基于小波包变换的图像特征形成算法研究硕士学位论文

《基于小波包变换的图像特征形成算法研究硕士学位论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP391密级基于小波包变换的图像特征形成算法研究(申请武警工程学院军事学硕士学位论文)CreationAlgorithmofImageCharacteristicsBasedonWaveletPacketTransformbyZhangHaoAThesisSubmittedinPartialFulfillmentoftheRequirementfortheDegreeofMASTEROFMILITARYSCIENCEINCOMBATCOMMANDAdvisor:Prof.WeiLixianEngineeringCollegeoftheArmedPoliceForceXi’

2、an,Shanxi,P.R.ChinaMarch,2010独　创　性　声　明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得武警工程学院或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：日期：关于论文使用授权的说明本人完全了解武警工程学院有关保留、使用学位论文的权利，即：学院有权保留送交论文的复印件，允许论文被查阅和借阅；学院可以公布论文的全部或部分内容，可以采用影印、缩印或

3、其他复制手段保存论文。(保密的论文在解密后应遵守此规定)签名：导师签名：日期：摘要隐写技术是信息隐藏的一个重要分支，它利用人的视听觉冗余和数字多媒体的统计冗余，将秘密信息嵌入到公开的媒体中，以达到隐蔽通信的目的。“九一一”事件以后，密写被国际恐怖组织用于传递秘密信息的可能性引起了研究人员和公众的强烈关注。密写分析旨在揭示媒体中秘密信息的存在性，是反密写的首要任务，是开展秘密信息提取和破译工作的前提。本文结合小波理论，对图像隐写分析技术中特征提取算法进行了研究，具体工作和创新点如下：1．在模式识别的基础上，研究各种特征选择和提取方法，分析自然图像的统计特性，指出隐写对载体图像直方图

4、及小波域统计特征的影响，从而指导隐写分析的特征提取。2．对现有的几种特征提取算法进行了研究，并做了大量的训练和测试，分析算法的不足，为实现新的算法打下了基础。3．通过对特征选择和提取方法的研究，并结合小波和小波包理论，实现了基于小波包分解系数绝对值模型的图像特征形成算法，实验结果验证了特征提取的有效性。4．针对Farid等人提出的通用盲检测算法在训练效率和检测率方面的不足，提出了基于小波包分解直方图特征的特征提取算法，实验结果表明此算法在提高训练效率和检测率上有较好的表现。本文提出并实现的基于小波包分解直方图特征的特征提取算法，作为隐秘检测系统的核心算法之一，已应用在武警部队基金

5、项目“通用隐写分析技术研究”中，对提高系统的训练效率和检测率作出了一定的贡献。关键词：隐写分析，特征提取，小波包，通用检测AbstractSteganographyisanimportantbranchofinformationhiding.Itusestheredundancyexistinginhumanvision/hearinganddigitalmultimediastatistics,toembedsecretmessageinthepublicmediatoachievehiddencommunication.Afterthe9.11incidence,thepos

6、sibilitythatinternationalterroristorganizationsusesteganographyforthetransmissionofhostileinformationhasarousedstrongattentionofresearchersandthepublic.Steganalysisaimsatrevealingtheexistenceofsecretmessageinmultimedia.It’stheprimarytaskofanti-steganography,alsothepreconditionofextractionandd

7、ecryption.Combinedwithwaveletandwaveletpackettheory,weresearchthealgorithmsoffeatureextractionintheimagesteganalysis.Themainresearchworkandcontributionsareasfollows:1.Basedonpatternrecognition,analyzedpopularfeatureselectionandextractionmetho