[发明专利]隐写分析系统中基于主元特征的隐写分析算法

摘要

本发明公开了一种隐写分析系统中基于主元特征的隐写分析算法。该算法捕捉图像中因嵌入信息导致的细微变化，可克服传统算法误检率较高的问题，能有效地应用于隐写分析系统中。本发明将微分运算引入图像隐写分析，计算信道内相邻像素之间，以及信道之间像素亮度的共生矩阵，并将共生矩阵的应用扩展到高阶微分和梯度，以描述信道内数据与空间位置相关的特性；计算这些统计量的“微分特征函数”的一阶和二阶统计矩，从一幅图像得到136维特征并使用“主元分析法”降为18维，最后采用支持向量机为分类方法构造隐写分析算法。本发明算法的特点是，算法性能的稳健性好，误检率低、检测率高；算法复杂性低、计算开销小。

主权项

1.一种隐写分析系统中基于主元特征的隐写分析算法，其特征在于，包括如下步骤：1)将高阶微分运算引入隐写分析领域微分运算具有放大“微小变化”的作用，使用高阶微分捕捉图像中的突变点和因为嵌入隐藏信息而导致的不自然变化；2)计算所有像素亮度、一阶全微分和二阶全微分分布状态的直方图计算图像中每个像素位置对应的一阶全微分和二阶全微分；一阶全微分可看作当前位置像素的右方和下方两个像素的颜色值和同当前位置像素颜色值的2倍之差；二阶全微分可看作当前位置像素的右方和下方两个像素的一阶全微分和同当前位置像素一阶全微分的2倍之差；将所有的像素亮度按照数字大小统计不同像素的颜色值的个数，就得到像素亮度的直方图：公式(1)用于计算三个信道(α∈{r，g，b})中亮度v(v∈[0，255])的频度；其中，s＝t时，[s，t]＝1，否则[s，t]＝0；所有亮度的频度组成像素亮度的直方图；类似的，可得到一阶全微分和二阶全微分的直方图；计算一阶全微分直方图时，将b^α(i，j)改为d₁^α(i，j)，并适当地改变i和j的变化范围；计算二阶全微分直方图的公式可类似得到；3)计算高阶偏微分的直方图计算图像中每个像素位置对应的高阶偏微分。高阶偏微分目前对应着一阶、二阶和三阶偏微分；一阶偏微分可看作当前位置像素的右方像素颜色值同当前位置像素颜色值之差，或者其下方像素的颜色值同当前位置像素颜色值之差；将所有像素位置的一阶偏微分按照数字大小统计不同像素位置处的一阶偏微分的个数，就得到一阶偏微分的直方图：公式(2)用于计算颜色信道α内一阶偏微分v的频度，所有频度组成一阶偏微分的直方图；计算二阶偏微分和三阶偏微分直方图的公式类似；类似的，可分别得到二阶和三阶偏微分的直方图；二阶偏微分可看作当前像素位置的右方像素的一阶全微分同当前像素位置的一阶全微分之差，或者其下方像素的一阶全微分同当前像素位置的一阶全微分之差；三阶偏微分的计算与此类似；4)计算相邻像素位置6个高阶偏微分对象的共生矩阵按照3)中方法可计算得到“行”和“列”两个方向共6个高阶偏微分对象；统计“行”方向上位置相邻的两个像素处高阶微分的数值同时出现的个数；所有成对一阶偏微分的个数组成一阶偏微分的共生矩阵；类似的，可得到其他对象的共生矩阵；5)计算两个颜色信道之间的高阶偏微分共生矩阵彩色RGB图像有三个颜色信道，计算出每个颜色信道中所有像素位置的高阶偏微分后，统计两个不同信道中相同坐标位置处一阶偏微分同时出现的个数，就得到一阶偏微分共生矩阵；类似的，可得到其他的偏微分共生矩阵；6)计算梯度共生矩阵为将r、g和b三个颜色信道的亮度综合考虑，引入了梯度的概念；梯度在图像处理中被看作基于一阶偏微分的图像增强技术；简单地说，一个像素位置处的梯度是三个颜色信道中该像素位置处一阶偏微分的绝对值和。梯度被分为“行”方向的“行梯度”和“列”方向的“列梯度”；统计位置相邻的两个梯度值同时出现的状态，就得到梯度共生矩阵；7)使用直方图特征函数计算如上统计量的统计矩作为初始特征对一个直方图做一维离散傅里叶变换并求其幅值，得到其“微分特征函数”，使用统计矩公式计算得到该直方图对应的一个特征；对一个共生矩阵做二维离散傅里叶变换并求其幅值，得到其“微分特征函数”，使用统计矩公式计算得到该共生矩阵对应的两个特征；从所有统计量按照如上方式计算，可从一幅彩色图像得到初始的136维特征向量；8)使用主元分析法将初始的136维特征向量降维为18维最终特征向量的方法使用“主元分析法”降维，将每幅图像看作一“行”，一幅图像对应的136维特征看作136“列”，就得到一个矩阵；使用线性代数中求特征值和特征向量的方法，选取最大的几个特征值及其对应的特征向量，并将其他特征值对应的特征向量置为0，就得到降维特征向量；通过原始特征向量同降维特征向量之间的运算，得到最终降维为18维的特征向量过程中，使用了最大的18个特征值对应的18个特征向量组成降维特征矩阵。