【文章內(nèi)容簡(jiǎn)介】 空間。使用Ensemble分類器在大規(guī)模圖像庫(kù)上進(jìn)行訓(xùn)練和測(cè)試，實(shí)驗(yàn)結(jié)果顯示，該算法的檢測(cè)性能優(yōu)于目前主流的隱寫(xiě)分析算法。 本文結(jié)構(gòu)本文對(duì)以數(shù)字圖像為媒體的隱寫(xiě)分析技術(shù)進(jìn)行研究，提出兩種新型的數(shù)字圖像隱寫(xiě)分析特征，本論文的結(jié)構(gòu)安排如下：第1章，介紹本文研究課題的背景與意義、研究現(xiàn)狀和筮待解決問(wèn)題，并指出了本文的主要工作與結(jié)構(gòu)。第2章，介紹數(shù)字圖像隱寫(xiě)及其隱寫(xiě)分析技術(shù)的基本概念和經(jīng)典的數(shù)字圖像隱寫(xiě)及隱寫(xiě)分析算法。第3章，介紹基于圖像直方圖幾何度量的隱寫(xiě)分析特征。第4章，介紹一類基于曲率模式矩陣和馬爾科夫鏈相結(jié)合的高維圖像隱寫(xiě)分析特征。最后的總結(jié)與展望部分對(duì)本文的工作進(jìn)行總結(jié)，并對(duì)未來(lái)的研究工作進(jìn)行展望和設(shè)想。第2章 圖像隱寫(xiě)及隱寫(xiě)分析技術(shù) 數(shù)字圖像隱寫(xiě)技術(shù)隱寫(xiě)技術(shù)是信息隱藏的兩個(gè)重要分支之一。與傳統(tǒng)的隱寫(xiě)技術(shù)（頭皮捎信、蠟板傳書(shū)、隱形墨水、顯微點(diǎn)技術(shù)）不同，現(xiàn)代的隱寫(xiě)技術(shù)主要利用多媒體數(shù)據(jù)的冗余，將秘密信息按一定的編碼方式隱藏于公開(kāi)的數(shù)字媒體中，以逃避第三方的監(jiān)控和阻截[36, 37]。 是Simmons[38]作為“囚犯問(wèn)題”提出的信息隱蔽通信框架圖。嵌入者（Alice）需要將秘密信息（Secret message）傳遞給接受者（Bob），但他們之間所有通信都接受監(jiān)管機(jī)構(gòu)（Wendy）的監(jiān)管，監(jiān)管機(jī)構(gòu)（Wendy）一旦發(fā)現(xiàn)通信可疑，就會(huì)禁止通信進(jìn)行，即通信失敗。為了逃避監(jiān)管機(jī)構(gòu)（Wendy）的監(jiān)管， Alice和Bob之間通信就需要將秘密信息（Secret message）采用隱寫(xiě)技術(shù)隱藏在于本次通信無(wú)關(guān)的載體對(duì)象中（Cover object），通過(guò)傳遞隱藏秘密信息的隱秘載體（Stego object）達(dá)到“低調(diào)“的通信。 經(jīng)典的Simmons隱蔽通信框圖Simmons隱蔽通信模型給出如何實(shí)現(xiàn)隱蔽通信的框架，但未給出具體的實(shí)現(xiàn)技術(shù)。為了保證隱蔽通信能夠安全的進(jìn)行，具體的隱寫(xiě)技術(shù)需要具有高容量、穩(wěn)健性及很強(qiáng)的隱蔽性。高容量確保載體能夠傳遞更多的秘密信息，穩(wěn)健性保證秘密信息能夠抵抗信道中的噪聲，而隱蔽性則確保“通信正在進(jìn)行的事實(shí)”被掩蓋，是隱寫(xiě)技術(shù)最為重要的指標(biāo)。隱寫(xiě)分析技術(shù)主要針對(duì)隱寫(xiě)技術(shù)隱蔽性進(jìn)行攻擊。隱寫(xiě)技術(shù)的隱蔽性決定數(shù)字圖像隱寫(xiě)系統(tǒng)的安全，是數(shù)字圖像隱寫(xiě)系統(tǒng)理論研究的重要組成部分，同時(shí)也是隱寫(xiě)對(duì)抗技術(shù)（隱寫(xiě)分析技術(shù)）的研究重點(diǎn)。傳統(tǒng)意義上的隱蔽性主要考察隱寫(xiě)系統(tǒng)對(duì)人類視覺(jué)系統(tǒng)（Human Visual System，HVS）的不可察覺(jué)性，峰值信噪比（PSNR）等一些評(píng)價(jià)圖像的客觀標(biāo)準(zhǔn)常用來(lái)度量隱寫(xiě)算法對(duì)載體圖像的感官質(zhì)量?，F(xiàn)代意義上的隱蔽性主要考察圖像隱寫(xiě)算法對(duì)圖像各種統(tǒng)計(jì)特征的保持。在隱寫(xiě)前后，盡管載密圖像相對(duì)載體圖像在視覺(jué)上不可區(qū)分，但若改變了圖像的統(tǒng)計(jì)特征（直方圖特征等），只需提取這種特征就可輕松識(shí)別出圖像是否載密，也就成功攻破這種隱寫(xiě)算法。對(duì)于某種特定的圖像隱寫(xiě)算法，嵌入容量是影響隱寫(xiě)系統(tǒng)安全性的關(guān)鍵。在高嵌入率下，隱寫(xiě)算法對(duì)圖像的修改量很大，很容易尋找出具有明顯區(qū)別的圖像特征，相反，對(duì)圖像的少量修改，尋找出有區(qū)別能力的圖像特征很難。一些學(xué)者試圖將圖像隱寫(xiě)技術(shù)的安全性進(jìn)行模型化、規(guī)范化。Chandramouli 等[39]提出了類似香農(nóng)密碼系統(tǒng)中絕對(duì)安全性的“無(wú)條件安全隱寫(xiě)系統(tǒng)”。Cachin等[12]從信息論的角度，采用條件熵定義數(shù)字圖像隱寫(xiě)系統(tǒng)的安全性。但由于真實(shí)的載體圖像像素之間一般具有高相關(guān)性，具有豐富的統(tǒng)計(jì)結(jié)構(gòu)，上述兩種安全性定義并不適合隱寫(xiě)系統(tǒng)，因此基于虛警率和檢測(cè)率的安全性定義被提出[40, 41]。 LSB 匹配[42]是一種經(jīng)典的數(shù)字圖像隱寫(xiě)技術(shù)，通過(guò)隨機(jī)修改像素的最低有效位（Least significant bit, LSB）達(dá)到信息隱藏的目的，是諸多隱寫(xiě)技術(shù)的原型，如LSB matching revisited[43]等[4446]。數(shù)字圖像的每個(gè)像素用8個(gè)比特表示0255的灰度值，將所有像素的不同比特位提取出來(lái)就構(gòu)成了8個(gè)不同的位平面。512的標(biāo)準(zhǔn)圖像Lena。對(duì)于一幅自然圖像，位平面越高，越能反映圖像的輪廓，對(duì)像素值的貢獻(xiàn)越大。最低比特位對(duì)像素值的貢獻(xiàn)最小，基本不能反映圖像內(nèi)容信息。因此從圖像視覺(jué)質(zhì)量角度出發(fā)，像素值的最低有效位是隱藏秘密信息的最佳位置。另外，在不同位平面中，相鄰比特位的相關(guān)性也不盡相同。位平面越高，相鄰比特位的相關(guān)性越強(qiáng)，第0位平面具有最低的相關(guān)性，事實(shí)上，第0位平面近似于隨機(jī)噪聲。信息嵌入導(dǎo)致的修改很容易破壞相關(guān)性，相關(guān)性可以作為識(shí)別圖像是否隱藏秘密信息的特征。為了更好的保持圖像特征不變，在近似隨機(jī)噪聲的最低有效位上進(jìn)行秘密信息嵌入具有最好的抗檢測(cè)性。由于修改最低有效位可以獲得更好的圖像視覺(jué)質(zhì)量和對(duì)圖像特征的保持，LSB匹配在隱藏秘密信息的最佳位置（最低有效位）進(jìn)行秘密信息隱藏。 標(biāo)準(zhǔn)灰度圖像Lena（a）第7位 （b）第6位 （c）第5位 （d）第4位 （e）第3位 （f）第2位 （g）第1位 （h）第0位 Lena標(biāo)準(zhǔn)圖像的八個(gè)位平面LSB匹配將圖像像素的最低有效位（LSB）進(jìn)行隨機(jī)修改，隨機(jī)修改方式對(duì)圖像特征有更好的保持，以表示載體圖像的某一像素像素值，表示該像素嵌入信息的像素值，為秘密信息比特，則嵌入機(jī)制表示如下： ()與另外一種經(jīng)典的隱寫(xiě)技術(shù)LSB替換相比，LSB匹配具有更高的安全性。由于LSB匹配采用隨機(jī)加減1的方式修改最低有效位，避免LSB替換造成的直方圖的成對(duì)現(xiàn)象。使得對(duì)能有效檢測(cè)LSB替換的RS分析、SPA分析、DIH分析等對(duì)LSB匹配檢測(cè)失效[47, 48]。 LSB替換的直方圖成對(duì)現(xiàn)象示意圖LSB匹配具有容量大，隱蔽性好等特點(diǎn)，是很多圖像隱寫(xiě)算法的原型，但 LSB匹配檢測(cè)難度大，檢測(cè)性能還不盡人意，仍然是圖像隱寫(xiě)分析研究的難點(diǎn)和熱點(diǎn)，尤其是對(duì)于低嵌入率的LSB匹配隱寫(xiě)分析[49]。 數(shù)字圖像隱寫(xiě)分析技術(shù) 隱寫(xiě)分析數(shù)學(xué)模型在“囚犯問(wèn)題”中，隱寫(xiě)分析技術(shù)就是監(jiān)管機(jī)構(gòu)（Wendy）所使用的技術(shù)，目前的圖像隱寫(xiě)分析研究主要針對(duì)待檢測(cè)圖像是否攜秘的二值判斷。圖像隱寫(xiě)分析是二元決策問(wèn)題，通常公式化為二元假設(shè)檢驗(yàn)問(wèn)題：設(shè)待檢測(cè)圖像為，是載體圖像的假設(shè)為，是載秘圖像的假設(shè)為，假設(shè)檢驗(yàn)函數(shù)，則 ()圖像隱寫(xiě)分析就是找出合適的檢驗(yàn)函數(shù)。目前的圖像隱寫(xiě)分析技術(shù)主要是基于學(xué)習(xí)的模式識(shí)別技術(shù)，因此檢驗(yàn)函數(shù)一般分為兩部分：特征提取和機(jī)器分類。設(shè)特征提取為函數(shù)，機(jī)器分類為函數(shù)，則 ()隨著支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)等機(jī)器分類技術(shù)不斷涌現(xiàn)和成熟，人們將隱寫(xiě)分析的研究重點(diǎn)轉(zhuǎn)向隱寫(xiě)分析的特征提取，即特征提取函數(shù)。 數(shù)字圖像隱寫(xiě)分析一般模型在圖像隱寫(xiě)分析的特征提取中，尋找能夠刻畫(huà)圖像隱寫(xiě)前后變化的特征是問(wèn)題的關(guān)鍵。高性能的隱寫(xiě)分析特征不僅要求能夠?qū)畏d體圖像和與之對(duì)應(yīng)的載密圖像能夠進(jìn)行正確區(qū)別，而且還要保證同類圖像（載體圖像和載密圖像）特征聚集在某一值附近，即高性能特征還需對(duì)圖像噪聲，圖像內(nèi)容等因素穩(wěn)健。為了消除圖像噪聲，圖像內(nèi)容等因素導(dǎo)致的特征不穩(wěn)定問(wèn)題，特征校準(zhǔn)技術(shù)是行之有效的解決方案，如Ker[16]使用下采樣技術(shù)對(duì)Harmsem等[15]的特征進(jìn)行校準(zhǔn)，不僅提高了檢測(cè)性能，還提高了檢測(cè)算法的通用性。Fridrich[50]采用“解壓裁剪壓縮”的方式校準(zhǔn)特征。對(duì)高維數(shù)的隱寫(xiě)分析特征進(jìn)行歸一化也能夠增強(qiáng)隱寫(xiě)分析特征的穩(wěn)健性。特征穩(wěn)健性的增強(qiáng)還可以采用預(yù)處理技術(shù)，如對(duì)圖像進(jìn)行濾波，可以一定程度上減少圖像內(nèi)容多樣性對(duì)特征穩(wěn)健性的影響。盡管特征提取是圖像隱寫(xiě)分析的重點(diǎn)研究對(duì)象，但隨著研究的深入，一些學(xué)者指出傳統(tǒng)的分類器直接應(yīng)用于隱寫(xiě)分析并不能夠達(dá)到最好的效果[51, 52]。在圖像隱寫(xiě)分析中，支持向量機(jī)是最為常用的分類器，支持向量機(jī)不僅具有很高的分類性能而且因特網(wǎng)上還有開(kāi)源代碼以供研究者直接使用。隨著圖像隱寫(xiě)分析特征維數(shù)的不斷增加，具有高時(shí)間復(fù)雜度的支持向量機(jī)在時(shí)間上使得研究者無(wú)法忍受，尤其是在支持向量機(jī)的參數(shù)尋優(yōu)階段。支持向量機(jī)采用交叉驗(yàn)證的參數(shù)尋優(yōu)方式也會(huì)影響圖像隱寫(xiě)分析的性能。Kodovsk253。等[53]提出了Ensemble分類器，該分類器針對(duì)圖像隱寫(xiě)分析提出，具有很低時(shí)間復(fù)雜度，并且分類器的最優(yōu)參數(shù)也可以通過(guò)程序自動(dòng)搜索。 隱寫(xiě)分析性能指標(biāo)衡量數(shù)字圖像隱寫(xiě)分析性能主要通過(guò)考慮算法的實(shí)用性、復(fù)雜性、準(zhǔn)確性等，其中準(zhǔn)確性是衡量性能的最重要指標(biāo)，其他性能目前很少考慮[54]。作為二元假設(shè)檢驗(yàn)問(wèn)題，對(duì)于特定的分類器，若視攜秘圖像為正類（Positive Class），載體圖像為負(fù)類（Negative Class），對(duì)于一幅待檢測(cè)圖像，無(wú)非有四種可能輸出：待檢測(cè)圖像為正類，輸出結(jié)果也為正類，則稱擊中（True Positive，簡(jiǎn)稱TP）；待檢測(cè)圖像為正類，輸出結(jié)果為負(fù)類，則稱漏檢（False Positive，簡(jiǎn)稱FP）；待檢測(cè)圖像為負(fù)類，輸出結(jié)果也為負(fù)類，則稱真陰性（True Nagative，簡(jiǎn)稱TN）；待檢測(cè)圖像為負(fù)類，輸出結(jié)果為正類，則稱虛警（False Nagative，簡(jiǎn)稱FN）。給定一組測(cè)試圖像，可得出22的混淆矩陣,從混淆矩陣可知，分類錯(cuò)誤只有兩類。因此總體平均分類錯(cuò)誤率可度量算法的優(yōu)劣： ()另外，在分類器中設(shè)置不同的檢測(cè)閾值，對(duì)多組擊中率和虛警率的組合繪制接收機(jī)操作特性曲線（ROC曲線）[55]也可對(duì)算法分類性能進(jìn)行度量。，B，C。在ROC曲線上，與橫坐標(biāo)軸成的直線稱為機(jī)會(huì)線，該線上虛警率和擊中率處處相等，相當(dāng)于隨機(jī)猜測(cè)，無(wú)任何分類性能可言。事實(shí)上，ROC曲線偏離機(jī)會(huì)線越遠(yuǎn)，即ROC曲線下的面積（AUC）越大，分類性能越高。，B，C的分類性能依次遞增。 ROC曲線示例 經(jīng)典的隱寫(xiě)分析技術(shù)本小節(jié)主要介紹幾種典型的空域LSB匹配隱寫(xiě)分析技術(shù)，這些算法都是用于確定圖像是否隱藏秘密信息的二值判斷，本學(xué)位論文所提出的算法也將和下面這些經(jīng)典的隱寫(xiě)分析算法進(jìn)行比較。(1) 基于圖像直方圖特征函數(shù)（HCF COMs）的隱寫(xiě)分析算法圖像直方圖描述了不同灰度級(jí)像素出現(xiàn)的頻率，能表征圖像的一維信息，隱秘信息的嵌入勢(shì)必對(duì)直方圖造成影響。一般情況下，需要嵌入的秘密信息與載體圖像是互相獨(dú)立的，在此假設(shè)下Harmsem[15]等將圖像隱寫(xiě)行為模擬為在載體圖像中加入隨機(jī)噪聲，則載密圖像的一維直方圖可以用載體圖像的一維直方圖和秘密信息分布的卷積表示，即：。傅立葉變換可以化復(fù)雜的卷積運(yùn)算為簡(jiǎn)單的乘積運(yùn)算，因此在傅立葉空間中上式可轉(zhuǎn)換為：。對(duì)直方圖的傅里葉變換即特征函數(shù)（histogram characteristic function, HCF）定義質(zhì)心（center of mass, COM）：，作者從理論上證明了，即經(jīng)過(guò)圖像隱寫(xiě)后，圖像一維直方圖特征函數(shù)的質(zhì)心下降，可以作為數(shù)字圖像隱寫(xiě)分析的敏感特征。該特征簡(jiǎn)記為Conventional HCF COM。Ker[16]指出，Conventional HCF COM特征應(yīng)用于灰度圖像LSB匹配隱寫(xiě)分析并不成功。盡管圖像隱寫(xiě)后C[H]會(huì)下降，但不同載體圖像之間的C[H]差異很大，這種差異將覆蓋由圖像隱寫(xiě)導(dǎo)致的C[H]之間的差異（見(jiàn)圖 ）。Ker[16]通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，載體圖像的四倍下采樣圖像的與載體圖像的幾乎相等，而攜秘圖像的四倍下采樣圖像的與載體圖像的相差很大，存在關(guān)系：。此外，Ker[16]還將Harmsem的一維直方圖替換為二維直方圖。 嵌入數(shù)據(jù)前（圓點(diǎn)）后（叉形）圖像的C[H]值變化最后總結(jié)出基于圖像直方圖特征函數(shù)的四種隱寫(xiě)分析特征：Conventional HCF COM、Calibrated HCF COM、Adjacency HCF COM、Calibrated Adjacency HCF COM。為方便起見(jiàn)，我們將上述四種特征簡(jiǎn)記為：HCF COMs。(2) 基于圖像直方圖局部極值（ALE）的隱寫(xiě)分析算法張軍等[18]指出對(duì)于嵌入率為的LSB匹配算法，其隱寫(xiě)行為在一維直方圖上相當(dāng)于一個(gè)核為的低通濾波，導(dǎo)致圖像一維直方圖平滑，尤其對(duì)局部極值點(diǎn)。定義直方圖局部極值與其相鄰元素的絕對(duì)差的累加和：作為隱寫(xiě)分析的特征，其中為直方圖局部極值點(diǎn)。此外，張軍還利用隱寫(xiě)后直方圖的局部極大值將變小，而局部極小值將變大的性質(zhì)，將極大值和極小值分別連接起來(lái)，兩條邊之間的面積用來(lái)隱寫(xiě)分析[56]。Cancelli[20]等擴(kuò)展了張軍提出的圖像直方圖極值特征。首先，考慮了圖像直方圖邊界的影響。其次，與Ker[18]一樣，用二維直方圖代替了一維直方圖。最后隱寫(xiě)分析特征為10維，相對(duì)原始的直方圖局部極值特征，實(shí)驗(yàn)性能有了顯著改進(jìn)。該類算法被稱為ALE。(3) 基于游程長(zhǎng)度（Runlength）直方圖特征函數(shù)的隱寫(xiě)分析算法游程長(zhǎng)度（Run Length）又稱行程長(zhǎng)度, 是柵格數(shù)據(jù)壓縮的重要編碼方法,能夠描述圖像灰度關(guān)于方向、相鄰間隔、變化幅度等信息。游程長(zhǎng)度是將圖像灰度按照某種方式進(jìn)行掃描，連續(xù)相等的像素點(diǎn)的個(gè)數(shù)。統(tǒng)計(jì)具有相同游程長(zhǎng)度的游程出現(xiàn)頻數(shù)，即得游程長(zhǎng)度直方圖。Yu等[34]發(fā)現(xiàn)圖像經(jīng)過(guò)LSB匹配后游程長(zhǎng)度直方圖會(huì)向左移動(dòng)，即長(zhǎng)度較長(zhǎng)的游程的數(shù)量會(huì)減少，而長(zhǎng)度較小的游程會(huì)增加。作者采用類似于Ker[16]的方法，用游程長(zhǎng)度直方圖特征函數(shù)質(zhì)心刻畫(huà)LSB匹配行為對(duì)圖像的影響。另外，采用LSB匹配二次嵌入對(duì)圖像特征進(jìn)行校準(zhǔn)，還與Ker所提特征進(jìn)行融合，融合特征集對(duì)隱寫(xiě)分析性能有一定提高。 隱寫(xiě)前后游程直方圖變化(4) 基于相關(guān)性的Liu’s隱寫(xiě)分析算法Liu等[21]提出基于相關(guān)性的隱寫(xiě)分析特征，并且指出嵌入率和圖像復(fù)雜度是影響隱寫(xiě)分析性能的關(guān)鍵因素。LSB匹配對(duì)圖像最低位平面進(jìn)行修改，因此圖像最低位平面（LSBP）與次低位平面（LSBP2）之間的相關(guān)性會(huì)改變，另外最低位平面自相關(guān)性也會(huì)發(fā)生改變，基于此提出了基于位平面相關(guān)性的多維特征。隱寫(xiě)前后圖像