|
|||||
|
|
| 基于特征融合和改进RSM集成分类的BMP隐写检测 | |
| 作者姓名： | 何凤英 钟尚平 徐巧芬 |
| 作者单位： | 福州大学数学与计算机科学学院,福建福州,350116 |
| 基金项目： | 福建省教育厅科研资助项目 |
| 摘 要： | 针对目前大部分BMP隐写分析方法主要采用单一特征和单一强分类器,容易产生训练样本敏感、分类精度难以提高等问题,提出一种基于特征融合和改进RSM集成分类的BMP图像隐写检测方法.方法首先串行融合Moulin和SPAM两种经典特征,然后利用序列前向选择(SFS)算法选取分类能力高的特征作为固定特征,其余特征在剩余特征空间中随机抽取,利用固定特征和随机抽取特征构造特征子集,最后在特征子集上训练成员分类器,并用多数投票法对它们进行组合.实验结果表明:和传统方法相比,在不同嵌入率下,该方法对BMP经典隐写(如LSB匹配、LSB替换、SS和QIM)的检测率均有一定程度的提高. |
| 关 键 词： | 隐写检测 丰富的高维模型(high-dimensional rich model HDRM) 集成分类 序列前向选择 特征融合 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《福州大学学报(自然科学版)》浏览原始摘要信息 | |
| 点击此处可从《福州大学学报(自然科学版)》下载免费的PDF全文 | |