基于马尔科夫链的隐写算法设计

针对LSB隐写算法在进行信息隐写过程中,因为被检测的问题深入研究了隐写算法的图像块间关系,以及图像块内的像素点之间关系,提出了一种基于马尔可夫链的图像隐写算法.给出了该算法的设计原理和详细实现过程,计算了图像块细处的马尔可夫转移概率,通过实验分析测试表明笔者所设计的隐写算法,在保证足够的隐写容量前提下,其PSNR值也具备较高的数值,这表明笔者提出的隐写算法在图像隐写能力上,具有较强的图像隐写能力.     

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SVM的通用隐写检测算法设计与实现

通用隐写检测是隐写分析技术研究的重点。针对加性噪声隐写模型,以BMP图像为研究对象,进行通用隐写检测算法研究与设计,在此基础上,给出了算法设计与实现的流程和其性能的有效性验证。实验结果表明该算法具有较好的检测精度、较低的虚惊率和漏警率。     

基于图像块间像素特征的隐写算法设计与实现

针对图像块间像素之间的关系,设计了一种图像理解算法.通过分析图像块间像素的特征,将传统的基于最低像素点信息隐写的算法进行改进,并分别分析了相邻两个像素点之间的图像关系和图像块之间的像素点的关系,设计了一种大容量的图像隐写算法.详细描述了算法的设计过程和实现方法,并给出了像素中主要参数的计算方法.通过实验和分析表明,该文设计的隐写算法,嵌入隐写信息后视角效果变化不明显.与经典的LSB算法和基于相邻两个像素差值的隐写算法对比,其PSNR均值都要更高,表明该文的隐写算法性能更好.     

采用预测编码的图像隐写分析算法

通过分析图像无损压缩过程中预测编码的原理,提出了一种基于预测编码方法的空域图像隐写分析算法。该算法的基本思想是利用空域隐写会破坏图像相邻像素之间的相关性,而预测编码是利用图像相邻像素之间的相关性来预测的,这样隐写后图像的预测误差将会大于载体图像的预测误差,通过计算隐写前后图像的预测误差来分析图像中是否含有秘密信息。实验表明:基于预测编码的图像隐写分析具有较好的隐写分析能力。     

一种基于图像边缘检测的隐写算法

根据人眼视觉感知特性,提出一种利用边缘检测理论计算容量因子的图像隐写算法.该算法通过像素间的相关性来计算某像素的边缘特性,根据人眼对边缘区域的改动较不敏感这一特性,确定该像素的容量因子,从而控制隐写容量.实验结果表明,该隐写算法具有较大的隐写容量,同时较好地保持了含密图像的不可感知性.     

一种基于混合蛙跳优化的JPEG图像隐写算法

在JPEG图像中隐写会引起图像DCT系数直方图变化和分块效应比,分析者可以根据这些特征变化察觉到秘密信息的存在。为了提高隐写的安全性,提出了一种基于混合蛙跳优化的JPEG图像隐写算法。对图像进行分块处理后,在每个块中采用混合蛙跳优化算法,寻找最优的置换矩阵来替换秘密信息。在隐写过程中,将置换矩阵和置换后的秘密信息隐藏于修改了量化表的DCT系数中,算法不需传递其他边缘信息。仿真实验表明,所提出的隐写算法与修改量化表隐写算法,基于粒子群优化隐写算法相比,在隐写容量增大的同时,具有更高的安全性。     

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。     

基于后验概率的LSB隐写分析

LSB隐写是将欲嵌入的秘密信息取代载体图像的最低比特位,是图像隐写最流行的方式之一。已经有大量算法来检测LSB隐写,但是对于图像最低位变化率的估计误差较大。探讨了一种基于后验概率的隐写分析算法：首先利用图像像素是否处于局部平滑区域进行建模,然后采用EM算法估计出图像中每个像素属于上述模型的后验概率并将后验概率作为此像素的权重,最后结合WS模型来估计图像最低位变化率。实验结果表明,该算法能有效地并且准确的估计图像最低位变化率,并且有较好的效果。