一个基于TSVM的GIF图像通用隐写检测方法

直推式支持向量机(TSVM)是一种从标记样本出发,对特定的未标记样本进行识别和分类的技术.本文分析了将TSVM应用到图像通用隐写检测中的可行性,提出并实现了基于TSVM的GIF图像通用隐写检测方法.实验结果表明,针对不同的GIF图像隐写工具,本文方法在较少标记样本条件下引入大量未标记样本,得到接近监督学习的通用检测效果.从而提高了GIF图像通用隐写检测的实用性.

基于SVM的通用隐写检测算法设计与实现

通用隐写检测是隐写分析技术研究的重点。针对加性噪声隐写模型,以BMP图像为研究对象,进行通用隐写检测算法研究与设计,在此基础上,给出了算法设计与实现的流程和其性能的有效性验证。实验结果表明该算法具有较好的检测精度、较低的虚惊率和漏警率。

一种通用隐写检测特征提取系统设计与实现

有效分类特征的提取是通用隐写检测的关键。以BMP灰度图像为研究对象，对其分类特征敏感性和可分性进行研究，在此基础上，给出一种通用隐写检测下的特征提取系统设计与实现的方法。该方法操作简单方便、性能可靠。

基于半监督学习的JPEG图像通用隐写检测方法

目前,JPEG图像的通用隐写检测是基于监督学习的,其关键技术包括图像特征提取和分类器的设计。首次提出了运用半监督学习中的EM算法来进行分类器的设计,该方法利用大量未标记样本辅助少量有标记样本进行分类器的学习。针对经典的JPEG隐写方法:Outguess和F5,用监督学习与文中半监督学习方法进行实验对比,结果表明,在缺少大量标记样本的情况下,文中方法能得到较好的分类性能,从而提高了JPEG图像通用隐写检测方法的实用性。