基于贝叶斯决策的JPEG图像隐写分析方法研究

论文摘要

随着信息技术和网络通信技术的迅猛发展,隐写分析已成为信息隐藏领域的重要课题,作为隐写术的对立面,隐写分析的目的是对检测对象是否含有隐密信息做出判断,以及估计检测对象里隐密信息的长度并提取出来。通用隐写分析是在隐写方法未知而只拥有检测对象的情况下进行的,它是隐写分析发展的必然趋势。目前,JPEG图像是最常用的图像存储格式,越来越多的隐写系统开始选择JPEG图像作为载体图像,因此,针对JPEG图像的通用隐写分析研究具有十分重要的现实意义。从理论上来说,图像通用隐写分析在提取特征值环节中,应当尽量从多角度提取出有效的特征值,以提高检测率。本文提出的针对JPEG图像的多特征值隐写分析算法,从不同角度提取了基于DCT域的统计特征值、基于Markov模型的特征值和基于多向概率转移矩阵特征值,这三类特征值是基于DCT系数从三个角度提取的而且对图像隐写比较敏感。测试实验结果表明,多特征值算法具有一定的优越性。通过对多特征值算法的进一步分析研究,从实验数据中发现由于特征值维数偏高,导致多特征值并没有完全发挥出所有特征值的作用。针对这一问题,本文提出了一种新的针对高维特征值的通用隐写分析模型,该模型将多特征值分成五个特征子集进行局部分类,所得的分类结果采用贝叶斯最小风险决策融合理论决策出最终结果。测试实验结果表明,该模型很好的克服了特征值维数过高对分类器造成影响这一问题,并且通过融合理论使得对各隐写算法的检测率显著提高。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景和意义
• 1.2 信息隐藏技术和隐写分析
• 1.2.1 信息隐藏技术
• 1.2.2 隐写分析
• 1.3 国内外研究现状
• 1.3.1 JPEG图像的专用隐写分析
• 1.3.2 JPEG图像的通用隐写分析
• 1.4 本文的主要工作与论文结构
• 第2章 JPEG图像的隐写和隐写分析理论
• 2.1 JPEG图像简介
• 2.2 常见的JPEG图像隐写方法
• 2.2.1 JSteg隐写方法
• 2.2.2 F5隐写方法
• 2.2.3 OutGuess隐写方法
• 2.2.4 MB隐写方法
• 2.3 常见的JPEG图像隐写分析方法
• 2.3.1 卡方隐写分析方法
• 2.3.2 RS隐写分析方法
• 2.3.3 基于直方图特征函数质心的隐写分析方法
• 2.4 本章小结
• 第3章 基于多特征值的JPEG图像隐写分析
• 3.1 基于DCT统计特性的特征值提取
• 3.1.1 校验特征值
• 3.1.2 DCT统计特征值描述
• 3.1.3 特征值提取流程图
• 3.2 基于Markov模型的特征值提取
• 3.2.1 Markov模型
• 3.2.2 Markov概率转移矩阵描述
• 3.2.3 特征值提取流程图
• 3.3 基于多向概率转移矩阵的特征提取
• 3.3.1 多向概念
• 3.3.2 多向概率转移矩阵描述
• 3.3.3 特征值提取流程及有效性分析
• 3.4 隐写分析的测试环境
• 3.4.1 测试流程
• 3.4.2 SVM分类器
• 3.4.3 图像库
• 3.5 多特征值隐写分析的测试实验与结果分析
• 3.5.1 与其它先进算法比较
• 3.5.2 多特征值算法性能分析
• 3.6 本章小结
• 第4章 基于贝叶斯的决策融合方法与测试分析
• 4.1 基于贝叶斯的决策融合方法
• 4.1.1 融合模型
• 4.1.2 贝叶斯最小风险决策理论
• 4.1.3 基于贝叶斯最小风险决策融合的隐写分析
• 4.2 测试实验及结果分析
• 4.3 本章小结
• 第5章 总结与展望
• 5.1 本文总结
• 5.2 工作展望
• 参考文献
• 致谢
• 攻读硕士期间发表论文情况