针对HUGO隐写算法的图像隐藏信息检测

摘要

随着互联网与通信技术的快速发展，尤其是数字水印与隐写术的广泛发展与应用，使得秘密信息在信道中进行隐蔽通信更加容易。这些技术在给人们带来便利的同时，也容易被犯罪分子所利用，隐写术与数字水印的滥用会严重危害社会的安定，影响人民的生活。隐藏信息检测技术是阻止非法信息传播的重要途径，其主要任务是检测有无秘密信息的存在性，估计秘密信息长度，甚至估计密钥破解其隐写算法。图像具有冗余量大和使用广泛等特点，非常适合作为隐秘通信的载体。因此，研究图像信息隐藏检测技术具有重要的理论价值和现实意义。HUGO隐写是一种高难检测的隐写技术，研究针对HUGO的隐写检测具有一定的难度与挑战性。 本文从数字隐写和隐写分析的理论入手，理解相关概念、模型、技术指标，为了进一步提高现有检测算法的检测效果，提出两种针对HUGO隐写检测的算法并进行实验验证。论文的主要研究工作如下: (1)提出了基于残差共生矩阵的HUGO图像隐藏信息检测。先计算高阶残差，再对残差计算共生矩阵得到差异性特征，最后选取分类器进行实验验证。实验结果表明该检测算法对HUGO、EA、LSB匹配隐写算法都具有很好的检测准确率。进一步对提取的SQUARE、MINMAX、KB、MARKOV、EDGE等特征进行对比实验，证明SQUARE、MINMAX特征在相同条件下检测率要高于其他类型特征。最后对比了集成分类器和支持向量机分类器在相同嵌入容量条件下的检测准确率和时间复杂度，实验表明集成分类器是最佳选择。 (2)提出基于局部线性变换的HUGO图像隐藏信息检测。利用局部线性Laws模板对待测图像进行卷积高通滤波得到纹理，再提取（像素跨越s=3，5）共生矩阵作为其特征，选择集成分类器进行分类训练和测试，实验显示针对BOSSrank图像库中的图像得到了平均82.71％的检测准确率。为了不失一般性，再从BOSSbaseV0.92.、BOWS2、NRCS、UCID四个图像库中随机抽取7500幅图像自建图像库实验，对比不同图像库中在不同嵌入率的检测效果，绘制出ROC(receiver operator characteristic curve)，得出了自建图像库的平均检测错误率Pe。

目录

声明

摘要

1 绪论

1．1 研究的背景及意义

1．2 课题的来源

1．3 国内外的研究现状

1．4 论文工作内容与结构

1．5 本章小结

2 图像隐藏信息检测的相关理论与技术

2．1 隐藏信息检测的相关概念及模型

2．1．1 衡量信息隐藏的性能指标

2．1．2 隐写与隐写分析技术的概念

2．1．3 数字隐写基本模型

2．1．4 隐写分析的技术指标

2．2 典型的隐写算法

2．2．1 LSB替换隐写

2．2．2 LSB匹配隐写

2．2．3 图像边缘自适应隐写

2．2．4 高度不可检测隐写

2．3 常见的隐藏信息检测算法

2．3．1 卡方检测法

2．3．2 RS检测法

2．3．3 SPAM特征检测法

2．4 常用的分类器

2．4．1 贝叶斯分类器

2．4．2 支持向量机

2．4．3 集成分类器

2．5 本章小结

3 基于残差共生矩阵的HUGO图像隐藏信息检测

3．1 残差的计算

3．2 特征提取及特征参数

3．2．1 特征提取

3．2．2 特征参数

3．3 分类器

3．4 实验结果

3．4．1 实验参数设置

3．4．2 不同维度特征检测性能比较

3．4．3 不同特征类型检测性能比较

3．4．4 与LSB匹配算法的性能比较

3．5 本章小结

4 基于局部线性变换的HUGO图像隐藏信息检测

4．1 局部线性变换及其向量构造

4．1．1 局部线性变换算法

4．1．2 局部线性的向量构造计算

4．2 特征提取

4．3 分类器的选择

4．4 实验参数设置

4．5 实验结果分析

4．5．1 与其他算法检测性能比较

4．5．2 不同图像库检测性能比较

4．6 本章小结

5 总结和展望

5．1 总结

5．2 展望

参考文献

附录：攻读学位期间的主要学术成果

致谢