基于图像区域统计特征的隐写分析技术研究

论文摘要

作为保障图像信息安全的重要技术手段之一，图像隐写分析已成为多媒体信息安全领域的研究热点。区别于现有隐写分析方法基于图像整体数据的研究思路，本文深入分析图像内容统计特征及其与隐藏信息存在性的关系，并运用随机性度量、纹理描述、图像分割等方法围绕图像区域统计特性展开隐写分析技术研究。论文主要工作和学术成果包括：1.分析了自然图像部分统计特征及其与隐藏信息存在性的关系。基于图像区域平稳Markov信源模型，以拍摄的高精度自然图像构建3类单一内容图像库作为实验对象，首先运用统计检验、概率论和数理统计、信息论以及图像处理与分析等知识，认真分析了图像的位平面随机性特征，像素灰度直方图的信息度量特征和频谱特征，差分像素统计建模特征，以及像素灰度共生矩阵特征在3类单一内容图像库上的统计差异。进而，运用LSB(LeastSignificant Bit)匹配隐写的加性噪声模型，分析了典型隐藏信息存在性特征在隐写前后的变化。比较相同特征在各类载体、载密图像之间呈现的统计差异可以得到，隐藏信息存在性特征不仅受隐写嵌入机制的影响，而且与图像内容密切相关，图像内容越平坦其载体、载密特征统计差异越大，从而越有利于隐写检测。最后，依据分析所得结论，得出围绕图像区域统计特征开展隐写分析技术研究的课题思路，并对支撑本文具体研究工作的指导思想和技术路线进行了分析。2.研究了基于图像区域随机性度量的隐写分析技术。由于图像具有区域平稳Markov性质，区域内的像素灰度取值具有某种一致性或者相近的统计关系，利用区域内的统计关系度量图像随机性有利于提取敏感的隐写检测特征。针对LSB匹配隐写嵌入机制，在深入分析该隐写对不同内容图像随机性影响的基础上，提出一种基于区域随机性度量的检测算法。该算法首先通过图像分块划分子区域，再利用Hilbert像素扫描和LSB序列比特异或运算定义区域随机性度量指标，并提取该指标概率分布的熵、信息度量、3σ区间概率值、原点矩4类特征，最后采用Fisher分类器进行检测。实验结果表明该算法检测性能优于常见的4种同类算法。3.研究了基于图像区域纹理特征的空域隐写盲检测技术。依据图像纹理特征描述图像内容，可将图像纹理分析应用于隐写检测，并将隐写噪声看作一类精细的加性随机纹理。在深入分析图像区域纹理特征与隐写存在性关系的基础上，提出了一种基于区域纹理特征的空域隐写盲检测算法。该算法采用Laws纹理向量和离散余弦变换基向量构造了一组具有中高频滤波特性的局部线性变换向量，并通过图像的局部线性变换获得描述图像区域纹理的变换系数；之后利用广义高斯分布对纹理描述系数进行统计建模，并以统计模型相关参量作为纹理特征分析载体、载密图像的统计差异，最后运用广义高斯分布模型的对称性进行特征降维，并借助支持向量机分类器对载体、载密图像进行判别。对7种空域隐写算法的检测结果表明，该算法性能优于3种典型的通用盲检测算法，能够有效地实现空域隐写盲检测。4.研究了基于区域分割的综合判决隐写分析技术。图像内部各子区域具有不同的统计特性，而数字隐写嵌入的秘密消息具有统计一致性，因此对图像进行隐写后，一方面同一隐写检测特征在不同区域上会呈现出不同的变化，另一方面不同隐写检测性特征在同一区域上也体现出不同的检测性能。在深入分析图像区域统计特征与隐藏信息存在性关系的基础上，设计了一种基于图像区域分割的综合判决隐写分析方案。该方案采用图像分割技术化整体为区域，依据图像各子区域统计特性的差异进行分类检测，最后将分类检测结果进行综合判决。在此方案的指导下，提出了一种检测LSB匹配隐写的具体算法，该算法依据所定义的图像区域复杂度指标分割图像得到分类子区域，进而分析子区域载体、载密像素直方图的频谱差异，最后利用带通滤波器组提取直方图频谱特征，并借助Bayes分类器和加权融合技术进行综合判决。对LSB匹配隐写的检测结果表明，该算法性能优于9种典型的隐写检测算法。最后，在结束语中对论文的主要研究工作进行了总结，说明了具体研究工作之间的联系和区别，并对图像信息隐藏技术的研究进行了展望。

论文目录

• 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 信息隐藏技术概述
• 1.2.1 基本概念和分类
• 1.2.2 信息隐藏技术的研究现状
• 1.2.3 信息隐藏技术的应用
• 1.3 数字隐写技术的发展
• 1.3.1 数字隐写模型
• 1.3.2 数字隐写技术指标及分类
• 1.3.3 数字隐写研究进展
• 1.4 隐写分析技术的发展
• 1.4.1 隐写分析模型
• 1.4.2 隐写分析技术指标及分类
• 1.4.3 隐写分析常用分类器
• 1.4.4 隐写分析研究进展
• 1.5 论文主要工作及章节安排
• 第二章 图像统计特征及其与隐写检测关系分析
• 2.1 本章工作基础
• 2.1.1 信源模型
• 2.1.2 实验基础
• 2.2 分类图像位平面随机性分析
• 2.2.1 随机性度量指标
• 2.2.2 随机性判决准则
• 2.2.3 随机性差异及隐写对随机性影响
• 2.3 分类图像一维概率统计分析
• 2.3.1 灰度直方图统计分析
• 2.3.2 差分直方图统计分析
• 2.4 分类图像二维联合概率统计分析
• 2.4.1 灰度共生矩阵定义
• 2.4.2 灰度共生矩阵差异
• 2.4.3 隐写对共生矩特征影响
• 2.5 基于图像区域内容的隐写分析技术研究
• 2.5.1 指导思想
• 2.5.2 技术路线
• 2.6 本章小结
• 第三章 基于区域随机性度量的 LSB 匹配隐写检测方法
• 3.1 方法原理
• 3.1.1 隐写对图像随机性的影响
• 3.1.2 不同区域随机性变化特点
• 3.2 算法操作
• 3.2.1 图像区域随机性度量指标
• 3.2.2 特征分析
• 3.2.3 特征提取与算法流程
• 3.3 实验结果及分析
• 3.3.1 不同分块大小检测性能测试
• 3.3.2 不同图像库检测性能测试
• 3.3.3 不同算法性能比较
• 3.4 本章小结
• 第四章 基于区域纹理特征的空域隐写盲检测方法
• 4.1 图像纹理描述
• 4.1.1 局部线性变换
• 4.1.2 局部线性向量构造
• 4.1.3 基于局部线性变换的图像纹理描述
• 4.2 纹理系数统计建模
• 4.2.1 LLT 系数直方图的 1-D GGD 建模
• 4.2.2 LLT 系数共生矩阵的 2-D GGD 建模
• 4.3 特征分析与提取
• 4.3.1 特征分析
• 4.3.2 特征提取
• 4.4 算法流程
• 4.5 实验结果及分析
• 4.5.1 实验设置
• 4.5.2 空域隐写算法
• 4.5.3 隐写分析算法
• 4.5.4 分类器和评价指标
• 4.5.5 隐写分析算法性能比较
• 4.6 本章小结
• 第五章 基于区域分割的综合判决隐写分析
• 5.1 方案原理
• 5.1.1 图像区域分割
• 5.1.2 隐写分析流程
• 5.2 具体实现
• 5.2.1 图像预处理
• 5.2.2 特征分析
• 5.2.3 特征提取
• 5.2.4 分类测试与综合判决
• 5.3 实验结果及分析
• 5.3.1 实验设置
• 5.3.2 算法性能比较
• 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