基于ICA模型的主动隐写分析

提出一种基于独立成分分析(ICA)模型的主动隐写分析方案。该方案假设秘密信息是独立同分布序列且统计独立于载体图像,将隐写分析过程视为ICA模型的求解问题。借助于最大后验概率估计器,该方案仅使用一幅隐写图像即能提取出秘密信息,克服了Chandramouli所提方案的局限性。仿真实验结果表明,该方案能提取大约80%的秘密信息,且性能随嵌入长度的增加而提高。

基于CSR-ICA模型的隐写信息盲提取算法

针对加性隐写模型,提出一种基于CSR-ICA的隐写信息盲提取算法。算法仅需一幅隐写图像,在满足ICA模型线性约束条件下得到载体信号的估计信号,通过Contourlet稀疏性表示(CSR)对模型输入信号进行前置处理,优化选取归一化峭度性较大的信号作为模型输入信号,将归一化峭度作为分离算法学习的目标函数,避免异常值给分离算法带来的误差。算法具有较好的综合性能,并且克服了Chandramouli算法的局限性,提取正确率平均为90%。仿真实验结果给出了算法的有效性验证。