基于局部纹理特征的隐写检测研究

摘要

图像隐写是一种将信息隐藏于数字图像载体中的技术，其主要的特点是隐蔽性，即别人无法察觉到图像中隐藏了信息这一事实，而隐写检测算法试图根据各种已知信息，分辨出一幅图像是否包含隐藏信息。针对HUGO算法的研究是近年来隐写领域的研究热点之一，HUGO是一种空间域的自适应隐写算法，它使用高维度的SPAM特征来分析载体图像不同位置上隐藏信息的代价，然后挑选出一部分图像像素进行修改，因此能够抵抗大部分已知隐写检测方法的攻击。
　　本文介绍并分析了目前针对HUGO算法的三种检测算法的优点，再结合隐写算法的特点，提出了一种基于改进局部纹理特征的隐写检测算法。该算法在原始图像、差分图像以及预测误差图像上提取了LOCP和LPQ这两种局部纹理特征，随后将它们组合应用。由于组合后的特征维度很高，因此选用了组合学习分类器进行训练与测试，并运用了适当的方法降低特征维度。在BossBase1.0图像库上的实验显示，本文提出的隐写检测算法能够比原有的检测算法更准确地区分出载体图像和隐写图像，使用的30658维特征集获得了84.56％的检测准确率。

目录

封面

中文摘要

英文摘要

目录

第一章 引言

1.1 研究意义与目的

1.2 国内外研究现状

1.3 结构安排

第二章 相关研究简介

2.1 HUGO隐写算法及其检测方法

2.1.1 空间域隐写与隐写检测算法

2.1.2 HUGO隐写算法

2.1.3 Hugobreaker隐写检测算法

2.1.4 降维方法

2.2 局部纹理特征在隐写检测中的应用

2.2.1 局部纹理特征

2.2.2 基于局部二值模式特征的隐写检测算法

2.3 本章小结

第三章 基于改进纹理特征的隐写检测算法

3.1 HUGO算法及现有检测算法分析

3.2 基于改进局部纹理特征的特征提取

3.2.1 LOCP特征

3.2.2 LPQ特征

3.2.3 预测误差图像

3.2.4 特征提取流程

3.3 分类方法

3.4 降维方法

3.5 完整的隐写检测流程

3.6 本章小结

第四章 实验与结果

4.1 实验环境与方法

4.2 实验结果与分析

4.2.1 分类器的选择

4.2.2 局部纹理特征的选择

4.2.3 单组特征的检测效果

4.2.4 多组特征结合使用的检测效果

4.2.5 使用降维方法后的检测效果

4.3 实验结论

全文总结

参考文献

致谢

攻读学位期间发表的学术论文目录

声明