基于内容的图像通用盲检测技术研究

论文摘要

数字隐写是一种利用数字媒体进行信息隐藏，并通过公共信道传输以实现秘密信息传递的隐蔽通信技术。隐写分析技术则主要是通过统计检测来确认数字媒体中秘密消息的存在性，进而达到监控或破坏隐蔽通信的目的。作为隐写分析技术的重要分支，通用盲检测技术采用监督学习的方法，仅从秘密消息嵌入后数字媒体会发生改变这一共性出发，提取对信息嵌入敏感的特征，检测数字媒体中是否含有秘密消息。由于盲检测技术不针对特定的数字隐写算法，具有一定的普适性，已经成为信息安全研究的重要方向，受到广泛关注。数字图像是以特定的空间结构关系来呈现不同物体所表达的视觉信息的载体。由于不同内容的图像统计特征会有较大的差异，而同一内容的图像统计特征则有明显的一致性，图像信源呈现区域平稳特性。隐写分析的主要依据是秘密消息嵌入前后图像统计特征所产生的变化，因此隐藏信息的存在性特征与图像内容密切相关。结合图像的内容特征，研究数字隐写盲检测方法，具有重要的理论意义。本文通过分析图像的内容特征与隐藏信息存在性特征之间的关系，研究基于内容的图像隐写盲检测技术，论文的主要工作和取得的学术成果包括：1、运用信息论、概率统计等方法，分析了图像内容的复杂度与统计特征之间的关系。通过分析可知，图像具有较强的区域相关性，内容不同的图像，统计特征之间有会明显的差异。2、在自建的单一内容分类图像库上，分别以LSB匹配和F5隐写为例，分析了数字隐写对图像统计特征的影响。并以广义高斯分布对图像细节分量进行统计建模，分析推导了图像内容复杂度与隐写分析特征，特别是与隐写盲检测特征性能之间的关系。研究表明，内容不同的图像对秘密消息的敏感程度不同，隐藏信息存在性特征与图像内容密切相关，为开展基于内容的图像盲检测技术研究、提出更加有效的隐写盲检测方法提供了理论依据和研究思路。3、针对JPEG压缩算法，分析了DCT系数的分布特点和统计特征，以及块内和块间系数的相关性，探讨了隐写盲检测特征的提取与选择，提出一种基于区域相关性的JPEG图像隐写盲检测算法。采用宏观校准和微观校准估计出载体图像，以Markov模型描述块内和块间DCT系数的相关性，提取概率转移矩阵的差值作为检测特征，通过支持向量机进行分类，实现了对DCT域多种隐写算法的检测。混合图像库的实验结果表明，该方法的检测性能优于典型的隐写分析算法。4、运用Contourlet变换对图像的多分辨率和局域性表示，从图像信源优化时(空)频分析的角度探讨了隐写分析特征的提取与选择，提出一种基于Contourlet变换的图像隐写盲检测算法。首先通过分析不同内容的图像细节分量隐写前后特征函数的变化，构造出一种新的带通特征函数矩。通过分析比较两种不同的图像预测方法对隐写检测性能的影响，提取待检测图像及其预测误差高频子带系数的特征函数矩作为检测特征，通过支持向量机进行分类。以BOWS和UCID图像库为测试图像的实验结果表明，该方法较现有典型方法具有更好的检测性能。5、考虑到图像内容复杂度对隐藏信息存在性特征的影响，提出一种基于图像复杂度的特征融合隐写盲检测算法。根据待检测图像复杂度的不同，提取不同的检测特征。以巴氏距离度量各特征的分类能力，确定权值后加权融合，实现了对DCT域多种隐写算法的检测。在混合图像库上的实验结果表明，该方法不仅降低了运算复杂度，而且具有更好的检测性能。最后，对本文工作进行了总结，并对图像盲检测技术的发展和研究进行了展望。

论文目录

• 目录
• 表目录
• 图目录
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 基本概念
• 1.2.1 信息隐藏
• 1.2.2 数字隐写
• 1.2.3 隐写分析
• 1.3 图像隐写技术的发展
• 1.3.1 空域隐写技术
• 1.3.2 变换域隐写技术
• 1.4 隐写分析技术的发展
• 1.4.1 专用隐写分析技术
• 1.4.2 通用盲检测技术
• 1.5 基于图像内容的隐写分析技术
• 1.6 本文研究内容及结构安排
• 第二章 图像内容与隐写分析
• 2.1 离散信源的概率分布和信息熵
• 2.2 图像统计特征分析
• 2.2.1 图像的灰度分布特性
• 2.2.2 图像的变换域分布特性
• 2.3 数字隐写对图像统计特征的影响
• 2.3.1 灰度直方图
• 2.3.2 差分直方图
• 2.3.3 灰度共生矩阵
• 2.3.4 DCT系数直方图
• 2.4 图像内容对隐写分析性能的影响
• 2.4.1 图像复杂度
• 2.4.2 数字隐写对图像内容的影响
• 2.4.3 图像内容对隐写分析性能的影响
• 2.5 本章小结
• 第三章 基于区域相关性的JPEG图像隐写盲检测
• 3.1 隐写盲检测特征
• 3.1.1 基于区域相关性的差分数组
• 3.1.2 特征构造
• 3.2 图像校准
• 3.2.1 宏观校准
• 3.2.2 微观校准
• 3.3 特征预处理、分类器设计和算法流程
• 3.3.1 特征预处理和分类器设计
• 3.3.2 算法结构流程
• 3.4 实验结果及分析
• 3.5 本章小结
• 第四章 基于Contourlet变换的图像隐写盲检测
• 4.1 基于Contourlet分解的图像多分辨率表示
• 4.2 特征提取
• 4.2.1 PDF矩和CF矩
• 4.2.2 高频子带系数特征
• 4.3 分类器设计与算法流程
• 4.4 实验结果及分析
• 4.5 本章小结
• 第五章 基于图像内容的特征融合隐写盲检测
• 5.1 基于图像内容的特征融合方法
• 5.1.1 多类特征提取
• 5.1.2 特征融合
• 5.2 分类器设计与算法流程
• 5.3 实验结果及分析
• 5.4 本章小结
• 结束语
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 致谢