以直方图差值序列为特征的JPEG MB2隐写分析

基于JPEG图像的离散余弦变换(DCT)系数直方图差值序列,提出一种新的检测JPEG MB2隐写术的方法。该算法定义JPEG图像的DCT系数一阶直方图与其Cauchy拟合分布模型的系数直方图之间的差值序列作为相关性度量,在此基础上构造区分隐写图像和载体图像的分类特征序列。在特征分析中,通过Hilbert-Huang变换对特征序列进行经验模式分解,构建了基于Hilbert谱的特征向量。实验结果表明,基于该特征向量的支持向量机(SVM)对MB2隐写算法检测平均准确率达到84.48%,该方法也适用于JPEG MB1的检测。     

基于DCT系数多方向相关性的信息隐藏盲检测方法

给出了一种JPEG域基于离散余弦变换(DCT)系数多方向相关性的图像信息隐藏盲检测方法。首先利用DCT系数多方向相关性构造差值彼邻相关矩阵,然后利用此矩阵提取48维特征向量,最后使用支持向量机(SVM)区分载体、载密图像。该方法应用于6种典型的JPEG图像隐写算法,实验结果表明,该方法对这些隐写算法都能够进行比较可靠的检测。     

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。     

基于图像校准的通用型JPEG隐写分析

对JPEG图像隐写分析而言,直接在嵌入域中提取特征一般会取得更好的效果.然而,在现有的JPEG隐写术中,由于所嵌入秘密信息的能量要远远小于载体图像本身所具有的能量,因而秘密信息嵌入所引起的载体图像微小失真很难直接从给定的待测图像中发现.基于此,文中在已有JPEG图像全局校准方案的基础上,提出了对JPEG图像进行局部校准的新思路.并在此基础上提出了一种全局与局部校准相结合的通用型JPEG隐写分析算法.通过从待测图像和局部校准图像量化后DCT系数的差分信号中提取特征、以及对从待测图像和全局校准图像分别提取的特征进行差分等方式,使得提取的特征对秘密信息的嵌入更为敏感.此外,文中应用Markov转移概率矩阵,分别提取块内以及横向和纵向块间量化后DCT系数在幅值和符号两个方面的相关性作为特征.仿真结果表明,与已有的JPEG隐写分析算法相比,文中所提出的算法具有更好的检测效果.     

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。     

基于马尔可夫模型和支持向量机的JPEG图像隐写分析

提出了一种新的针对JPEG图像的通用隐写分析方法，利用马尔可夫模型，挖掘量化后的分块DCT系数中低频系数的相关性，提取出360维特征，然后采用支持向量机（SVM）分类方法进行识别。对四种公认的安全性较高的JPEG嵌入方法F5、Outguess、MB1和MB2进行隐写分析。在CorelDraw图像库的实验结果显示：该方法的检出率高、稳定性好且运算速度快。     

基于对称α稳态模型的JPEG通用隐写分析

针对JPEG隐写术检测问题,提出一种基于DCT系数分布模型的通用隐写分析方法。根据DCT系数统计分布规律,建立双参数对称α稳态模型,并将模型参数估计问题转化为离散的函数参数优化问题,利用改进的遗传算法进行求解。提取分布模型的参数作为隐写分析的特征,并运用图像校准技术进行校准以提高特征的敏感性。设计与特征相匹配的、具有线性阶计算复杂度的单类分类器进行隐写判别。实验结果表明,该方法可以有效地检测JPEG隐写术,当嵌入率为25%时,平均检测率达到76.1%,相比传统基于模型的隐写分析方法提高5.5%,具有更高的检测性能。     

基于双边转移概率矩阵的JPEG图像隐写检测

针对当前基于JPEG图像的典型隐写算法,基于离散余弦变换(DCT)域分块内及分块间相邻系数之间的相关性进行分析,通过将相邻三个系数的中间位置的系数作为条件,统计两边系数的条件分布概率矩阵,将提取的所得矩阵作为隐写检测敏感特征,提出了一种基于DCT系数双边转移概率分布的JPEG图像隐写检测算法。实验结果表明,在不同嵌入率下,该算法的检测性能均优于已有检测算法。     

采用SVR模型进行嵌入率估计的隐写分析方法

为解决大多数通用隐写分析算法不能检测秘密信息长度的问题,提出了一种改进的能估计秘密信息长度的通用隐写分析方法。从隐写图中提取描述DCT域系数相关性的132维特征,用支持向量回归机学习图像特征和相应嵌入改变率之间的映射关系并建立模型,根据映射模型估计测试隐写图的嵌入改变率。使用典型的嵌入算法:F5、outguess与MB进行测验,仿真结果显示提出的秘密信息长度估计算法是切实可行的。     

基于改进支持向量机的隐写分析方法

为了更有效地提高图像隐写分析的速度和正确检测率,提出了一种基于改进的支持向量机的隐写分析方法。采用Fridrich提出的多特征融合提取算法对图像进行特征提取,克服了单一特征不能很好描述图像差别的不足。然后提出了一种将最小二乘法与超球体一类支持向量机（HSOC-SVM）相结合的分类器——最小二乘超球一类支持向量机（LSHS-OCSVM）,并与目前广泛使用的FLD和非线性SVM分类器作对比实验。结果表明,方法是一种有效、高速的隐写分析方法。