基于Fisher准则优化的图像隐写算法分析

摘要：

针对图像隐写中失真函数的建立和载体模型保持问题,提出了一种基于Fisher准则优化的Gibbs抽样图像隐写方法.基于领域聚类的思想对隐写图像进行阵列分割,对分割子阵列进行Giibs抽样和STC (Syndrome-trelliscode)编码;充分利用子阵图像的方向信息(包括水平、垂直以及对角),采用加权求和的方式给出了隐写失真函数,维持了图像高阶统计特征.利用Gibbs抽样理论实现信息的嵌入,在最小化嵌入失真的同时维持了隐写图像的特征模型.仿真结果显示,该方法在降低图像模型畸变的同时,有效提升了隐写图像的分类误差,增强了隐写的安全性.

关键词：图像隐写、Gibbs抽样、失真函数、阵列划分

所属期刊栏目：42

分类号：TP309.2(计算技术、计算机技术)

资助基金：广西教育厅科研课题2013YB364

在线出版日期：2016-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：127-130