JPEG图像隐秘检测算法

根据常用隐写算法Outguess、F5、Steghide对JPEG图像量化DCT系数首位数字直方图和独立直方图的改变,提出一种JPEG图像隐秘检测算法。该算法提取JPEG图像量化DCT系数首位数字直方图和独立直方图作为图像特征,共144维,并采用Fisher分类器进行识别。实验结果证明,该算法检测率高、适用性好。     

基于位平面游程变化的LSB隐秘分析*

在对图像各位平面间游程数变化的分析基础上,提出了一种基于位平面游程变化的隐秘分析方法.采用多元回归模型,对图像LSB位平面的原始参数进行估计和比较,实现待检测图像中是否含有隐藏信息的检测.实验结果表明,该方法通用性强,具有良好的检测率.     

基于线性预测的图像无损信息隐藏方法

对Thodi算法（Thodi D M, Rodrfguez J J. Reversible watermarking by prediction-error expansion [ C] //Proceedings of the 6th IEEE Southwest Symposium on Image Analysis and Interpretation, Lake Tahoe, Nevada, 2004 ： 21-25）进行了预测误差算法和嵌入／提取算法2方面的改进．较好地实现了大数据量信息在图像中的隐秘传输，使提取隐藏数据后能无损恢复原图像．该方法已用于将病人信息隐藏在医学图像中，使得藏有信息的图像在传输过程中出现噪声或丢失信息时，仍可较好地从中提取病人信息；亦可用于遥感、军事图像的隐秘传输等领域．     

基于图像的信息隐藏检测算法和实现技术研究综述

基于图像的信息隐藏及分析技术是信息安全领域的一个重要方面。信息隐藏技术包括了隐写术和数字水印。信息隐藏检测技术是信息隐藏技术的攻击技术。通过基于图像的信息隐藏检测技术，可以判断图像中是否存在信息的隐藏和嵌入。基于图像的信息隐藏检测技术包括了数字图像特征分析、检测算法和实现技术。提出了基于图像的信息隐藏检测技术的知识体系。重点阐述了多种基于图像的信息隐藏检测算法，并进行了理论分析和实验测试。分析了现有的几种基于图像的信息隐藏的实现技术，提出了一个面向Internet应用的检测系统模型。     

基于小波包分解的JPEG图像统计特性研究

该文首先给出了小波包分解系数绝对值的线性预测模型,由此提出了基于小波包分解的图像频域统计特性研究方法。然后针对JPEG图像研究其频域统计特性与文件大小之间,以及信息隐藏对频域统计特性的影响与其文件大小之间的关系。实验结果表明,JPEG图像频域统计特性与其文件大小之间具有相关性;信息隐藏工具Jsteg4.1对JPEG图像频域统计特性的影响与其文件大小之间具有相关性,而且主要表现为小波包分解系数的均值产生了显著失真;信息隐藏工具F5r11对JPEG图像频域统计特性的影响与其文件大小之间则不具有相关性。     

基于SVM的JPEG图像隐密分析研究

分析了JPEG图像的信息隐藏方法及各种攻击算法，提出了一种新的基于支持向量机（SVM）的目检测算法。通过分析研究与信息隐藏相关的多个图像统计特征量，设计了图像DCT系数的直方图、边界不连续性、相关差值、相关直方图等值组成特征向量，然后采用SVM方法进行分类，实现了一种新的图像隐密分析方法。实验结果表明，这是一种有效的、高精度的盲检测方法，能够准确识别出图像是否隐藏有秘密信息。     

改进的小波高阶统计量的JPEG图像隐写分析

提出了一种针对JPEG图像隐写的盲检测改进方法。直接把JPEG图像的DCT系数分解到小波域,计算出各个子带小波系数的一系列高阶统计特征。对得到小波高阶统计特征进行校准,以使统计特征能更好地反映信息嵌入以后的变化。校准后的统计特征作为图像最后的特征。应用基于核技巧的支持向量机SVM作为分类器,判断图像是否含有隐藏信息。针对两种典型的JPEG类嵌入方法Outguess和JP Hide & Seek进行了实验,结果表明该方法有效地实现了信息隐藏的盲检测分析。     

分块自适应JPEG图像数据隐藏算法*

为提高隐秘JPEG图像视觉质量与隐藏容量,在修改JPEG缺省量化表的前提下,针对JPEG图像提出一种自适应数据隐藏算法。该算法首先根据图像分块视觉特性确定用于数据隐藏的图像分块,然后应用LSB替换方法修改DCT域量化后AC系数以嵌入秘密数据。实验结果表明,该算法在保证较好透明性的同时,显著提高了JPEG图像隐藏容量,与其他同类算法相比,隐藏容量提高约21%。该方案可为互联网环境图像实时通信提供安全保障手段。     

一种基于多域特征的JPEG图像隐写分析算法

为实现对以JPEG图像为载体的隐秘图像的高效检测,提出了一种基于多域特征的通用隐写分析算法。该算法结合两种不同校准方法在图像不同域中对原始载体图像的估计能力,分别从图像DCT域、空域和DWT域中提取特征向量,提高了特征向量对隐秘信息的敏感性,达到了隐秘图像的高效检测。实验结果表明,与现有几种典型的通用隐写分析算法相比,所提算法具有很好的检测效果且稳定性好、运算速度快。     

隐秘图像嵌入与检测算法比较研究

本文从参数估计理论中的Fisher信息和Cramer-Rao不等式出发,将隐秘图像嵌入与检测的一般过程抽象出来,以系统的观念来研究各种嵌入与检测算法,并给出了一种给定原始图像和隐秘消息的嵌入算法和给定隐秘图像的检测算法优劣统计特性判定准则。     

基于SVM信息融合的图像识别与并行实现

提出用支持向量机（SVM）融合三种基于不同特征表示的表情识别方法进行表情识别,即PCA表情表示、SVM表情表示和FLD表情表示。在用SVM进行特征提取时,提出一种高效的方案选择投影轴。在提取各种特征表示后,对每一种表情特征用1阶最近邻分类器进行初步识别,最后用支持向量机融合这些分类结果进行表情的最终识别。并且针对目前还没有硬件实现情况,提出用TI公司的达芬奇系列的DSP芯片构建并行系统来实现SVM融合算法方案,讨论并优化DSP实现算法的过程,通过实验的结果表明,提出的方案是有效的。     

基于小波和非负稀疏矩阵分解的人脸识别方法*

提出了利用小波变换(WT)、非负稀疏矩阵分解(NMFs)和Fisher线性判别(FLD)来进行人脸识别。用小波变换分解人脸图像,选择最低分辨率的子段,既能捕获到人脸的实质特征,又有效地降低了计算复杂性;非负稀疏矩阵分解能显示地控制分解稀疏度和发现人脸图像的局部化表征;Fisher线性判别能在低维子空间中形成良好的分类。实验结果表明,这种方法对光照变化、人脸表情和部分遮挡不敏感,具有良好的健壮性和较高的识别效率。     

基于二维Fisher线性判别的掌纹识别方法

在Fisher线性判别(FLD)中,类内离散矩阵总是奇异的。为了解决矩阵的奇异性问题,应用一种新的二维Fisher线性判别(2DFLD)直接进行矩阵投影。对于PolyU掌纹图像库,分别用PCA, PCA+FLD和2DFLD提取特征掌纹子空间,将待识别图像投影到低维子空间上,用余弦距离进行掌纹匹配。实验结果表明,与PCA相比,PCA+FLD的识别率最多提高1.18%。2DFLD识别率最高达到99.34%,比PCA+FLD提高7.61%,特征提取仅耗时0.047 s。     

2DFLD与LPP相结合的人脸和表情识别方法

提出一种二维Fisher线性判别分析(2DFLD)与局部保持投影(LPP)相结合的人脸和表情识别方法.首先,将训练集图像用2DFLD投影,使其按身份分离.然后,用LPP进行二次投影提取出它的表情流形.最后,给出概率度量,得到待测图像属于各类身份和表情的概率,从而识别出它的人脸和表情的类别.在CMU-AMP和JAFFE人脸库上的实验表明,该方法简便有效、识别效果好.     

基于部件的级联线性判别分析人脸识别

文章提出一种基于人脸部件表示的级联线性判别分析人脸识别方法。该方法将人脸图像划分为具有交叠区域的多个部件,对每个部件应用线性判别分析以寻找该部件的判别方向,然后对所有部件应用线性判别分析以寻找总体最优判别方向。以从该级联线性判别分析提取的特征作为人脸描述。在FERET人脸库上的人脸识别和人脸确认的实验结果表明,该方法优于传统的基于全局图像的Fisherface方法。     

基于特征融合与核局部Fisher判别分析的行人重识别

行人重识别精度主要取决于特征描述和度量学习两个方面。在特征描述方面,现有特征难以解决行人图像视角变化的问题,因此考虑将颜色标签特征与颜色和纹理特征融合,并通过区域和块划分的方式提取直方图获得图像特征;在度量学习方面,传统的核局部Fisher判别分析度量学习方法对所有查询图像统一映射到相同的特征空间中,忽略了查询图像不同区域的重要性,为此在核局部Fisher判别分析的基础上对特征进行区域分组,采用查询自适应得分融合方法来描述图像不同区域的重要性,由此实现度量学习。在VIPeR和iLIDS数据集上,实验结果表明融合后的特征描述能力明显优于原始特征,同时改进的度量学习方法有效提高了行人重识别精度。     

图像代数特征在面部表情识别中的应用

探讨了图像代数特征在面部表情识别中的应用，首先对面部表情图像进行了分割，得到眼睛和嘴巴区域，然后分别对眼睛和嘴巴区域提取不变矩和奇异值特征向量，并进行Fisher线性判别分析，最后训练了支持向量机分类器。实验结果表明该方法取得了比较好的识别效果。     

核函数FISHER鉴别在性别鉴别中的应用

该文在线性FISHER鉴别的基础上,探讨了核函数FISHER鉴别原理;然后将核函数FISHER鉴别用于性别鉴别中,并提出了相应算法;对ORL人脸图像数据库进行实验;详细分析了算法在不同样本分布和不同参数条件下的识别结果;表明了在两类模式识别中核函数FISHER鉴别理论具有良好的识别效果及极佳的推广能力。     

局部Fisher判别分析算法及仿真研究*

复杂化工过程常被多种类型的故障损坏,正常的训练数据无法建立准确的操作模型。为了提高复杂化工过程中故障的检测和分类能力,传统无监督Fisher判别分析(Fisher Discriminant Analysis,FDA)算法无法在多模态故障数据中的应用,本文提出基于局部Fisher判别分析(Local Fisher Discriminant Analysis,LFDA)的故障诊断方法。首先计算训练数据的局部类内和类间离散度矩阵,寻找LFDA的投影方向;其次把训练数据和测试数据向投影向量上投影,提取特征向量;最后计算特征向量间的欧氏距离,运用KNN分类器进行分类。把提出的LFDA方法应用到Tennessee Eastman(TE)过程,监控结果表明,LFDA的效果好于FDA和核Fisher判别分析(Kernel Fisher Discriminant Analysis,KFDA),说明LFDA方法在分类及检测不同类的故障方面具有高准确性及高灵敏度的优势。     

Augmented DT-CWT feature based classification using Regularized Neighborhood Projection Discriminant Analysis for face recognition

This paper presents a novel face recognition method which integrates the Augmented Dual-Tree Complex Wavelet Transform (ADT-CWT) representation of face images and Regularized Neighborhood Projection Discriminant Analysis (RNPDA) method. ADT-CWT first derives desirable facial features characterized by spatial frequency, spatial locality, and orientation selectivity to cope with the variations due to illumination and facial expression changes. Different from DT-CWT, which does not consider the structural characteristics of the face images, our representation method not only considers the statistical property of the input features but also adopts an Eigenmask to emphasize those important facial feature points. The dimensionality of the derivation of ADT-CWT feature is further reduced by using RNPDA, which directly obtain a set of optimal eigenvectors with a simple regression framework and thus can overcome the small sample size problem of NPDA. Extensive experiments have been made to compare the recognition performance of the proposed method with some popular dimensionality reduction methods on the FERET database, the extended YALEB database and the CMU PIE database. The results verify the effectiveness of the proposed method.