利用小波包分解的抗噪图像隐写分析方法

被引：2

作者：

张敏情 ^{[1
,2
]}

杨刚 ^{[1
]}

张震 ^{[1
]}

机构：

[1] 武警工程大学电子技术系网络与信息安全武警部队重点实验室

[2] 西北工业大学计算机学院

来源：

小型微型计算机系统 | 2014年 / 35卷 / 04期

关键词：

隐写分析; 抗噪; 直方图特征函数绝对矩; 小波包分解;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

小波包分解的多分辨率的特性使其在图像隐写分析中得到广泛应用,但自然噪声的影响往往使得隐写分析的检测正确率大大降低.基于图像的小波包分解,提出一种具有较强抗噪能力的图像信息隐藏盲检测方法.首先对图像进行差分,将差分图像进行二层小波包分解,提取小波包子带系数直方图特征函数多阶绝对矩(CF)和高频子带系数平方和作为特征,使用支持向量机进行训练分类.在UCID V2标准图库下,针对LSB、F5、Jsteg和outguess等典型隐写算法进行实验,结果表明:本文方法比现有典型盲检测方法在抗噪方面具有更好的检测效果.

引用

页码：941 / 944

页数：4

共 7 条

[1] 图像隐写与自然噪声辨识研究 [J].

汤光明 ;

刘静 .

计算机工程, 2011, 37 (04) :150-151+154

[2] 小波包子带频域矩和遗传算法的图像隐写分析 [J].

周治平 ;

张小祥 ;

惠卯卯 .

系统工程理论与实践, 2010, (10) :1864-1869

[3] 基于小波包分解的图像信息隐写盲检测 [J].

罗向阳 ;

刘粉林 ;

王道顺 .

通信学报 , 2008, (10) :173-182

[4] 新的唯秘密载体信息隐藏分析方法 [J].

姜楠 ;

王健 ;

杨义先 .

北京邮电大学学报, 2006, (02) :1-4

[5]

Hierarchical quantization indexing for wavelet and wavelet packet image coding [J] . Hasan F. Ates,Engin Tamer.&nbsp&nbspSignal Processing: Image Communication . 2009 (2)

[6]

Wavelet packet analysis for face recognition [J] . C. Garcia,G. Zikos,G. Tziritas.&nbsp&nbspImage and Vision Computing . 1999 (4)

[7]

Defending Against Statistical Steganalysis .2 Provos N. the 10th USENIX Security Symp . 2001

← 1 →