基于空域富模型的圖像隱寫分析統(tǒng)計(jì)特征研究.pdf

1、隱寫和隱寫分析是信息安全領(lǐng)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(bào)、政府機(jī)密、反恐斗爭、商務(wù)機(jī)密等方面具有重要意義。
　　圖像內(nèi)容自適應(yīng)隱寫方法通過對載體圖像（自然圖像）的不平滑區(qū)域進(jìn)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(biāo)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(guān)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(guān)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(guān)性的統(tǒng)計(jì)量作為隱寫分析特征，然后利用機(jī)器學(xué)習(xí)工具訓(xùn)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(shè)計(jì)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(jì)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(chǔ)上，本文提出了新的隱寫分析統(tǒng)計(jì)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(jìn)一步地，設(shè)計(jì)了多階統(tǒng)計(jì)特征以增加特征多樣性。實(shí)驗(yàn)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(jī)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?cái)嚅撝岛凸采仃嚨碾A數(shù)能得到高維SRM特征，它能利用更多統(tǒng)計(jì)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(guān)性，但這會使隱寫分析陷入維數(shù)災(zāi)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(diǎn)，所有相鄰殘差樣本模式可以被看作高維空間中的點(diǎn)陣。提出的FPSRM方法對高維空間的點(diǎn)陣進(jìn)行多次隨機(jī)投影，每次投影都把包含在同一個隨機(jī)超平面及其鄰近區(qū)域內(nèi)的相鄰殘差樣本模式對應(yīng)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(shí)驗(yàn)采用與SRM稍有不同的方法抽取了兩種分別高達(dá)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(shí)驗(yàn)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(jī)子集歸一化方法——NRS(Normal

7、ization on Random feature-Subset)，以很小的計(jì)算復(fù)雜度代價(jià)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(yīng)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(jì)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(jī)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(jì)分布。對SRM特征進(jìn)行了歸一化實(shí)驗(yàn)，結(jié)果表明:在