论文摘要
隐写检测是遏制隐写术滥用,确保国家、军队信息安全,维护社会安定的重要技术手段。面对复杂繁多的网络数字媒体,隐写检测对检测的准确性、智能化需求日益增高。人工免疫系统内在免疫识别、免疫学习等机制可借鉴于隐写检测中,使检测器具有自组织、自学习等智能特性。本文旨在设计一种新型有效、通用、智能的基于人工免疫系统隐写检测方法,主要成果及创新点总结如下:1.提出基于人工免疫系统隐写检测基本思想和总体框架;通过分析隐写检测与人工免疫系统内在共性,对基于人工免疫系统隐写检测进行整体设计,将研究内容划分为分类特征提取和隐写检测器设计两部分。2.提取一种有效、通用的R-Farid高阶统计量相对特征;通过理论分析、改进Farid高阶统计量线性预测模型中相关性区域不一致缺陷,提出R-Farid高阶统计量模型,增强特征有效性;结合机理分析及实验仿真,提出再嵌入操作合理性准则及再嵌入随机性信息基本假设,提高特征可区分性和通用性;综合模型及准则,提取R-Farid高阶统计量相对变化量作为基于人工免疫系统隐写检测分类特征。3.设计及实现基于人工免疫系统隐写检测器;紧密结合人工免疫系统相关仿生机理及R-Farid高阶统计量相对特征,分析、设计及形式化描述其隐写检测基本流程;以此,引入可变半径和空间覆盖率统计估计及融合技术,设计、实现检测器生成算法和其检测及动态优化更新算法;实验结果显示,该检测器不但能智能优化成熟,提高检测率,优于FLD、SVM等传统分类器,还可有效检测划分为非连续性界限的特征空间,具有检测未知隐写术能力。最后,总结本文工作,并对基于人工免疫系统隐写检测下一步研究方向进行展望。
论文目录
摘要Abstract第一章 绪论1.1 研究背景及意义1.2 基于AIS隐写检测概述1.3 国内外研究现状1.4 本文组织结构第二章 基于人工免疫系统隐写检测技术2.1 隐写检测技术分析2.1.1 隐写检测研究现状2.1.2 隐写检测主要问题2.2 人工免疫系统技术分析2.2.1 人工免疫系统基本概念2.2.2 人工免疫系统仿生机理2.2.2.1 免疫识别2.2.2.2 免疫学习2.2.2.3 免疫记忆2.2.2.4 克隆选择2.2.3 人工免疫系统特性分析2.3 基于AIS隐写检测基本思想2.4 基于AIS隐写检测总体框架2.5 本章小结第三章 隐写检测分类特征提取3.1 Farid高阶统计量模型分析3.2 Farid线性预测模型相关性分析3.2.1 离散Haar小波分解特性3.2.2 Farid线性预测模型相关性区域3.3 R-Farid高阶统计量模型3.3.1 R-Farid线性预测模型相关性区域3.3.2 R-Farid线性预测模型3.3.3 R-Farid高阶统计量特征提取3.4 R-Farid高阶统计量相对特征3.4.1 再嵌入操作对邻域相关系数影响分析3.4.2 再嵌入操作准则理论分析3.4.3 再嵌入随机性信息基本假设3.4.4 R-Farid高阶统计量相对特征提取3.5 实验仿真分析3.6 本章小结第四章 基于人工免疫系统隐写检测器设计4.1 基于AIS隐写检测基本流程4.2 基于AIS隐写检测主要步骤设计及描述4.2.1 元素对应关系4.2.2 隐写检测4.2.2.1 基本模型4.2.2.2 基于分类特征的基本模型4.2.3 检测器生成4.2.4 检测器动态优化更新4.2.4.1 检测器记忆更新4.2.4.2 检测器克隆进化4.3 基于AIS隐写检测基本流程形式化描述4.4 基于AIS隐写检测器相关算法设计4.4.1 检测器生成算法4.4.2 检测器检测及动态优化更新算法4.5 实验仿真及分析4.5.1 实验数据4.5.2 实验方法4.5.3 参数配置4.5.4 实验仿真分析4.5.4.1 检测器初始产生4.5.4.2 检测准确率对比4.5.4.3 交叉检测测试4.6 基于AIS隐写检测器优缺点4.6.1 优点4.6.2 缺点4.7 本章小结第五章 总结与展望5.1 工作总结5.2 工作展望参考文献附录附1 F(R|-)相关性质证明附2 R-Farid高阶统计量相对特征统计分布图作者简历 攻读硕士学位期间完成的主要工作致谢
相关论文文献
标签:隐写检测论文; 人工免疫系统论文; 高阶统计量论文; 离散小波分解论文; 否定选择机制论文; 免疫记忆机制论文; 克隆选择机制论文;