基于统计分析的音频隐写分析研究

论文摘要

研究隐写分析对监视非法信息、防止机密信息泄露,保障国家安全和维持社会的稳定有着重要的意义。隐写分析的核心问题是选取检测率高,适用性广的特征向量。以往的文献缺乏对频域统计特征的深入研究,不能有效地对频域隐写方法进行检测。本文研究了音频DCT系数的统计分布以及隐写对DCT域统计特征的影响,在此基础上设计了两种新颖的隐写分析方法。为了提高检测率和检测尽可能多的隐写方法,提出了一种基于融合的隐写分析方法。本文的主要工作和创新点如下:1)针对音频DCT系数统计分布研究的不足,对音频DCT系数的统计分布进行了深入研究,为音频DCT系数建立了一个由广义高斯分布和α稳定分布组成的混合模型。研究结果表明,该模型比广义高斯分布和α稳定分布更接近于音频DCT系数的统计分布。2)提出了一种基于DCT直方图统计矩的音频隐写分析方法,采用的特征是DCT系数直方图的高阶统计量,实验结果表明该算法获得了较好的检测率。3)根据隐写会改变音频统计特征的假设,提出一种基于统计分布模型参数统计矩的音频隐写分析方法。实验数据表明,相比于同类算法,检测率有了较大的提高。4)针对现有隐写分析方法实用性不强的问题,基于融合思想提出了一种通用的隐写分析方法。该分析方法能够继承已有隐写分析方法的优点,提高隐写分析算法的检测性能。

论文目录

• 摘要
• ABSTRACT
• 图表目录
• 第1章 绪论
• 1.1 引言
• 1.2 研究背景及意义
• 1.3 音频隐写技术概述
• 1.3.1 基本概念
• 1.3.2 音频隐写技术的基本要求
• 1.3.3 隐写技术的主要方法
• 1.4 音频隐写分析技术
• 1.4.1 音频隐写分析的一般框架
• 1.4.2 隐写分析技术的分类
• 1.4.3 隐写分析技术的研究现状
• 1.4.4 当前存在的问题
• 1.5 本文的主要工作和结构安排
• 1.6 小结
• 第2章 隐写与隐写分析相关理论及方法
• 2.1 引言
• 2.2 相关理论
• 2.2.1 听觉心理模型
• 2.2.1.1 人耳听觉
• 2.2.1.2 听觉掩蔽效应
• 2.2.1.3 心理声学模型
• 2.2.2 支持向量机
• 2.2.2.1 线性支持向量机
• 2.2.2.2 非线性支持向量机
• 2.3 音频隐写算法回顾
• 2.4 音频隐写分析方法
• 2.4.1 通用隐写分析
• 2.4.2 专用隐写分析
• 2.5 小结
• 第3章 基于直方图统计矩的扩频隐写分析
• 3.1 引言
• 3.2 相关知识—扩频音频隐写
• 3.2.1 直接扩频隐写
• 3.2.2 高鲁棒性扩频隐写
• 3.3 基于直方图统计矩的隐写分析方法
• 3.3.1 统计特征分析
• 3.3.2 特征向量的计算
• 3.3.3 分类器的选择及隐写分析过程
• 3.4 实验结果与分析
• 3.5 小结
• 第4章 音频DCT系数的广义高斯分布和? 稳定分布混合模型
• 4.1 引言
• 4.2 DCT系数分布的非高斯性
• 4.3 广义高斯分布和? 稳定分布的局限性
• 4.4 混合模型的建立
• 4.4.1 混合模型的数学描述
• 4.4.2 混合模型的实现
• 4.5 实验结果与分析
• 4.5.1 实验结果
• 4.5.2 实验分析
• 4.6 小结
• 第5章 基于统计分布参数的隐写分析方法
• 5.1 引言
• 5.2 音频DCT系数的统计分布
• 5.2.1 广义高斯分布
• 5.2.2 ? 稳定分布
• 5.3 特征提取
• 5.3.1 DCT域的特征
• 5.3.2 时域和变换域特征
• 5.4 分类器的设计
• 5.5 实验结果与分析
• 5.5.1 音频库和使用的隐写方法
• 5.5.2 实验方案
• 5.5.3 实验结果
• 5.6 小结
• 第6章 基于融合的通用隐写分析方法
• 6.1 引言
• 6.2 融合技术概述
• 6.2.1 特征级融合技术
• 6.2.2 决策级融合规则
• 6.3 融合技术在隐写分析中的应用
• 6.3.1 五级融合技术
• 6.3.2 提高适用性的融合技术
• 6.3.3 基于融合技术的多分类器
• 6.4 基于融合的通用隐写分析方法
• 6.4.1 基于融合的通用隐写分析方法
• 6.4.2 特征库的建立
• 6.5 小结
• 第7章 总结与展望
• 7.1 工作总结
• 7.2 未来研究方向
• 参考文献
• 致谢
• 在读期间发表的学术论文与取得的研究成果