学位论文 > 优秀研究生学位论文题录展示

数字图像隐写检测关键问题研究

作 者: 罗向阳
导 师: 刘粉林
学 校: 解放军信息工程大学
专 业: 计算机应用技术
关键词: 空域隐写 频域隐写 特定隐写检测 通用盲检测 特征综合 时频分析 特征比较
分类号: TP391.41
类 型: 博士论文
年 份: 2010年
下 载: 146次
引 用: 2次
阅 读: 论文下载
 

内容摘要


如何实现隐密载体的可靠检测,具有重要的现实意义和理论价值。十几年来,研究者们在隐写检测方面已经取得了许多优秀的研究成果,但仍有许多问题亟待研究和解决。本文主要开展数字图像隐写检测方面的研究,全文共八章,分三部分。主要包括:一、背景知识及国内外研究进展方面。从应用背景和技术背景阐述了隐写与隐写检测的现实意义和理论价值;简要介绍了信息隐藏的基本概念、模型及研究概况;详细阐述了图像隐写检测方面的研究进展。二、图像特定隐写检测研究方面。运用替换隐写所确立的像素对固定更改模式,提出了空域最低两位平面(LTSB)替换隐写和最低多位平面(MLSB)自适应隐写检测方法;基于DCT系数直方图相对熵,给出了频域F5隐写的信息嵌入比率估计算法。其中:1、针对空域LTSB替换隐写,通过分析图像相邻像素对集合在隐写前后的变化,发现了自然图像随隐写变化的统计规律。在此基础上,基于相似三角形原理,给出了空域LTSB替换隐写信息比率估计算法。实验表明,该算法能较为准确地估计LTSB隐写信息比率,克服了现有检测算法在嵌入率较高情况下出现的病态问题。2、针对空域MLSB自适应隐写,提出了基于特定区域和像素对分析的自适应隐写信息比率估计的一般方法;以非平坦区域为特定区域,给出了基于MBPIS(Multiple Bit Planes Image Steganography)自适应隐写的特定区域选取和隐写信息比率估计算法。实验表明,算法能较为准确地估计MBPIS隐写图像中各位平面隐写信息比率。3、针对频域F5隐写,首先,基于校准待检测图像估计原始图像,并计算嵌入率为p的隐写图像系数直方图;然后,基于待检测图像和隐写图像系数直方图的相对熵,得到隐写图像系数更改比率,并将该更改比率视为待检测图像系数更改比率的估计;最后,根据更改比率估计和待检测图像,修正原始图像直方图,并给出隐写信息比率估计算法。实验表明,相比现有典型检测算法,给出的新算法具有更高的估计精度。三、通用盲检测算法及特征比较分析方面。从隐写检测算法设计和隐写盲检测特征比较分析两个方面进行了研究。在算法研究方面,从多域特征的角度,给出了原始图像、PS类图像和隐写图像分类的多种盲检测算法;从时频分析的角度,给出了基于完全小波包分解、基于最优小波包分解的多种盲检测算法。在特征比较分析方面,基于小波系数多种子带,对PDF(概率密度函数)矩、CF(特征函数)矩等特征进行了比较,给出了在不同子带中两类特征优劣的理论依据。其中:1、基于多域特征综合的通用盲检测。首先,提出了一种基于多域特征综合的原始图像与非原始图像、PS类图像与隐写图像、不同隐写类图像间的分类算法架构。其次,设计并实现了基于空域像素、DCT系数和小波子带系数相关统计量为特征的盲检测算法,基于小波域特征联合的PS类图像与隐写图像的分类算法,基于空域相邻像素对偏离度的LSB替换与LSB匹配隐写图像分类算法。实验表明,架构提高了隐写检测的实用性,算法具有更高的检测正确率和通用性。2、基于优化时频分析的隐写通用盲检测。从优化时频分析的角度探讨了特征提取源的构造。基于既无冗余、又无疏漏的完全小波包分解对图像进行时频分析,给出了基于完全小波包分解的盲检测算法;基于图像不同的最优小波包分解结构,自适应地选择训练特征,给出了三种不同的基于最优小波包分解的盲检测算法。实验结果表明,与现有的典型盲检测算法相比,新算法具有更高的正确检测率和更好的通用性。3、特征比较分析。从现有文献关于PDF矩在小波系数对数预测误差子带优于CF矩的实验结论出发,对小波系数预测子带、小波系数预测误差子带、噪声小波系数子带、小波系数对数预测误差子带中CF矩和PDF矩隐写前后的变化趋势进行了分析。给出了基于前三种子带,提取CF绝对矩特征用于隐写检测比PDF绝对矩更优的理论依据;基于特征提取源在隐写前后均服从0均值高斯分布的条件,给出了CF绝对矩总是优于PDF绝对矩的一般结论;针对小波系数对数预测误差子带CF矩和PDF矩的优劣问题,给出了CF矩和PDF矩的表示形式,针对PDF矩是一个Lerch(拉尔赫)超越函数,难以定量分析的困难,基于拉尔赫超越函数可用多项式以任意精度逼近的特点,给出了在有限精度下一阶PDF矩优于CF矩的结论。最后,对全文工作进行了总结,并对下一步的研究方向进行了展望。

全文目录


表目录  8-9
图目录  9-11
摘要  11-13
ABSTRACT  13-16
第一部分 背景知识及国内外研究进展  16-46
  第一章 绪论  18-24
    1.1 研究背景与意义  18
    1.2 信息隐藏技术的基本概念  18-20
    1.3 隐写检测技术的研究概况  20-22
    1.4 本文主要工作及组织结构  22-24
  第二章 基于统计的图像隐写检测研究进展  24-46
    2.1 现有的主要隐写算法  24-26
    2.2 针对特定隐写的检测技术研究进展  26-30
      2.2.1 空域隐写检测技术  26-29
      2.2.2 频域隐写检测技术  29-30
    2.3 隐写通用盲检测技术研究进展  30-44
      2.3.1 纯盲检测与半盲检测  31
      2.3.2 隐写通用盲检测方法的基本原理框架  31-33
      2.3.3 典型隐写通用盲检测方法  33-41
      2.3.4 典型隐写通用盲检测方法特征比较  41-42
      2.3.5 隐写通用盲检测中常用的分类器比较  42-44
    2.4 本章小结  44-46
第二部分 特定隐写检测算法研究  46-82
  第三章 基于像素对分析的LTSB隐写检测算法  48-58
    3.1 多重集的构造与自然图像统计假设  48-52
    3.2 隐写比率估计方程的建立  52-54
      3.2.1 载体图像与隐写图像统计分析  52-53
      3.2.2 隐写比率估计方程的建立  53-54
    3.3 实验结果与分析  54-57
      3.3.1 XY算法对典型图像的检测实验  54-55
      3.3.2 XY算法对CBIB图像库500幅图像的检测实验  55-57
    3.4 本章小结  57-58
  第四章 基于特定区域和像素对分析的空域自适应隐写检测  58-72
    4.1 MLSB替换隐写的像素对分析模型  58-60
    4.2 基于特定区域和MPPA模型的自适应隐写信息比率估计一般方法  60-61
    4.3 MBPIS自适应隐写的信息比率估计  61-67
      4.3.1 MBPIS自适应隐写原理简介  61-62
      4.3.2 同等对待的非平坦区域选取  62-63
      4.3.3 跟踪集与分块复杂度的关系分析  63-64
      4.3.4 隐写信息比率估计  64-67
      4.3.5 隐写信息比率估计误差分析  67
    4.4 实验结果与分析  67-71
    4.5 本章小结  71-72
  第五章 基于系数直方图相对熵的F5隐写检测算法  72-82
    5.1 F5隐写的基本原理简述  72-73
    5.2 基于直方图相对熵的F5隐写信息长度估计  73-77
      5.2.1 系数更改比率的估计  73-74
      5.2.2 原始直方图估计与重压缩修正  74-76
      5.2.3 嵌入信息长度的估计  76-77
    5.3 实验分析  77-80
      5.3.1 更改比率估计性能比较  77-79
      5.3.2 信息长度估计性能比较  79-80
      5.3.3 隐密图像检测性能比较  80
    5.4 本章小结  80-82
第三部分 通用盲检测算法及特征比较分析研究  82-156
  第六章 基于多域特征综合的通用盲检测  84-110
    6.1 基于多域特征综合的通用检测整体架构  84-85
    6.2 基于三域特征综合的原始图像与非原始图像分类算法  85-91
      6.2.1 特征提取  85-89
      6.2.2 特征预处理  89-90
      6.2.3 分类器选取与参数设置  90-91
    6.3 基于两类小波系数子带特征综合的PS图像与隐写图像分类算法  91-98
      6.3.1 算法框架与算法描述  92-93
      6.3.2 隐写图像和PS图像的噪声模型  93-96
      6.3.3 基于小波变换的图像分解和滤波  96-97
      6.3.4 特征提取  97
      6.3.5 特征预处理与分类器参数设置  97-98
    6.4 基于偏离度特征的LSB替换隐写与LSB匹配隐写图像分类算法  98-101
      6.4.1 算法框架与算法描述  98-99
      6.4.2 特征提取  99-100
      6.4.3 特征预处理与参数设置  100-101
    6.5 实验结果与分析  101-108
      6.5.1 基于三域特征综合的隐写通用盲检测实验  101-105
      6.5.2 PS图像与隐写图像检测实验结果  105-107
      6.5.3 基于多域特征综合的LSB替换隐写与LSB匹配隐写图像检测实验  107-108
    6.6 本章小结  108-110
  第七章 基于优化时频分析的隐写通用盲检测算法  110-128
    7.1 基于完全小波包分解的图像隐写通用盲检测算法  110-117
      7.1.1 算法描述与检测流程  111-112
      7.1.2 基于小波包分解的图像多分辨率表示  112-115
      7.1.3 特征提取  115-116
      7.1.4 特征预处理及分类器参数设置  116-117
    7.2 基于最优小波包分解的图像隐写通用盲检测算法  117-122
      7.2.1 基于最优小波包分解的图像多分辨表示  117-119
      7.2.2 特征提取、预处理与分类器设计  119-120
      7.2.3 基于最优小波包分解的图像通用隐写检测算法  120-122
    7.3 实验结果与分析  122-127
      7.3.1 基于完全小波包分解的隐写通用盲检测实验  122-125
      7.3.2 基于最优小波包分解的隐写通用盲检测实验  125-127
    7.4 本章小结  127-128
  第八章 PDF矩与CF矩特征比较分析  128-156
    8.1 PDF矩和CF矩在现有隐写检测方法中的应用  128-130
    8.2 预测子带、预测误差子带及对数预测误差子带  130-132
      8.2.1 Farid小波系数子带的预测方法  130-131
      8.2.2 Shi小波系数子带的预测方法  131-132
    8.3 PDF矩和CF矩  132-134
      8.3.1 PDF矩  132-133
      8.3.2 CF矩  133-134
    8.4 PDF与CF矩比较方法及各种子带的PDF与CF矩比较分析  134-149
      8.4.1 PDF矩与CF矩的比较方法  134-135
      8.4.2 各种子带的PDF矩与CF矩比较分析  135-149
    8.5 实验结果与分析  149-154
      8.5.1 实验图像组  149
      8.5.2 预测子带中的CF绝对矩与PDF矩的比较实验  149-151
      8.5.3 预测误差子带中的CF绝对矩与PDF绝对矩的比较实验  151-152
      8.5.4 对数预测误差子带中的CF矩与PDF矩的比较实验  152-153
      8.5.5 噪声小波系数子带中的CF绝对矩和PDF绝对矩的比较实验  153-154
    8.6 本章小结  154-156
总结与展望  156-160
参考文献  160-172
作者简历 攻读博士学位期间完成的主要工作  172-176
致谢  176

相似论文

  1. 高频雷达信号电离层污染及时频分析方法研究,TN958.93
  2. 海杂波背景下的舰船目标雷达成像算法研究,TN958
  3. 地波辐射源的调制类型识别与参数估计,TN957.51
  4. 频带熵方法及其在滚动轴承故障诊断中的应用,TH165.3
  5. 综合多特征的图像检索技术研究,TP391.41
  6. 多模式图像检索方法研究,TP391.41
  7. 时频分析在RCS测试中的应用方法研究,TN953
  8. 《鹤林玉露》连词研究,H141
  9. 扩频通信系统中的干扰抑制研究,TN914.42
  10. 瞬变电磁信号的预处理和激电效应识别研究,P631.325
  11. 航空重力测量数据滤波处理算法研究,P223
  12. 光学色散补偿薄膜的研究,O484.1
  13. 动静脉波病理特征提取与多维非线性分析方法的研究,R318.0
  14. 直扩系统中宽带非线性调频干扰抑制技术研究,TN914.42
  15. 非合作跳频信号处理技术研究,TN914.41
  16. 基于时频分析的调制模式识别,TN911.72
  17. 预应力管道压浆质量评估试验及应用研究,U445.57
  18. 机械振动信号的HHT分析与应用,TH113.1
  19. 基于时频分析的机械故障源盲分离方法研究,TH165.3
  20. 谐波小波包在旋转机械故障诊断中的应用研究,TH165.3
  21. 基于小波变换与希尔伯特黄变换的心音信号分析,TN911.7

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com