基于二重扰动SVM集成分类的JPEG图像隐写检测

针对目前大部分JPEG隐写分析方法主要采用单一支持向量机分类器,可能产生泛化能力恶化、分类精度难以提高等问题,提出了一种新的基于二重扰动SVM集成分类的JPEG图像隐写检测方法.利用多项式核函数和高斯核函数构造混合核函数模型,并用主成分分析法进行特征变换,去除冗余信息,最后在变换后的特征空间上进行模型参数和特征的二重扰动产生成员分类器,并用多数投票法对它们进行组合.实验结果表明,与传统方法相比,具有更高的JPEG隐写图像检测率.     

基于LSSVM的JPEG图像隐写分析算法

构造了一种基于最小二乘支持向量机的针对JPEG图像的隐写分析方法，在DCT域和空间域上提取了JPEG图像的18维特征向量，利用LSSVM构建分类器，并根据嵌入算法的种类设定分类器的输出，以达到检测秘密信息的存在性和判别使用何种隐写算法实施信息嵌入的目的，针对Jsteg，F5，MB三类最常用的JPEG图像隐写算法进行了二分类和四分类的实验，结果表明，构建二分类器进行载密图像检测时，正确率较高；构建多分类器检测载密图像、判断其使用的隐写算法时，对于高嵌入量的载密图像有着较高的判断正确率。     

一个基于TSVM的GIF图像通用隐写检测方法

直推式支持向量机(TSVM)是一种从标记样本出发,对特定的未标记样本进行识别和分类的技术.本文分析了将TSVM应用到图像通用隐写检测中的可行性,提出并实现了基于TSVM的GIF图像通用隐写检测方法.实验结果表明,针对不同的GIF图像隐写工具,本文方法在较少标记样本条件下引入大量未标记样本,得到接近监督学习的通用检测效果.从而提高了GIF图像通用隐写检测的实用性.     

基于主成分分析的并行特征融合JPEG隐写检测

针对目前JPEG隐写检测方法的特征选取缺乏理论依据,特征冗余度高的问题,提出一种基于主成分分析进行并行特征融合的JPEG隐写分析方法.首先分析所选特征之间的互补性,然后用主成分分析进行特征变换,去除冗余信息,最后将特征并行融合.实验结果表明,和串行特征融合相比,本文方法具有更高的JPEG隐写图像检测率和更快的分类速度.     

基于SVM的沙尘暴预测模型

根据沙尘暴天气的特点和支持向量机（support vector machine，SVM）方法在解决小样本学习问题中的优势，提出基于SVM的沙尘暴预测模型．首先利用主成分分析法进行数据预处理，然后选择了径向基核函数，并通过分析惩罚参数和核参数对SVM分类器性能的影响，确定了参数的搜索空间，继而利用网格搜索法对其进行优化．在此基础上，构建并实现了基于SVM的沙尘暴预测模型．该模型与BP神经网络模型的运行结果对比表明，基于SVM的沙尘暴预报模型稳定性好，运行速度快，预报准确率提高了71．2％．     

基于相关性与纹理度量的SVM隐写分析算法

为提高图像信息隐藏正确检测率,扩展隐写分析算法的适用范围,提出了一种新的基于最低有效位(LSB)的隐写分析方法,引入了一组基于相邻像素相关性和图像纹理复杂度的差值关系的高阶统计矩作为特征矢量。基于此特征量构造分类器,采用支持向量机(SVM)进行训练和分类。对1 600幅BMP图像在不同嵌入率情形下进行仿真实验,并与经典的RS(regular singular)隐写算法和GPC(gray-levelplane crossing)算法进行对比分析。结果表明,针对原始无损存储图像,基于该文建立的分类器的准确率高于目前的主流算法识别掩密图像,具有较可靠的盲检测性能。     

基于位平面随机性测试的隐写分析算法

为有效检测图像中是否含有隐秘信息,提出了一种基于位平面随机性测试的隐写分析算法。该算法利用希尔伯特(H ilbert)扫描将图像最低和次低位平面转化为一维的二值序列,并分别对其进行14项随机性测试。利用测试结果组成28维图像特征向量,构造支持向量机分类器实现对载密图像的可靠检测。多次实验证明:该算法对于空域LSB类隐藏算法嵌入信息在0.05 b/p以上的载密图像具有95%以上的检测率,并且对于频域隐写技术F5也是有效的。     

基于位平面统计相关的支持向量机图像隐写分析算法

随着隐写技术的发展,隐写分析引起了越来越多研究人员的关注.通过对隐写前后图像位平面的相关性分析,提出一种空域LSB通用隐写分析算法.该算法只使用了32个特征统计量,具有较低的计算复杂度.实验结果表明,此算法对嵌入消息长度小于0.3 bpp的载密图像的检测准确率超过90%,多次实验也表明此算法具有很好的稳定性.     

基于贝叶斯方法的单分类入侵检测技术

考虑到入侵检测问题中样本数据的不平衡性,可以将单分类模型应用到入侵检测中.通过应用贝叶斯方法,对单分类支持向量机模型进行改进,使之成为一种概率模型,从而更加符合入侵过程的随机特性;应用主成分分析技术对原始数据在各个方向上进行等方差处理,使之更加符合该模型对数据正态分布的前提假设.同时,在模型求解上采用分治的思想,对数据进行分组计算,实现对大数据的高效求解.在标准入侵检测数据集NSL-KDD上进行测试,实验结果达到87.46％的检测准确率,从而验证了该方法可以在入侵检测中得到有效利用.     

基于JPEG二次压缩的隐藏信息检测

针对图像隐写软件对图像(JPEG格式)进行二次压缩的过程,提出将待检图片是否被二次压缩作为图像是否被隐写的特征之一。为了对JPEG二次压缩后的图像进行有效检测,通过研究JPEG图像经二次压缩后所引起的DCT统计特性的变化及二次压缩前后的量化表q1、q2对二次压缩后图像的DCT统计所引起的变化的分析,提出了针对不同q1、q2 JPEG二次压缩的检测方法。实验证明本文的检测方法是有效的。     

基于RSBRA离散化方法的支持向量机集成

提出一种新的基于离散化方法的支持向量机集成算法,该算法采用粗糙集和布尔推理离散化方法构造有差异的基分类器,进一步提高了集成学习机的分类性能.实验结果表明,所提算法具有明显优于单一支持向量机的分类性能,并能取得比传统的集成学习算法Bagging和Adaboost更高的分类正确率.     

基于改进Fisher准则与极限学习机集成的图像隐写分析

集成分类器是目前图像隐写分析中广泛使用的分类器。针对集成分类器中基分类器受离群样本影响较大,集成策略效果不佳的缺点,提出一种基于改进Fisher准则与极限学习机集成的图像隐写分析算法。首先,通过重新定义类内散度矩阵以提高Fisher准则模型的准确性,之后基于改进的Fisher准则并使用Bagging算法训练若干基分类器,最后使用极限学习机作为元分类器来建立基分类器集合与正确决策之间的联系。实验结果表明,在不同的隐写算法与嵌入率的条件下,与传统集成分类器和基于选择性集成的集成分类器相比,所提算法降低了3.5%与1.8%的检测错误率,说明能够有效提高集成分类器的检测精度。     

基于微观模板的多类JPEG图像盲隐密分析方法

为准确判断一幅JPEG图像使用了何种隐密软件,针对JPEG隐密软件可能采用的DCT域隐密操作,建立了基于微观模板的统计特征空间,并在此基础上提出了一种多类JPEG图像盲隐密分析方法.实验结果表明:对JSteg、F5和Outguess 3种典型JPEG图像隐密软件各自生成的、含密量大于20%的JPEG隐密图像,该方法的隐密软件识别正确率均在97%以上.基于微观模板的统计特征提取方案可有效区分不同的DCT域隐密操作,有助于对JPEG隐密软件的检测判决.     

一种抗JPEG压缩和掩密分析的空间域图像信息隐藏算法

如何有效对抗掩密分析是信息隐藏研究的一个重要方向。提出了一种抗JPEG压缩和掩密分析的空间域图像信息隐藏算法：首先对载体图像和秘密图像分别置乱,然后对载体图像分块,在每块子图像中重复嵌入1bit信息;提取秘密信息时,先对含密图像置乱恢复和分块,然后在每块子图像中按照多数优先的原则提取1bit信息。实验表明,该算法不仅对...     

基于SVM的多类分类集成

为了解决单个SVM可能产生的泛化能力恶化问题以及当SVM采用一对多组合策略解决多类分类时可能产生的误差无界情况,本文采用Bagging方法构造了一个基于SVM的多类分类集成模型,利用MIT KDD 99数据集进行仿真实验,通过实验探讨了其中的两个参数——训练样本数和单分类器个数对集成学习效果的影响,并将其与采用全部样本进行训练及部分样本进行训练的单分类器检测进行了比较。结果表明：集成学习算法能够有效降低采用全部样本进行训练所带来的计算复杂性,提高检测精度,而且也能够避免基于采样学习带来检测的不稳定性和低精度。     

采用预测编码的图像隐写分析算法

通过分析图像无损压缩过程中预测编码的原理,提出了一种基于预测编码方法的空域图像隐写分析算法。该算法的基本思想是利用空域隐写会破坏图像相邻像素之间的相关性,而预测编码是利用图像相邻像素之间的相关性来预测的,这样隐写后图像的预测误差将会大于载体图像的预测误差,通过计算隐写前后图像的预测误差来分析图像中是否含有秘密信息。实验表明:基于预测编码的图像隐写分析具有较好的隐写分析能力。