基于像素差分相关性的LSB匹配隐写分析

针对空间域LSB匹配隐写,提出了一种基于像素差分相关性的隐写分析方法.采用图像的直方图、差分直方图的平滑度、梯度能量、图像平滑度,像素差分的一维和高维统计分布等作为分类特征,结合Fisher线性判别进行隐写分析.实验结果表明,新算法对于LSB匹配的检测具有较高的准确性,且计算复杂度低.该算法还可应用于其他空间域隐写方法的检测.     

基于滤波复原的小波特征LSB匹配隐写分析方法

空域LSB匹配数字隐写是隐写分析中的难点问题,尤其是在低嵌入率下的检测.本文将LSB匹配数字隐写过程看作是一种被加性噪声污染的图像退化过程,从而引入图像复原技术,提出一种基于中值滤波复原的小波特征LSB匹配隐写分析方法.实验结果表明,针对经过JPEG压缩的图像,本文方法在性能上有了很大的提高,尤其在低嵌入率条件下优势更加明显,并且事先不用估计嵌入率,方法简单,易于实现.最后指出本文方法能够消除不同图像内容引起特征巨大变化的一种有效手段,达到正确检测秘密信息的目的.     

基于区域随机性度量的LSB匹配隐写分析

依据图像信源区域平稳性质,分析LSB匹配隐写对图像区域统计特性的影响,提出一种基于区域随机性特征的隐写分析方法.运用分块处理划分图像区域,对各区域像素进行Hilbert扫描并提取像素最低有效位比特序列,进而将比特序列作异或运算所得到的参量定义为区域随机性度量指标,最后统计并分析区域随机性指标直方图,提取直方图信息熵、特殊取值及原点矩3类特征,结合Fisher线性分类器对载体、载密图像进行判别.实验结果表明,该方法在不同图像库和不同嵌入率条件下对LSB匹配隐写均表现出良好的检测性能,与现有典型检测算法相比其检测性能具有明显提高.     

针对LSB匹配隐写的图像复原隐写分析

最低有效位(LSB)匹配隐写是目前图像隐写分析的难点和热点之一.为了提高针对LSB匹配隐写的隐写分析算法性能,将图像退化复原理论与图像隐写分析相结合,提出一种新的隐写分析算法.首先将LSB匹配隐写过程建模为加性噪声造成的图像退化过程,提出了一种专用复原滤波算法;然后将载密图像的复原图像作为载体图像的估计图像,提取载密图像与估计图像的质心特征,结合Fisher线性判决器实现隐写分析.实验结果表明,复原滤波算法可有效地复原受LSB匹配隐写噪声污染的退化图像,隐写分析算法的总体性能优于Ker方法,尤其在低嵌入率条件下表现良好,适用于空间域图像LSB匹配隐写.     

基于直方图特性的LSB匹配隐写分析研究

为了提高对高精度原始图像LSB匹配数字隐写的检测能力,提出了基于直方图特性的LSB匹配隐写分析方法.根据高精度原始图像在LSB匹配数字隐写过程前后灰度直方图、差分直方图以及小波分解后的子带系数直方图的特性差异,提取了23维的特征向量,并使用支持向量机对其进行训练,建立区分载体图像与载密图像的分类器达到检测秘密信息的目的.实验结果表明,该方法在性能上要优于文献[5]的局部极值法.     

小波细节信息的LSB隐写分析算法

为了准确地估计出隐藏图像的嵌入率,利用LSB隐写对图像小波细节信息影响较大这一特点,首先给出了图像的小波细节信息和小波细节信息能量的定义,同时利用LSB隐写图像计算出其原始图像的小波细节信息能量;然后根据隐写图像与原始图像的小波细节信息能量,估计出LSB隐写图像的嵌入率。实验证明,该方法在隐藏图像嵌入率不是很低的情况下,能够比较准确地估计出隐藏图像的嵌入率。     

基于局部相关性的LSB匹配隐写分析

针对LSB匹配嵌入机制,提出一种利用局部区域像素之间相关性的LSB匹配隐写分析方法。根据较高位平面灰度之间的距离选择图像的平坦区域,将随机性较强的最低两个和三个位平面取出,统计相同灰度值图像块的个数,使用中值滤波对图像进行滤波复原处理,得到差异特征。引入和图像的均值进一步提高检测性能,共计得到4维特征使用Fisher线性分类器判别载体、载密图像。实验证明,该方法对未压缩高精度图像具有较好的检测性能。     

基于嵌入影响变化率的灰度图像LSB匹配检测方法

对灰度图像LSB匹配隐写提出了一种新的检测方法.通过引入不同幅度的修改,分析了消息嵌入过程对载体和载密图像影响的差异,并利用这种嵌入影响的变化率构造了一个分类器.实验表明该方法对于经过JPEG转换的灰度图像和非压缩灰度图像均有较好的检测效果.     

一种针对LSB匹配隐写的负载定位新算法

针对最不重要比特位(Least significant bit, LSB)匹配隐写算法,本文提出了一种新的负载定位算法。将隐写负载定位看作二分类问题,将载密图像每个像素位置看作待分类样本,通过提取载密图像集中每个像素位置在8个方向上的相邻像素差分平方均值特征,利用支持向量机(Support vector machine,SVM)分类器,将每个像素位置划分到正确的类别——负载位置或非负载位置。本文从理论和实验两方面验证了所提分类特征的有效性。针对LSB匹配隐写,本文方法与最大后验概率(Maximum a posteriori, MAP)载体估计方法做出比较,在低嵌入率条件下,本文方法的定位性能有明显提高。     

数字图像LSB隐写分析统计模型初探

数字图像LS(BLeast Significant Bits)在统计上与二项分布相似,结构上与原宿主图像仍然具有一定的相关性,从而导致经典LSB替换算法产生直方图"阶梯效应"。本文主要从图像像素以及像素间关系的特征函数出发,观察其常见统计模型的变化,为设计有效的图像隐写算法及隐写分析算法提供参考依据。     

空域LSB信息伪装及其隐写分析

介绍了最不重要比特(LSB)替换和LSB匹配2种典型的基于图像的信息伪装算法,阐述了两者的隐藏原理及优缺点。分类论述了各类隐写分析算法,分析其检测原理,给出了各类算法的适用范围和优缺点,对每类算法中的典型分析方法进行评价。根据信息嵌入过程对载体图像的影响分析得出LSB匹配信息伪装算法的安全性要高于LSB替换信息伪装算法的结论。指出了提高隐藏信息安全性的途径和努力方向。     

一种针对jpg图像LSB匹配隐写术的检测算法

本文着眼于研究检测jpg图片的隐写信息。LSB匹配隐写算法吸引了众多研究者的目光,因为它们很易于实现。相对于LSB替换算法,LSB匹配算法的检测要困难得多,这是由于它的隐写过程没有引入非对称性。本文根据jpg图片隐写后相邻色彩数显著增加的统计特性,提出自己的判决函数,并且进行了实验,证明了该算法的优越性。     

基于改进逻辑回归分类算法的LSB匹配隐写检测

常见的采用高斯核支持向量机（Gaussian support vector machine, G SVM）分类 算法构建分类器的隐写检测方法对最低比特位（Least significant bit, LSB）匹配隐写算 法均存在训练时间过长的问题。针对这一问题,提出一种改进逻辑回归分类算法,即L曲线 截断正则化迭代重加权最小二乘（L curve truncated regularized iteratively re-we ighted least squares, LTR IRLS）算法。该算法采用L曲线法来确定适合于隐写特征的Ti khonov正则算法的近似最优参数,并通过实验寻找出符合隐写特征的截断牛顿算法收敛参数 ,从而提高了检测准确率;采用重加权最小二乘法计算最大似然估计,并通过截断牛顿法避免计算最小二乘中的海森矩阵,降低了计算量。理论分析与实验结果证明,针对LSB匹配隐写检测,LTR IRLS分类算法在保证检测准确率优于G SVM分类算法的情况下,极大地降低 了训练时间,从而提高了检测速度。     

基于图像相邻像素相关性的LSB匹配隐写分析

LSB匹配隐写是图像隐写分析中的重点研究问题。根据图像相邻像素的相关性, 提出了一种新的隐写分析算法。通过图像复原算法计算出复原图像, 利用高阶Markov链模型分别对待检测图像和复原图像建模, 根据LSB匹配隐写对高阶Markov链模型经验矩阵的影响, 提取复原图像和待检测图像的统计特征组合成新的27维特征向量对支持向量机进行训练。实验表明提出的算法对LSB匹配隐写有较好的分析效果, 特别在嵌入率低的情况下, 算法具有较好的分析能力。     

基于差分直方图实现LSB信息伪装的可靠检测

在信息伪装技术研究中,图像中隐藏信息的检测对于保障网络信息安全和提高信息伪装算法的安全性具有重要意义.基于对图像差分直方图的统计观察,提出了一种新的可靠检测空域LSB(least significant bit,最不重要比特位)信息伪装的方法.定义差分直方图间的转移系数作为LSB平面与图像其余比特平面之间的弱相关性度量,并在此基础上构造区分载密图像和载体图像的分类器.这一算法不仅可以高度可靠地确定图像中通过空域LSB替换方法嵌入的秘密信息的存在性,还可以准确估计图像中嵌入的秘密信息数据量的大小.算法物理意义直观,实现简单,计算量小.实验结果表明,针对原始无损存储图像可以获得优于RS(regular singular)隐写分析方法的性能,且计算速度显著高于RS隐写分析方法,有利于实现实时检测.该方法也适用于彩色图像.     

一种针对jpg图像LSB匹配隐写术的检测算法

本文着眼于研究检测jpg图片的隐写信息。LSB匹配隐写算法吸引了众多研究者的目光，因为它们很易于实现。相对于LSB替换算法，LSB匹配算法的检测要困难得多，这是由于它的隐写过程没有引入非对称性。本文根据jpg图片隐写后相邻色彩数显著增加的统计特性，提出自己的判决函数，并且进行了实验，证明了该算法的优越性。