基于空域富模型的圖像隱寫分析統(tǒng)計特征研究.pdf

1、隱寫和隱寫分析是信息安全領域的一對矛盾。前者專注于把秘密信息隱藏在媒體中，后者致力于發(fā)現(xiàn)媒體中是否隱藏了秘密信息。隱寫和隱寫分析研究在國家安全、軍事情報、政府機密、反恐斗爭、商務機密等方面具有重要意義。
　　圖像內(nèi)容自適應隱寫方法通過對載體圖像（自然圖像）的不平滑區(qū)域進行微小的改動把秘密信息隱藏在圖像中。隱藏了秘密信息的圖像被稱為載密圖像。
　　圖像定性隱寫分析是針對圖像的二分類問題，其目標是判別一幅圖像是載體圖像還是載密圖

2、像。隱寫會改變自然圖像的相鄰像素相關性，也會改變自然圖像的殘差圖像（高頻成分）的相鄰像素相關性。主流的隱寫分析方法抽取能描述殘差圖像相鄰像素相關性的統(tǒng)計量作為隱寫分析特征，然后利用機器學習工具訓練隱寫分析分類器。
　　SRM(Spatial Rich Model)是一種典型的圖像定性隱寫分析方法。它設計了豐富多樣的空域高通濾波器，并采用這些濾波器對圖像濾波以獲取豐富多樣的殘差圖像;然后分別統(tǒng)計每種相鄰殘差樣本模式在一幅殘差圖像中出

3、現(xiàn)的頻次，得到殘差圖像的共生矩陣;最后，把共生矩陣的元素重新排成向量作為隱寫分析特征。
　　在SRM研究工作的基礎上，本文提出了新的隱寫分析統(tǒng)計特征抽取和處理方法，取得的創(chuàng)新性成果如下。
　　(1)提出一種相鄰殘差樣本選擇方法以提高隱寫分析性能。通過分析不同類型的相鄰殘差樣本對隱寫分析的有效性，定義了無效、有效和高效的相鄰殘差樣本集。隱寫前后不變的相鄰殘差樣本對隱寫分析是無效的，并且它們會給隱寫分析特征引入干擾。采用選擇相鄰

4、殘差樣本抽取隱寫分析特征的方法能削弱無效相鄰殘差樣本對隱寫分析特征的干擾。更進一步地，設計了多階統(tǒng)計特征以增加特征多樣性。實驗結(jié)果表明提出的方法能取得比SRM方法更好的隱寫分析性能。
　　(2)提出一種基于隨機投影的對SRM特征降維的方法——FPSRM(Fast Projections ofSpatial Rich Model feature)。提高殘差圖像的截斷閾值和共生矩陣的階數(shù)能得到高維SRM特征，它能利用更多統(tǒng)計特征在更大

5、鄰域范圍內(nèi)描述殘差圖像的相鄰像素相關性，但這會使隱寫分析陷入維數(shù)災難。注意到每一維SRM特征是一種相鄰殘差樣本模式在殘差圖像中出現(xiàn)的頻次，而一種相鄰殘差樣本模式可以被看作高維空間中的一個點，所有相鄰殘差樣本模式可以被看作高維空間中的點陣。提出的FPSRM方法對高維空間的點陣進行多次隨機投影，每次投影都把包含在同一個隨機超平面及其鄰近區(qū)域內(nèi)的相鄰殘差樣本模式對應的特征相加得到一維特征。提出的方法能從不同的角度和尺度感知大量相鄰殘差樣本的轉(zhuǎn)

6、移并對SRM特征降維。實驗采用與SRM稍有不同的方法抽取了兩種分別高達7，247，295維和658，845維的高維特征，然后分別將這兩種高維特征投影得到較低維的FPSRM特征。實驗表明提出的FPSRM方法的隱寫分析性能優(yōu)于典型的SRM和PSRM(Projections of Spatial Rich Model)方法，并且抽取FPSRM特征比抽取典型PSRM特征快。
　　(3)提出一種特征隨機子集歸一化方法——NRS(Normal

7、ization on Random feature-Subset)，以很小的計算復雜度代價提高已有隱寫分析特征的隱寫分析性能。注意到一幅載體圖像與對應的載密圖像的特征差異非常小，而不同載體圖像的特征及其統(tǒng)計分布差異非常大。提出的方法首先從已有隱寫分析特征中隨機抽取特征子集，然后采用逐樣本放縮方法對特征子集歸一化，使不同圖像的特征子集具有相同的1-范數(shù)。提出的方法能調(diào)整已有隱寫分析特征的統(tǒng)計分布。對SRM特征進行了歸一化實驗，結(jié)果表明:在