[发明专利]基于非线性混合核特征映射的图像隐写检测方法及系统

权利要求书

1.一种基于非线性混合核特征映射的图像隐写检测方法，其特征在于，所述图像隐写检测方法包括：

获取待测图像；

采用富模型类型特征提取方法对所述待测图像进行特征提取，确定待测图像的统计特征；

将所述待测图像的统计特征纵向依次分割，获得待测图像统计特征块集合；所述待测图像统计特征块集合中包括多个待测图像统计特征块；

利用基于非线性混合核函数的特征映射算法对所述待测图像统计特征块集合中的每个待测图像统计特征块进行映射，获得映射后待测图像统计特征块集合；所述映射后待测图像统计特征块集合中包括多个映射后待测图像统计特征块；

将所述映射后待测图像统计特征块集合中的每个映射后待测图像统计特征块进行拼接，合成待测图像高维富模型特征；

根据所述待测图像高维富模型特征，采用训练好的集成FLD分类器确定所述待测图像是否含有隐写信息。

2.根据权利要求1所述的基于非线性混合核特征映射的图像隐写检测方法，其特征在于，所述采用富模型类型特征提取方法对所述待测图像进行特征提取，确定待测图像的统计特征之后还包括：

根据所述待测图像的统计特征，利用松树生长优化方法确定优化后的待测图像统计特征。

3.根据权利要求1所述的基于非线性混合核特征映射的图像隐写检测方法，其特征在于，所述利用基于非线性混合核函数的特征映射算法对所述待测图像统计特征块集合中的每个待测图像统计特征块进行映射，获得映射后待测图像统计特征块集合，具体包括：

根据两种不同的单核函数构建非线性混合核函数；

获取训练图像的统计特征；

根据所述训练图像的统计特征和所述非线性混合核函数确定非线性混合核函数的特征值和特征向量；

根据所述特征值、所述特征向量和所述非线性混合核函数确定基于非线性混合核函数的特征映射算法；

利用所述基于非线性混合核函数的特征映射算法对所述待测图像统计特征块集合中的每个待测图像统计特征块进行映射，获得映射后待测图像统计特征块集合。

4.根据权利要求3所述的基于非线性混合核特征映射的图像隐写检测方法，其特征在于，所述非线性混合核函数为k(z,·)＝k 1(z,·)·k2(z,·)；其中，k(z,·)表示非线性混合核函数，k 1(z,·)和k 2(z,·)表示两种不同的单核函数，z表示特征向量。

5.根据权利要求4所述的基于非线性混合核特征映射的图像隐写检测方法，其特征在于，所述k 1(z,·)为Linear核函数，k 2(z,·)为Hellinger核函数。

6.根据权利要求1所述的基于非线性混合核特征映射的图像隐写检测方法，其特征在于，所述训练好的集成FLD分类器的训练过程具体包括：

获取训练样本数据；

采用富模型类型特征提取方法对所述训练样本数据进行特征提取，确定训练图像的统计特征；

根据所述训练图像的统计特征，利用松树生长优化方法确定优化后的训练图像的统计特征；

将所述优化后的训练图像的统计特征纵向依次分割，获得训练图像特征块集合；

利用所述基于非线性混合核函数的特征映射算法对所述训练图像特征块集合中的每个训练图像特征块进行映射，获得映射后训练图像特征块集合；

将所述映射后训练图像特征块集合中的每个映射后训练图像特征块进行拼接，合成训练高维富模型特征；

根据所述训练高维富模型特征对所述集成FLD分类器进行训练，获得训练好的集成FLD分类器。

7.根据权利要求6所述的基于非线性混合核特征映射的图像隐写检测方法，其特征在于，所述获取训练样本数据，具体包括：

获取若干未含隐写信息的图像作为原始图像，记为未含隐写信息的图像集合；

使用隐写算法对所述原始图像按照预设嵌入率进行隐写信息的嵌入，获得含隐写信息的图像集合；所述训练样本数据包括未含隐写信息的图像集合以及含隐写信息的图像集合。