一、基于直方图差分分离的LSB隐秘的可靠检测（论文文献综述）
潘晓鸽[1]（2021）在《基于空域图像LSB隐写算法研究》文中研究表明随着计算机网络技术的飞速发展,人们的交流变得更加便捷。然而,在网络中的交流可能会涉及一些重要内容,比如:个人的账户密码、企业的机密、国家的保密文件等。在传输的过程中,数据的安全性也受到人们的关注,隐写术也应运而生。隐写的载体可以是图像、文本、视频、音频等。日常沟通中图像占有较大的比重,因此本文采用的以图像为载体。针对隐写图像安全性、鲁棒性和最佳嵌入位置等方面的不足,研究与分析相关成果的基础上,提出了一些新的隐写算法。本文的主要工作与创新点如下:（1）提出了一种基于最低有效位（LSB）和相邻像素值的隐写算法。首先,该算法将每个平面的个体贡献考虑在内,先将红色（R）、绿色（G）和蓝色（B）三个平面分割成大小为1×2的不相交的块。然后,计算每个平面的容差能力嵌入秘密消息,根据计算结果嵌入秘密消息。第三,在嵌入秘密消息时采用奇偶对比嵌入的方法,使得嵌入前后图像像素值变化较小。最后,通过测量均方误差（MSE）、峰值信噪比（PSNR）来评估所提出算法的性能。实验结果表明,所提出的隐写算法与其他同类算法相比,具有更好的安全性和隐写图像质量。（2）提出了一种基于最低有效位（LSB）隐写技术的人工鱼群（AFS）增强算法。首先,该算法提出块分配列表,将人工鱼群算法应用在散列域内求最优值中,其结果用于寻找最佳嵌入位置。其次,该算法提升了隐蔽图像的质量,同时鲁棒性得以增强,在传输的过程中容忍失真。第三,该算法利用AFS算法选择的像素点位置,通过像素强度量化来嵌入秘密图像像素数据,在图像压缩和噪声条件下,也能提取出秘密数据。我们用标准图对所提出的技术的性能进行了评估,实验结果表明,该方法能够产生更好质量的隐写图像,即使隐写图像受到压缩或噪声攻击,也能有效地恢复隐藏图像。
白永强[2]（2019）在《高动态范围图像的信息隐藏技术》文中指出高动态范围（High dynamic range,HDR）成像技术采用浮点型数据记录像素信息,可以真实展现现实世界丰富的色彩细节和明暗层次,因而得到了广泛的关注和迅猛的发展。然而,在网络传输和信息共享的过程中,如何对HDR图像的所有权、真实性以及完整性等进行有效地保护,成为信息隐藏技术研究领域亟待解决的课题。本学位论文立足于现有的信息隐藏技术,深入分析和挖掘HDR图像的存储格式和视觉感知特性,从不同应用角度提出了相应的信息隐藏算法。其主要研究内容包括:1、面向隐秘通信的HDR图像隐写算法。该算法对现有的人眼感知特性进行扩展,并结合Open EXR格式的转换特性,在HDR图像原始的十进制浮点数中进行隐秘信息的有效嵌入。由于充分考虑了HDR图像特有的亮度掩蔽效应,该算法具有优秀的不可见性。同时,由于本文采用十进制嵌入方法替代传统的二进制方法,不仅极大的拓展了嵌入容量,同时也没有破坏破载体图像像素值的统计规律性,可以较好的对抗隐写分析。此外,本文算法还可以根据隐秘信息的提取误差对篡改区域进行有效的检测和定位,优于现有的HDR图像隐写算法。2、面向版权保护的HDR图像数字水印算法。针对HDR图像数字水印性能呈现出空域多样化的现象,本文提出鲁棒活跃度和感知活跃度这两个水印活跃度概念,以此来分别表征算法的空域鲁棒性和不可见性。随后,设计分级嵌入强度机制和混合感知掩模进一步优化算法的鲁棒性和不可见性。同时,为了解决HDR图像的高动态范围和浮点型数据问题,我们采用奇异值分解实现亮度信息和纹理信息的有效分离,并对提取的纹理信息采用非下采样轮廓波变换进一步优化。最后,利用一种简单的嵌入方法,实现了不同区域和不同强度的水印嵌入。实验结果表明,本文算法在不可见性、鲁棒性以及嵌入容量方法均表现出优异的性能,优于现有的HDR图像数字水印算法。3、面向内容认证的HDR图像篡改检测与修复算法。该算法利用原始HDR图像生成参考信息进行隐秘信息进行嵌入,当图像被篡改时,可以根据提取的隐秘信息进行检测和修复篡改区域。基于人类视觉系统和Open EXR存储格式的冗余性,我们对HDR图像的不同通道信息设计不同的压缩方法,优化参考图像的存储空间和图像质量。同时,基于HDR图像邻域像素的高相关性,结合分块抽样机制和自嵌入策略,降低了窜改巧合问题概率和计算复杂度。实验结果表明,该算法可以对篡改后的HDR图像进行有效的篡改检测和内容修复,并具有较高的篡改修复率和较低的计算复杂度。4、面向敏感领域的可逆HDR图像信息隐藏算法。一方面,该算法利用人类视觉系统和Open EXR存储格式的冗余性,生成多层低失真的嵌入载体。另一方面,结合差值扩展策略,采用多模态的混合预测模型和多层嵌入策略,实现了基于预测误差扩展的多层可逆HDR图像信息隐藏。实验结果表明,该算法充分利用了HDR图像存储格式的特性,具有良好的不可见性。同时,混合预测模型和多层嵌入策略也进一步提高了算法的嵌入容量和安全性,可以满足军事传输、医学处理及司法认证等敏感应用场景的需求。
王科人[3]（2014）在《视频隐藏分析关键技术研究》文中进行了进一步梳理作为大容量信息隐秘通信的有效手段,视频信息隐藏技术引起人们的关注。为了有效检测以视频为载体的有害隐秘通信行为,视频隐藏分析具有重要的研究价值和应用前景。本文研究以数字视频为载体的隐藏分析技术,针对多种作用域的隐藏算法提出了相应的检测算法,.并将领域适应与通用隐藏检测相结合,分析其在解决载体分布失配问题上的适用性。本文主要工作与创新包括以下6个方面：1、在压缩视频空域隐藏分析方面,提出将时域相关性和空域相关性相结合的SPEAM统计特征,用于检测压缩视频的空域扩频隐藏。在非压缩视频的隐藏检测性能方面,该特征与只考虑空域相关性的图像隐藏分析特征相当,且优于现有视频隐藏分析特征；但在压缩视频的检测性能方面,该特征优于已有的视频隐藏分析特征和图像隐藏分析特征,且具有较低的运算复杂度。2、在压缩域运动矢量隐藏分析方面,针对现有运动矢量隐藏检测方法或者检测性能差且无法适应多种视频编码格式,或者因重压缩参数与原始编码参数不同而失效的缺点,提出基于运动矢量局部最优假设的AoSO特征。该特征在检测性能上明显优于现有的两类特征,且适用范围较广,在多种复杂视频编码条件下均表现出较好的检测性能。3、在H.264帧内预测模式隐藏分析方面,结合H264视频压缩编码标准,提出以SATD作为编码代价的帧内预测模式校准机制及其相应的CIPM隐藏检测特征。该特征在隐藏检测性能上明显优于现有特征,且计算复杂度比较低。4、在改善载体分布失配条件下的隐藏分析算法性能方面,针对其中的隐藏算法失配问题,对领域适应中的特征迁移算法——TCA算法开展研究,并将TCA算法用于解决隐藏算法失配条件下的运动矢量隐藏检测问题。最后通过实验验证其可能带来失配条件下隐藏检测性能的提升,并结合实验中遇到的问题,对TCA等领域适应算法的适用性进行了探讨,并指出领域适应算法在隐藏检测应用中的局限性。5、在视频空域隐藏软件MSU StegoVideo的隐藏分析方面,.针对现有隐藏分析方法仅考虑隐藏信息的检测且检测性能不理想的问题,对MSU StegoVideo隐藏的三个指纹特征进行了分析,包括特殊的颜色空间转换公式、棋盘状掩膜图案以及嵌入强度控制机制,提出基于MSU StegoVideo指纹的非压缩视频隐藏检测与隐藏参数估计方法——MP算法。该算法在检测性能上远优于已有算法,且可对隐藏参数"noise level"以及隐藏信息序列进行初步的估计。6、在格式隐藏软件OpenPuff的隐藏分析方面,针对该软件支持的MPEG、VOB、 FLV、MP4、3GP等格式视频,结合相应的视频容器标准,通过分析隐藏操作引入的文件差异,提出相应的隐藏分析方法,能够实现高精度的盲检测与部分隐藏信息的提取。
张艳[4]（2013）在《图像隐写分析算法研究》文中研究指明信息/数据隐藏（Information or Data hiding）是信息安全领域的重要研究方向。隐写术作为信息隐藏的重要分支以表面上正常的信息载体作为掩护，在其中嵌入秘密信息。隐藏的数据不改变载体的格式和大小，同时也不改变载体的听视觉效果，以此实现不为人所知的隐蔽通信。对隐写术的攻击或检测分析技术被称作隐写分析（Steganalysis）技术，其目的是检测载体中是否隐写了秘密信息，以便于进一步采取相应措施来阻止非法隐秘通信。目前用于隐写的载体，以数字图像的使用最为广泛，因此以它为载体的隐写分析研究成为极为重要的内容。隐写分析是对抗隐写术的关键，也是衡量隐写安全性的一个重要标准；其既在对抗新型隐写算法的进程中不断发展，又反过来促使隐写算法的持续改进。本文首先针对广泛应用的加性隐写噪声模型，从突出隐写噪声的角度，利用自然图像相邻像素之间具有一定相关性和统计对称性的特点，提出一种新的通用隐写分析算法，以此对三种常用典型的隐写算法进行检测，实验结果表明与WAM（Wavelet Absolute Moment）相比，虽然本文提取的特征维数偏高，但是无论是对低嵌入率还是高嵌入率的检测都具有明显的优势；与当前流行的SPAM（Subtractive Pixel Adjacency Matrix）相比，本文算法在高嵌入率时检测LSB（Least Significant Bit，最不重要比特位）替换的检测率略低，而在低嵌入率0.15bpp时检测率高于SPAM；同等维数条件下，本文算法在检测LSBM（LSB Matching, LSB匹配）和LSBMR（LSB Matching Revisited，LSB匹配改进）时的检测率均略高于SPAM，在低嵌入率下优势较为明显。其次在特定隐写分析研究中，由于自适应隐写具有良好的感官不可觉察性和难检测性，选择具有代表性的基于LSB匹配改进的边缘自适应隐写算法（Edge Adaptive imagesteganography based on LSB Matching Revisited, EALSBMR）作为分析对象，本文提出从隐写前后图像的八方向绝对差分直方图中提取特征构建检测器。和目前典型隐写分析算法对比，在较低嵌入率下的隐写进行检测的结果表明该算法优于SPAM以及NIP（NeighborhoodInformation of Pixels），在嵌入率为0.5bpp时，检测率可以达到97.12365%。最后，在对EALSBMR的进一步研究中发现该隐写算法在最后的修正阶段产生了直方图异常的现象，即像素差值T+1的频数大于T，本文由此提出将像素差分直方图中系数在[0,31]范围内的频数相减得到32维特征向量来反映EALSBMR造成的差分直方图的“异常”，输入支持向量机（Support Vector Machines, SVM）构建出一种能更有效检测EALSBMR的隐写分析算法，并考虑特征融合进行仿真实验。实验结果表明：结合的特征并没有表现出一定的优势，仅在0.75bpp、1bpp嵌入率时略高于本文算法，而在≤0.5bpp时的检测效果不及本文算法；在0.1bpp嵌入率下，虽然本文算法检测率达到了87.7893%，但是极低嵌入率时的隐写对于隐写分析来说仍是挑战。
赵洪[5]（2013）在《数字图像与语音被动取证技术研究》文中指出网络带宽的增加和数字压缩算法的发展使得数字多媒体（视频、音频、图像等）成为了最佳的信息共享和交流的媒介。此外,个人电脑的普及和多媒体编辑软件的广泛应用,使得对多媒体数据地编辑、修改和伪造变得越加容易。恶意的攻击者可以轻易地对多媒体数据进行篡改与伪造,以达到恶意的目的。近年来,频繁出现的多媒体数据伪造事件,使公众对多媒体数据的完整性、可靠性和真实性提出了质疑,多媒体数据的取证成为当前国际信息安全领域研究的热点。针对保障多媒体信息的完整性、可靠性和真实性的需求,结合科研项目的研究需要,本文致力于对数字多媒体被动取证的研究,分别以图像和语音为对象,研究了图像隐写与隐写分析技术和语音取证技术。针对当前可逆信息隐藏算法缺乏安全性分析的现状,首先分析了当前流行的三种可逆信息隐藏算法,指出信息嵌入过程中引入的失真特性。理论研究发现,嵌入失真主要存在于图像水平方向的差分直方图中,而垂直方向的差分直方图基本保持不变。然后分别利用拉普拉斯模型、高斯模型以及相邻像素模型来描述差分直方图的分布特性,并同时提出利用水平和垂直方向差分直方图的相似度作为特征,实现了对常见的几种可逆信息隐藏算法地有效检测。实验表明,基于水平和垂直方向差分直方图相似度模型的检测算法的性能优于拉普拉斯模型、高斯模型和相邻像素模型。针对目前对调色板图像的通用隐写分析研究较少的现状,提出了一种基于广义差值直方图和颜色相关图的调色板图像通用隐写算法。该方案首先提出了调色板图像隐写的通用框架,并从理论上分析了信息隐藏对调色板图像像素之间相关性的影响。提出利用RGB颜色各通道的广义差分直方图和颜色相关图来描述像素间的相关性,并提取差值直方图的特征函数矩、颜色相关图的特征函数重心以及高阶中心距作为特征,利用支持向量机作为分类器,实现了对几种常见GIF调色板图像隐写算法和隐写软件的可靠检测。实验结果表明,该算法的性能优于Lyu等人的通用检测算法和Du的专用检测算法,并与Fridrich的专用检测算法性能相当,但更具有推广能力。提出了一种利用语音回声和背景噪声特征的录音环境识别算法。该算法认为,回声信号是一种环境相关的“固有指纹”,利用语音中的回声成分,可以实现录音环境地识别。该算法首先利用去回声算法,通过逆滤波的方式提取语音信号中的回声成分,然后利用粒子滤波提取语音信号的背景噪声作为补充,并提取MFCC、LMSC以及均值、方差、偏斜系数、峰度等高阶统计量作为分类特征,利用支持向量机实现对环境的分类检测。利用在8个不同环境中录制的2240段录音进行测试,结果表明,本方案提取的特征可以有效地区分录音环境,性能优于直接从语音信号中提取的特征,并且从回声信号中提取的特征不依赖于麦克风的类型。鲁棒性实验结果表明,该方案提取的特征对多种不同比特率的MP3压缩均具有鲁棒性。
李韬[6]（2012）在《基于图像局部复杂度的隐藏信息检测技术研究》文中指出随着信息技术的发展，信息安全问题日益突出，作为信息安全领域的研究热点之一，信息隐藏已经得到越来越多的关注。面对多媒体信息安全的发展与应用需求，以图像为载体的隐藏信息检测技术研究已成为信息隐藏技术研究中的一个重要方向。本文基于图像的区域平稳的Markov模型，在深入研究数字隐写机理对图像统计特征影响的基础上，提出了三种基于图像局部复杂度的隐写分析算法，所做的主要研究工作包括：1、分析图像统计特征及其受数字隐写的影响。以自建高精度分类图像库为对象，分析了图像直方图、差分直方图以及游程长度直方图等统计特征与图像复杂度之间的关系。通过比较载体、载密图像统计特征差异，以及测试典型隐写分析算法在不同复杂度的图像库上的性能，得出了图像平坦区域呈现更明显的隐藏信息存在性特征的结论，为开展基于图像复杂度的隐藏信息检测算法研究奠定了基础。2、提出了一种基于偏离度直方图的LSB匹配隐写分析算法。经LSB匹配隐写嵌密后，图像平坦区域像素间的关系会发生更明显的改变。根据图像信源具有区域平稳性的特点，定义了偏离度的概念来刻画图像的局部复杂度，设定图像像素偏离度的阈值来选取图像平坦区域，统计分析平坦区域像素的偏离度直方图嵌密前后的差异，并提取56维分类特征，结合Fisher线性判决实现隐写检测。实验结果表明该算法对未压缩高精度图像具有较好的检测性能。3、提出了一种基于平坦区域游程长度直方图的隐写分析算法。在一幅图像之中，存在着复杂度不同的区域，数字隐写对它们统计特征的影响不相同。嵌入秘密消息后，图像的平坦区域会发生更加明显的改变，而纹理较为复杂区域的改变较小。从图像信源统计特性出发，采用四叉树结构对图像逐级划分，依据图像局部方差指标来刻画各子区域的局部复杂度，从而由各级分块子区域选取平坦区域，在这些区域提取游程长度直方图统计矩特征，检测图像中是否包含秘密消息。实验结果表明，该算法具有较好的检测性能。4、提出一种应用Mean Shift图像分割和联合判决的隐写分析算法。用Mean Shift算法把图像划分为若干个子图像，根据子图像复杂度（边缘像素密度）将子图像分成若干类，然后为每个类别训练一个分类器，根据检测可靠性的高低赋予每个类别相应的权重。通过对各子图像的检测结果进行加权融合得到一幅完整图像的检测结果。针对LSB匹配隐写分析的实验结果表明，该算法的检测性能优于典型隐写分析算法的检测性能。最后，对本文工作进行了总结，并对图像隐写分析技术的发展和研究进行了展望。
李慧[7]（2012）在《数字图像隐秘信息定量隐写分析算法》文中进行了进一步梳理隐写术是指将隐秘信息嵌入数字载体中得到隐写对象的方法,隐写术可利用公开信道传送隐写对象不被发现而被广泛应用,但也能被用于传送军事机密或危害性信息。隐写分析技术是隐写术的对抗技术,其目的是判断隐秘信息的存在性、继而估计隐秘信息长度、最终提取出隐秘信息。隐写分析技术能有效地防止隐写术滥用,因此得到了广泛的关注。本文主要研究估计数字隐写图像中隐秘信息长度的定量隐写分析技术,先提出了一种基于离散余弦变换（Discrete Cosine Transform, DCT）域共生矩阵的通用隐写分析算法,并进一步提出了三种估计隐秘信息长度的通用定量隐写分析算法:1、基于DCT域共生矩阵的通用隐写分析方法。典型的隐写算法保持一阶统计信息（如直方图统计）不变,基于DCT域的共生矩阵能挖掘图像的DCT系数的二阶相关性。沿zigzag方向读取图像的DCT域前20个低频交流（alternative current, AC）系数,计算AC系数的共生矩阵共得到图像的120维统计特征向量。该图像特征结合支持向量机（Support Vector Machine, SVM）能有效反应图像在隐写前后的变化,有效判断测试图像是否为隐写图。2、基于DCT域特征和支持向量回归（Support Vector Regression, SVR）的通用定量隐写分析方法。大多数现有隐写分析算法只能判断测试图像是否为隐写图,而估算隐秘信息的长度对破解隐秘信息有着更为重要的意义,因此,提出了一种能估计隐秘信息长度的定量隐写分析算法。从隐写图中提取描述DCT域系数相关性的132维特征,包括分块DCT的块内和块间的马尔可夫统计值,作为图像特征;利用SVR学习图像特征和隐秘信息嵌入率之间的映射关系模型,最后根据映射模型估计测试隐写图的嵌入率。使用两种典型的嵌入算法:F5与outguess验证了算法的可行性和有效性。3、基于三域特征和偏最小二乘回归（Partial Least Squares Regression, PLSR）的通用定量隐写分析方法。对图像提取空域、DCT域和DWT域的特征,运用PLSR分别建立三种特征和隐写图像嵌入率之间的映射模型,并利用这三个模型估计测试隐写图的隐秘信息嵌入率。仿真结果证明该方法能快速地、准确地估计F5、Outguess和MB隐写图的隐秘信息长度。4、基于小波域隐马尔可夫树（Hidden Markov Tree, HMT）和PLSR的通用隐写分析方法。小波域HMT模型充分考虑了小波变换的尺度内聚集性和尺度间的持续性、小波变换系数的统计相关性及非高斯性。通过提取基于小波域HMT模型的图像特征,并采用PLSR建立隐写图特征和隐秘信息嵌入率之间的映射模型,得到定量隐写分析器（quantitative steganalyzer）。此定量隐写分析器能有效估计F5、Outguess和MB隐写图的隐秘信息长度,而且运行时间较短。
高深[8]（2012）在《基于净图的多模平滑度通用隐写分析及其GPU加速》文中研究指明随着计算机技术和互联网技术的不断发展,人们可以随意的在网络上传递任何多媒体信息,比如图片,视频,音频,文字等等。同时网络上出现了很多免费的甚至开源的数字密写软件,使人们可以非常容易的实现隐秘通信,如果这些软件落入不法分子之手那么将会给社会带来危害,所以隐写分析逐渐成为保证国家安全的关键技术之一,本文总结了过去各种隐写分析的方案的优缺点,并深入讨论了通用隐写分析的关键问题,提出了一种基于净图的多模平滑度的全盲通用隐写分析方案。本文的主要工作和成果：1.分析了通用隐写分析的主要原理,建立通用隐写分析的模型为弱噪声模型,提出基于平滑度的分类思想将图片细分,采用梯度能量值和游程编码压缩比C值分别作为空域和频域平滑度的衡量值。2.对于空域和频域分别提出了不同的净图特征。对于空域图像分别提取了梯度能量,小波校准梯度能量差和二次LSB攻击的梯度能量三维特征作为净图特征；对于频域图像提取量化DCT系数在四个方向上的一步Markov转移矩阵作为频域净图的特征。3.对于分类器本文提出了采用One-Class SVM的方案,通过构造多个超球体来合理的包含所有净图,多超球体外则被判定为脏图,可以有效的预测未知隐写算法,简化训练集的构造过程和训练过程。4.在提取图像特征的过程中,涉及到大量的矩阵运算,本文对于特征提取的复杂过程采用了GPU加速的方案,GPU可以同时并行执行几千甚至几万个线程,可以大大提高其中矩阵运算的速度。
王翠平[9]（2011）在《基于统计分析的音频隐写分析研究》文中研究指明研究隐写分析对监视非法信息、防止机密信息泄露,保障国家安全和维持社会的稳定有着重要的意义。隐写分析的核心问题是选取检测率高,适用性广的特征向量。以往的文献缺乏对频域统计特征的深入研究,不能有效地对频域隐写方法进行检测。本文研究了音频DCT系数的统计分布以及隐写对DCT域统计特征的影响,在此基础上设计了两种新颖的隐写分析方法。为了提高检测率和检测尽可能多的隐写方法,提出了一种基于融合的隐写分析方法。本文的主要工作和创新点如下:1)针对音频DCT系数统计分布研究的不足,对音频DCT系数的统计分布进行了深入研究,为音频DCT系数建立了一个由广义高斯分布和α稳定分布组成的混合模型。研究结果表明,该模型比广义高斯分布和α稳定分布更接近于音频DCT系数的统计分布。2)提出了一种基于DCT直方图统计矩的音频隐写分析方法,采用的特征是DCT系数直方图的高阶统计量,实验结果表明该算法获得了较好的检测率。3)根据隐写会改变音频统计特征的假设,提出一种基于统计分布模型参数统计矩的音频隐写分析方法。实验数据表明,相比于同类算法,检测率有了较大的提高。4)针对现有隐写分析方法实用性不强的问题,基于融合思想提出了一种通用的隐写分析方法。该分析方法能够继承已有隐写分析方法的优点,提高隐写分析算法的检测性能。
夏志华[10]（2011）在《基于学习的图像隐藏信息检测技术研究》文中研究指明网络通信技术的迅猛发展,使多媒体数据在网络中得以迅速传播。尤其是隐写技术的飞速发展与广泛应用,给秘密信息的传输蒙上了隐蔽的面纱。隐写技术以数字媒体为载体,利用人类的感知冗余和数字媒体的数据冗余,将信息以某种编码或加密的方式隐藏于数字媒体中,可应用于各种秘密信息的安全传输,如个人隐私、商业秘密和国家机密等。然而隐写技术在为人们和社会服务的同时,往往也被不法机构用来传递非法信息,危害国家安全和社会稳定。因此研究与隐写技术相对抗的隐藏信息检测技术具有十分重要的意义。本文主要研究基于学习的图像隐藏信息检测技术,在大规模图像库上提取对信息嵌入敏感的特征来训练分类器,用训练得到的分类器对隐藏信息进行检测。敏感特征提取是此类方法的关键,本文的主要研究成果如下：（1）提出一种基于图像直方图和相关性特征的LSB匹配隐藏信息检测算法。将空域LSB匹配嵌入模拟成在图像中添加独立随机噪声,而独立随机噪声会使得图像直方图变平滑,并扰乱图像像素之间的相关性。针对LSB匹配对图像造成的影响,计算图像直方图梯度能量作为直方图特征,并从理论上证明了此特征的有效性；运用邻域度直方图和游程长度直方图来提取图像相关性特征,充分考虑信息嵌入对相邻像素及连续相等像素之间相关性的影响。运用小波变换对待检测图像进行去噪来构造校准图像,分别从待检测图像和校准图像提取特征,将对应特征的比值作为最终特征。在大规模原始和隐写图像库上,运用支持向量机对特征进行训练和测试,实验结果表明此算法具有良好的检测效果。另外,通过对本文直方图特征和相关性特征的检测性能比较,发现两者在检测未压缩过的图像和用JPEG压缩算法压缩过的图像上各具优势。（2）提出一种基于图像扩展特征的LSB匹配隐藏信息检测算法。适当的扩充特征向量的维数可以提高分类器的检测精度,本文对上述检测算法提取的特征进行了扩展。对于图像直方图特征,不但提取了直方图梯度能量特征,而且统计出图像直方图相邻元素的绝对差作为特征；对于图像相关性特征,本文分别沿水平、垂直、斜向及反斜向四个方向,从待检测图像构造四个差分图像,运用共生矩阵模型对差分图像进行统计来提取特征。利用LSB匹配嵌入算法对待检测图像进行信息嵌入来构造校准图像,分别从待检测图像和校准图像提取特征,将对应特征的比值作为最终特征。在大规模图像库上运用支持向量机训练分类器,实验结果表明此算法具有更佳的检测效果。（3）提出一种基于DCT域联合特征JPEG图像隐藏信息检测算法。以JPEG图像为载体的隐写方法通常直接修改载体图像量化后的DCT系数,因此从DCT域提取的特征对隐藏信息的嵌入最为敏感。本文从三个方面分析了信息嵌入对DCT系数的影响,即DCT系数的分布情况,DCT系数的块内相关性及DCT系数块间相关性。运用直方图模型对DCT系数分布情况进行统计以提取直方图特征；利用差分来表征DCT系数的块内和块间相关性,然后运用共生矩阵模型提取相应的特征。利用空域裁剪再压缩的方法为待检测图像构造校准图像来对特征进行校准,在大规模图像库上利用支持向量机对特征进行训练得到分类器。实验结果表明,本文算法与已有检测算法相比具更好的检测精度。另外根据本文设计的JPEG图像隐藏信息检测算法,我们实现了一套《JPEG图像隐藏信息检测系统》。系统不但采用了基于DCT域联合特征的检测方法,而且集成了基于JPEG图像文件格式的检测方法。该系统检测精度高、实用性强,已获得“中华人民共和国国家版权局”授予的《计算机软件着作权》。（4）提出一种基于变种遗传算法的特征选择算法。现有的隐藏信息检测算法为了提高检测精度,提取的特征维数越来越高。然而随着特征维数增加,分类器检测图像的速度会随之减慢,而且新增特征对算法检测精度的贡献还有待考究。本文利用遗传算法来对已有特征进行选择,结合支持向量机为遗传算法设计相应的适应性函数,为交叉和变异算子配置合适的参数。针对遗传算法的局部收敛问题,提出用种群相似度和代间转移度来判断算法是否收敛到局部,使得算法可以跳出没有满意解的局部。实验结果表明,用特征子集训练的分类器比用特征全集训练的分类器具有更高的检测精度与速度。
二、基于直方图差分分离的LSB隐秘的可靠检测（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于直方图差分分离的LSB隐秘的可靠检测（论文提纲范文）
（1）基于空域图像LSB隐写算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 信息隐藏的发展 |
| 1.2.2 隐写分析的发展 |
| 1.3 本文的主要工作和组织结构 |
| 1.3.1 本文的主要工作 |
| 1.3.2 本文的组织结构 |
| 2 图像隐写及隐写分析技术 |
| 2.1 隐写与隐写分析理论基础 |
| 2.1.1 隐写系统模型 |
| 2.1.2 隐写术的分类及评价标准 |
| 2.1.3 隐写分析术的分类及性能 |
| 2.2 典型的隐写方法 |
| 2.2.1 空域隐写方法 |
| 2.2.2 变换域隐写方法 |
| 2.3 图像隐写分析技术 |
| 2.3.1 统计隐写分析算法 |
| 2.3.2 图像隐藏信息的隐写分析 |
| 2.3.3 通用盲检测分析方法 |
| 2.4 本章小结 |
| 3 基于LSB和相邻像素值的图像隐写算法 |
| 3.1 LSB与 PVD嵌入 |
| 3.2 算法的设计与描述 |
| 3.3 嵌入过程 |
| 3.4 提取过程 |
| 3.5 实验结果与分析 |
| 3.6 本章小结 |
| 4 基于LSB图像隐写技术的人工鱼群增强算法 |
| 4.1 引言 |
| 4.2 算法模型 |
| 4.3 人工鱼群算法 |
| 4.4 算法设计与实现 |
| 4.4.1 信息嵌入 |
| 4.4.2 信息提取 |
| 4.5 实验结果与分析 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表论文及科研成果 |
| 致谢 |
（2）高动态范围图像的信息隐藏技术（论文提纲范文）
| 引言 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究动态与发展现状 |
| 1.2.1 高动态范围成像技术 |
| 1.2.2 信息隐藏技术研究现状 |
| 1.2.3 高动态范围图像信息隐藏技术的研究现状 |
| 1.3 研究内容和组织结构 |
| 2 高动态范围成像及信息隐藏技术概述 |
| 2.1 高动态范围成像技术概述 |
| 2.1.1 HDR图像的生成 |
| 2.1.2 HDR图像的存储 |
| 2.1.3 HDR图像的显示 |
| 2.2 信息隐藏技术概述 |
| 2.2.1 系统框架 |
| 2.2.2 性能指标 |
| 2.2.3 攻击和分类 |
| 2.2.4 应用领域 |
| 2.3 本章小结 |
| 3 高容量高保真HDR图像隐写算法 |
| 3.1 HDR图像感知特性 |
| 3.2 格式转换特性 |
| 3.3 算法流程 |
| 3.3.1 嵌入和提取 |
| 3.3.2 阈值设定 |
| 3.4 实验结果和分析 |
| 3.4.1 性能分析 |
| 3.4.2 综合性能对比 |
| 3.5 本章小结 |
| 4 对抗色调映射的鲁棒性HDR图像数字水印 |
| 4.1 色调映射特性 |
| 4.1.1 色调映射原理及分类 |
| 4.1.2 色调映射特性及空域活跃度分析 |
| 4.2 算法流程 |
| 4.2.1 动机和方法 |
| 4.2.2 嵌入强度和掩膜设计 |
| 4.2.3 嵌入和提取 |
| 4.3 实验结果和分析 |
| 4.3.1 实验条件及评价标准 |
| 4.3.2 性能分析 |
| 4.3.3 综合性能对比 |
| 4.4 本章小结 |
| 5 HDR图像篡改检测及修复算法 |
| 5.1 OpenEXR格式及视觉感知特性 |
| 5.2 邻域相关性 |
| 5.3 参考图像及嵌入载体的生成 |
| 5.3.1 参考图像的生成 |
| 5.3.2 嵌入载体的生成 |
| 5.4 算法流程 |
| 5.4.1 水印嵌入 |
| 5.4.2 篡改定位及内容恢复 |
| 5.5 实验结果及分析 |
| 5.5.1 参考图像生成质量 |
| 5.5.2 篡改检测及修复概率 |
| 5.5.3 篡改巧合问题及计算复杂度 |
| 5.5.4 综合性能对比 |
| 5.6 本章小结 |
| 6 可逆HDR图像信息隐藏算法 |
| 6.1 动机和方法 |
| 6.1.1 OpenEXR格式特性 |
| 6.1.2 预测误差扩展 |
| 6.2 算法流程 |
| 6.2.1 生成嵌入载体 |
| 6.2.2 计算预测值 |
| 6.2.3 设定嵌入强度 |
| 6.2.4 嵌入隐秘信息 |
| 6.2.5 提取隐秘信息和恢复载体 |
| 6.3 实验结果及分析 |
| 6.3.1 不可见性 |
| 6.3.2 嵌入容量 |
| 6.3.3 综合对比 |
| 6.4 本章小结 |
| 7 总结和展望 |
| 7.1 本文工作总结 |
| 7.2 未来研究方向 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
| Abstract |
| 中文摘要 |
（3）视频隐藏分析关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 术语列表 |
| 第一章 引言 |
| 1.1 研究背景与意义 |
| 1.2 信息隐藏的研究现状 |
| 1.3 隐藏分析的研究现状 |
| 1.4 论文主要工作与结构 |
| 1.4.1 本文研究思路及内容 |
| 1.4.2 本文结构安排 |
| 第二章 视频信息隐藏与隐藏分析技术概述 |
| 2.1 视频信息隐藏技术概述 |
| 2.1.1 信息隐藏技术概述 |
| 2.1.2 视频信息隐藏技术分类 |
| 2.1.3 视频信息隐藏技术特性 |
| 2.1.4 视频信息隐藏技术发展现状 |
| 2.2 视频隐藏分析技术概述 |
| 2.2.1 隐藏分析技术概述 |
| 2.2.2 视频隐藏分析技术分类 |
| 2.2.3 视频隐藏分析技术特性 |
| 2.2.4 视频隐藏分析技术发展现状 |
| 2.3 本章小结 |
| 第三章 针对空域扩频隐藏的压缩视频隐藏分析算法研究 |
| 3.1 空域扩频隐藏原理与方法 |
| 3.1.1 扩频隐藏通信系统结构 |
| 3.1.2 扩频隐藏建模 |
| 3.1.3 压缩视频空域扩频隐藏 |
| 3.2 现有空域隐藏分析算法简介 |
| 3.3 基于相邻残差差值统计特性的隐藏检测特征——SPEAM特征 |
| 3.3.1 共谋与残差帧的关系分析 |
| 3.3.2 帧间相关与帧内相关的对比分析 |
| 3.3.3 SPEAM特征 |
| 3.4 实验验证 |
| 3.4.1 实验设置 |
| 3.4.2 运动搜索范围实验结果 |
| 3.4.3 非压缩视频空域隐藏检测结果与分析 |
| 3.4.4 MPEG2视频空域隐藏检测结果与分析 |
| 3.4.5 H.264视频空域隐藏检测结果与分析 |
| 3.5 本章小结 |
| 第四章 针对压缩域的视频隐藏分析算法研究 |
| 4.1 视频运动矢量隐藏及分析算法研究 |
| 4.1.1 运动矢量隐藏原理与方法 |
| 4.1.2 现有运动矢量隐藏分析算法 |
| 4.1.3 基于运动矢量局部最优假设的视频隐藏检测特征——AoSO特征 |
| 4.1.4 实验验证 |
| 4.1.5 小结 |
| 4.2 H.264帧内预测模式隐藏及分析算法研究 |
| 4.2.1 H.264帧内预测模式隐藏原理与方法 |
| 4.2.2 现有H.264帧内预测模式隐藏分析算法 |
| 4.2.3 基于校准的H.264帧内预测模式隐藏检测特征——CIPM特征 |
| 4.2.4 实验验证 |
| 4.2.5 小结 |
| 4.3 本章小结 |
| 第五章 用于通用检测的领域适应算法研究 |
| 5.1 领域适应概述 |
| 5.1.1 迁移学习概述 |
| 5.1.2 领域适应概述 |
| 5.2 特征迁移算法——TCA |
| 5.2.1 TCA相关理论基础 |
| 5.2.2 TCA算法 |
| 5.3 基于TCA的AoSO特征 |
| 5.3.1 不同MV隐藏算法条件下AoSO特征分布 |
| 5.3.2 基于TCA的AoSO特征在跨隐藏算法检测中的应用 |
| 5.4 实验结果与分析 |
| 5.4.1 实验设置 |
| 5.4.2 实验结果 |
| 5.4.3 TCA+AoSO适用性分析 |
| 5.5 本章小结 |
| 第六章 针对软件隐藏的视频隐藏分析算法研究 |
| 6.1 针对MSU STEGOVIDEO软件隐藏的检测与隐藏参数估计算法 |
| 6.1.1 MSU StegoVideo简介 |
| 6.1.2 现有针对MSU Stego Video的隐藏分析算法 |
| 6.1.3 MSU StegoVideo指纹 |
| 6.1.4 基于MSU Stego Video指纹的隐藏分析算法 |
| 6.1.5 实验验证 |
| 6.2 针对OPENPUFF软件隐藏的检测与提取算法 |
| 6.2.1 OpenPuff简介 |
| 6.2.2 MPEG、 VOB视频隐藏检测与提取 |
| 6.2.3 FLV视频隐藏检测与提取 |
| 6.2.4 MP4、3GP视频隐藏检测与提取 |
| 6.2.5 实验验证 |
| 6.3 本章小结 |
| 第七章 隐藏信息检测系统实验验证 |
| 7.1 隐藏信息检测系统简介 |
| 7.2 实验验证 |
| 7.2.1 实验方法 |
| 7.2.2 测试数据 |
| 7.2.3 测试指标 |
| 7.2.4 隐藏检测结果 |
| 7.2.5 隐藏信息提取结果 |
| 7.2.6 小结 |
| 7.3 本章小结 |
| 第八章 结束语 |
| 8.1 全文总结 |
| 8.2 下一步工作 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（4）图像隐写分析算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究的目的与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究工作 |
| 第2章 基于图像的信息隐写与隐写分析 |
| 2.1 基于图像的隐写 |
| 2.1.1 隐写算法模型以及评价准则 |
| 2.1.2 典型的隐写算法 |
| 2.1.3 自适应隐写算法 |
| 2.2 基于图像的隐写分析 |
| 2.2.1 衡量隐写分析算法的标准 |
| 2.2.2 经典隐写分析算法 |
| 2.2.3 通用隐写分析算法 |
| 2.3 本章小结 |
| 第3章 加性噪声模型的通用隐写分析算法 |
| 3.1 加性噪声模型 |
| 3.2 隐写特征提取 |
| 3.2.1 预处理 |
| 3.2.2 特征提取 |
| 3.3 支持向量机 |
| 3.3.1 基本理论概要 |
| 3.3.2 支持向量机工具——Libsvm |
| 3.4 实验图像库 |
| 3.5 实验设置与结果分析 |
| 3.6 本章小结 |
| 第4章 EALSBMR 隐写的检测算法 |
| 4.1 EALSBMR 的隐写机制 |
| 4.2 隐写特征提取 |
| 4.2.1 八方向直方图分析 |
| 4.2.2 特征提取 |
| 4.3 实验设置与结果分析 |
| 4.4 本章小结 |
| 第5章 EALSBMR 深入分析及检测算法 |
| 5.1 EALSBMR 修正后带来的影响 |
| 5.2 提取特征 |
| 5.3 特征组合与对比分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 详细摘要 |
（5）数字图像与语音被动取证技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 数字图像被动取证的基本概念 |
| 1.3 数字音频被动取证的基本概念 |
| 1.4 本文主要工作及组织结构 |
| 第2章 盲图像隐写分析与语音被动取证研究进展 |
| 2.2 通用图像盲隐写分析技术研究进展 |
| 2.2.1 通用隐写分析技术的基本原理框架 |
| 2.2.2 典型的通用隐写分析算法 |
| 2.3 语音被动取证技术研究进展 |
| 2.3.1 对数字音频篡改检测的研究 |
| 2.3.2 对麦克风取证的研究 |
| 2.3.3 对语音录制环境辨别的研究 |
| 2.4 本章小结 |
| 第3章 几种可逆信息隐藏方案的统计分析 |
| 3.1 几种典型可逆信息隐藏算法 |
| 3.2 像素差值直方图统计模型的分析 |
| 3.2.1 差分直方图失真分析 |
| 3.2.2 准拉普拉斯分布模型(Quasi-Laplace Distribution,QLD) |
| 3.2.3 广义高斯分布模型(Generalized Gaussian Distribution,GGD) |
| 3.2.4 相邻像素值模型(Adjacent Pixel Value,APV) |
| 3.2.5 水平和垂直方向差值直方图相似度 |
| 3.3 实验结果与分析 |
| 3.3.1 QLD模型拟合 |
| 3.3.2 GGD模型拟合 |
| 3.3.3 APV模型 |
| 3.3.4 HVDH模型 |
| 3.3.5 检测性能比较 |
| 3.5 本章小结 |
| 第4章 基于广义差值直方图和颜色相关图的调色板图像盲检测 |
| 4.1 GIF调色板图像隐写的基本框架 |
| 4.2 图像的统计特性与嵌入失真分析 |
| 4.3 颜色相关图特征的提取 |
| 4.4 广义差值直方图的构造与特征提取 |
| 4.5 实验结果与分析 |
| 4.5.1 实验准备 |
| 4.5.2 实验结果 |
| 4.5.3 性能比较 |
| 4.5.4 对模型训练的进一步分析讨论 |
| 4.6 本章小结 |
| 第5章 基于语音回声和背景噪声特性的环境识别 |
| 5.1 语音生成的基本模型 |
| 5.2 回声信号的盲提取 |
| 5.2.1 回声信号估计 |
| 5.2.2 空间脉冲响应(RIR)的估计 |
| 5.3 基于粒子滤波的背景噪声提取 |
| 5.3.1 粒子滤波的序列重要性采样 |
| 5.3.2 噪声估计的动态方程 |
| 5.3.3 权重的计算 |
| 5.3.4 粒子的初始化 |
| 5.4 特征融合与分类 |
| 5.5 性能评估与实验结果分析 |
| 5.5.1 实验数据库 |
| 5.5.2 实验准备 |
| 5.5.3 实验结果分析 |
| 5.6 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位论文期间发表的论文与科研成果 |
| 攻读博士学位期间参与的科研项目 |
（6）基于图像局部复杂度的隐藏信息检测技术研究（论文提纲范文）
| 表目录 |
| 图目录 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 信息隐藏 |
| 1.2.1 信息隐藏技术的历史与研究现状 |
| 1.2.2 信息隐藏的分类与应用 |
| 1.3 数字隐写 |
| 1.3.1 数字隐写模型 |
| 1.3.2 数字隐写分类 |
| 1.4 隐写分析 |
| 1.4.1 隐写分析的技术指标 |
| 1.4.2 隐写分析技术分类 |
| 1.5 基于图像局部复杂度的隐写分析 |
| 1.6 本文的主要工作及章节安排 |
| 第二章 图像统计特征及隐写分析性能与图像复杂度关系分析 |
| 2.1 图像信源 |
| 2.1.1 离散信源的概率分布和信息熵 |
| 2.1.2 Markov 信源 |
| 2.2 图像的统计特性 |
| 2.2.1 灰度直方图 |
| 2.2.2 差分直方图 |
| 2.2.3 游程长度直方图 |
| 2.3 图像复杂度对隐写分析算法性能的影响 |
| 2.3.1 图像复杂度 |
| 2.3.2 不同复杂度图像对隐写分析性能的影响 |
| 2.3.3 典型隐写分析算法性能测试 |
| 2.4 本章小结 |
| 第三章 基于图像偏离度直方图的 LSB匹配隐写分析算法 |
| 3.1 算法原理 |
| 3.1.1 加性噪声模型 |
| 3.1.2 偏离度直方图 |
| 3.1.3 特征分析 |
| 3.2 特征提取 |
| 3.3 Fisher 线性判决 |
| 3.4 实验结果及算法性能分析 |
| 3.5 本章小结 |
| 第四章 基于平坦区域游程长度直方图的隐写分析算法 |
| 4.1 算法原理及流程 |
| 4.1.1 四叉树分割 |
| 4.1.2 游程长度直方图 |
| 4.1.3 特征提取 |
| 4.2 支持向量机 |
| 4.3 实验结果及算法性能分析 |
| 4.3.1 实验设置 |
| 4.3.2 子图像块尺寸对算法性能的影响 |
| 4.3.3 与其它算法性能比较 |
| 4.4 本章小结 |
| 第五章 一种应用 Mean Shift 图像分割和联合判决的隐写分析算法 |
| 5.1 Mean Shift 算法 |
| 5.1.1 Mean Shift 算法原理 |
| 5.1.2 Mean Shift 图像分割 |
| 5.2 特征提取 |
| 5.3 图像分类 |
| 5.4 基于 Mean Shift 图像分割的隐写分析算法流程 |
| 5.4.1 训练阶段 |
| 5.4.2 测试与联合判决 |
| 5.5 实验结果及算法性能分析 |
| 5.5.1 实验设置 |
| 5.5.2 分类方法和类别数对算法性能的影响 |
| 5.5.3 与其他算法性能比较 |
| 5.6 本章小结 |
| 结束语 |
| 参考文献 |
| 作者简历 攻读硕士学位期间完成的主要工作 |
| 致谢 |
（7）数字图像隐秘信息定量隐写分析算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 信息隐藏 |
| 1.2.1 信息隐藏研究现状 |
| 1.2.2 信息隐藏分支及其应用 |
| 1.2.3 信息隐藏的基本模型 |
| 1.3 隐写术 |
| 1.3.1 隐写术概念及模型 |
| 1.3.2 隐写术的分类及应用 |
| 1.4 隐写分析 |
| 1.4.1 隐写分析研究概况 |
| 1.4.2 隐写分析的分类 |
| 1.5 本文研究内容及结构 |
| 第二章 通用隐写分析及定量隐写分析算法研究 |
| 2.1 JPEG 数字图像的通用隐写分析研究 |
| 2.1.1 通用隐写分析框架 |
| 2.1.2 典型的通用隐写分析算法 |
| 2.2 估计隐秘信息长度的典型定量隐写分析算法 |
| 2.2.1 专用型定量隐写分析算法 |
| 2.2.2 通用型定量隐写分析算法 |
| 2.3 基于DCT 域共生矩阵的改进的通用隐写分析算法 |
| 2.3.1 基于DCT 域共生矩阵的特征提取 |
| 2.3.2 LibSVM 分类器 |
| 2.3.3 仿真过程及性能分析 |
| 2.4 本章小结 |
| 第三章 基于DCT 域特征和SVR 的通用定量隐写分析 |
| 3.1 构造隐写图 |
| 3.1.1 获取已知嵌入率的F5 隐写图 |
| 3.1.2 获取已知嵌入率的Outguess 隐写图 |
| 3.1.3 获取已知嵌入率的MB 隐写图 |
| 3.2 基于DCT 域特征及SVR 的定量隐写分析方案 |
| 3.2.1 基于DCT 域的马尔可夫特征提取 |
| 3.2.2 SVR 建模原理 |
| 3.2.3 多重交叉验证 |
| 3.2.4 检验准则 |
| 3.3 仿真过程及结果分析 |
| 3.4 本章小结 |
| 第四章 基于图像三域特征和PLSR 的通用定量隐写分析 |
| 4.1 三域特征提取 |
| 4.2 PLSR 建模及降维 |
| 4.2.1 PLSR 建模原理 |
| 4.2.2 PLSR 的成分选取及降维原理 |
| 4.3 算法实现过程 |
| 4.4 仿真结果及分析 |
| 4.5 本章小结 |
| 第五章 基于小波域HMT 的通用定量隐写分析 |
| 5.1 基于小波域 HMT 模型的特征提取 |
| 5.1.1 小波变换 |
| 5.1.2 小波域的 HMT 模型分析 |
| 5.1.3 特征构造 |
| 5.2 算法设计 |
| 5.3 仿真过程及结果分析 |
| 5.3.1 仿真过程 |
| 5.3.2 仿真结果分析 |
| 5.3.3 采用不同回归分析器时的结果比较 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 隐写分析发展展望 |
| 致谢 |
| 参考文献 |
| 附录：作者在攻读硕士学位期间发表的论文 |
（8）基于净图的多模平滑度通用隐写分析及其GPU加速（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 信息隐藏 |
| 1.2 研究背景与意义 |
| 1.3 国内外研究现状 |
| 1.4 本文介绍 |
| 第2章 数字图像隐写术与隐写分析 |
| 2.1 常用载体图像格式 |
| 2.1.1 BMP |
| 2.1.2 JPEG |
| 2.2 基于数字图像隐写算法 |
| 2.2.1 空域隐写算法 |
| 2.2.2 变换域隐写算法 |
| 2.3 基于数字图像隐写分析算法 |
| 2.3.1 专用隐写分析算法 |
| 2.3.2 通用隐写算法 |
| 2.4 本章小结 |
| 第3章 基于净图的多模平滑度通用隐写分析 |
| 3.1 算法架构 |
| 3.2 图像的平滑度分类 |
| 3.3 空域净图特征 |
| 3.3.1 图像的梯度能量 |
| 3.3.2 LSB二次攻击 |
| 3.4 变换域净图特征 |
| 3.5 一分类器设计 |
| 3.6 综合判定 |
| 3.6.1 纵向判定方法 |
| 3.6.2 横向判定方法 |
| 3.7 本章小结 |
| 第4章 仿真结果 |
| 4.1 空域隐写分析结果 |
| 4.2 变换域隐写分析结果 |
| 4.3 本章小结 |
| 第5章 基于GPU的通用并行计算在隐写分析中的应用 |
| 5.1 概述 |
| 5.2 CUDA架构 |
| 5.3 CUDA编程模型 |
| 5.3.1 线程 |
| 5.3.2 存储器 |
| 5.4 GPU对本文隐写分析算法的加速 |
| 5.4.1 耗时分析 |
| 5.4.2 GPU加速实验 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 参考文献 |
| 致谢 |
| 硕士期间发表论文 |
| 附录 |
（9）基于统计分析的音频隐写分析研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 图表目录 |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 研究背景及意义 |
| 1.3 音频隐写技术概述 |
| 1.3.1 基本概念 |
| 1.3.2 音频隐写技术的基本要求 |
| 1.3.3 隐写技术的主要方法 |
| 1.4 音频隐写分析技术 |
| 1.4.1 音频隐写分析的一般框架 |
| 1.4.2 隐写分析技术的分类 |
| 1.4.3 隐写分析技术的研究现状 |
| 1.4.4 当前存在的问题 |
| 1.5 本文的主要工作和结构安排 |
| 1.6 小结 |
| 第2章 隐写与隐写分析相关理论及方法 |
| 2.1 引言 |
| 2.2 相关理论 |
| 2.2.1 听觉心理模型 |
| 2.2.1.1 人耳听觉 |
| 2.2.1.2 听觉掩蔽效应 |
| 2.2.1.3 心理声学模型 |
| 2.2.2 支持向量机 |
| 2.2.2.1 线性支持向量机 |
| 2.2.2.2 非线性支持向量机 |
| 2.3 音频隐写算法回顾 |
| 2.4 音频隐写分析方法 |
| 2.4.1 通用隐写分析 |
| 2.4.2 专用隐写分析 |
| 2.5 小结 |
| 第3章 基于直方图统计矩的扩频隐写分析 |
| 3.1 引言 |
| 3.2 相关知识—扩频音频隐写 |
| 3.2.1 直接扩频隐写 |
| 3.2.2 高鲁棒性扩频隐写 |
| 3.3 基于直方图统计矩的隐写分析方法 |
| 3.3.1 统计特征分析 |
| 3.3.2 特征向量的计算 |
| 3.3.3 分类器的选择及隐写分析过程 |
| 3.4 实验结果与分析 |
| 3.5 小结 |
| 第4章 音频DCT系数的广义高斯分布和? 稳定分布混合模型 |
| 4.1 引言 |
| 4.2 DCT系数分布的非高斯性 |
| 4.3 广义高斯分布和? 稳定分布的局限性 |
| 4.4 混合模型的建立 |
| 4.4.1 混合模型的数学描述 |
| 4.4.2 混合模型的实现 |
| 4.5 实验结果与分析 |
| 4.5.1 实验结果 |
| 4.5.2 实验分析 |
| 4.6 小结 |
| 第5章 基于统计分布参数的隐写分析方法 |
| 5.1 引言 |
| 5.2 音频DCT系数的统计分布 |
| 5.2.1 广义高斯分布 |
| 5.2.2 ? 稳定分布 |
| 5.3 特征提取 |
| 5.3.1 DCT域的特征 |
| 5.3.2 时域和变换域特征 |
| 5.4 分类器的设计 |
| 5.5 实验结果与分析 |
| 5.5.1 音频库和使用的隐写方法 |
| 5.5.2 实验方案 |
| 5.5.3 实验结果 |
| 5.6 小结 |
| 第6章 基于融合的通用隐写分析方法 |
| 6.1 引言 |
| 6.2 融合技术概述 |
| 6.2.1 特征级融合技术 |
| 6.2.2 决策级融合规则 |
| 6.3 融合技术在隐写分析中的应用 |
| 6.3.1 五级融合技术 |
| 6.3.2 提高适用性的融合技术 |
| 6.3.3 基于融合技术的多分类器 |
| 6.4 基于融合的通用隐写分析方法 |
| 6.4.1 基于融合的通用隐写分析方法 |
| 6.4.2 特征库的建立 |
| 6.5 小结 |
| 第7章 总结与展望 |
| 7.1 工作总结 |
| 7.2 未来研究方向 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（10）基于学习的图像隐藏信息检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 插图索引 |
| 附表索引 |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 研究目的与意义 |
| 1.3 研究背景 |
| 1.4 本文主要工作 |
| 1.5 论文结构 |
| 第2章 图像信息隐藏与检测概述 |
| 2.1 隐写技术相关概述 |
| 2.1.1 隐写技术的概念及模型 |
| 2.1.2 隐写技术的性能指标 |
| 2.2 典型隐写算法简介 |
| 2.2.1 LSB嵌入 |
| 2.2.2 基于JPEG图像的隐写方法 |
| 2.3 图像隐藏信息检测技术的研究现状 |
| 2.3.1 相关概念及分类 |
| 2.3.2 针对型图像隐藏信息检测算法 |
| 2.3.3 基于学习的图像隐藏信息检测技术 |
| 2.4 小结 |
| 第3章 基于图像直方图与相关性特征的LSB匹配隐藏信息检测算法 |
| 3.1 引言 |
| 3.2 特征提取 |
| 3.2.1 LSB匹配的嵌入策略 |
| 3.2.2 直方图梯度能量 |
| 3.2.3 邻域度直方图质心 |
| 3.2.4 游程长度直方图质心 |
| 3.2.5 校准机制和归一化 |
| 3.3 支持向量机 |
| 3.3.1 线性可分SVM |
| 3.3.2 线性不可分SVM |
| 3.3.3 非线性SVM |
| 3.3.4 LIBSVM |
| 3.4 实验结果与分析 |
| 3.4.1 图像库 |
| 3.4.2 分类器训练参数配置 |
| 3.4.3 实验结果 |
| 3.4.4 结果讨论 |
| 3.5 小结 |
| 第4章 基于图像扩展特征LSB匹配隐藏信息检测算法 |
| 4.1 引言 |
| 4.2 特征提取 |
| 4.2.1 图像直方图特征 |
| 4.2.2 图像相关性特征 |
| 4.2.3 特征校准 |
| 4.3 实验结果与分析 |
| 4.3.1 训练与测试图像库 |
| 4.3.2 参数设置 |
| 4.3.3 实验结果 |
| 4.3.4 结果分析 |
| 4.4 小结 |
| 第5章 基于DCT域联合特征的JPEG图像隐藏信息检测算法 |
| 5.1 引言 |
| 5.2 特征提取 |
| 5.2.1 直方图特征 |
| 5.2.2 块内相关性特征 |
| 5.2.3 块间相关性特征 |
| 5.2.4 特征校准与归一化 |
| 5.3 支持向量机 |
| 5.4 实验结果与分析 |
| 5.4.1 图像库 |
| 5.4.2 SVM的配置 |
| 5.4.3 实验结果 |
| 5.4.4 结果分析 |
| 5.5 《JPEG图像隐藏信息检测系统》 |
| 5.5.1 核心算法 |
| 5.5.2 系统界面 |
| 5.5.3 系统检测精度 |
| 5.6 小结 |
| 第6章 基于变种遗传算法的特征选择算法 |
| 6.1 引言 |
| 6.2 遗传算法 |
| 6.2.1 个体编码 |
| 6.2.2 适应性函数 |
| 6.2.3 群体初始化 |
| 6.2.4 遗传算子 |
| 6.3 变种遗传算法 |
| 6.3.1 种群相似度 |
| 6.3.2 代间转移度 |
| 6.3.3 变种遗传算法 |
| 6.4 实验结果与分析 |
| 6.4.1 图像库 |
| 6.4.2 支持向量机 |
| 6.4.3 特征全集 |
| 6.4.4 算法参数设置 |
| 6.4.5 特征选择 |
| 6.4.6 实验结果与分析 |
| 6.5 小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文 |
| 附录B 攻读学位期间所参与的研究项目 |
| 附录C 攻读学位期间获得的计算机软件着作权 |
四、基于直方图差分分离的LSB隐秘的可靠检测（论文参考文献）
- [1]基于空域图像LSB隐写算法研究[D]. 潘晓鸽. 西华大学, 2021(02)
- [2]高动态范围图像的信息隐藏技术[D]. 白永强. 宁波大学, 2019(06)
- [3]视频隐藏分析关键技术研究[D]. 王科人. 解放军信息工程大学, 2014(07)
- [4]图像隐写分析算法研究[D]. 张艳. 杭州电子科技大学, 2013(S1)
- [5]数字图像与语音被动取证技术研究[D]. 赵洪. 西南交通大学, 2013(10)
- [6]基于图像局部复杂度的隐藏信息检测技术研究[D]. 李韬. 解放军信息工程大学, 2012(06)
- [7]数字图像隐秘信息定量隐写分析算法[D]. 李慧. 江南大学, 2012(07)
- [8]基于净图的多模平滑度通用隐写分析及其GPU加速[D]. 高深. 华东理工大学, 2012(06)
- [9]基于统计分析的音频隐写分析研究[D]. 王翠平. 中国科学技术大学, 2011(09)
- [10]基于学习的图像隐藏信息检测技术研究[D]. 夏志华. 湖南大学, 2011(07)