基于小波域隐马尔可夫树模型和SVR的定量隐写分析

本文结合小波域隐马尔可夫树模型(Hidden Markov Tree,HMT)和支持向量回归(Support Vector Regression,SVR)分析法提出了估计信息嵌入率的定量隐写分析。本文分别将垂直、水平和对角的小波系数建模为两状态的HMT模型,用EM算法(Estimation and Maximization Algorithm)对HMT模型进行训练得出包括状态初始概率、小波子带的转移概率和方差在内的模型参数,由这些参数构成图像的特征。然后结合SVR建立定量隐写分析器,并估计F5,outguess和MB三种隐写图的信息嵌入率。

基于组合线性最小二乘回归的盲定量隐写分析

针对近年来隐写分析特征维度激增的新情况,及其带来的定量隐写分析预测器维度之灾等问题,提出一种基于组合回归的盲定量隐写分析方法。该方法选择线性最小二乘回归LLSR(Linear Least Square Regression)降低计算复杂度,并通过组合分类器技术在多次迭代中使用自助法(bootstrap)重采样技术生成不同的训练集,以提高回归的多样性进而保证准确率,然后随机选择特征的一部分做训练和预测,以缩短执行时间。实验结果表明,该方法与现有最优方法相比,预测误差降低至现有方法的70%,执行时间缩短至现有方法的5%左右。

基于流形学习的JPEG图像定量隐写分析算法

提出了一种基于DCT系数统计特性的JPEG图像定量隐写分析算法。该算法在对JPEG图像DCT系数的统计模型进行研究的基础上,提取了能够反映嵌入容量变化规律的特征参数α。以特征参数α为基础,提出了基于流形学习的特征提取算法,通过LIB-SVM分类器进行训练,估计隐写对DCT系数的更改比率。实验结果表明,与传统的定量分析算法相比,提出的算法具有更高的估计准确率和稳定性。

基于相对熵的直方图差异与JPEG隐写的定量分析

针对图像隐写分析中常用的直方图特征,给出了一类基于相对熵的直方图差异计算方法,并提出了一种基于相对熵的JPEG隐写的定量分析方法.首先根据两假设检验中的最优检验——似然比检验,分析了相对熵在衡量2个直方图间的距离时的优越性,并给出了2种基于相对熵的直方图差异计算方法.然后,以新的直方图差异特征为基础,训练支持向量回归分析器,以估计隐写对DCT系数的更改比率.针对JSteg和改进的F5隐写的实验结果表明:与其他的直方图差异特征相比,根据所提出的基于相对熵的直方图差异特征所训练的定量隐写分析器具有更高的估计精度和稳定性.