图像隐写的分析算法的研究硕士论文

图像隐写的分析算法的研究硕士论文

ID:34202862

大小:1.08 MB

页数:56页

时间:2019-03-04

图像隐写的分析算法的研究硕士论文_第1页
图像隐写的分析算法的研究硕士论文_第2页
图像隐写的分析算法的研究硕士论文_第3页
图像隐写的分析算法的研究硕士论文_第4页
图像隐写的分析算法的研究硕士论文_第5页
资源描述:

《图像隐写的分析算法的研究硕士论文》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、硕士学位论文题目:图像隐写分析算法研究研究生张艳专业通信与信息系统指导教师叶学义副教授完成日期2012年12月杭州电子科技大学硕士学位论文图像隐写分析算法研究研究生:张艳指导教师:叶学义副教授2012年12月DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterStudyonImageSteganalysisAlgorithmsCandidate:ZhangYanSupervisor:Assoc.Prof.YeXueyiDecember,2012杭州电子科技大学学位论文原创性声明和使用授权说明原创性声明

2、本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。申请学位论文与资料若有不实之处,本人承担一切相关责任。论文作者签名:日期:年月日学位论文使用授权说明本人完全了解杭州电子科技大学关于保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后,发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件,允许查阅和借阅论文

3、;学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。(保密论文在解密后遵守此规定)论文作者签名:日期:年月日指导教师签名:日期:年月日杭州电子科技大学硕士学位论文摘要信息/数据隐藏(InformationorDatahiding)是信息安全领域的重要研究方向。隐写术作为信息隐藏的重要分支以表面上正常的信息载体作为掩护,在其中嵌入秘密信息。隐藏的数据不改变载体的格式和大小,同时也不改变载体的听视觉效果,以此实现不为人所知的隐蔽通信。对隐写术的攻击或检测分析技术被称作隐写分析(Steganalysis)技术,其目的是检测载体中是否隐写了秘密信息,以便于进一

4、步采取相应措施来阻止非法隐秘通信。目前用于隐写的载体,以数字图像的使用最为广泛,因此以它为载体的隐写分析研究成为极为重要的内容。隐写分析是对抗隐写术的关键,也是衡量隐写安全性的一个重要标准;其既在对抗新型隐写算法的进程中不断发展,又反过来促使隐写算法的持续改进。本文首先针对广泛应用的加性隐写噪声模型,从突出隐写噪声的角度,利用自然图像相邻像素之间具有一定相关性和统计对称性的特点,提出一种新的通用隐写分析算法,以此对三种常用典型的隐写算法进行检测,实验结果表明与WAM(WaveletAbsoluteMoment)相比,虽然本文提取的特征维数偏高,但是无论是对低嵌入率还是高嵌入率的检测

5、都具有明显的优势;与当前流行的SPAM(SubtractivePixelAdjacencyMatrix)相比,本文算法在高嵌入率时检测LSB(LeastSignificantBit,最不重要比特位)替换的检测率略低,而在低嵌入率0.15bpp时检测率高于SPAM;同等维数条件下,本文算法在检测LSBM(LSBMatching,LSB匹配)和LSBMR(LSBMatchingRevisited,LSB匹配改进)时的检测率均略高于SPAM,在低嵌入率下优势较为明显。其次在特定隐写分析研究中,由于自适应隐写具有良好的感官不可觉察性和难检测性,选择具有代表性的基于LSB匹配改进的边缘自适应

6、隐写算法(EdgeAdaptiveimagesteganographybasedonLSBMatchingRevisited,EALSBMR)作为分析对象,本文提出从隐写前后图像的八方向绝对差分直方图中提取特征构建检测器。和目前典型隐写分析算法对比,在较低嵌入率下的隐写进行检测的结果表明该算法优于SPAM以及NIP(NeighborhoodInformationofPixels),在嵌入率为0.5bpp时,检测率可以达到97.12365%。最后,在对EALSBMR的进一步研究中发现该隐写算法在最后的修正阶段产生了直方图异常的现象,即像素差值T1的频数大于T,本文由此提出将像素差分

7、直方图中系数在[0,31]范围内的频数相减得到32维特征向量来反映EALSBMR造成的差分直方图的“异常”,输入支持向量机(SupportVectorMachines,SVM)构建出一种能更有效检测EALSBMR的隐写分析算法,并考虑特征融合进行仿真实验。实验结果表明:结合的特征并没有表现出一定的优势,仅在0.75bpp、1bpp嵌入率时略高于本文算法,而在0.5bpp时的检测效果不及本文算法;在0.1bpp嵌入率下,虽然本文算法检测率达到了87.7893%,但是极

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。