分类与分割相结合的JPEG图像隐写分析

摘要：

目的 隐写分析研究现状表明,与秘密信息的嵌入过程相比,图像内容和统计特性差异对隐写检测特征分布会造成更大的影响,这导致图像隐写分析成为了一个“相同类内特征分布分散、不同类间特征混淆严重”的分类问题.针对此问题,提出了一种更加有效的JPEG图像隐写检测模型.方法 通过对隐写检测常用的分类器进行分析,从降低隐写检测特征类内离散度的角度人手,将基于图像内容复杂度的预分类和图像分割相结合,根据图像内容复杂度对图像进行分类、分割,然后分别对每一类子图像提取高维富模型隐写检测特征,构建分类器进行训练和测试,并通过加权融合得到最终的检测结果.结果 在实验部分,对具有代表性的隐写检测特征集提取了两类可分性判据,对本文算法的各类别、区域所提取特征的可分性均得到明显提高,证明了模型的有效性.同时在训练、测试图像库匹配和不匹配的情况下,对算法进行了二分类测试,并与其他算法进行了性能比较,本文算法的检测性能均有所提高,性能提升最高接近10％.结论 本文算法能够有效提高隐写检测性能,尤其是在训练、测试图像库统计特性不匹配的情况下,本文算法性能提升更加明显,更适合于实际复杂网络下的应用.

关键词：隐写分析、图像统计特性、图像分类、图像分割、加权融合

所属期刊栏目：23

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61602511,61572518,U1636202

在线出版日期：2018-11-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1472-1482