基于二重扰动SVM集成分类的JPEG图像隐写检测

针对目前大部分JPEG隐写分析方法主要采用单一支持向量机分类器,可能产生泛化能力恶化、分类精度难以提高等问题,提出了一种新的基于二重扰动SVM集成分类的JPEG图像隐写检测方法.利用多项式核函数和高斯核函数构造混合核函数模型,并用主成分分析法进行特征变换,去除冗余信息,最后在变换后的特征空间上进行模型参数和特征的二重扰动产生成员分类器,并用多数投票法对它们进行组合.实验结果表明,与传统方法相比,具有更高的JPEG隐写图像检测率.     

基于主成分分析的并行特征融合JPEG隐写检测

针对目前JPEG隐写检测方法的特征选取缺乏理论依据,特征冗余度高的问题,提出一种基于主成分分析进行并行特征融合的JPEG隐写分析方法.首先分析所选特征之间的互补性,然后用主成分分析进行特征变换,去除冗余信息,最后将特征并行融合.实验结果表明,和串行特征融合相比,本文方法具有更高的JPEG隐写图像检测率和更快的分类速度.     

基于LSSVM的JPEG图像隐写分析算法

构造了一种基于最小二乘支持向量机的针对JPEG图像的隐写分析方法，在DCT域和空间域上提取了JPEG图像的18维特征向量，利用LSSVM构建分类器，并根据嵌入算法的种类设定分类器的输出，以达到检测秘密信息的存在性和判别使用何种隐写算法实施信息嵌入的目的，针对Jsteg，F5，MB三类最常用的JPEG图像隐写算法进行了二分类和四分类的实验，结果表明，构建二分类器进行载密图像检测时，正确率较高；构建多分类器检测载密图像、判断其使用的隐写算法时，对于高嵌入量的载密图像有着较高的判断正确率。     

一种新的小波域高阶统计量图像隐写分析方法

在对现有盲检测算法分析研究改进的基础上,提出一种新的JPEG图像信息隐藏盲检测方法.该方法把JPEG图像的DCT系数分解到小波域,计算出各个子带小波系数的一系列高阶统计特征,组成72维特征向量,引入特征缩放技术将特征向量进行缩放,并用支持向量机进行分类.针对CorelDraw图像库4种常用的隐写方法进行实验,结果表明该方法在4种不同隐写方式下的平均检测正确率均达到91%(嵌入率为100%)以上.     

基于特征融合和改进RSM集成分类的BMP隐写检测

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.     

基于JPEG二次压缩的隐藏信息检测

针对图像隐写软件对图像(JPEG格式)进行二次压缩的过程,提出将待检图片是否被二次压缩作为图像是否被隐写的特征之一。为了对JPEG二次压缩后的图像进行有效检测,通过研究JPEG图像经二次压缩后所引起的DCT统计特性的变化及二次压缩前后的量化表q1、q2对二次压缩后图像的DCT统计所引起的变化的分析,提出了针对不同q1、q2 JPEG二次压缩的检测方法。实验证明本文的检测方法是有效的。     

基于Multiwavelet广义高斯模型的图像盲隐写分析

针对目前图像盲隐写分析中提取的特征的有效性不高问题,提出了一种新的基于Multiwavelet广义高斯模型的图像盲隐写分析算法.采用Multiwavelet变换对样本图像进行多尺度分解,并使用广义高斯模型对每个子带的Multiwavelet系数进行建模,提取参数特征.利用这些参数特征训练支持向量机SVM(support vector machine)构成盲隐写分析算法的分类检测器.通过对大量图像样本进行测试,实验结果表明,和经典的Farid方法相比,提出的盲隐写分析算法提取的图像特征更加有效,具有更高的正确检测率.     

基于边信息估计的JPEG图像隐写方法

基于JPEG图像的隐写方法通常利用原始图像的边信息来提高隐写安全性.然而现有的JPEG图像隐写方法在使用边信息时需要提前获取未压缩的原始图像,当原始图像不可获得时,往往不能把边信息用于设计隐写方法.文中提出了一种在不具有未压缩的原始图像的情况下,通过估计图像的边信息来提高JPEG图像隐写安全性的方法.首先,使用卷积神经网络对JPEG载体图像进行恢复,得到估计的原始图像;其次,通过得到的估计图像计算取整误差;然后利用取整误差来控制嵌入过程中离散余弦变换(DCT)系数的修改方向;最后结合DCT系数的失真代价和STC编码来实现隐写嵌入.文中提出的边信息估计方法能够应用于现有的JPEG图像自适应隐写方法,如JC-UED和J-UNIWARD.实验结果表明,该方法能较好地恢复图像的边信息,并能显著提高现有JPEG图像自适应隐写方法的安全性.     

基于新型校准度量的F5隐写分析算法

通过对JPEG隐写分析中校准技术的研究,提出一种新的校准设计原则,并利用M-S(Mumford-Shah)模型引入新的校准方法,提出一种针对F5的隐写检测算法.算法首先从待测图像中提取M-S估计图像作为第一幅校准图,然后利用剪切重压缩法从隐写图中得到第二幅校准图,利用两幅校准图提取新型校准表示下的分类特征集.实验表明:该算法具有较好的检测性能,在嵌入率为5%时仍取得较高的检测率.     

基于虚特征分解的PQ图像隐写专用检测技术

提出了基于虚特征分解(IED)特征、针对抖动量化(PQ)隐写术的专用隐写分析方法。利用统计学理论,分析了JPEG图像经PQ嵌入秘密信息后,其空域行和列的线性相关性降低;并在实验结果中得到验证。采用支持向量机(SVM)作为分类器,建立了一个测试数据库;对基于IED特征隐写分析方法进行了隐藏信息检测的仿真实验。实验结果表明:该方法比其他现有的隐写分析方法更有效,对PQ隐写术检测率超过70%,且该方法具有较好的盲检测性能。     

一种针对JPEG隐匿图像的隐写分析新算法

隐匿技术指把要传递的重要信息隐藏到载体中,使其不易被察觉.因为JPEG是现在使用最多的图像格式,所以经常用JPEG图像作为隐藏的载体.在综合分析了现有隐写分析技术的基础上,提出了一种全新的针对JPEG隐匿图像的通用隐写分析方法.该方法基于对DCT系数差分直方图的分析,根据JPEG图像切割前后DCT差分直方图的变化情况进行检测.与现有隐写分析技术比较,该方法对JPEG隐匿图像的检测准确率高,且具有通用性,实现简单.     

基于SVM混凝土电镜图像类型识别

目的为了准确、快速地对混凝土电镜图像进行自动识别分类,选取合理的特征提取方法以及分类算法,解决预判混凝土耐久性问题.方法利用一种基于局部二值模式(Local Binary Pattern,LBP)的特征提取方法和支持向量机(Support Vector Machine,SVM)分类器的组合模式,对混凝土在电镜下的图像进行特征提取和类别判定,并对SVM分类器选取合理的核函数以及核函数参数.结果采用笔者方法最终图像识别准确率可达79.7%,LBP基本特征算子较好地满足了纹理特征图像的特征提取要求;通过SVM分类器对图像进行分类可以将含有纹理特征的图像成功分类.结论该方法成功有效地识别混凝土的内部多层次结构辅助辨别混凝土的耐久性问题;LBP基本算子和SVM分类算法的组合算法在特征提取与识别分类具有很好的实用性及高效性.     

基于Contourlet变换与SVM的图像分类研究

由于Contourlet变换具有多分辨率分析、多方向性、各向异性等特点,能很好地捕捉图像的轮廓特征,利用Contourlet变换系数有利于特征的检测.提出了一种基于Contourlet变换与支持向量机(SVM)的图像分类方法.该方法首先对彩色图像灰度化后进行Contourlet变换,将得到的三层低频分量系数作为图像分类的语义特征,然后利用SVM分类器对图像进行分类.实验结果表明该方法具有较好的分类效果.     

基于相关性与纹理度量的SVM隐写分析算法

为提高图像信息隐藏正确检测率,扩展隐写分析算法的适用范围,提出了一种新的基于最低有效位(LSB)的隐写分析方法,引入了一组基于相邻像素相关性和图像纹理复杂度的差值关系的高阶统计矩作为特征矢量。基于此特征量构造分类器,采用支持向量机(SVM)进行训练和分类。对1 600幅BMP图像在不同嵌入率情形下进行仿真实验,并与经典的RS(regular singular)隐写算法和GPC(gray-levelplane crossing)算法进行对比分析。结果表明,针对原始无损存储图像,基于该文建立的分类器的准确率高于目前的主流算法识别掩密图像,具有较可靠的盲检测性能。     

基于相关性与纹理度量的SVM隐写分析算法

为提高图像信息隐藏正确检测率,扩展隐写分析算法的适用范围,提出了一种新的基于最低有效位(LSB)的隐写分析方法,引入了一组基于相邻像素相关性和图像纹理复杂度的差值关系的高阶统计矩作为特征矢量。基于此特征量构造分类器,采用支持向量机(SVM)进行训练和分类。对1600幅BMP图像在不同嵌入率情形下进行仿真实验,并与经典的RS(regular singular)隐写算法和GPC(gray-level plane crossing)算法进行对比分析。结果表明,针对原始无损存储图像,基于该文建立的分类器的准确率高于目前的主流算法识别掩密图像,具有较可靠的盲检测性能。     

一种基于无监督学习的MB1隐写分析方法

为了提高针对混杂小样本集的MB1隐写算法的检测率,提出了一种泛化能力较强的MB1隐写分析方法.通过分析多种图像特征,在离散余弦变化(DCT)域选取对隐写敏感易变的特征,包括变分特征、块边界度量特征、共生矩阵特征和马尔可夫特征组成的108维特征向量,并以无监督学习中的支持向量数据描述法(SVDD)为分类器,使用含有混杂样本的小样本集进行训练,测试算法对隐写图像的检测率.实验结果表明,当检测相对嵌入率为40%以上的隐写图像时,检测率可靠度达到96%以上,明显高于其他2种基于支持向量机的经典算法.这说明本方法打破了其他方法对训练样本集的限制,提高了对混杂小样本集的MB1隐写算法的检测率.但由于它对混杂样本具有一定的容忍度,对较小嵌入率的隐写图像的检测率稍低.     

基于SVM的人脸识别方法研究

在人脸的特征提取及分类识别实验中,使用K-L变换提取了人脸图像的数字特征,用SVM进行分类识别,对40个人的280幅图片构成的训练样本集构造基于支持向量分量的两个不同核函数的分类器。对这40个人的其他120幅图片构成的测试样本集分类,两种分类器分别取得了9.83%和10.08%的分类错误率,分类器达到了很好的效果。     

基于直方图差异的模型隐写分析

基于模型(Model-Based,MB)的隐写方法可以保持JPEG载体图像的直方图在隐写前后几乎不变,使秘密信息具有良好的统计隐蔽性.根据MB隐写使得图像平坦区域和纹理区域的DCT系数分布变得相似这一线索,提出一种新的隐写分析方法,通过考察纹理较丰富的内容中的DCT系数直方图与全局DCT系数直方图之间的差异情况来分析图像是否经过MB隐写.实验结果表明,该方法可有效击破MB隐写.     

一种针对彩色JPEG图像的安全隐写算法

为进一步增强载密彩色JPEG图像的安全性,提出一种针对彩色JPEG图像的安全隐写算法.算法把原始彩色JPEG图像的每个8×8分块进行DCT变换后,对各块中具有相同频率的R,G,B各分量的AC系数用密钥控制生成一个近似服从高斯分布的整数序列进行整除取余,将余数的LSB构成序列brbgbb,对brbgbb采用矩阵编码嵌入秘密信息.实验结果表明:与同类算法相比,该方法对彩色JPEG图像可提供较大的嵌入容量,载密彩色JPEG图像具有较好的视觉质量,且能够抵几种常见的隐写分析方法.     

基于特征分布校准的小样本分类改进算法

针对基于特征分布校准的小样本分类算法无法准确揭示新类特征分布的问题,提出一种融合隐空间变换和密度聚类的改进算法,以解决N way-K shot任务模式下的小样本图像分类问题.首先,通过广度残差神经网络提取基类和新类图像的深度特征;其次,采用隐空间变换方法约束新类特征分布,使其更接近正态分布;再次,利用密度聚类方法为新类选取合适基类,将基类统计信息迁移到新类,并通过多元正态分布矩阵实现样本扩充;最后,构建基于集成学习的分类器,完成小样本图像分类任务.实验结果表明,相比于传统特征分布校准方法,该算法的分类准确率更高.