专利名称：一种jpeg图像通用隐写分析方法
技术领域：
本发明涉及数字图像信息隐藏领域，尤其涉及ー种JEPG图像通用隐写分析方法。
背景技术：
近年来，信息技术的不断发展和网络的普及给人们提供了全新开放式通信环境，数字多媒体技术的发展也为网络提供了丰富的多媒体信息。但同时，也隐藏着众多的信息安全问题，如黑客攻击，私人信息泄露，不良信息传播，数字媒体盗版与侵权等问题屡见不鲜。信息隐藏技术是保密通信和信息安全的重要技木，隐写技术和隐写分析技术都是信息隐藏技术的重要的分支，人们很容易通过隐写利用数字图像作为载体进行隐秘通信，带来了严重的安全隐患。目前，隐写分析技术已经得到国内外学者的广泛研究，该技术作为隐写术的对抗手段受到各方面的广泛关注。隐写术是将隐秘信息嵌入到数字载体中来达到隐秘通信的目的。隐写方法一般选择应用广泛、冗余度大、容易获取的数字图像作为载体，JPEG (joint photographic expertsgroup)图像以其较少的存储空间和较好的图像质量而广泛应用于网络，网络上较多的隐写方法都以JPEG图像作为载体，这使得针对JPEG图像的隐写分析技术的研究具有重要意义。尽管隐秘信息的潜入具有视觉上的不可感知性，但由于隐写算法本身所具有的入侵特性，必然会对原始载体图像所固有的某些统计特征带来改变。针对JPEG图像，主要是修改图像对应的频域系数来嵌入信息，具有较强鲁棒性的同时也兼顾了图像的不可感知性。隐写分析(stegananalysis),就是根据数字载体的统计特性判断其中是否含有额外的隐秘信息。尽管隐秘信息的嵌入具有“掩蔽效应”，但是由于隐写算法本身具有入侵特性，所以数字隐写会导致原始载体所固有的某些特性被改变。因此，通过对图像进行统计特性分析，可以实现对图像进行有效检測。根据隐写分析算法所使用的应用场合，目前JPEG隐写分析主要分为两种1)专用型JPEG隐写分析算法；2)通用型JPEG隐写分析算法。就目前而言，通用型算法由于其较强的实用性而收到了更多研究者的关注。对于隐写分析而言，如何选择合适特征来描述隐写图像和原始图像的差异往往决定了隐写分析的性能。目前，存在一些检测结果较好的针对JPEG的通用隐写分析算法，如，施云庆提出ー种以差分DCT域系数为分析域，提取水平、垂直、对角、反对角四个方向上的转移概率矩阵为特征的隐写分析方法；FridriCh提出以裁剪方式来估计原始图像，组合直方图、共生矩阵、转移概率矩阵等多种特征的隐写分析方法；黄继武提出采用均值滤波估计原始图像，使用块间行扫描、块内行扫描方式来反映块内系数相关性，块间系数相关性，得到相关特征值的隐写分析方法；宣国荣提出以行、列、Zigzag块内扫描方式形成系数的共生矩阵特征的隐写分析方法；张卫明融合了像素预测和全局校准方法，提出以8个方向上的转移概率矩阵来代替4个方向上的转移概率矩阵的隐写分析方法；偏序Markov隐写分析方法把偏序思想融入到Markov方法中，引入偏序函数，提出基于偏序Markov特征的隐写分析方法。以上方法在能够在一定程度上对JPEG隐写图像实现有效的检测，但是仍然存在以下问题1)现有隐写分析方法在进行转移概率矩阵计算时，只考虑每个方向上的转移概率矩阵只和该方向上的差分矩阵有夫，而和别的方向上的差分矩阵无关，这样的假设是不合理的；2)现有隐写分析方法并未考虑频域系数符号相关性的特征.基于以上问题，导致隐写分析算法存在两个问题1.低嵌入率隐写图像检测结果较为不理想，相对于高嵌入率隐写图像检测率有明显下降趋势；2.通用型不够强，无法做到对各种隐写算法均有较为理想的检测率。
发明内容
本发明针对JPEG图像隐写的特点，提供一种基于多向Markov的JPEG通用隐写分析方法。本发明的技术方案为ー种JEPG图像通用隐写分析方法，包括训练过程和预测过程，所述训练过程包括对训练样本集中所有图像进行特征提取，对所得特征用分类器进行训练，得到模型；所述预测过程包括对待测图像进行同样方式的特征提取，并在同样分类器条件下，用训练过程中训练好的模型进行预测，得到最終結果；以训练样本集中所有图像和待测图像为原始图像进行特征提取时，提取实现方式如下，对原始图像进行全局校准处理，得到全局校准图像；分别对原始图像和全局校准图像进行多向差分Markov概率矩阵的计算，对所得计算结果进行差分得到特征。而且，所述对原始图像进行全局校准处理，得到全局校准图像的实现方式如下，将原始图像解压至空域，然后裁去最上四行像素和最左四列像素，并重新用与原始图像相同的质量因子压缩，得到全局校准图像。
而且，对某图像进行多向差分Markov概率矩阵的计算如下，
权利要求
1.一种JEPG图像通用隐写分析方法，包括训练过程和预测过程，所述训练过程包括对训练样本集中所有图像进行特征提取，对所得特征用分类器进行训练，得到模型；所述预测过程包括对待测图像进行同样方式的特征提取，并在同样分类器条件下，用训练过程中训练好的模型进行预测，得到最终结果；其特征在于以训练样本集中所有图像和待测图像为原始图像进行特征提取时，提取实现方式如下，对原始图像进行全局校准处理，得到全局校准图像；分别对原始图像和全局校准图像进行多向差分Markov概率矩阵的计算，对所得计算结果进行差分得到特征。
2.根据权利要求1所述JEPG图像通用隐写分析方法，其特征在于所述对原始图像进行全局校准处理，得到全局校准图像的实现方式如下，将原始图像解压至空域，然后裁去最上四行像素和最左四列像素，并重新用与原始图像相同的质量因子压缩，得到全局校准图像。
3.根据权利要求1或2所述JEPG图像通用隐写分析方法，其特征在于对某图像进行多向差分Markov概率矩阵的计算如下，
全文摘要
本发明提供一种JEPG图像通用隐写分析方法，包括训练过程和预测过程，训练过程包括对训练样本集中所有图像进行特征提取，对所得特征用分类器进行训练，得到模型；预测过程包括对待测图像进行同样方式的特征提取，并在同样分类器条件下，用训练过程中训练好的模型进行预测，得到最终结果；其特征在于以训练样本集中所有图像和待测图像为原始图像进行特征提取，提取实现方式如下，对原始图像进行全局校准处理，得到全局校准图像；分别对原始图像和全局校准图像进行多向差分Markov概率矩阵的计算，对所得计算结果进行差分得到特征。本发明进一步提高了对于JPEG隐写图像的检测率。
文档编号G06K9/00GK103034853SQ20131000608
公开日2013年4月10日 申请日期2013年1月8日 优先权日2013年1月8日
发明者王丽娜, 朱婷婷, 王旻杰, 任延珍, 窦青 申请人:武汉大学