《基於特徵關聯與校準機制的圖像隱寫分析研究》是秦姣華為項目負責人，中南林業科技大學為依託單位的青年科學基金項目。
基本介紹
- 中文名：基於特徵關聯與校準機制的圖像隱寫分析研究
- 項目類別：青年科學基金項目
- 項目負責人：秦姣華
- 依託單位：中南林業科技大學
項目摘要,結題摘要,
項目摘要
隱寫分析是信息安全領域中新發展起來的一個重要研究內容，其主要目的是揭示數字載體中是否存在隱秘信息，是對抗非法信息傳播的重要手段，也是衡量信息隱藏系統安全性的一個重要標準。本課題擬對圖像隱寫分析中涉及的關聯性敏感特徵提取、特徵校準、隱寫分析最佳化策略等關鍵內容進行深入研究，力圖降低圖像隱寫分析的計算複雜度、提高檢測精度、增強檢測的通用性與實用性。課題的主要研究內容包括：基於多重關聯特性的抵抗高不可檢測隱寫(HUGO)的圖像隱寫分析方法、混合ROF模型與LLT模型的校準圖像構造方法、基於圖像內容一致性模型的全盲隱寫分析方法、特徵選擇與分類器參數調優、隱寫分析原型系統建立等。通過課題的研究，將在抵禦HUGO的隱寫分析與全盲隱寫分析等方面完善圖像隱寫分析的相關理論和方法，將為提高圖像隱寫分析的檢測精度和通用性提供新方法，為推動圖像隱寫分析的發展提供技術支撐。
結題摘要
信息隱藏技術的飛速發展與廣泛套用，使得機密信息的傳輸更加隱蔽。但是，信息隱藏技術的濫用會對國家安全、社會穩定、個人隱私等構成潛在威脅。因此，有必要監視網路上傳輸的海量圖像，發現、檢測出其中的隱藏信息，從而堵截危害公共安全和國家政治、經濟安全的隱蔽信息。本項目針對早期圖像隱寫分析算法計算複雜度高、檢測精度與檢測通用性適用性不強等問題，對圖像隱寫分析中涉及的關聯性敏感特徵提取、特徵校準、隱寫分析最佳化策略等關鍵內容進行了深入研究。在關聯性敏感特徵提取方面，從深層挖掘圖像像素之間、圖像邊緣、紋理特徵之間、各頻域特徵之間的多重關聯特性，提取對嵌入敏感特徵，提高隱寫分析的檢測精度，提出了兩種基於多重關聯特性的抵抗高不可檢測隱寫(HUGO)的圖像隱寫分析方法。在校準圖像構造方面，利用校準圖像建立特徵校準機制，弱化圖像內容多樣性對檢測算法的影響，為全盲隱寫分析奠定了基礎，並提出了一種新的自適應圖像校準算法。在特徵選擇與分類器參數調優方面，通過採用局部線性變等方法進行特徵降維，並採用集成分類器進行分類。同時，提出了一種最佳化控制模型及其計算方法。通過對多位LSB隱寫的深入分析，提出了基於最小均方誤差的多位LSB隱寫分析方法，採用掩碼估計函式來近似的估計原始圖像，並通過擴展LSB到多位來構造加權隱秘圖像，基於最小均方誤差準則來構造檢測方程從而估計隱秘信息的長度，並從理論上給出了證明，完善了圖像隱寫分析的相關理論和方法，為圖像隱寫分析的後續研究提供了良好的基礎。
