基于主成分分析的泛盲掩密分析方案

摘要

为了能够对掩密后图像进行有效的检测,首先从分类特征维数、单个特征的有效性和特征相关性等3个方面对Farid泛盲掩密分析算法的缺陷进行了分析,然后提出了采用主成分分析技术对分类特征进行降维处理的方法,并基于RBF(radial basis function)网络构造了新的泛盲掩密分析方案.该方案不但大大降低了用于分类的图像特征的维数,而且提高了掩密分析的检测性能.利用该方案和Farid的方案分别对用JSteg等软件掩密后的图像进行的检测比较实验表明,经主成分分析预处理后,该方案的样本集特征矢量维数比Farid方案分别减少了174(Jsteg)维、163(EzStego)维和180(S-Tools)维,而特征数目的减少又大大简化了分类器的设计,而且,该方案能够有效检测嵌入消息占可嵌容量的比例达60%(Jsteg)、80%(EzStego)、50%(S-Tools)以上的掩密图像,并获得了比Farid算法更高的检测率.