中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2014年
9期
1260-1267
,共8页
隐写术%Gibbs随机场%失真函数%特征分析
隱寫術%Gibbs隨機場%失真函數%特徵分析
은사술%Gibbs수궤장%실진함수%특정분석
steganography%Gibbs random field%distortion function%feature analysis
目的 为了保证载密图像的抗统计分析能力同时避免对特定载体模型的过度优化,提出一种以最小化失真为目标的隐写算法.方法 算法以各方向元素基团为基本单元定义失真函数,以Fisher准则函数的极大值为标准对失真参数进行优化,将失真函数与统计特征相关联.在秘密信息的嵌入过程中,首先依据邻域系统将图像载体分为若干元素阵列,令不同的阵列对应不同的特征子集,再利用Gibbs抽样和STC(Syndrome-trellis code)编码实现对这些有所差异的特征子集的集成,从而在最小化失真的同时保持载体的统计特征.结果 在3组不同维数的检测算法下比较该算法与同类算法的分类误差.结果表明,该算法能更好地保持统计模型,嵌入率为0.5 bit/pixle时相应特征集的检测误差仍高于0.4,面临高维检测时算法同样具有较高的安全性.结论 该算法借助最小失真思想实现了隐写前后统计特征的保持,且有效避免了在不完整模型上的过度优化,拥有比同类算法更好的适应性和安全性.
目的 為瞭保證載密圖像的抗統計分析能力同時避免對特定載體模型的過度優化,提齣一種以最小化失真為目標的隱寫算法.方法 算法以各方嚮元素基糰為基本單元定義失真函數,以Fisher準則函數的極大值為標準對失真參數進行優化,將失真函數與統計特徵相關聯.在祕密信息的嵌入過程中,首先依據鄰域繫統將圖像載體分為若榦元素陣列,令不同的陣列對應不同的特徵子集,再利用Gibbs抽樣和STC(Syndrome-trellis code)編碼實現對這些有所差異的特徵子集的集成,從而在最小化失真的同時保持載體的統計特徵.結果 在3組不同維數的檢測算法下比較該算法與同類算法的分類誤差.結果錶明,該算法能更好地保持統計模型,嵌入率為0.5 bit/pixle時相應特徵集的檢測誤差仍高于0.4,麵臨高維檢測時算法同樣具有較高的安全性.結論 該算法藉助最小失真思想實現瞭隱寫前後統計特徵的保持,且有效避免瞭在不完整模型上的過度優化,擁有比同類算法更好的適應性和安全性.
목적 위료보증재밀도상적항통계분석능력동시피면대특정재체모형적과도우화,제출일충이최소화실진위목표적은사산법.방법 산법이각방향원소기단위기본단원정의실진함수,이Fisher준칙함수적겁대치위표준대실진삼수진행우화,장실진함수여통계특정상관련.재비밀신식적감입과정중,수선의거린역계통장도상재체분위약간원소진렬,령불동적진렬대응불동적특정자집,재이용Gibbs추양화STC(Syndrome-trellis code)편마실현대저사유소차이적특정자집적집성,종이재최소화실진적동시보지재체적통계특정.결과 재3조불동유수적검측산법하비교해산법여동류산법적분류오차.결과표명,해산법능경호지보지통계모형,감입솔위0.5 bit/pixle시상응특정집적검측오차잉고우0.4,면림고유검측시산법동양구유교고적안전성.결론 해산법차조최소실진사상실현료은사전후통계특정적보지,차유효피면료재불완정모형상적과도우화,옹유비동류산법경호적괄응성화안전성.
