学位论文 > 优秀研究生学位论文题录展示

基于平均灰度共生矩阵和特征的LSB匹配隐密分析

作　者: 肖倩
导　师: 孔祥维
学　校: 大连理工大学
专　业: 信号与信息处理
关键词: LSB匹配隐密分析平均灰度共生矩阵和特征图像估计
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 31次
引　用: 0次
阅　读: 论文下载

内容摘要

随着网络技术的不断发展,数字信息可以方便、迅速、快捷的传输到世界的各个角落。然而数据传输的安全性问题成为一个亟待解决的问题。近年来,信息隐藏技术快速发展并被广泛应用,使得秘密机要信息传输变得的隐秘,提高了安全性。然而一些恐怖组织应用它传递非法信息进行破坏活动。因此隐密技术像一把双刃剑,利弊参半。基于图像的隐密技术根据图像类型的不同,其相应的隐密技术多种多样,而以JPEG为代表的压缩图像,BMP图像作为隐密载体的隐密方法最为居多。本文主要以BMP灰度图像为研究对象,围绕空域LSB匹配隐密方法的特点,对隐密分析方法进行研究。本文工作主要如下：(1)对现代信息隐藏理论的背景以及应用领域进行了介绍,信息隐藏理论的产生使得信息安全通信成为可能。本文针对加性噪声模型下的LSB匹配隐密算法进行了安全性分析,详细分析了几种经典的LSB匹配隐密分析方法,并对它们进行了实验仿真。实验结果显示：在嵌入量为接近满嵌时,WAM分析方法的性能最好,检测正确率达到95%以上,而改进的HCF方法和ALE方法的检测正确率在80%以上。在嵌入率低于25%时,WAM的检测率为70%左右,其他两种方法的检测率在60%左右。在低嵌入率时,这三种方法的检测正确率较低,误判的概率较大。(2)本文提出一种平均灰度共生矩阵和特征的隐密分析方法。根据图像相邻像素之间具有较强的相关性并结合共生矩阵能够反映像素值及其位置关系的特点,构造8维平均灰度共生矩阵和特征。实验结果表明,本文的方法比经典方法检测正确率有了不同程度的提高。针对不同嵌入率比WAM分析方法有所提高,比改进的HCF和ALE方法提高15%左右。(3)通过前面实验结果可以发现,对于接近满嵌的隐密图像,大多数隐密分析方法的检测正确率接近95%,能够较准确地检测出隐密算法的存在。而对于嵌入率低于25%的情况,检测率一般都低于70%,使得针对低嵌入率隐密分析检测正确率降低。为了解决低嵌入率检测性能较差的问题,通过强化载体图像和隐密图像之间的差异,借助图像滤波技术从待测图像得到相应的估计图像,分别从待测图像和估计的图像中提取共16维平均灰度共生矩阵和特征,结合FISHER线性分类器进行分类检测。实验结果表明嵌入率在25%时,检测率达到94%；即使嵌入率为10%,检测率也到达80%左右,比未使用估计图像方法提高10%左右。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-21
  1.1 选题背景  9-10
  1.2 信息隐藏  10-12
    1.2.1 信息隐藏技术的特点  11-12
    1.2.2 信息隐藏技术的分类  12
  1.3 隐密技术  12-17
    1.3.1 隐密技术的模型  13-14
    1.3.2 隐密技术、数字水印以及密码学  14-15
    1.3.3 隐密技术的评价标准  15
    1.3.4 现有隐密方法  15-17
  1.4 隐密分析  17-20
    1.4.1 隐密分析分类  17-18
    1.4.2 隐密分析评价标准  18-19
    1.4.3 现有隐密分析方法  19-20
  1.5 本文内容安排  20-21
2 空域的LSB隐密方法  21-42
  2.1 有关图像的基本知识  21-24
    2.1.1 图像和数字图像  21-22
    2.1.2 图像位平面  22-24
  2.2 LSB替换方法  24-30
    2.2.1 LSB替换隐密的安全性分析  24-25
    2.2.2 LSB替换隐密分析的研究现状  25-26
    2.2.3 经典LSB替换隐密分析方法  26-29
    2.2.4 LSB替换隐密分析总结  29-30
  2.3 LSB匹配隐密  30-35
    2.3.1 LSB匹配隐密原理  30-31
    2.3.2 LSB匹配的安全性分析  31
    2.3.3 LSB匹配隐密分析研究现状  31-35
  2.4 经典LSB匹配隐密分析方法  35-40
    2.4.1 小波绝对矩隐密分析  35-36
    2.4.2 基于直方图特征质心函数隐密分析  36-37
    2.4.3 直方图局部极值幅度隐密分析  37-39
    2.4.4 实验结果及对比分析  39-40
  2.5 本章小结  40-42
3 基于平均灰度共生矩阵和特征的LSB匹配隐密分析方法  42-53
  3.1 图像像素相关性分析  42-43
  3.2 灰度共生矩阵及纹理特征  43-47
    3.2.1 基于灰度共生矩阵的研究现状  43-44
    3.2.2 图像的灰度共生矩阵纹理特征比较  44-47
  3.3 平均灰度共生矩阵和特征构造  47-51
  3.4 实验结果及比较分析  51-52
  3.5 本章小结  52-53
4 利用图像估计的隐密分析方法  53-64
  4.1 图像滤波技术的引入  53-55
  4.2 图像滤波技术  55-59
    4.2.1 自适应中值滤波方法  55-56
    4.2.2 自适应小波能量滤波方法  56-57
    4.2.3 滤波处理后的实验结果  57-59
  4.3 利用图像估计的隐密分析方法设计  59-60
  4.4 实验结果及比较分析  60-63
  4.5 本章小结  63-64
结论  64-66
参考文献  66-70
附录A 附录内容名称  70-71
攻读硕士学位期间发表学术论文情况  71-72
致谢  72-73

基于平均灰度共生矩阵和特征的LSB匹配隐密分析

内容摘要

全文目录

相似论文