基于SVM的图像隐写盲检测

《基于SVM的图像隐写盲检测》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、江南大学硕士学位论文基于SVM的图像隐写盲检测姓名：管超申请学位级别：硕士专业：检测技术与自动化装置指导教师：纪志成;周治平20080701摘要捅要隐写技术与隐写分析技术作为信息安全领域的一个研究热点，在短短几年时间里取得了很大进展。隐写术是利用人类感觉器官的不敏感性，以及图像本身存在的冗余，将秘密信息隐减于一个数字媒体(如数字图像)中而不被察觉。隐写术的发展，在为社会带来一种新的隐蔽通信手段的同时也带来了新的威胁，因此隐写分析技术应运而生。隐写分析的目的在于揭示媒体中隐秘信息的存在性，甚至只是指出媒体中存在隐写信息的可疑性。它一方面可以防止隐写技术的非法应用，防止一

2、些技术被滥用为犯罪活动、危害国家安全等；另一方面可以促进隐写算法的安全性的提高，推动信息隐藏算法的实用化。当前的隐写分析算法主要分为针对型隐写分析和盲检测。本文主要讨论图像中隐藏信息的盲检测问题。盲检测技术是根据隐藏信息嵌入前后，提取能反映图像细微变化的数学统计特征；然后借助分类器对提取的图像特征进行分类，从而区分出原始图像和含密图像。对于如何开展隐藏信息的盲检测研究，本论文做了一些有益的尝试。实验结果显示本文提出的盲检测方法取得了较好检测结果。论文的主要工作和贡献如下：1．总结了当前主要的盲检测特征提取算法，并指出其优缺点，为本文盲检测特征的提出提供指导。2．分析了

3、隐藏信息的嵌入对灰度共生矩阵的影响，提取灰度共生矩阵作为图像特征。由于图像的灰度共生矩阵维数过大，提出了一种利用对图像邻近像素进行差分计算，并舍去差分计算后大像素值像素的方法，对灰度共生矩阵降维。3．从图像噪声的角度研究图像隐写的盲检测。根据信息隐藏的加性噪声模型，把隐藏信息的嵌入视作图像加性噪声的叠加，隐藏信息的嵌入必然会导致图像原有噪声的变化。文章从去噪算法、小波分析、邻域预测，三个方面分析和提取图像的噪声特征。4．针对纹理图像检测的困难，将纹理分类的方法引入到了图像隐写的盲检测中。采用纹理分类中基于局部线性变换技术的信号处理方法，提取局部离散余弦变换的中高频系数

4、作为检测纹理图像的特征。关键词：信息隐藏，图像隐写，盲检测，支持向量机，图像噪声，灰度共生矩阵，图像纹理AbstractAsastudyhotspotofinformationprogressinthefewyears．Steganographysecurityfield，steganographyhasmadealotoriStheartofundetectablecommunicationinwhichmessagesareembeddedininnocuouslookingobjects，suchasdigitalimages．Thedevelopmentofs

5、teganographynotonlybringsinanewcovertmeansofcommunicationbutalsobringsaboutanewthreat，thussteganalysistechnologycomesintobeing．Steganalysisisacounter—processofsteganography，whichaimstodetermineifagivenmedium(suchasimage)containsembeddedmessages．Ontheonehand，itcanusetorevealtheillegalcom

6、municationwithsomesteganographictools；ontheotherhand，itcanpromotethesecurityofsteganographytechnologyandpromotethesteganographicalgorithmintopracticaluse．Thestate·of-the-artsteganalyticschemesCanbedividedintotwocategories．Oneiscalledspecificsteganalysis；theothercategorygetsitsnamebyblin

7、dsteganalysis．Inthispaper,wefocusonthedetectionofhiddenmessagesindigitalimagesinthecaseofblindsteganalysis．Generallyspeaking，blindsteganalysisfirstextractsseveralgoodfeaturesfromimageswhichusuallychangealongwiththesizeofembeddingpayload；thenconstructsafeature．basedclassifiertot