论文部分内容阅读
图像载体特性对通用隐写分析方法的性能有着重要影响，设计有效的图像纹理复杂度计算方案来对图像进行预处理及分类，并对子分类器的分类结果进行融合可以进一步提升现有隐写分析方法的性能。为此，论文提出一种基于方向滤波器的图像纹理复杂度的计算方法，并在此基础上构造基于分块图像的隐写检测分类器，通过对分块图像隐写分析结果的D-S决策融合实现自适应图像隐写分析。论文开展的主要研究工作如下: (1)详细介绍了LSB匹配、EALSBMR和HUGO隐写算法，以及IQM、PDF、CF、共生矩阵、HCF、SPAM和RichModel隐写分析算法的原理。通过实验比较了若干典型隐写分析方法(PDF、CF、共生矩阵以及SPAM)在集成分类器和支持向量机分类器下的检测性能。 (2)在广泛调研已有图像纹理复杂度计算方法及其在隐写和隐写分析方面的应用情况的基础上，提出了一种基于方向滤波器的图像纹理复杂度计算方法。该方法采用DB8小波作为方向滤波器，且满足纹理复杂度的单调、非负和有界要求。基于所提纹理复杂度的分类针对性隐写分析实验表明所提方法能有效反映载体特性和隐写分析正确率的关系。 (3)在所提基于方向滤波器的图像纹理复杂度计算方法的基础上，论文提出了一种基于分块的自适应隐写分析方案。该方案通过训练分块图像的针对性分类器，并结合D-S证据理论给出待检测图像多个分块的综合检测结果。针对性训练测试和非针对性训练测试的相关实验表明:本文所提的自适应隐写分析方案可有效改善现有隐写分析特征的检测分析性能。 论文最后对全文进行了总结，并对未来值得进一步研究的问题进行了展望。