学位论文 > 优秀研究生学位论文题录展示
JPEG图像隐写分析技术研究
作 者: 杨尚雲
导 师: 王宏霞
学 校: 西南交通大学
专 业: 密码学
关键词: 隐写分析 JPEG图像 联合密度 Markov 特征敏感度 支持向量机
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 28次
引 用: 0次
阅 读: 论文下载
内容摘要
目前网络上的海量图片中,有的图片经过处理,可以将机密信息隐藏在其中,但并不能被人眼所察觉。有些不法分子利用这种信息隐藏技术进行信息传递。JPEG格式图像是在Internet上常见的图像形式,并且已经广泛的被应用于载体,达到传递秘密信息的目的。已有大量基于JPEG格式的隐写软件和算法出现,如Jsteg、Steghide、EMD、 F5等,因此,针对JPEG图像的隐写分析技术的研究具有重要的现实意义。本文以JPEG图像隐写分析技术为主要研究对象,主要内容如下:1)针对Jsteg、F5、MB、EMD、Steghide、JPHS等典型的JPEG图像隐写算法和工具,分析了隐写前后图像量化后DCT系数直方图的变化,以及隐写算法的安全性,为JPEG图像隐写分析的研究奠定了前期基础。2)分析了基于联合密度的块间相关性特征的不足,并对其进行了改进。通过提取28维改进的基于联合密度的统计特征,采用SVM分类器,实现了对JPEG图像隐藏信息的有效检测。对改进算法进行了四个方面的分析:算法检测能力、特征敏感度、混合测试、不同隐写算法之间的交叉测试。对比实验结果表明:本文改进后的基于联合密度的块间相关性特征对F5、EMD、MB、Steghide隐写术的敏感度有所提升,特别是对Steghide有较大提升。在低嵌入率时,改进算法的混合训练模型的检测能力相比改进前有较大提高,检测正确率提高约5%。3)分析了基于Markov转移概率的块内相关性特征的不足,并对其进行了改进。通过提取28维改进的基于Markov转移概率的统计特征,采用SVM分类器,实现了对JPEG图像隐藏信息的有效检测。对改进算法进行了四个方面的分析:算法检测能力、特征敏感度、混合测试、不同隐写算法之间的交叉测试。对比实验结果表明:本文改进后的基于Markov转移概率的块内相关性特征对F5、EMD、MB、Steghide隐写术的敏感度有所提升,特别是对Steghide有较大提升。在低嵌入率时,改进算法的混合训练模型的检测能力相比改进前有较大提高,检测正确率提高约7%。4)不同的图像特征对不同的隐写术敏感度不同,融合改进的基于联合密度的块间相关性特征和改进的基于Markov转移概率的块内相关性特征,设计了一种特征融合算法。使用SVM分类器实现了对JPEG图像隐藏信息的有效检测。对比实验结果表明:本文提出的融合特征对EMD、Steghide隐写术的敏感度有较大提升。在低嵌入率时,融合特征的混合训练模型的检测能力有较大提高,检测正确率提高约9%。
|
全文目录
摘要 6-7 Abstract 7-11 第1章 绪论 11-17 1.1 隐写与隐写分析概述 12-14 1.1.1 隐写术概述 12-13 1.1.2 隐写分析概述 13-14 1.2 国内外研究现状 14-15 1.3 本论文的章节安排 15-17 第2章 基于JPEG图像的隐写与隐写分析 17-30 2.1 JPEG图像简介 17-18 2.2 数字图像隐写与隐写分析评估 18-19 2.2.1 数字图像隐写评估 18 2.2.2 数字图像隐写分析评估 18-19 2.3 JPEG图像隐写与隐写检测 19-27 2.3.1 Jsteg隐写算法 19-20 2.3.2 F5隐写算法 20-23 2.3.3 EMD隐写算法 23-24 2.3.4 MB隐写算法 24-26 2.3.5 Steghide和JPHS隐写工具 26-27 2.4 分类器 27-28 2.5 本章小结 28-30 第3章 DCT块间的隐写分析算法 30-42 3.1 基于联合密度的块间相关性特征改进 30-33 3.2 基于联合密度特征提取 33-34 3.3 分类检测 34-36 3.4 实验分析 36-42 3.4.1 算法检测能力对比分析 36-37 3.4.2 特征敏感度对比分析 37-38 3.4.3 图像混合检测测试 38-40 3.4.4 不同隐写方法的交叉测试 40-41 3.4.5 本章小结 41-42 第4章 DCT块内的隐写分析算法 42-50 4.1 基于Markov的块内相关性特征改进 42-44 4.2 基于Markov的特征提取 44-45 4.3 分类检测 45 4.4 实验分析 45-49 4.4.1 算法检测能力对比分析 45-46 4.4.2 特征敏感度对比分析 46-47 4.4.3 图像混合检测测试 47-48 4.4.4 不同隐写方法的交叉测试 48-49 4.5 本章小结 49-50 第5章 特征融合隐写分析算法 50-57 5.1 块内与块间相关性特征分析 50-51 5.2 融合特征的提取 51-52 5.3 分类检测 52 5.4 实验分析 52-56 5.4.1 算法检测能力对比分析 53-54 5.4.2 特征敏感度对比分析 54 5.4.3 图像混合检测测试 54-55 5.4.4 不同隐写方法的交叉测试 55-56 5.5 本章小结 56-57 总结与展望 57-59 致谢 59-60 参考文献 60-64 攻读硕士学位期间发表的论文及科研成果 64
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 临近空间图像侦察系统中的图像恢复技术研究,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 基于CA-Markov模型的城市扩展及预测模拟研究,TU984
- 不匹配信道下耳语音说话人识别研究,TN912.34
- 基于文本挖掘的学者简历自动生成,TP391.1
- 基于特征选择的入侵检测研究,TP393.08
- 基于SVM的跨膜蛋白结构预测应用研究,Q51
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|