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.     

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。     

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.     

文本隐写及隐写分析综述

梳理了文本隐写与隐写分析的发展脉络,将文本隐写算法分为两类:修改式文本隐写和生成式文本隐写。归纳了两类算法的实现过程,并从率失真性能和安全性等方面分析主流算法的优势与不足。针对两类文本隐写算法,总结了对应的隐写分析算法实现过程,并对文本隐写与隐写分析的发展趋势进行了展望。     

浅谈医学彩色细胞图像分割法――C-均值聚类算法

在本文中主要介绍了图像分割的基本概念,应用C-均值聚类算法对Ki-67彩色图像进行分割,提取阳性细胞。     

基于K均值聚类算法提取CT图像的肺部肿瘤

为自动提取CT肺部肿瘤,辅助医生对患病部位进行诊断和治疗,利用K均值聚类算法自动提取肺部肿瘤和剩余肺部图像,并分别和影像医生手工分割的肺部肿瘤和剩余肺部图像作对比。结果表明,自动提取的肺部肿瘤图像与专业医学影像医生手工提取的肺部肿瘤图像在外形、灰度和方差方面非常接近,说明利用K均值聚类算法自动提取肺部肿瘤的方法是有效的、可行的。     

最小一乘下的PP k—聚类

研究了最小一乘下的ＰＰ ｋ－聚类问题，给出了相合性，得到了与最小二乘情形下类似的结论。     

面向编码伪装的鲁棒无载体图像隐写方法

传统的图像隐写方法容易受到隐写分析的攻击,无载体图像隐写方法可以从本质上抵抗隐写分析的攻击。然而,现有的无载体图像隐写算法存在鲁棒性低、提取精度有限和不可感知性差等问题,为此提出一种面向编码伪装的鲁棒无载体图像隐写方法。该方案将基于深度的合成隐写方法与传统的聚类相结合,通过感知哈希对编码网络生成的合成图像与相似图像进行匹配,将传输的图像由合成图像替换成真实自然图像以此提高安全性;进一步,利用聚类算法找到与相似图像对应的伪装图像进行传输。以卷积神经网络特征为基准进行聚类,提高了抗几何攻击的能力。实验分析表明,所提方案在隐藏容量、提取精度方面都有较优的表现,且解决了生成式隐写方案存在的图像质量低和鲁棒性差等问题。     

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。     

基于神经机器翻译的文本隐写方法

深度学习促进了自然语言处理技术的发展,基于文本生成的信息隐藏方法表现出了巨大的潜力.为此,提出了一种基于神经机器翻译的文本信息隐藏方法,在翻译文本生成过程中进行信息嵌入.神经机器翻译模型使用集束搜索(Beam Search)解码器,在翻译过程中通过Beam Search得到目标语言序列各位置上的候选单词集合,并将候选单词依据概率排序进行编码;然后在解码输出目标语言文本的过程中,根据秘密信息的二进制比特流选择对应编码的候选单词,实现以单词为单位的信息嵌入.实验结果表明,与已有的基于机器翻译的文本信息隐藏方法相比,该方法在隐藏容量方面明显提升,并且具有良好的抗隐写检测性和安全性.     

基于统计特性的LSB密写分析

提出一种基于统计特性的LSB密写分析方法,这种方法根据密写对原始数据统计特性的影响来判断秘密信息的有无.实验结果给出了不同阈值时的检测性能,当秘密信息量较大时,两类错误概率都可以得到有效控制.     

一种基于图像内容的隐写分析方法

数字图像已成为信息隐藏的一类重要载体,然而不同内容的图像对隐写分析呈现出不同的检测性能. 该文基于图像信源区域平稳马尔可夫特性,用方差度量图像的区域复杂度,运用四叉树分割方法对图像进行递归分解,提取对数字隐写较为敏感的平坦区域,并从这些区域提取游程长度直方图统计矩特征,最后结合支持向量机实现隐藏信息检测. 实验结果表明,依据图像内容分割出敏感区域进行隐写分析可有效改善检测性能.     

基于分层聚类的k-means算法

为了更好地实现聚类,在分析分层聚类和k-means算法优缺点的基础上提出了一种改进的聚类算法.改进算法将分层聚类和k-means聚类算法的优点相结合,首先采用分层聚类,得到一个初始的聚类结果,然后应用k-means聚类算法继续聚类.实验结果表明,改进算法较原先传统的聚类算法,不但算法执行速度快、效率高,而且聚类效果也比较好。     

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.     

可提高嵌入容量的密文医学图像可逆数据隐藏方法

提出一种密文图像中的可逆数据隐藏系统,可在加密的医学图像中嵌入附加信息,还可无损恢复原始图像.系统包括发送端、服务器端和接收端三部分,发送端使用流密码对原始医学图像进行加密并发送到服务器端;服务器端使用基于循环移位的方法在密文中隐藏附加信息,同时不改变密文图像的数据量;接收端下载含附加信息的密文图像,不仅可提取附加信息,还可无损恢复原始医学图像.与传统方法相比,该方法提高了密文中的数据嵌入容量.     

基于三维脉冲耦合神经网络模型的医学图像分割

该文将脉冲耦合神经网络模型从二维平面扩展到三维空间,同时提出一种新的乘积型互信息算法,将其作为脉冲耦合神经网络分割算法的最优分割准则,并将两者结合实现三维医学图像的整体自动分割. 利用该文提出的算法对三维CT肺部图像进行分割实验,结果表明,该算法在保证分割精度的基础上显著地减少了分割运行时间,提高了分割效率,具有应用于医学图像分割的潜在价值.     

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。     

基于高维特征正则化的JPEG图像隐写分析

隐写分析是信息安全的重要内容。为提高JPEG图像隐写的检测能力,建立了散度矩阵的特征谱,提出了一种对载体和含密图像的训练特征进行变换的新方法。首先根据特征谱的分布规律进行建模,划分为3个区域：特征值下降区、平稳区、特征值为零的区域,然后通过白化处理得到白化特征向量,进而对处于3个不同区域的特征向量使用自适应正则化方法。经这几步处理得到特征转移矩阵,也就是输入特征的变换矩阵,最后取变换后特征的前t个向量完成特征选择。并将这些特征数据Fisher线性判决（Fisher linear discriminant,FLD）集成分类器进行训练。结果表明,通过对图像特征进行排序、正则化和选择,FLD集成分类器对JPEG图像隐写的识别准确率得到了提升。