圖像隱寫分析關(guān)鍵技術(shù)及方法的研究.pdf

1、信息隱藏技術(shù)是信息安全領(lǐng)域一個(gè)新的研究熱點(diǎn)。圖像隱寫術(shù)是關(guān)于將機(jī)密信息隱藏于公開的圖像從而實(shí)現(xiàn)隱蔽通信的技術(shù)，隱寫分析是隱寫術(shù)的逆過(guò)程，是揭示機(jī)密信息存在的技術(shù)，隱寫術(shù)和隱寫分析既對(duì)立統(tǒng)一又互促互進(jìn)。圖像隱寫分析屬于交叉邊緣學(xué)科，涉及計(jì)算機(jī)網(wǎng)絡(luò)、圖像處理、數(shù)理統(tǒng)計(jì)、智能信息理論、模式識(shí)別、隨機(jī)過(guò)程、信息融合等知識(shí)。本文將圖像隱寫術(shù)和圖像隱寫分析統(tǒng)一研究，分析隱寫術(shù)宿主信號(hào)的選擇方案，重點(diǎn)關(guān)注圖像隱寫分析的研究，包括隱寫分析分類，隱寫分析

2、錯(cuò)誤及典型的隱寫分析算法。主要完成了以下幾個(gè)方面的工作：
　　 (1)研究隱寫術(shù)的一個(gè)關(guān)鍵問(wèn)題即宿主信號(hào)選擇方案。重點(diǎn)研究了圖像DCT域中兩種宿主信號(hào)選擇方案，一種方案直接在圖像DCT域系數(shù)中選擇宿主信號(hào)，提出根據(jù)選擇的DCT塊特定的系數(shù)絕對(duì)值與其鄰近系數(shù)絕對(duì)值均值的相對(duì)大小關(guān)系將機(jī)密信息嵌入在DCT中低頻系數(shù)中，另外一種方案在圖像DCT的細(xì)節(jié)子帶中選擇宿主信號(hào)，提出一種類似小波排列DCT系數(shù)構(gòu)造DCT域零樹，通過(guò)互換DCT塊中

3、一對(duì)中低頻系數(shù)修改零樹的個(gè)數(shù)，根據(jù)DCT塊中零樹個(gè)數(shù)的奇偶性嵌入和提取機(jī)密信息。
　　 (2)研究隱寫分析的一個(gè)關(guān)鍵問(wèn)題即隱寫分析特征提取。分析隱寫嵌入過(guò)程導(dǎo)致的圖像特征的變化，歸納總結(jié)專用隱寫分析和通用隱寫分析特征提取原則，從理論上分析了用于特征可分性的幾種判據(jù)，以及完成特征降維、選擇有效特征的主成分分析方法。在專用隱寫分析技術(shù)研究中，針對(duì)空域Gif圖像經(jīng)Gifshuffle隱寫會(huì)導(dǎo)致相鄰調(diào)色板值的相關(guān)性減弱特點(diǎn)，研究了檢測(cè)G

4、ifshuffle隱寫的專用隱寫分析算法CFA，給出GIF圖像調(diào)色板相關(guān)性函數(shù)定義，從而可通過(guò)測(cè)試調(diào)色板相關(guān)性函數(shù)來(lái)檢測(cè)Gifshuffle圖像隱寫。在通用隱寫分析技術(shù)研究中，提出了三域特征通用隱寫分析方法。由圖像的相鄰像素進(jìn)行水平、垂直和對(duì)角三向差分構(gòu)成差分圖像，提取三向閾值差分圖像的共生矩陣作為隱寫分析的特征矢量，提出了一種空域通用隱寫分析方法；使用量化分塊DCT系數(shù)絕對(duì)值生成水平、垂直和zigzag三向塊內(nèi)塊間差分?jǐn)?shù)組，采用馬爾可

5、夫過(guò)程模擬差分?jǐn)?shù)組，提取差分?jǐn)?shù)組一步轉(zhuǎn)移概率矩陣構(gòu)成DCT域隱寫分析特征，提出了一種DCT域通用隱寫分析方法；基于測(cè)試圖像及其預(yù)測(cè)誤差圖像的原圖、三級(jí)小波子帶，以及第一級(jí)小波分解對(duì)角子帶D1的再一次一級(jí)小波分解子帶的特征函數(shù)，選擇每一個(gè)子帶的特征函數(shù)前三階統(tǒng)計(jì)矩特征，用PCA進(jìn)行降維形成隱寫分析的特征向量，提出了一種DWT域通用隱寫分析方法。各域特征分類均采用SVM分類器。
　　 (3)研究信息融合理論，提出融合隱寫分析方法。針

6、對(duì)JPEG圖像隱寫，提取量化后水平、垂直和zigzag方向的分塊DCT系數(shù)絕對(duì)值差分?jǐn)?shù)組一步轉(zhuǎn)移概率矩陣特征，并對(duì)三向特征加權(quán)融合后形成融合特征，提出基于馬爾可夫模型和特征融合的隱寫分析。研究基于統(tǒng)計(jì)的融合決策理論，依據(jù)最小錯(cuò)誤率貝葉斯決策，推導(dǎo)多種基于局部決策后驗(yàn)概率的全局融合決策函數(shù)，著重提出組合系統(tǒng)似然函數(shù)融合準(zhǔn)則，利用組合系統(tǒng)似然函數(shù)融合準(zhǔn)則對(duì)各域局部分類結(jié)果進(jìn)行決策級(jí)融合得出最終的分類結(jié)果，提出基于最小錯(cuò)誤率貝葉斯決策的融合圖