[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

说明书

本发明涉及一种基于非线性混合核特征映射的图像隐写检测方法及系统，包括：获取待测图像，采用富模型类型特征提取方法对待测图像进行特征提取，确定待测图像的统计特征，将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，利用基于非线性混合核函数的特征映射算法对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，将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分类器确定待测图像是否含有隐写信息。通过本发明的上述方法提高检测精度且不增加时间复杂度。

技术领域

本发明涉及图像隐写技术领域，特别是涉及一种基于非线性混合核特征映射的图像隐写检测方法及系统。

背景技术

图像隐写技术是指利用人类感官的不敏感性和信号本身存在的冗余，将秘密信息嵌入到图像中，而图像隐写分析是图像隐写的反向技术，主要致力于检测隐秘图像、提取隐秘消息等。

现有的隐写分析主要分为两类:一类是专用隐写分析，针对已知的隐写算法进行分析和测试，由于具备了隐写算法这一先验知识，所以检测准确率较高，但是应用范围比较窄。另一类是通用隐写分析，在不知道隐写算法的前提下对待检测数据进行判定，由于不知道具体的隐写算法，因此其应用范围更广，泛化能力更强，更适合于实际应用，但是复杂、准确性低。

发明内容

本发明的目的是提供一种基于非线性混合核特征映射的图像隐写检测方法及系统，解决现有技术中通用隐写分析复杂、准确性低的问题。

为实现上述目的，本发明提供了如下方案：

一种基于非线性混合核特征映射的图像隐写检测方法，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。

可选的，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。

可选的，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。