基于图像内容特征的盲检测技术研究

论文摘要

作为图像信息安全的主要技术手段,图像隐写分析和图像盲取证技术已成为当前多媒体信息安全领域的研究热点。图像隐写分析是针对信息隐藏的逆向分析技术,其主要目的是检测、提取、还原和破坏隐藏在数字图像中的秘密信息。数字图像盲取证是在不依赖任何预嵌入信息的前提下,对数字图像的真伪和来源进行鉴别。图像隐写分析和盲取证技术主要基于秘密信息的嵌入机制和篡改处理操作的技术原理,通过对图像数据产生的变化关系和统计特征进行分析实现。数字图像是以特定空间结构关系呈现不同物体所表达的视觉信息,具有区域平稳性。针对图像局部内容特征,研究数字图像的隐藏信息盲检测和篡改盲取证算法,具有重要的理论意义和应用价值。本文将图像信源建模为区域平稳的马尔可夫信源,在深入分析空域图像最不重要比特位数字隐写和篡改机理的基础上,研究基于图像内容特征的隐藏信息盲检测和篡改盲取证技术。论文所做的主要研究工作包括:1、对图像统计特征进行分析。运用概率与统计方法,分析了图像内容复杂度与图像统计特征、纹理特征之间的关系。分析结果表明,内容复杂度不同的图像会表现出不同的统计特性,而图像内容的复杂程度则可以由图像纹理特征来反映。可以根据图像的纹理特征对图像区域进行分类,在统计特性不同的区域提取相应的盲检测特征。2、以自建高精度单一内容自然图像库为对象,以直方图特征函数质心、直方图局部极值以及所提出的差分直方图特征函数质心为隐藏信息存在性特征,分析了它们与图像内容之间的关系。通过载体、载密图像特征差异的统计计算,分析了隐藏信息存在性与图像全局以及局部统计特征之间的关系,得出了图像平坦区域呈现更明显的隐藏信息存在性特征的结论,为开展针对图像内容的检测特征提取和算法研究奠定了基础。3、针对隐写对图像平坦区域特征改变更明显的问题,研究了基于邻域平坦性的LSB匹配隐写分析方法,提出一种基于局部平滑度的隐藏信息检测算法。针对LSB匹配嵌入机制,通过邻域差分像素值选取图像的平坦区域,根据载体、载密图像灰度直方图、共生矩阵、差分直方图以及差分共生矩阵的平滑度特征差异,提取了15维特征向量,并且引入二次嵌入过程,采用Fisher线性判决实现隐写检测。实验结果表明,该算法对于自建分类图像库和NRCS、UCID图像库均具有较高的检测性能。4、针对图像篡改中的重采样操作,提出了一种基于像素相关性的重采样检测算法。以纹理复杂度为量度对图像分块进行纹理分割,针对重采样过程中的插值处理改变重采样图像像素相关性的问题,利用奇异值分解的方法,对图像块的相关性进行分析,提取奇异值特征,结合支持向量机对重采样操作进行检测。实验结果表明,该算法对不同参数的重采样操作能够进行有效检测。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

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 信息隐藏
• 1.2.1 信息隐藏相关概念
• 1.2.2 数字隐写
• 1.2.3 隐写分析
• 1.3 数字图像盲取证
• 1.3.1 图像取证
• 1.3.2 图像篡改检测
• 1.3.3 图像来源认证
• 1.4 基于图像内容特征的盲检测
• 1.5 本文研究内容及章 节安排
• 第二章 图像统计特征分析
• 2.1 图像信源
• 2.1.1 离散信源的概率分布和信息熵
• 2.1.2 图像信源的概率分布
• 2.1.3 图像信源的信息熵
• 2.2 图像的统计特性
• 2.2.1 图像在变换域中的特性
• 2.2.2 图像的空间自相关函数
• 2.2.3 差值图像的概率分布
• 2.3 纹理分析
• 2.3.1 纹理的概念
• 2.3.2 纹理描述方法
• 2.3.3 纹理分割
• 2.4 本章小结
• 第三章 载体、载密图像的统计特征分析
• 3.1 引言
• 3.2 实验图像库
• 3.3 数字隐写对图像统计特性的影响
• 3.3.1 灰度直方图
• 3.3.2 灰度共生矩阵
• 3.3.3 差分直方图
• 3.3.4 差分共生矩阵
• 3.4 隐藏信息存在性特征与图像内容的关系
• 3.4.1 直方图特征函数质心特征
• 3.4.2 直方图局部极值特征
• 3.5 本章小结
• 第四章 基于邻域平坦性的LSB 匹配隐写分析
• 4.1 引言
• 4.2 基于邻域平坦性的局部平滑度特征
• 4.2.1 灰度直方图平滑度
• 4.2.2 共生矩阵局部平滑度
• 4.2.3 差分直方图局部平滑度
• 4.2.4 差分共生矩阵局部平滑度
• 4.3 基于局部平滑度的隐藏信息检测算法
• 4.3.1 二次嵌入
• 4.3.2 特征提取
• 4.3.3 Fisher 线性判决
• 4.4 实验结果及算法性能分析
• 4.4.1 在不同图像库上的检测性能
• 4.4.2 与其它算法的性能比较
• 4.5 本章小结
• 第五章 基于像素相关性的重采样检测
• 5.1 引言
• 5.2 重采样操作
• 5.3 基于纹理复杂度的奇异值特征
• 5.3.1 奇异值分解
• 5.3.2 基于奇异值的分类特征
• 5.3.3 纹理复杂度
• 5.4 基于像素相关性的重采样检测算法
• 5.4.1 支持向量机
• 5.4.2 算法步骤
• 5.5 实验结果及算法性能分析
• 5.5.1 算法的检测性能
• 5.5.2 与其它算法的性能比较
• 5.6 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