The present invention provides one kind of multi-scale LTP feature steganalysis method and steganalysis device based on steganalysis method includes: greedy algorithm selected for calculating the characteristic parameters of multi-scale LTP image based on feature set includes multiple sets of parameters to obtain the characteristic parameters of each feature, the parameters in the parameters collection including the filter parameters, as well as any pixel of the carrier image as the starting point of the path parameter; according to the characteristics of each parameter, a set of multiscale features of LTP image is calculated, to obtain multi group multi scale LTP image features corresponding to the set of parameters, and the multi group multi scale LTP image features are combined to generate the image feature vector of image; through the analysis of image features of the support vector machine algorithm of carrier image, to determine the carrier image Is there any hidden information in it?. The proposed multi scale LTP feature is more suitable for steganalysis, and improves the detection accuracy of carrier images.
【技术实现步骤摘要】
基于多尺度LTP特征的隐写分析方法和隐写分析装置
本专利技术涉及信息
,具体而言,涉及一种基于多尺度LTP特征的隐写分析方法和一种基于多尺度LTP特征的隐写分析装置。
技术介绍
信息隐藏技术是一项利用多媒体数据载体进行数字隐藏的信息处理方法,广泛应用于军事、政治、商业等领域中。图像隐写是信息隐藏技术的主要分支之一,其目的是发出者利用特定嵌入方法和密钥在一个数字图像中嵌入一段秘密信息,使得只有知晓其对应嵌入方法和密钥的接收者才能够准确地得到嵌入的信息,而其他人即使获取到载体图像也无法知晓其隐藏的秘密信息。图像隐写包括隐写术(Steganography)与隐写分析(Steganalysis)两大分支。隐写术实现把秘密信息嵌入到载体图像中,而隐写分析是一种与隐写术相对抗的逆向分析技术,目的是判断截获的数字载体是否存在隐藏信息。因而,隐写术和隐写分析存在着矛和盾的对立关系,但同时也存在着相辅相成的依存关系,一些强大的隐写分析技术成为了检测新的隐写算法可靠性与安全性的基准。目前,大多数通用的隐写分析方法是建立在机器学习框架下,包括特征提取和分类器设计两个步骤。特征提取是指根据图像像素值和坐标关系获取反映图像统计特性的信息;分类器是指利用图像特征判断该图像属于自然图像还是属于含秘密信息的隐秘图像。在隐写分析技术中,分类器常选择经典的线性SVM(SupportVectorMachine,支持向量机),而特征提取是目前研究的热点也是隐写分析中至关重要的环节,它的好坏将直接影响到检测率的高低。局部二值模式(LocalBinaryPattern,LBP)是一个简单而有效 ...
【技术保护点】
一种基于多尺度LTP特征的隐写分析方法,其特征在于,包括:基于贪心算法选择用于计算多尺度LTP图像特征的特征参数,以得到包含多组特征参数的参数集合,其中,所述参数集合中的每组特征参数包括滤波器参数,以及以载体图像中的任一像素点为起始点的路径参数;根据所述每组特征参数,计算得到一组多尺度LTP图像特征,以得到对应于所述参数集合的多组多尺度LTP图像特征,并将所述多组多尺度LTP图像特征进行组合,以生成所述载体图像的图像特征;通过支持向量机算法对所述载体图像的图像特征进行分析,以确定所述载体图像中是否有隐藏的信息。
【技术特征摘要】
1.一种基于多尺度LTP特征的隐写分析方法,其特征在于,包括:基于贪心算法选择用于计算多尺度LTP图像特征的特征参数,以得到包含多组特征参数的参数集合,其中,所述参数集合中的每组特征参数包括滤波器参数,以及以载体图像中的任一像素点为起始点的路径参数;根据所述每组特征参数,计算得到一组多尺度LTP图像特征,以得到对应于所述参数集合的多组多尺度LTP图像特征,并将所述多组多尺度LTP图像特征进行组合,以生成所述载体图像的图像特征;通过支持向量机算法对所述载体图像的图像特征进行分析,以确定所述载体图像中是否有隐藏的信息。2.根据权利要求1所述的基于多尺度LTP特征的隐写分析方法,其特征在于,基于贪心算法选择用于计算多尺度LTP图像特征的特征参数的步骤,具体包括:初始化所述参数集合和训练集全局预估正确率;对于所有的待选择特征参数中的任意一组特征参数,若加入到所述参数集合后,其训练集预估最优正确率大于所述训练集全局预估正确率,则将所述任意一组特征参数加入所述参数集合,并在将所述任意一组特征参数加入所述参数集合后,根据所述参数集合中的每组特征参数对应的训练集预估最优正确率,对所述训练集全局预估正确率进行更新。3.根据权利要求2所述的基于多尺度LTP特征的隐写分析方法,其特征在于,还包括:将所述所有的待选择特征参数中含有相同元素个数的滤波器参数和路径参数组合成一组特征参数。4.根据权利要求1至3中任一项所述的基于多尺度LTP特征的隐写分析方法,其特征在于,根据所述每组特征参数,计算得到一组多尺度LTP图像特征的步骤,具体包括:根据所述每组特征参数,计算所述载体图像中的所有像素点的多尺度LTP编码值;通过旋转不变模式对所述所有像素点的多尺度LTP编码值的维度进行压缩,以得到压缩后的多尺度LTP编码值;生成与所述压缩后的多尺度LTP编码值相对应的图像分布直方图,并将所述图像分布直方图作为所述LTP图像特征。5.根据权利要求4所述的基于多尺度LTP特征的隐写分析方法,其特征在于,计算所述载体图像中的任一像素点的多尺度LTP编码值的步骤,具体包括:基于所述任一像素点生成包含多个元素的初始路径,其中,对于所述初始路径上的任一元素,有且仅有一个以所述任一像素点为中心的正方形,使得所述任一元素位于所述正方形的边上;将所述初始路径上的每个元素以所述任一像素点为中心,并沿着对应的正方形的边进行旋转,得到旋转后的一条路径;根据所述每组特征参数,以及对所述初始路径进行多次旋转得到的多条路径,计算所述任一像素点的多尺度LTP编码值。6.根据权利要求5所述的基于多尺度LTP特征的隐写分析方法,其特征在于,通过以下公式计算所述任一像素点的多尺度LTP编码值:其中,表示任一像素点的多尺度LTP编码值,且所述任一像素点的多尺度LTP编码值取决于参数P、G0、f和t;P表示基于所述任一像素点的所述初始路径和所述多条路径的总个数;G0表示所述路径参数,且为基于所述任一像素点的初始路径;f表示所述滤波器参数,且f=(f(1),...,f(k)),t为常数;k表示所述初始路径中的元素个数;gp,i表示由初始路径G0旋转得到的路径Gp中的元素i;p为常数且0≤p≤P-1;函数s′(x,t)满足以下关系:7.一种基于多尺度LTP特征的隐写分析装置,其...
【专利技术属性】
技术研发人员:林秋燕,李晓龙,郭宗明,
申请(专利权)人:北京大学,北大方正集团有限公司,北京北大方正电子有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。