一种jpeg兼容的隐写分析方法与系统的制作方法
【专利摘要】本发明公开了一种JPEG兼容的隐写分析方法，包括：计算隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r＇；根据隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r＇及其真实嵌入率真ｒ，建立观测嵌入率与真实嵌入率之间的关系模型；计算待检测隐写图像的观测嵌入率，并根据观测嵌入率与真实嵌入率之间的关系模型计算待检测隐写图像的检测嵌入率。本发明还提供了相应的JPEG兼容的隐写分析系统。本发明在JPEG量化表提取的过程中采用自定义的相似度函数来度量两张图片的相似度，在嵌入率估计的过程中基于像素变化幅度特征区分压缩失真与嵌入失真，对非自适应和自适应隐写算法的嵌入率估计均较准确。
【专利说明】—种JPEG兼容的隐写分析方法与系统
【技术领域】
[0001]本发明属于多媒体安全【技术领域】，更具体地，涉及一种JPEG兼容的隐写分析方法与系统。
【背景技术】
[0002]随着计算机和网络的不断普及和飞速发展，互联网成为人们生活中不可或缺的一部分，与此同时，互联网也成为人们传输信息的重要渠道，每天在国际互联网上面传送的信息占据了互联网的大部分流量。这些传输的信息涉及国家安全、军队秘密、商业机密以及个人隐私等，如何保护这些机密信息不被恐怖分子等非法分子窃取篡改甚至破坏，给信息时代的信息安全保护带来了极大的挑战。因特网已成为世界各国获取经济、军事和科技情报的重要战场。信息隐藏技术作为一种信息安全领域的新兴技术，得到了巨大的发展和重视。
[0003]人们普遍认为保护信息安全可以通过密码技术完成，密码技术是将所要传递的信息(明文)通过加密算法形成不可识别的乱码形式(密文)，是的加密后的文件变得难以理解(看不懂)。从攻击者的角度来说，如果面对一堆看似杂乱无章的密文，从某一方面是告诉他秘密的通信正在进行，更会引起他的警觉，如果攻击者切断通信通道而导致通信失败，密码的安全性不断受到威胁。
[0004]数字隐写技术(Digital Steganography)是信息隐藏的一个重要分支。主要是利用各类数字媒体(包括图片、视频、音频、文本等)本身的冗余，以及人类感知的心理和生理特性，把加密后的秘密消息嵌入到公开的数字媒体中进行传输，以达到秘密传递消息的目的。数字隐写技术已经为成为人类信息安全传输的重要手段，同时也带来了威胁:它既可以用于在公开互联网络中安全的传递军事、情报、国家安全信息等，也可以被恐怖分子和敌对势力所利用，危害国家和公共安全。美国各大媒体相继报道以本.拉登为首的恐怖组织可能采用基于图像的隐写软件发布行动指令，以本.拉登为首的基地恐怖组织采用基于图像的隐写软件发布行动的指令。在9.11事件发生后，包括《纽约时报》和《华盛顿邮报》在内的多家美国报刊均报道在著名购物网站e-Bay上发现了疑为恐怖份子留下的隐密信息。尽管这些报道均没有得到证实，但是它们证明了隐写技术被用于对社会安全构成威胁的行为的可能性。
[0005]因此，研究对数字隐写技术的攻击，以检测和发现隐藏信息，对于维护国家和公共安全至关重要。在这一形势下，隐写分析(Steganalysis)技术应运而生，其目的是检测可疑信息的存在，估计消息嵌入量，然后提取、破坏或者进一步还原秘密信息。隐写分析已经成为了信息隐藏领域的一个重要的研究方向:研究隐写分析不仅具有很重要的应用价值，也具有非常重要的学术意义。一方面可以防止隐写术的非法应用，防止不法分子利用隐写术进行犯罪活动，危害国家安全。另一方面它也可以促进隐写算法安全性的提高，推动隐写算法的实用化。
[0006]大部分的相机输出JPEG格式的照片，并且在Internet上的图片大部分也是JPEG格式的。虽然也有很多隐写算法例如Jsteg, Outguess, Model-based steganography,JPHideJP F5，提供直接在JPEG格式的图片上进行隐写，但是嵌入容量远远低于在空余进行嵌入的容量。网络上提供的隐写工具大部分是针对空余嵌入的，并且所使用的隐写算法没有考虑JPEG兼容性的问题。所以会有很多用户选择在JPEG解压缩的图片上进行空余嵌入。
[0007]已有方案在提取量化表方面准确率不高，在嵌入率估计方面，有些隐写分析方法局限于非自适应的隐写算法，对自适应的隐写算法提取的准确率不高。
【发明内容】
[0008]针对现有技术的以上缺陷或改进需求，本发明提供了一种JPEG兼容的隐写分析方法与系统，其目的在于，解决现有方法中存在的量化表和嵌入率估计不准确的技术问题。
[0009]为实现上述目的，按照本发明的一个方面，提供了一种JPEG兼容的隐写分析方法，包括以下步骤:
[0010](I)计算隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r '；
[0011](2)根据隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r丨及其真实嵌入率真r，建立观测嵌入率与真实嵌入率之间的关系模型；
[0012](3)计算待检测隐写图像的观测嵌入率，并根据观测嵌入率与真实嵌入率之间的关系模型计算待检测隐写图像的检测嵌入率。
[0013]优选地，所述步骤(1)中计算JPEG隐写图像JS的观测嵌入率r’具体包括:
[0014](1.1)根据JPEG隐写图片JS获取其量化表QF ；
[0015](1.2)用步骤(1.1)步中获得的量化表QF对隐写图片JS进行再次的JPEG压缩，得到估计出的载体图片JS '，计算JS和JS'的差分图像D ;
[0016](1.3)在(1.2)中获得的差分图像中，根据嵌入变化和再压缩失真所造成的像素变化幅度不同，区分嵌入变化和压缩失真，获得观测嵌入率r丨。
[0017]优选地，所述步骤(1.1)中根据JPEG隐写图片JS获取其量化表QF具体包括:
[0018](1.1.1)对JPEG隐写图片JS，用所有的量化表QF进行JPEG压缩，其中量化表所对应的质量因子为I到95，得到95张压缩后的图片JSiQ = 1,2, - ,95)；
[0019](1.1.2)利用相似度函数Simi (JSJSi)计算JS与JSi (i = 1,2, - ,95)之间的相似度:
[0020]Simi (JS, JSi) = card (E)/mX η
[0021]其中E = {(x, y) I IJS(Xj)-JSi(Xj) | = 0，I ≤ x ≤ m，I ≤ y ≤ n}，card(.)表示有限集合的元素个数，card (E)即再压缩后未发生变化的像素个数，m, η分别为图片长和宽方向上的像素个数；
[0022](1.1.3)画出相似度函数的曲线，取曲线的第一个峰值所对应的量化表为所述隐写图片JS所对应的量化表QF。
[0023]优选地,所述步骤(1.3)具体包括:
[0024]在步骤(1.2)获得的差分图像D中，利用下式计算观测特征值r ’:
[0025]r = card (A)/m X η
[0026]其中A= {(x, y) I ID (x, y) = 1，I ≤ x ≤ m, I ≤ y ≤ η}, card (.)表示有限集合的元素个数，card(A)即差分图像中像素值为I的像素个数，m，η分别为图片长和宽方向上的像素个数。
[0027]优选地，所述步骤(2)具体包括:
[0028]采用libsvm，对隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r丨及其真实嵌入率真r进行训练，得到观测嵌入率与真实嵌入率之间的关系模型。
[0029]按照本发明的另一方面，还提供了一种JPEG兼容的隐写分析系统，包括:观测嵌入率计算模块、嵌入率关系模型建立模块以及检测嵌入率计算模块，其中:
[0030]观测嵌入率计算模块，用于计算隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率；
[0031]嵌入率关系模型建立模块，用于根据隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r '及其真实嵌入率真r，建立观测嵌入率与真实嵌入率之间的关系模型；
[0032]检测嵌入率计算模块，用于计算待检测隐写图像的观测嵌入率，并根据观测嵌入率与真实嵌入率之间的关系模型计算待检测隐写图像的检测嵌入率。
[0033]优选地，所述观测嵌入率计算模块具体包括量化表获取模块、差分图像计算模块以及观测嵌入率计算子模块，其中:
[0034]所述量化表获取模块，用于根据JPEG隐写图片JS获取其量化表QF ；
[0035]所述差分图像计算模块，用于用所述量化表获取模块获得的量化表QF对隐写图片JS进行再次的JPEG压缩，得到估计出的载体图片JS '，计算JS和JS'的差分图像D ;
[0036]所述观测嵌入率计算子模块，用于对所述获得的差分图像，根据嵌入变化和再压缩失真所造成的像素变化幅度不同，区分嵌入变化和压缩失真，获得观测嵌入率r丨。
[0037]优选地，所述量化表获取模块具体包括JPEG压缩模块、相似度计算模块以及量化表获取子模块，其中:
[0038]所述JPEG压缩模块，用于对JPEG隐写图片JS，用所有的量化表QF进行JPEG压缩，其中量化表所对应的质量因子为I到95，得到95张压缩后的图片JSiQ = 1，2，…，95)；
[0039]所述相似度计算模块，用于利用相似度函数SimiCJS, JSi)计算JS与JSiQ =I，2，…，95)之间的相似度:
[0040]Simi (JS, JSi) = card (E)/mX η
[0041]其中E= {(X，y) I I JS(x, y)-JSi (x, y) I = 0，I ≤ x ≤ m, I ≤ y ≤ η}, card(.)表示有限集合的元素个数，card (E)即再压缩后未发生变化的像素个数，m, η分别为图片长和宽方向上的像素个数；
[0042]所述量化表获取子模块，用于画出相似度函数的曲线，取曲线的第一个峰值所对应的量化表为所述隐写图片JS所对应的量化表QF。
[0043]优选地，所述观测嵌入率计算子模块具体用于:
[0044]根据步骤(1.2)获得的差分图像D，利用下式计算观测特征值r丨:
[0045] r = card (A)/m X η
[0046]其中A= {(x, y) I ID (x, y) = 1，I ≤ x ≤ m, I ≤ y ≤ η}, card (.)表示有限集合的元素个数，card(A)即差分图像中像素值为I的像素个数，m，η分别为图片长和宽方向上的像素个数。
[0047]优选地，所述嵌入率关系模型建立模块具体用于:
[0048]采用libsvm，对隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r ’及其真实嵌入率真r进行训练，得到观测嵌入率与真实嵌入率之间的关系模型。
[0049]总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果:
[0050](I)本发明量化表提取准确率高:由于采用了新的相似度函数，以及利用相似度函数曲线的第一个峰值所对应的量化表作为提取的量化表解决了原有方法量化表误提取的缺点。因此，与现有方案相比本发明的提取准确率高。在matlab上面进行试验对比，本发明的量化表提取准确率大部分要高于原有方法。
[0051](2)本发明嵌入率估计准确率高:由于区分了差分图像中嵌入失真和再压缩失真，在差分图像中去除再压缩失真，只考虑嵌入失真，更准确的估计了嵌入率。在matlab上面进行实验对比，本发明的嵌入率估计更准确。
【专利附图】
【附图说明】
[0052]图1是本发明 应用于JPEG兼容的隐写分析方法的流程图。
【具体实施方式】
[0053]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0054]本发明主要针对JPEG兼容的隐写分析，在JPEG解压缩的图片上检测是否有隐秘消息嵌入以及嵌入消息的长度。以下首先就本发明的技术术语进行解释和说明:
[0055]嵌入失真:由于在图片中嵌入秘密消息所造成的失真
[0056]再压缩失真:由于JPEG压缩所造成的失真
[0057]本发明的整个处理过程可以在matlab上完成。
[0058]如图1所示，本发明应用于JPEG兼容的隐写分析方法包括以下步骤:
[0059](I)计算隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r';包括以下子步骤:
[0060](1.1)根据JPEG隐写图片JS获取其量化表QF ;包括以下子步骤:
[0061](1.1.1)对给定的JPEG隐写图片(JPEGStego Image简写为JS)，用所有的量化表(Quantization Table简写为QF)进行JPEG压缩，其中量化表所对应的质量因子为I到95 (质量因子越高，JPEG压缩得到的图片质量越高)，得到95张压缩后的图片JSi (i =1,2,…，95)；
[0062](1.1.2)利用相似度函数 SimiCJS, JSi)计算 JS 与 JSi (i = I, 2，...，95)之间的相似度:
[0063]定义了一个JS与JSiQ = 1,2,-,95)之间的相似度函数(与已有方法不同)
[0064]Simi (JS, JSi) = card (E)/mX η
[0065]其中E = {(X，y) I I JS (x, y) -JSi (x, y) = 0，I≤ x ≤ m, I ≤ y ≤ η}, card (.)表示有限集合的元素个数，card (E)即再压缩后未发生变化的像素个数，m, η分别为图片长和宽方向上的像素个数；[0066](1.1.3)采用曲线的方法提取量化表:画出相似度函数的曲线，根据曲线的形状来判断所使用的量化表QF，取曲线的第一个峰值所对应的量化表为提取的量化表QF。
[0067](1.2)用步骤(1.1)步中获得的量化表QF对隐写图片JS进行再次的JPEG压缩，得到估计出的载体图片JS '，计算JS和JS'的差分图像D ;
[0068](1.3)在(1.2)中获得的差分图像中，根据嵌入变化和再压缩失真所造成的像素变化幅度不同，区分嵌入变化和压缩失真，获得观测嵌入率r '。具体为:
[0069]在步骤(1.2)中获得的差分图像中，既有嵌入变化，也有步骤(1.2)中再压缩所造成的失真，需要区分这两种失真，只提取嵌入失真，以获得更准确的嵌入率估计。由于是空域的±1嵌入，经过JPEG压缩后，嵌入变化的像素变化幅度一般为1，但是再压缩失真则表现的与此不同，幅度变化从I到更高，这个特征不仅对自适应的隐写算法有效，而且对非自适应的隐写算法非常有效。利用嵌入变化和再压缩失真所造成的像素变化幅度不同，这个特征来区分压缩失真和嵌入变化，来获得观测嵌入率r丨。
[0070]根据步骤(1.2)获得的差分图像D，利用下式计算观测特征值r丨:
[0071]r = card (A)/m X η
[0072]其中A= {(x, y) I ID (x, y) = 1，I ≤ x ≤ m, I ≤ y ≤ η}, card (.)表示有限集合的元素个数，card(A)即差分图像中像素值为I的像素个数，m，η分别为图片长和宽方向上的像素个数。
[0073](2)根据隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r丨及其真实嵌入率真r，建立观测嵌入率与真实嵌入 率之间的关系模型；具体为:
[0074]经过步骤(1)的计算，得到隐写图像训练库中大量的已知嵌入率r的JPEG隐写图片的观测嵌入率r'，
[0075]根据上述获取的大量的观测嵌入率r’与已知真实嵌入率r，采用Iibsvm(—个SVM模式识别与回归的软件包)对数据进行训练，得到一个多项式模型，建立了观测嵌入率r ;与真实嵌入率r之间的关系模型。
[0076](3)计算待检测隐写图像的观测嵌入率，并根据观测嵌入率与真实嵌入率之间的关系模型计算待检测隐写图像的检测嵌入率。
[0077]当给定一个待检测的JPEG隐写图片时，我们通过上述步骤⑴获得该隐写图片的观测嵌入率r /，然后根据步骤(2)中的关系模型，计算最终的检测嵌入率。
[0078]相应地，本发明还提供了用于实现上述方法的隐写分析系统，包括:观测嵌入率计算模块、嵌入率关系模型建立模块以及检测嵌入率计算模块，其中:
[0079]观测嵌入率计算模块，用于计算隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率;
[0080]嵌入率关系模型建立模块，用于根据隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r '及其真实嵌入率真r，建立观测嵌入率与真实嵌入率之间的关系模型；
[0081]检测嵌入率计算模块，用于计算待检测隐写图像的观测嵌入率，并根据观测嵌入率与真实嵌入率之间的关系模型计算待检测隐写图像的检测嵌入率。
[0082]优选地，所述观测嵌入率计算模块具体包括量化表获取模块、差分图像计算模块以及观测嵌入率计算子模块，其中:
[0083]所述量化表获取模块，用于根据JPEG隐写图片JS获取其量化表QF ；[0084]所述差分图像计算模块，用于用所述量化表获取模块获得的量化表QF对隐写图片JS进行再次的JPEG压缩，得到估计出的载体图片JS '，计算JS和JS'的差分图像D ;
[0085]所述观测嵌入率计算子模块，用于对所述获得的差分图像，根据嵌入变化和再压缩失真所造成的像素变化幅度不同，区分嵌入变化和压缩失真，获得观测嵌入率r丨。
[0086]优选地，所述量化表获取模块具体包括JPEG压缩模块、相似度计算模块以及量化表获取子模块，其中:
[0087]所述JPEG压缩模块，用于对JPEG隐写图片JS，用所有的量化表QF进行JPEG压缩，其中量化表所对应的质量因子为I到95，得到95张压缩后的图片JSiQ = 1，2，…，95)；
[0088]所述相似度计算模块，用于利用相似度函数SimiCJS, JSi)计算JS与JSiQ =I，2，…，95)之间的相似度:
[0089]Simi (JS, JSi) = card (E)/mX η
[0090]其中E = {(X，y) I I JS (x, y) -JSi (x, y) = 0，I ≤ x ≤ m, I ≤ y ≤η}, card (.)表示有限集合的元素个数，card (E)即再压缩后未发生变化的像素个数，m, η分别为图片长和宽方向上的像素个数；
[0091]所述量化表获取子模块，用于画出相似度函数的曲线，取曲线的第一个峰值所对应的量化表为所述隐写图片JS所对应的量化表QF。
[0092]优选地，所述观测嵌入 率计算子模块具体用于:
[0093]根据步骤(1.2)获得的差分图像D，利用下式计算观测特征值r丨:
[0094]r = card (A)/m X η
[0095]其中A= {(x, y) I ID (x, y) = 1，I ≤ x ≤ m, I ≤y ≤ η}, card (.)表示有限集合的元素个数，card(A)即差分图像中像素值为I的像素个数，m，η分别为图片长和宽方向上的像素个数。
[0096]优选地，所述嵌入率关系模型建立模块具体用于:
[0097]采用libsvm，对隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r ’及其真实嵌入率真r进行训练，得到观测嵌入率与真实嵌入率之间的关系模型。
[0098]本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.一种JPEG兼容的隐写分析方法，其特征在于，所述方法包括以下步骤: (1)计算隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r； (2)根据隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r丨及其真实嵌入率真r，建立观测嵌入率与真实嵌入率之间的关系模型； (3)计算待检测隐写图像的观测嵌入率，并根据观测嵌入率与真实嵌入率之间的关系模型计算待检测隐写图像的检测嵌入率。
2.如权利要求1所述的方法，其特征在于，所述步骤⑴中计算JPEG隐写图像JS的观测嵌入率r ’具体包括: (1.D根据JPEG隐写图片JS获取其量化表QF ； (1.2)用步骤(1.1)步中获得的量化表QF对隐写图片JS进行再次的JPEG压缩，得到估计出的载体图片JS'，计算JS和JS'的差分图像D ; (1.3)在(1.2)中获得的差分图像中，根据嵌入变化和再压缩失真所造成的像素变化幅度不同，区分嵌入变化和压缩失真，获得观测嵌入率r '。
3.如权利要求2所述的方法，其特征在于，所述步骤(1.1)中根据JPEG隐写图片JS获取其量化表QF具体包括: (1.1.1)对JPEG隐写图片JS，用所有的量化表QF进行JPEG压缩，其中量化表所对应的质量因子为I到95，得 到95张压缩后的图片JSi (i = 1，2，…，95)； (1.1.2)利用相似度函数SimiCJS, JSi)计算JS与JSi (i = 1,2, -,95)之间的相似度:
Simi (JS, JSi) = card (E)/mX η
其中 E = {(X，y) I I JS (X，y) -JSi (x, y) = O, I ≤ x ≤ m, I ≤ y ≤ η}, card (.)表示有限集合的元素个数，card (E)即再压缩后未发生变化的像素个数，m, η分别为图片长和宽方向上的像素个数； (1.1.3)画出相似度函数的曲线，取曲线的第一个峰值所对应的量化表为所述隐写图片JS所对应的量化表QF。
4.如权利要求2或3所述的方法，其特征在于，所述步骤(1.3)具体包括: 根据步骤(1.2)获得的差分图像D，利用下式计算观测特征值r丨:
5.如权利要求1至4任一项所述的方法，其特征在于，所述步骤(2)具体包括: 采用libsvm，对隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r丨及其真实嵌入率真r进行训练，得到观测嵌入率与真实嵌入率之间的关系模型。
6.一种JPEG兼容的隐写分析系统，其特征在于，包括:观测嵌入率计算模块、嵌入率关系模型建立模块以及检测嵌入率计算模块，其中: 观测嵌入率计算模块，用于计算隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r丨；嵌入率关系模型建立模块，用于根据隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r '及其真实嵌入率真r，建立观测嵌入率与真实嵌入率之间的关系模型； 检测嵌入率计算模块，用于计算待检测隐写图像的观测嵌入率，并根据观测嵌入率与真实嵌入率之间的关系模型计算待检测隐写图像的检测嵌入率。
7.如权利要求6所述的系统，其特征在于，所述观测嵌入率计算模块具体包括量化表获取模块、差分图像计算模块以及观测嵌入率计算子模块，其中: 所述量化表获取模块，用于根据JPEG隐写图片JS获取其量化表QF ； 所述差分图像计算模块，用于用所述量化表获取模块获得的量化表QF对隐写图片JS进行再次的JPEG压缩，得到估计出的载体图片JS '，计算JS和JS'的差分图像D; 所述观测嵌入率计算子模块，用于对所述获得的差分图像，根据嵌入变化和再压缩失真所造成的像素变化幅度不同，区分嵌入变化和压缩失真，获得观测嵌入率r丨。
8.如权利要求7所述的系统，其特征在于，所述量化表获取模块具体包括JPEG压缩模块、相似度计算模块以及量化表获取子模块，其中: 所述JPEG压缩模块，用于对JPEG隐写图片JS，用所有的量化表QF进行JPEG压缩，其中量化表所对应 的质量因子为I到95，得到95张压缩后的图片JSi (i = I, 2，…，95)； 所述相似度计算模块，用于利用相似度函数SimiCJS, JSi)计算JS与JSiQ =I，2，…，95)之间的相似度:
Simi (JS, JSi) = card (E)/mX η
其中 E = {(X，y) I I JS (X，y) -JSi (x, y) = O, 1≤ x ≤ m, 1≤ y ≤η}, card (.)表示有限集合的元素个数，card (E)即再压缩后未发生变化的像素个数，m, η分别为图片长和宽方向上的像素个数； 所述量化表获取子模块，用于画出相似度函数的曲线，取曲线的第一个峰值所对应的量化表为所述隐写图片JS所对应的量化表QF。
9.如权利要求7或8所述的系统，其特征在于，所述观测嵌入率计算子模块具体用于: 根据步骤(1.2)获得的差分图像D，利用下式计算观测特征值r丨:
r’ = card (A)/m X η 其中A= {(x, y) I ID (x, y) = 1，1≤x≤m, 1≤y≤η}, card(.)表示有限集合的元素个数，card(A)即差分图像中像素值为I的像素个数，m，η分别为图片长和宽方向上的像素个数。
10.如权利要求7至9任一项所述的系统，其特征在于，所述嵌入率关系模型建立模块具体用于: 采用libsvm，对隐写图像训练库中各个JPEG隐写图像JS的观测嵌入率r ’及其真实嵌入率真r进行训练，得到观测嵌入率与真实嵌入率之间的关系模型。
【文档编号】G06T1/00GK103971321SQ201410195302
【公开日】2014年8月6日 申请日期:2014年5月9日 优先权日:2014年5月9日
【发明者】马晓静, 金海 , 刘姣姣 申请人:华中科技大学