基于模式识别的多类隐写分析

文章在小波频域高阶统计矩图象隐写分析基础上,将隐写分析问题扩充为多类问题,针对CorelDraw图象库5种常用的隐写方法进行了实验,结果表明该文方法不仅能检测出图象是否隐含数据,还能指出所用的隐写方法,识别率在90%以上。还提出了多类“类内类间分布图”,对于高维可分性好低维可分性差的图示问题,指导特征以及分类器的选择,具有很高的价值。

基于改变率自适应分类的多类隐写分析

一般的多类隐写分析需将每种隐写算法的各种嵌入率当作一类进行训练,因其在构造分类器时未能充分考虑算法和嵌入率对分析能力的影响,故而准确率存在一定的提升空间。提出一种基于改变率自适应分类的多类隐写分析方法,将隐写改变率和算法差异性两方面因素分层考虑。该方法使用支持向量回归法估计待测图像的改变率,进而根据改变率自适应地选择分类器,从而提高分类准确率。实验结果表明,所提方法相较于现有准确率最高的方法准确率平均提高约2%～3%,特别在嵌入率较低的情况下,提高幅度可达5%以上。