[发明专利]基于内容的空域图像通用隐写分析方法

摘要

本发明属于信息安全技术领域，为通过对图像内容复杂度的合理描述以及隐写检测特征的有效改进，在保证低运算量的前提下显著提高了空域隐写分析的准确性。本发明，基于内容的空域图像通用隐写分析方法步骤1，获取图像内容分类的特征向量；步骤2，使用K均值聚类算法将训练样本集划分为若干个互不相交的类别；步骤3，分别计算对应垂直方向的二阶联合概率密度矩阵作为隐写检测的特征向量；步骤4，得到不同类别的分类器模型；步骤5，给定待测图像，按照步骤1计算分类特征向量，并根据其与各聚类中心的欧氏距离将待测图像划分至相应类别，然后按照步骤3提取隐写检测特征；步骤6，判断其是否含有隐藏信息。本发明主要应用于图像处理。

主权项

一种基于内容的空域图像通用隐写分析方法，其特征是，步骤如下：步骤1，对于输入的数字图像，首先计算相邻像素在水平、竖直、对角和反对角等多个方向的差分矩阵，阈值化处理后分别计算对应垂直方向的一阶联合概率密度矩阵；然后根据符号对称性将各联合概率密度矩阵中的元素进行合并以及水平和竖直矩阵、对角和反对角矩阵的分别合并，二者组合作为图像内容分类的特征向量；步骤2，依次提取训练样本集中全体图像的分类特征向量，使用K均值聚类算法将训练样本集划分为若干个互不相交的类别；步骤3，对每一类子图像库，首先计算图像像素在水平、竖直、对角和反对角等多个方向的差分矩阵并进行阈值化处理，在此基础上分别计算对应垂直方向的二阶联合概率密度矩阵作为隐写检测的特征向量；步骤4，基于各类子库的隐写检测特征，根据图像是否含有隐藏信息的属性分别进行分类器的训练，从而得到不同类别的分类器模型；步骤5，给定待测图像，按照步骤1计算分类特征向量，并根据其与各聚类中心的欧氏距离将待测图像划分至相应类别，然后按照步骤3提取隐写检测特征；步骤6，将待测图像的隐写检测特征输入对应类别的分类器中进行测试，进而判断其是否含有隐藏信息。