基于图像纹理的空域富模型隐写分析研究
- 格式:pdf
- 大小:1.21 MB
- 文档页数:9
SRM(空域富模型隐写分析)SRM(空域富模型隐写分析)1.引⾔图像隐写是将秘密信息按照⼀定的规律嵌⼊到载体图像中,⽣成含密图像,使得秘密信息传输难以被⼈察觉。
传统的空域隐写算法LSB[1]或者JPEG域图像隐写⽅法Outgess[2]、nsF5[3]等,他们通过修改空域或DCT域系数,将⼆进制⽐特流嵌⼊到图像中。
然⽽这样的隐写算法难以抵挡SRM[4]、DCTR[5]等⽅法的攻击。
为抵抗隐写分析者的检测,隐写算法的设计者在设计隐写算法时引⼊STC编码⽅法[6]及嵌⼊失真函数[7],将秘密信息嵌⼊到图像中难以被统计建模的位置,⽽这些位置⼤多为纹理复杂度较⾼的区域,如HUGO[8]、WOW[9]、UNIWARD[10]等⽅法。
为了针对此类⾃适应隐写算法,基于DCTR的SCA-DCTR[11]隐写分析⽅法也相应产⽣,此⽅法是由DCTR加⼊对于像素嵌⼊概率的估计,从⽽使得针对⾃适应隐写⽅式有着较⾼的检测准确率。
但是基于SRM隐写分析⽅法却没有类似的⽅式提⾼其对于⾃适应隐写算法的分析准确率。
其中SRM是⼀种准确度较⾼的空域⾼维度图像特征,通过各种滤波器对图像进⾏滤波处理后得到相应的特征量。
然⽽SRM只考虑的像素点及其相邻位置像素的相关性,并没有考虑图像的纹理特征,没有对隐写时的未知进⾏预测,故在对于⾃适应隐写⽅法进⾏分析的时候对于准确率会有⼀定的降低。
针对此问题,本⽂在SRM 特征上进⾏⼀定的改进,将其与图像的纹理特征进⾏快速结合,使其对于⾃适应隐写算法进⾏隐写分析时准确率有所提⾼。
2.空域富模型SRM是于2012年由Fridrich等⼈提出的⼀种⾼维度的空域隐写分析图像特征,是⼀种传统的通⽤隐写分析⽅法。
通⽤隐写分析是不针对⼀种隐写算法的隐写分析⽅法,其步骤是通过提取已知图像的统计特征训练分类器,再利⽤训练好的分类器判别未知图像是否含密,隐写分析的步骤如图1所⽰。
其中特征提取及分类器训练为传统通⽤隐写分析中较为重要的步骤,SRM即为⼀种建模的特征。
图像空间域压缩感知通用隐写分析方法赵慧民;裴真真;才争野;王晨;戴青云;魏文国【摘要】根据灰度图像的纹理特征,提出一种空域压缩感知通用隐写分析(Compressive Sensing Universal Steganalysis,CSUS)方法.首先,使用方向提升小波变换(Directional Lifting Wavelet Transform,DLWT)对图像进行稀疏表示,并对稀疏系数进行直方图统计;然后,结合广义高斯分布(Generalized Gaussian Distribution,GGD)模型设计压缩感知(Compressive Sensing,CS)测量矩阵,并运用该矩阵感知稀疏系数得到CS观测值,以此作为纹理特征量;最后,通过支持向量机(Support Vector Machine,SVM)实现图像隐写的分类判断.采用5种隐写算法对4种图像数据库的图像进行隐写,利用本文提出的CSUS方法与经典的隐写分析方法进行隐写分析与对比.实验结果表明,本文CSUS方法对空域隐写具有较高精度及较好的通用性,并能够降低感知特征的维数.%Based on the textural features of grayscale images, a scheme of compressive sensing universal steganalysis (CSUS) in spatial domain was proposed. Firstly, directional lifting wavelet transform (DLWT) was employed as a sparse representation, and corresponding sparse coefficient was used to calculate histograms of images. Then, measurement matrix of the compressive sensing(CS) was designed with the generalized Gaussian distribution (GGD) model, and the CS value was obtained by using the matrix to sense the sparse coefficients, which were regarded as the textural features. Finally, the classification of image steganalysis was implemented by the support vector machine (SVM). The steganography of four kinds of image databases were performed with five kinds of steganagraphic algorithms. Steganalysis was carried out withthe proposed CSUS and classical steganalysis methods, and the results were analyzed and compared. Experimental results show that the proposed CSUS method is universal and has higher accuracy for detecting spatial domain steganography, and feature dimension can be reduced.【期刊名称】《安徽工业大学学报(自然科学版)》【年(卷),期】2017(034)002【总页数】7页(P157-163)【关键词】图像;纹理;压缩感知;隐写分析;特征【作者】赵慧民;裴真真;才争野;王晨;戴青云;魏文国【作者单位】广东技术师范学院计算机科学学院,广州510665;广州市数字内容处理及其安全性技术重点实验室,广州510665;广东技术师范学院计算机科学学院,广州510665;广州市数字内容处理及其安全性技术重点实验室,广州510665;广东技术师范学院计算机科学学院,广州510665;广州市数字内容处理及其安全性技术重点实验室,广州510665;广东技术师范学院计算机科学学院,广州510665;广州市数字内容处理及其安全性技术重点实验室,广州510665;广东技术师范学院计算机科学学院,广州510665;广州市数字内容处理及其安全性技术重点实验室,广州510665;广东技术师范学院计算机科学学院,广州510665;广州市数字内容处理及其安全性技术重点实验室,广州510665【正文语种】中文【中图分类】TP391隐写分析(steganalysis)是信息隐藏的对抗技术,目的是检测隐写术中秘密消息的存在、提取秘密信息,从而识别并破坏保密通信。
基于图像的信息隐藏与隐写术技术研究的开题报告一、选题背景:随着数字化时代的到来,信息安全问题变得尤为重要。
信息隐写术技术为信息安全提供了一种有效的解决方案。
基于图像的信息隐藏是其中的一种技术,其具有覆盖范围广、数据量大等优点。
因此,本文选取基于图像的信息隐藏与隐写术技术为研究对象,以期能够提高信息安全水平。
二、研究内容:本文将重点关注以下几点:1. 基于图像的信息隐藏技术的概述:介绍基于图像隐写术技术的相关基本概念和发展现状。
包括比较常用的一些方法和技术,如LSB算法、F3算法、PVD算法等。
2. 隐写术技术的原理:阐述使用隐写术技术实现信息隐藏的原理。
重点关注常用的隐写方法和模型,解释它们的原理和实现过程。
3. 基于图像的信息隐藏技术的评价:对比和评价各种基于图像的信息隐藏技术的优缺点,为读者提供参考。
4. 基于图像的信息隐藏技术在实际应用中的应用:介绍基于图像的信息隐藏技术在实际应用中的应用,尤其是在数字版权保护、信息安全等方面的应用。
三、研究方法:本文主要采用文献资料法,对相关图像信息隐藏技术及其实现原理、应用方向和现状进行梳理和总结。
同时,采用模拟实验进行实际验证和分析。
四、研究意义:本文的研究意义在于:1. 提高基于图像的信息隐藏技术在信息安全领域的应用水平。
2. 加深人们对隐写术技术的理解和认识,促进网络信息安全的普及。
3. 为相关领域的科研人员提供指导和参考,丰富和拓展相关领域的研究方向。
以上是本文的开题报告,对于相关领域的人士可以提供一些研究思路和借鉴。
《新技术讲座》课程课程大作业作业名称:基于数字图像LSB隐写算法的研究姓名:其他组员:学号:班级:完成时间:2013年11月2日基于图像LSB隐写算法的研究(XX大学XX学院XX XX地联系方式)摘要:本文先对信息隐藏技术、隐藏模型、隐写术、隐写算法等进行了简单介绍,然后借助软件matlab7.0,采用空域隐写算法LSB将秘密信息嵌入数字图像,完成隐写;接着将嵌入的秘密信息提取出来,通过计算其峰值信噪比PSNR来评估该隐写算法的不可感知性,证实了LSB嵌入时在图像的最不重重要位加载秘密信息,一定程度上加强了秘密信息的不可感知性;再通过缩小和放大二倍来分析隐写算法的鲁棒性,试验结果表明,该算法计算量低,在低嵌入率时检测结果准确,优势明显,而对嵌入率较高的载秘图像,需要修正后才能达到常规检测的标准;最后,在实验总结基础上提出了一些建议,并对未来进行了展望。
关键词:信息隐藏技术隐写算法LSB信息嵌入信息提取PSNR不可感知性鲁棒性第一部分1.引言随着计算机技术、信息处理技术和计算机网络技术的飞速发展,Intemet在世界范围内得到了大力推广,各种数字信息的制作、传输、存储和处理由此变得越来越简单。
通过互联网,人们可以快捷高效地获得图像、声音和文本等各种多媒体数据,分享海量的信息资源。
各种机密信息,如个人的信用卡账号逐渐在网络通信中出现。
然而,全球互联网是一个开放的系统,虽然普通用户可以通过网络方便、快捷地交流信息,但是随之而出现的问题也十分严重:个人的隐私的安全如帐号、个人信息、密码口令、电子邮件等能否得到保障;多媒体作品的版权能否得到应有的保护;电子商务中的企业机密能否不被商业间谍所窃取;涉及到国家安全、政府绝密的文件在网络中能否被安全地传输等。
因此,蓬勃发展的网络使得信息传输和交流更加简单易行的同时,也对关系国家安全、经济发展乃至个人隐私等方而的信息安全提出了更高的要求。
国内外各界已经高度重视如何在既能有效地保证各种信息的安全这个大前提下,也能充分利用Internet便利的问题,由此一门新兴的交叉学科——信息隐藏诞生了。
针对空域LSB匹配的隐藏信息检测方法杨林聪;夏志华【摘要】Spatial LSB (least significant bit) matching was modeled as adding independent noise to the image, and its influence on the image histogram and the correlation between the adjacent pixels were analyzed. Accordingly, the absolute differences between adjacent elements of image histogram were calculated as the histogram features, and co-occurrence matrix was utilized to extract features based on image correlation. A calibrated image was generated by embedding message into the test image, and the features were extracted from both the test and calibrated images. The ratios of corresponding features between test and calibrated images were used as the final features. Support vector machines were utilized to train and test the classifiers on a JPEG (joint photographic experts group) compressed and an uncompressed image databases. The results show that which that exploit the histogram disturbance are better in terms of detecting uncompressed images, while the features based on the image dependence are accomplished for the detection of images with low noise. The proposed method utilizes both the kinds of disturbance and thus performs well.%将空域LSB(least significant bit)匹配嵌入模拟成像图像中添加独立噪声,分析LSB匹配嵌入对图像直方图和图像相邻像素之间的相关性的影响,计算图像直方图相邻元素绝对差作为直方图特征,运用共生矩阵模型对差分图像进行统计以提取图像相关性的特征;将检测图像嵌入信息构造1幅对应的校准图像,分别从待检测图像和校准图像提取特征,将对应特征的比值作为最终特征组成特征向量.在JPEG(joint photographic experts group)压缩和未压缩的2个图像库上利用支持向量机对特征向量进行训练和测试,并与已有算法进行比较分析.研究结果表明:基于图像直方图的特征在检测未压缩的图像时更具优势,而基于图像相关性的特征则更擅长检测含噪声较少的图像里的隐藏信息.该算法全面考虑了LSB匹配对图像直方图和图像相关性的影响,并用校准图像对特征进行校准,因而获得了良好的检测效果.【期刊名称】《中南大学学报(自然科学版)》【年(卷),期】2013(044)002【总页数】7页(P612-618)【关键词】隐写分析;图像直方图;相邻像素相关性;共生矩阵【作者】杨林聪;夏志华【作者单位】南京信息工程大学语言文化学院,江苏南京,210044;南京信息工程大学计算机与软件学院,江苏南京,210044【正文语种】中文【中图分类】TP392数字隐写术利用人类的视觉、听觉等感知冗余以及多媒体的数据冗余,将秘密信息嵌入到公开的数字媒体中[1-2]。
面向隐写分析的图像富模型特征的改进赵宝琴;袁志民【摘要】Presently, the best detectors of content-adaptive steganography are constructed as ensemble classifi-ers trained on sets of cover and stego images .The images are represented with rich models ( a family of features ) . Recent research has shown that the detection accuracy can be improved by including adaptive element i.e.the em-bedding change ratesin the features .Since each noise residual relies on an entire pixel block ,the embedding im-pact on the residual itself rather than on the pixel should be included .According to this observation , the expected value of the residual L 1 distortion in the features of rich models in place of the pixel change rates to improve the de-tection accuracy was used .This new idea is supported in experiments for three advanced content-adaptive stegano-graphic algorithms .%针对内容自适应隐写的最佳检测器是经载体图像集与相应隐写图像集训练的集成分类器,训练图像由基于残留噪声的富模型(一族特征)表示。
基于S-UNIWARD的图像自适应空域隐写术李宁波;潘峰;李军;李秀广【摘要】为提高图像隐写的统计安全性,根据图像内容的最小化嵌入失真原则,在空域通用小波相对失真方法(spatial-universal wavelet relative distortion,S-UNIWARD)的基础上,提出一种结合边缘检测和校验格编码(syndrome trellis code,STC)的图像自适应空域隐写术.利用基于Canny算子的边缘检测得到图像的边缘区域,根据S-UNIWARD定义图像像素的嵌入失真,通过实验设置失真阈值来选择图像的纹理区域,使用STC在边缘区域和纹理区域对秘密信息进行嵌入.实验结果表明,该算法提高了S-UNIWARD在图像边缘区域和纹理区域的嵌入精度,提高了算法安全性.【期刊名称】《计算机工程与设计》【年(卷),期】2016(037)010【总页数】5页(P2627-2631)【关键词】自适应隐写;边缘检测;空域通用小波相对失真方法;失真阈值;校验格编码【作者】李宁波;潘峰;李军;李秀广【作者单位】武警工程大学密码与信息安全保密重点实验室,陕西西安710086;武警工程大学密码与信息安全保密重点实验室,陕西西安710086;武警工程大学密码与信息安全保密重点实验室,陕西西安710086;武警工程大学密码与信息安全保密重点实验室,陕西西安710086【正文语种】中文【中图分类】TP309传统的图像隐写[1,2]算法如最低比特位替换法等,虽然能够实现简单的信息隐写功能,但是存在以下问题:一是隐写方法过于简单,容易被攻击者利用现有的高维隐写分析特征进行攻击;二是虽然对像素中不重要的比特位进行了修改,但是图像中每个像素的“重要程度”并不相同。
例如图像中平滑区域的像素,修改后会造成较大的失真,因此在进行嵌入时应尽量避免;而纹理区域和边缘区域的像素由于内容较为复杂,修改后对图像造成的失真较小,很难被攻击者察觉,而且能够有效抵抗隐写分析者的检测,因此比较适合作为隐写的载体。
学校代号10532 学号S1010W139 分类号TP391 密级普通工程硕士学位论文空域图像LSB匹配隐写分析技术The Research on Steganalysis of LSB Matching in SpatialDomain of ImagesbyTIAN QinglongB.E. (Hunan University) 2009A thesis submitted in partial satisfaction of theRequirements for the degree ofMaster of ScienceinComputer Science and Technologyin theGraduate schoolofHunan UniversitySupervisorAssociate Professor Wu RonghuiMarth, 2012湖南大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。
除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。
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。
本人完全意识到本声明的法律后果由本人承担。
作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。
本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
本学位论文属于1、保密 ,在______年解密后适用本授权书。
2、不保密 。
(请在以上相应方框内打“ ”)作者签名:日期:年月日导师签名:日期:年月日I空域图像LSB匹配隐写分析技术摘要随着互联网技术的不断普及和多媒体信息的数字化,打破了传统的时空观念,人们可以迅速的将信息以各种形式传播到世界的任何角落,但也暴露了越来越重要的安全问题。
Journal of Image and Signal Processing 图像与信号处理, 2017, 6(3), 131-138 Published Online July 2017 in Hans. /journal/jisp https:///10.12677/jisp.2017.63016文章引用: 董晶, 钱银龙, 王伟. 图像隐写分析研究新进展[J]. 图像与信号处理, 2017, 6(3): 131-138.Recent Advances in Image SteganalysisJing Dong 1,2, Yinlong Qian 1,3*, Wei Wang 11Center for Research on Intelligent Perception and Computing, National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing 2State Key Laboratory of Information Security, Institute of Information Engineering, Chinese Academy of Sciences, Beijing 3Department of Automation, University of Science and Technology of China, Hefei AnhuiReceived: Jun. 1st , 2017; accepted: Jun. 18th , 2017; published: Jun. 21st, 2017Abstract In recent years, steganalysis has become an important research direction in information security. With rapid development, numerous methods have been proposed to solve the steganalysis prob-lem. This article aims to review recent advances in image steganalysis to provide useful informa-tion to the researchers in this field. It first summarizes recent progress in traditional handcrafted feature based methods, and then introduces the deep learning based steganalysis, which is a new trend in steganalysis. Finally, the article summarizes the future trends and challenges in stegana-lysis. KeywordsSteganography, Steganalysis, Universal Steganalysis, Pattern Recognition, Deep Learning图像隐写分析研究新进展董 晶1,2,钱银龙1,3*,王 伟11中科院自动化研究所模式识别国家重点实验室智能感知中心,北京 2中科院信息工程研究所信息安全国家重点实验室,北京3中国科学技术大学自动化系,安徽 合肥收稿日期:2017年6月1日;录用日期:2017年6月18日;发布日期:2017年6月21日摘 要隐写分析是信息安全领域一个很重要的研究方向。
基于深度学习的图像隐写研究综述摘要:随着信息技术的快速发展,图像隐写作为信息隐藏的重要手段,在信息安全领域具有重要的应用价值。
近年来,深度学习技术的兴起为图像隐写带来了新的机遇和挑战。
本综述旨在对基于深度学习的图像隐写技术进行全面的分析和总结,包括其发展历程、主要方法、性能评估以及面临的问题和未来的发展趋势。
一、引言在当今数字化时代,信息的安全传输和存储成为人们关注的焦点。
图像隐写技术通过将秘密信息嵌入到普通的图像中,实现了信息的隐蔽传输,有效地保护了信息的安全性。
传统的图像隐写方法主要基于手工设计的算法,存在着隐写容量有限、抗检测能力弱等问题。
深度学习技术的出现为解决这些问题提供了新的思路和方法,使得图像隐写技术得到了快速的发展。
二、深度学习在图像隐写中的发展历程(一)早期探索阶段在深度学习技术的早期,研究人员开始尝试将神经网络应用于图像隐写。
2014 年,生成对抗网络(GAN)的出现为图像隐写提供了新的可能性。
2016 年,第一个基于深度学习的隐写模型——SGAN 被提出。
该模型利用 DCGAN 生成载体图像,并使用传统的嵌入算法实现秘密信息的隐藏,为后续的研究奠定了基础。
(二)快速发展阶段随着深度学习技术的不断发展,越来越多的基于深度学习的图像隐写方法被提出。
研究人员从不同的角度出发,提出了多种类型的隐写模型,如基于生成载体式、嵌入载体式、合成载体式和映射关系式等。
这些模型在隐写容量、抗检测能力和图像质量等方面都取得了显著的提升。
(三)成熟应用阶段近年来,基于深度学习的图像隐写技术已经逐渐成熟,并在实际应用中得到了广泛的关注。
研究人员不仅关注隐写模型的性能,还开始关注其安全性和可靠性。
同时,随着硬件设备的不断升级,深度学习模型的计算效率也得到了提高,使得图像隐写技术能够更加高效地应用于实际场景。
三、基于深度学习的图像隐写主要方法(一)基于生成载体式1.原理:该方法首先利用生成对抗网络生成尽可能真实的载体图像,然后在生成的载体图像中嵌入秘密信息。
基于像素差分的图像隐写算法研究摘要隐写术是一种隐藏通信手段,其目的是避开第三方的怀疑将信息传递出去,在军事、情报、国家安全等方面具有重要的意义。
隐写的基本要求是要有极高的安全性和足够的信息嵌入量。
隐写技术和隐写分析在国家军事、情报、商业等方面的意义重大。
设计高度安全的隐写方法是一项十分紧迫的任务,而对隐写分析的研究同样很重要。
一方面是要以尽可能隐蔽的方式将信息隐藏在载体信号之中,从而不引起对方的怀疑以实现隐蔽通信的目的;另一方面则是要以各种各样的手段检测隐蔽信息的存在,寻找敌对隐蔽通信的信源,从而阻断隐蔽通信的信道。
如同密码分析和密码术之间的对立关系,隐写分析和隐写术之间如同展开了一场“军备竞赛",伴随着彼此的发展而演化前进。
由于当前针对隐写的主要对抗措施是利用统计分析手段发现数字媒体的统计异常性,因此统计隐蔽性是安全隐写的主要考虑因素。
基于 LSB 的图像隐写方法简单,嵌入量较大;而基于人眼视觉特性的图像隐写算法具有很好的视觉隐蔽性和较大的嵌入量,因此两者都得到了广泛的应用,现在针对它们已经出现了多种有效的隐写分析方法。
本论文对隐写和隐写分析的目的、基本原理、主要方法进行了讨论,对国内外研究现状进行了综述。
系统地分析了现有的隐写算法,针对隐写算法中存在的统计异常,提出抗统计分析、安全性更好的算法,本文提出了一种结合了LSB与边缘匹配的基于像素差分的图像隐写算法,这些是上述算法中所没有提到的,预期希望可以实现兼顾嵌入秘密信息的容量和提高隐写图像的安全性的效果。
关键字:隐写分析;像素值差分;边缘匹配;最优像素调整AbstractSteganographic methods is a kind of hidden communication, its purpose is to avoid the third party doubt information transfer out, in the military, intelligence, such as national security has an important significance. The basic requirement of implicit writing is to have a high safety and enough information embedded quantity. Steganographic techniques and steganalysis in the national military, intelligence, business etc is of great significance. The design of the high security steganographic method is a very urgent task, but to steganalysis also is very important. On the one hand is to as much as possible in a hidden way will information hiding in the carrier signal, thus not cause each other's doubt to achieve the purpose of stealth communication; On the other hand is to all kinds of means testing the existence of hidden information, look for the enemy hidden communication source, thus blocking the concealed communication channel. As code analysis and cryptography confrontation relations, steganalysis and steganographic methods as launched a "arms race", with each other's development and evolution forward.Due to the current steganographic main countermeasures is the use of statistical analysis methods found that digital media statistical abnormality, so statistical disguised is safe hidden write main consideration factors. Based on LSB image steganographic method is simple, embedded in large quantities, And based on human visual characteristics of the image steganographic algorithm has very good visual concealment and larger embedding quantity, so both a wide range of applications, for now they have appeared a variety of effective steganalysis method. This thesis about hidden writing and steganalysis purpose, basic principle, main methods are discussed, the research at home and abroad are reviewed. This paper analyses systematically the existing steganographic algorithm, in view of the steganographic algorithm existing statistical anomaly, and puts forward the resistance to statistical analysis, safety better algorithm,this paper proposes a combined with LSB and edge matching based on pixel difference image steganographic algorithm, these are the above algorithms have not mentioned, the hope can achieve expected to embed secret information capacity and improve the security of the steganographic image effect.Keywords: Steganalysis; Pixel value difference; Edge matching; The optimal adjustment of pixels目录第一章绪论 (1)1.1 研究背景 (1)1.2 课题意义 (1)1.3 研究内容 (2)1.4 论文的组织结构 (3)第二章图像隐写及隐写分析综述 (5)2.1 隐写术的发展 (5)2.2 隐写系统的模型与特征 (6)2.2.1 隐写系统的模型 (6)2.2.2 隐写系统的特征 (6)2.3 数字水印与隐写术 (7)2.4 图像隐写的研究现状 (8)2.5 本章小结 (9)第三章基于像素特征的图像隐写算法研究 (10)3.1 引言 (10)3.2 现有算法的缺陷 (10)3.3 像素特征改进算法 (11)3.3.1 MD5伪随机数算法 (11)3.3.2 图像置乱预处理 (12)3.3.3基于边缘的整数小波域自适应隐写算法 (12)3.3.4阈值 T 的计算 (13)3.3.5数据的嵌入与提取 (14)3.4 实验结果及分析 (15)3.5 本章小结 (17)第四章基于像素值差分的边缘匹配隐写算法研究 (18)4.1 引言 (18)4.2 现有算法的缺陷 (18)4.3 边缘匹配改进算法 (19)4.3.1 MD5伪随机数算法 (19)4.3.2 图像置乱预处理 (19)4.3.3 四边边缘匹配隐写算法 (20)4.3.4 九边边缘匹配隐写算法 (22)4.3.6 信息提取算法 (26)4.4 实验结果与分析 (26)4.5本章小结 (28)第五章总结与展望 (29)5.1 总结 (29)5.2 展望 (30)参考文献 (31)致谢 (34)第一章绪论1.1 研究背景20世纪90年代以来,随着计算机网络的普及和信号处理技术的飞速发展,图像、视频、音频等多媒体数据能够在通信网络中迅速的传输,给人们的生活带来了诸多便捷,改变了传统的通信方式,一些私人秘密、商业机密和军事情报等也通过互联网进行传送。
图像隐写分析研究综述
段明月;李爽;张源策;李丽红
【期刊名称】《电脑知识与技术:学术版》
【年(卷),期】2022(18)9
【摘要】隐写术与隐写分析是信息安全领域中一个重要的课题。
随着图像隐写的不断发展,为了防止技术被恶意者利用,提出了图像隐写分析技术。
本文简单介绍图像隐写类别,并根据适用范围不同将隐写分析分为专用隐写分析和通用隐写分析,总结和归纳各算法的优缺点,探讨深度学习在图像隐写分析上的研究所面临的问题及发展趋势。
【总页数】3页(P3-5)
【作者】段明月;李爽;张源策;李丽红
【作者单位】华北理工大学;河北省数据科学与应用重点实验室;唐山市工程计算重点实验室
【正文语种】中文
【中图分类】TP18
【相关文献】
1.图像信息隐写术及隐写取证安全分析研究
2.以数字图像为载体的隐写分析研究进展
3.图像隐写分析研究新进展
4.基于图像纹理的空域富模型隐写分析研究
5.基于深度学习的图像隐写分析综述
因版权原因,仅展示原文概要,查看原文内容请购买。