT系数最低有效位嵌入的隐写中,所提方法能有效提高对隐写图像的检测率.     

一种基于自适应高提升滤波的遥感影像的阴影处理方法

利用遥感影像的颜色特性,基于亮度的阈值检测方法,将阴影区和光照区进行分割;通过高提升滤波方法对阴影区域进行补偿处理.实验证明,对分割出的遥感影像的阴影区域进行补偿处理后,区域内形状信息更加明显.经如上方法预处理后,明显提高了遥感图像超块分割的精确度,进而提高目标物体提取的精度.     

k均值聚类的混合异构图像隐写分析

提出了一种基于k均值聚类的混合异构图像隐写分析算法. 在训练阶段,根据图像纹理复杂度对图像库
进行聚类,并针对每一类图像训练相应的分类器. 在测试阶段,根据测试图像的纹理复杂度对其进行类别判断,然
后送至相应类别的分类器中进行隐写检测,从而减弱了失配状态对现有隐写分析算法造成的影响. 实验结果表明,
该算法较好地提高了现有隐写分析算法的检测精度.     

基于超图的图像隐写方法

提出了一种基于超图的图像隐写方法. 该方法先对像素分组,再根据像素之间的可交换关系构造超边,用超边的集合（超图）来表示图像,用局部最优的贪婪算法寻找超图的匹配来完成隐秘信息的嵌入. 为了说明该方法的有效性,在对载体图像修改方面,与传统的基于图论的隐写方法进行比较;在抗攻击性能方面,与已有的其他空间域方法进行实验比较. 实验结果表明,相对于基于图论的方法,文中提出的方法对载体图像像素的修改更小,增强了含密图像的视觉质量,其抗攻击性能也优于现有的其他空间域方法.     

混合蛙跳优化决策面的LSB±k隐写算法

针对现有智能优化改进隐写不能对高维特征同时进行优化的问题,提出了一种混合蛙跳优化决策面的改进LSB±k隐写算法(记为SFLA-LSB±k).不同于其他优化改进隐写中尽可能减少图像载密前后某种特征变化的策略,在SFLA-LSB±k中,通过优化载密图像的特征变化,使载密图像特征变化方向随机化,导致分类器无法训练出一个能对载体与载密图像进行分类的决策面,从而达到抵抗分析的目的.实验结果表明,与标准的LSB±k隐写和相关PSO优化改进LSB±k隐写相比,SFLA-LSB±k有效提高了LSB±k的安全性,特别是当k取1时,该算法针对78维特征隐写分析的AUC值可下降到0.5637.     

应用启发式边缘生长的遥感影像分割

基于边缘的遥感影像分割方法有两个难点：边缘点检测和边缘线连接. 文中提出一种基于启发式边缘生长的分割方法. 首先对Canny 算子进行三方面的改进以准确提取边缘点：自适应小波去噪、最优双阈值计算、基于邻域全变分的边缘决策. 定义一个新的边缘连接异质性指标,包括空间异质性和光谱异质性. 在此基础上提出启发式的全局交互最优决策技术以正确连接断裂边缘线. 文中用快鸟影像和航空影像进行分割实验,并与eCognition 的分割结果进行定性和定量比较. 实验表明启发式边缘生长分割方法能正确地连接绝大多数边缘线,并提供准确的分割结果.     

基于组合赋权及TOPSIS的隐写分析算法综合评估

分析了隐写分析技术在不同背景下的应用需求,提出了一种基于组合赋权及逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)的隐写分析算法性能评估方法.该方法包含检测率、虚警率、可靠性、检测误差及算法运行速度等5个指标,先用熵权法确定指标权重,再根据层次分析法进行主观赋权,最后用TOPSIS实现对隐写分析算法的综合评估.实验结果表明,该方法可针对不同的性能指标要求选出最优的隐写分析算法,且对隐写分析算法性能的改进具有指导意义.     

基于差分进化的二维熵图像分割

二维熵图像分割方法利用图像的局部空间信息,分割结果优于一维熵分割法,但计算效率较低.遗传算法和粒子群算法等最优化算法能提高二维熵图像分割方法的效率,却不能保证获得全局最优阈值.为此,提出一种基于差分进化算法的二维熵图像阈值分割法,用局部搜索策略提高搜索最优阈值的精度.实验表明,所提出的方法有良好的鲁棒性,能保证获得最优阈值.与基本的二维熵图像分割法相比,分割速度有很大的提高.     

基于图像内容和特征融合的隐写盲检测

随着特征选择和分类技术研究的不断深入,盲检测的精度越来越高,但现有方法大多不考虑图像自身的内容特性对检测的影响. 该文提出一种基于图像内容和特征融合的盲检测方法,根据图像复杂度将待检测图像划分为不同的子图像库,以巴氏距离度量各局部特征的分类能力并确定权值,在特征融合基础上对各子库提取不同特征,用支持向量机进行分类. 在混合图像库上进行的实验表明,该方法具有更好的检测性能,并降低了运算复杂度.     

投影点坐标方差最小化车牌垂直倾斜校正

车牌识别中为便于字符分割与识别,需对倾斜车牌进行校正. 该文提出基于字符投影点坐标方差最小的车牌垂直倾斜校正方法. 首先对水平校正并划定字符区上下边界后的车牌图像进行字符粗分割,然后将字符点经剪切变换沿垂直方向投影. 根据投影点坐标方差最小导出两种剪切角闭合表达式,由此一步确定车牌垂直倾斜角并进行校正. 实验结果表明：与车牌垂直倾斜校正的旋转投影法和直线拟合法相比,该文提出的方法精确度高,运算时间少且鲁棒性好.     

基于图像分类的鲁棒无载体信息隐藏

针对传统信息隐藏方法须通过修改载体以嵌入秘密信息所带来的安全性问题,提出一种基于图像分类与尺度不变特征转换(scale-invariant feature transform,SIFT)提取无载体信息隐藏的方法。首先通过快速区域卷积神经网络将原始图像库进行分类处理,生成不同种类的子图像库;然后利用图像SIFT特征点的方向信息设计一个感知鲁棒的哈希方案,并使用该方案计算出每个子图像库中图像的哈希值,将所有子图像库中的图像全部映射成相应的二进制哈希值;最后将秘密信息分割成若干个片段,通过对比秘密信息片段与所有的图像二进制哈希值,从子图像库中检索出与秘密信息片段相符的图像,将其作为含密图像传送给接收方,完成信息隐藏过程。接收方接收到全部含密图像后,根据约定的哈希方案提取秘密信息。实验结果和分析表明,该方法对JPEG压缩、高斯噪声、椒盐噪声、图像缩放等攻击具有较强的鲁棒性,且隐藏容量较高。     

高分遥感影像不同形状建筑物半自动提取与规则化

现有的高空间分辨率遥感影像交互式建筑物提取方法需要用户在建筑物上勾画出与建筑物大小和形状相近的线，且大多方法只能提取直角建筑物。为降低交互要求并实现不同形状建筑物的精确提取，该文首先在用户少量交互的基础上采用区域生长、高斯混合模型、CannyLines线段检测算法以及基于多星形约束的最大流/最小割分割模型获得建筑物图斑，然后分别针对直角建筑物和非直角建筑物图斑进行规则化，得到与实际建筑物形状一致的提取结果。实验表明，该方法交互简单且建筑物提取精度F₁值可达到0.9，具有较强的鲁棒性。