[发明专利]一种半色调图像隐写分析方法

说明书

本发明提供的一种半色调图像隐写分析方法，包括：构造隐写图片，得到模拟的隐写图像数据集；确定模式块大小，统计模拟的隐写图像数据集中每张图片的模式块的直方图特征；根据模式块的直方图特征空间，对所有图像特征进行降维并构造变换矩阵；从数据集构造训练集和测试集，提取训练集、测试集图像模式块的直方图特征，利用变换矩阵计算训练集特征向量，输入SVM中进行分析模型的训练；将测试集特征向量输入到训练好的分析模型中，完成对图像隐写的分析。本发明提供的图像隐写分析方法，在选择大小合适的模式块的同时，采用PCA进行降维，对隐写的主要特征成分进行提取，降低特征维度，保持了更多的有效特征从而提高检测的准确率。

技术领域

本发明涉及多媒体信息安全技术领域，更具体的，涉及一种半色调图像隐写分析方法。

背景技术

网络技术的迅速发展，网络上传输各种各样的图片，图像隐写可以对图像进行轻微的修改，嵌入信息，来进行隐蔽通信。不法分子可能利用这种手段进行隐蔽通信，在网络上传输不良信息，如果不对图片的传输进行一定的监管，这会是一个巨大的安全漏洞。对于不同类型的图像，其隐写的方法也会不一样，相应地隐写分析的方法也会不一样，而网络上依然还是可能会使用半色调图像进行通讯，因此从安全角度方面考虑，针对半色调图像的隐写分析依然非常有必要，对网络空间安全也具有一定意义。

半色调图像，对于其色调由浅到深或由淡到浓的变化，是靠网点面积大小或网点覆盖率来表现。二值半色调图像中像素值只有2种状态，黑或者白，因此对半色调的图像隐写，也是通过翻转像素点的方式来嵌入信息。对像素点进行翻转后，必然会引起某些模式块的增多，或者某些模式块的减少，半色调图像隐写分析，就是需要提取出有效的特征，更能反应出原图和隐写图片的差异，然后根据训练集训练一个分类器，根据这个训练后的分类器，再将其用于检测图像是否被隐写过。

针对半色调图像隐写分析，目前主要还是从模式块的特征出发，对于特征的提取时涉及到两个难点，如果选取模式块的大小太小，就无法够足够多的有效特征，使得分类器更难区分隐写和原图之间的差异；如果选取的模式块大小足够大，则会造成一个维度爆炸，因为模式块特征空间是和模式块的大小成指数关系，对于一个4*4大小的模式块，一共有65536种模式块，那么如果不对特征进行一定的筛选，它将构成65536维的特征。因此现有的半色调图像隐写分析存在难以选择包含更多有效特征并且特征维度低的模式块的技术缺陷。

发明内容

本发明为克服现有的现有的半色调图像隐写分析存在难以选择包含更多有效特征并且特征维度低的模式块的技术缺陷，提供一种半色调图像隐写分析方法。

为解决上述技术问题，本发明的技术方案如下：

一种半色调图像隐写分析方法，包括以下步骤：

S1：使用模拟嵌入的方法来构造M张隐写图片，得到一个模拟的隐写图像数据集，其中包含2M张图片；

S2：确定模式块大小，统计模拟的隐写图像数据集中每张图片的模式块的直方图特征，得到模式块的直方图特征空间；

S3：根据模式块的直方图特征空间，对所有图像特征进行降维并构造变换矩阵；

S4：从数据集构造训练集，提取训练集图像模式块的直方图特征，利用变换矩阵计算训练集特征向量，输入SVM中进行分析模型的训练；

S5：从数据集构造测试集，提取测试集图像模式块的直方图特征，利用变换矩阵计算测试集特征向量，将测试集特征向量输入到训练好的分析模型中，完成对图像隐写的分析。

其中，在所述步骤S1中，所述的模拟嵌入是通过设置一个翻转概率p，遍历图像中的每一个像素点，随机选取一个值q，若q≥p，则不翻转该像素点，反之则翻转该像素点。最终能够得到一个模拟的隐写图像数据集D，一共包含2M张图片。

其中，所述步骤S2具体包括以下步骤：