学位论文 > 优秀研究生学位论文题录展示

基于多视角的特征提取图像隐写分析技术

作　者: 郑子薇
导　师: 赵耀
学　校: 北京交通大学
专　业: 信号与信息处理
关键词: 信息隐藏隐写术隐写分析提取特征 DCT DWT DFT 空域预测图像 ONPP降维支持向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 88次
引　用: 0次
阅　读: 论文下载

内容摘要

随着计算机技术和网络多媒体技术的飞速发展,信息安全越来越受到人们的关注。隐写分析技术作为信息安全研究领域新的分支,主要对隐蔽信道中载体信息进行有效的检测,为信息安全的发展注入了新的活力。特别是美国发生9.11事件以来,隐写分析更加受到重视,它对国家、国防以及军事安全方面起到极其重要的作用。隐写分析技术近几年发展非常迅速,为信息检测提供了比较成熟的方案。因此,隐写分析具有较高的学术研究价值和广泛的应用价值。本文提出了一套完善的特征提取算法,并运用先进的降维技术处理高维数据,提高了分类性能。主要成果性工作包括：(1)通过研究图像隐写前后在DCT域、DWT域、DFT域及空域的特征系数的变化,对于DCT域、DWT域、DFT域和空域系数分别提出了一类图像特征提取算法。同时引入图像预测技术,在预测图像中提取出特征系数,对原图像特征进行校正,减小载体图像本身的差异对特征的影响,提高分类性能。(2)提出基于ONPP的随机子空间集成的策略。降低了特征维数,避免了高维的数据易引起的维数灾难。ONPP构造样本之间的流形结构,并保持样本集的全局几何特征。此降维方案即保持了系统的高性能,又减少算法复杂度和训练时间。得到了很好的分类效果。(3)分类器的设计。通过分析分类器的性能以及特征向量的有效性,在分类过程中使用支持向量机分类器,并与“最近邻”分类器的分类结果进行了比较和分析,实验取得了很好的效果。

全文目录

致谢  5-6
中文摘要  6-7
ABSTRACT  7-12
1 引言  12-26
  1.1 选题背景和研究意义  12
  1.2 多媒体信息安全  12-16
  1.3 信息隐藏领域国内外的现状与发展  16
  1.4 信息隐藏技术  16-23
    1.4.1 信息隐藏的概念  17-18
    1.4.2 信息隐藏的基本模型  18-19
    1.4.3 信息隐藏技术的一般特性  19-20
    1.4.4 信息隐藏分类  20-23
  1.5 隐蔽通信技术  23-24
  1.6 本文的主要研究工作  24-26
2 数字图像隐写术与隐写分析算法  26-48
  2.1 数字图像隐写术介绍  26-28
    2.1.1 数字图像隐写术原理  26-28
    2.1.2 隐写术的主要应用领域  28
  2.2 位图(BMP)与有损压缩图像(JPEG)的隐写算法  28-34
    2.2.1 基于图像空域的隐写术  28-31
    2.2.2 基于图像变换域的隐写术介绍  31-34
  2.3 数字图像隐写分析  34-39
    2.3.1 数字图像隐写分析现状  34-36
    2.3.2 隐写分析在信息隐藏检测技术中的地位  36-38
    2.3.3 数字图像隐写分析原理  38
    2.3.4 隐写分析技术指标  38-39
  2.4 位图(BMP)与有损压缩图像(JPEG)的隐写分析算法  39-47
    2.4.1 基于图像空域的隐写分析介绍  39-44
    2.4.2 基于图像变换域的隐写分析介绍  44-47
  2.5 本章小结  47-48
3 基于多视角的特征提取及有效性分析  48-66
  3.1 基于Markov模型的特征提取  48-52
    3.1.1 特征向量分析  48-49
    3.1.2 算法流程图  49-50
    3.1.3 特征提取过程  50-52
  3.2 基于小波系数高阶矩的统计特征提取  52-59
    3.2.1 图像统计矩特征  52-55
    3.2.2 特征向量分析  55-56
    3.2.3 算法流程图  56-57
    3.2.4 特征提取过程  57-59
  3.3 基于DFT变换估计功率谱特征  59-62
    3.3.1 图像傅里叶变换及其功率谱定义  59-60
    3.3.2 算法流程图  60-61
    3.3.3 特征提取过程  61-62
  3.4 基于图像灰度共生矩阵的特征提取  62-65
    3.4.1 空间灰度共生矩阵分析  62-64
    3.4.2 算法流程图  64
    3.4.3 特征提取过程  64-65
  3.5 本章小结  65-66
4 基于多视角特征提取的隐写分析系统  66-80
  4.1 基于多视角特征提取的盲隐写分析系统  66
  4.2 基于多视角特征提取的隐写检测系统涉及的相关技术  66-73
    4.2.1 预测图像技术  66-67
    4.2.2 基于ONPP的子空间学习  67-70
    4.2.3 支持向量机工作原理  70-73
  4.3 基于多视角特征提取的隐写分析系统算法  73-75
  4.4 实验结果和分析  75-79
    4.4.1 实验数据  75-76
    4.4.2 基于多视角特征与单视角结果对比  76-77
    4.4.3 与其他先进算法比较  77-78
    4.4.4 基于支持向量机的分类器与基于最近邻分类器对比  78-79
  4.5 本章小结  79-80
5 总结和展望  80-82
参考文献  82-86
作者简历  86-90
学位论文数据集  90-92

基于多视角的特征提取图像隐写分析技术

内容摘要

全文目录

相似论文