《圖像稀疏表示在統計不可檢測安全隱寫中的套用研究》是依託復旦大學，由王建軍擔任項目負責人的面上項目。
基本介紹
- 中文名：圖像稀疏表示在統計不可檢測安全隱寫中的套用研究
- 依託單位：復旦大學
- 項目類別：面上項目
- 項目負責人：王建軍
項目摘要,結題摘要,
項目摘要
隱寫是在載體信號（語音，圖像）中嵌入秘密信息使其不被外界攻擊和檢測的新型技術。在軍事、情報、國家安全具有重大意義，對民用領域也有廣泛套用前景。絕大多數以圖像為載體信號的隱寫算法僅僅能抵抗個別幾種統計特徵上的攻擊，如直方圖等。對同時抵抗多個統計特徵的攻擊缺乏有效的策略。本項目針對抵抗多個統計特徵的問題，提出利用不同圖像語義分量的特點，分別建立不同的語義字典，設計其不同的原子，對圖像進行稀疏表示，在圖像稀疏的理論框架下，合理分配嵌入信息於不同的語義分量上，使載體圖像統計特性改變最小。在防攻擊上，組合多個盲攻擊算法使用的特徵為一個整體來訓練分類器，對設計的全新的基於圖像稀疏表示的隱寫方法進行攻擊，不斷對提出方法進行修正，達到基於多個統計特徵的攻擊對含密圖像的不可檢測。通過本課題的研究，希望找到圖像語義分量統計不可檢測的區域整體描述或原型，發展和完善抵抗盲檢測的圖像隱寫的策略。
結題摘要
圖像稀疏表示是近幾年來的信號處理與圖像處理領域的研究熱點和難點之一。該項採用圖像稀疏表示研究了統計不可檢測安全隱寫以下幾個方面：（1）多個冗餘字典的建立方法，探討了冗餘字典對隱寫安全性的影響；（2）圖像分解稀疏係數的唯一性，研究了多成分學習冗餘字典的分解路徑與稀疏係數之間的關係；（3）嵌入信息量與圖像語義分量的分配，研究了圖像語義分量與稀疏係數之間的對應關係；（4）隱寫安全性的研究，探討了多個盲攻擊算法使用的特徵為一個整體，使用自適應超圖學習算法來訓練分類器；結果表明：當多成分字典用於稀疏域隱寫術，並不是多成分字典包含越多的子字典就越能提高隱寫方法的性能。相反，隨著多成分字典包含子字典的增加，隱寫的嵌入容量和抗檢測性能會下降。當多成分冗餘學習字典用於稀疏域隱寫時，我們得到了更加準確的圖像語義分量，將秘密信息嵌入到圖像語義分量，增強了基於圖像稀疏表示的隱寫系統的抗攻擊性能；用多成分學習冗餘二值字典對圖像進行分解時，可以得到一種分解路徑，按照該路徑嵌入信息，在提取信息時，用相同的多成分學習冗餘二值字典對含密圖像進行稀疏分解，可以得到相同的路徑，確保稀疏係數分解的唯一性；構造平滑區域與紋理區域的綜合學習冗餘字典，能正確區分圖像的語義分量，將信息嵌入到語義複雜的區域，不但能提升隱寫算法的嵌入容量，而且抗攻擊性能優於已有的隱寫算法；組合了幾種攻擊算法使用的特徵為一個整體，用自適應超圖學習分類器，得到了一種能抵抗上述幾種攻擊的隱寫算法，但嵌入容量略低於抵抗單種攻擊的隱寫算法。該結果為圖像稀疏表示在抵抗統計不可檢測安全隱寫中的套用提供了一種新的設計思想和理論依據。
