基于SVM的圖像隱寫分析研究.pdf

1、隨著計算機網(wǎng)絡和信息技術的發(fā)展,網(wǎng)絡的信息安全面臨的問題和考驗也日益嚴峻.隱寫分析作為信息安全領域的一個重要分支,越來越為人們所關注.一方面隱寫分析可以檢測隱秘信息的存在,進而采取應對措施控制非法信息的傳播:而另外一方面可以作為衡量隱寫方法的安全性的一個量度,促進隱寫術的發(fā)展.因此,研究如何分析隱秘信息的存在,具有重要的現(xiàn)實意義.
　　本文主要研究幾種圖像LSB隱寫分析算法,并將其與支持向量機(SVM)結合,通過研究隱寫前后載體圖

2、像統(tǒng)計特征變化的來設計新的隱寫分析算法.主要工作內容如下:
　　(1)總結了國內外隱寫分析的成果和當前存在的問題,探討了信息量分析,RS分析, GPC分析等幾種隱寫分析算法,分析這些算法所采用的統(tǒng)計特征,并研究算法的檢測原理、嵌入率計算等問題.
　　(2)研究了圖像相鄰像素嵌入隱秘信息前后的統(tǒng)計特征變化規(guī)律,提出了一種新的利用相鄰像素相關性和紋理復雜度進行隱寫分析的算法.該算法根據(jù)相鄰像素相關性與圖像的紋理復雜度給出一組高階

3、統(tǒng)計矩,用支持向量機進行分類,并給出了算法的嵌入率估計.實驗結果表明,基于該組特征矢量的支持向量機分類器(SVC)能夠以比主流的基于相鄰像素相關性的隱寫分析算法更高的準確率識別掩密圖像,具有更優(yōu)的性能.
　　(3)研究了RS隱寫分析算法的檢測原理和其存在的不足.針對這種不足,結合統(tǒng)計學習理論,給出了一種基于支持向量機(SVM)的改進RS隱寫分析算法.改進后的算法在保留RS特征選取策略的前提下,改用支持向量機分類器(SVC)對選取的