采用Hilbert扫描序列短重码统计的盲隐写检测方法

在LSB行扫描序列中,基于短重码间距统计的隐写检测方法对LSB匹配等隐写技术具有良好的盲检测性能。然而此方法只能利用相邻码元的相关性,影响检测性能。理论证明了短重码间距统计量的检测能力与重码累积成功概率、短重码维数有关,并提出采用Hilbert扫描序列以提高重码累积成功概率比率来提升检测性能的盲隐写检测方法。该方法在图像LSB Hilbert扫描序列中,基于码元相同短重码统计量的分布特征,通过Poisson分布显著性检验检测隐写信息,可充分利用Hilbert曲线良好的局部相关保持特性,不仅利用了相邻码元的相关性,还利用了局部区域码元的相关性。理论分析和实验结果表明了本文方法在有效控制虚警率的前提下,具有较好的隐写检测性能。

基于视觉感知机理的大容量彩色图像盲隐写算法

针对现有彩色图像隐写算法大多将灰度图像的算法直接用于彩色通道,未能运用彩色视觉感知机理的问题,提出一种YUV空间上的、基于视觉感知机理的大容量彩色图像盲隐写算法。主要方法是在Y分量上通过标准差来分析载体图像的局部复杂性,利用视觉感知机理将信息分成两部分隐写于Y和V分量中,灵活性较差的U分量则作为隐写信息的通道指示器,无需大的改变。大量实验结果表明,所提算法与其他方法相比在嵌入大容量信息后依然能够保持很好的不可感知性,而且可以抵抗直方图对比和RS隐写分析方法,因而所提算法是合理、简洁、有效的。

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。

两种视觉状态下手写板书写签名笔迹特征比较研究——以蒙恬电阻式手写板采集签名笔迹为例

探究两种不同视觉监督状态下手写板签名笔迹差异及盲写手写板签名笔迹特征变化规律。通过比对所见即所得手写板与盲写手写板采集的同源笔迹,观察特征异同,总结利用盲写手写板书写签名笔迹的特征变化规律。盲写手写板采集签名笔迹在书写水平、书体、搭配位置、运笔特征方面存在显著变化。盲写状态不利于书写动作习惯的反映;盲写手写板书写签名笔迹在笔迹的空间位置和精细动作方面特征易变,同时受到书写人书写熟练程度和字迹结构的影响。