基于噪声模型和特征联合的PS图像与隐写图像检测
为了有效区分PS图像(经过常见图像处理操作得到的图像)和隐写图像,提高隐写检测的正确率,该文分析了隐写和PS这两类操作不同的噪声模型,并给出了一类基于图像噪声模型和特征联合的检测算法.该算法基于小波分解和小波滤波,分别得到待检测图像的小波系数子带和噪声小波系数子带,从这两类子带中分别提取直方图特征函数绝对矩,并将这两部分统计矩联合作为特征,最后采用BP神经网络分类器进行图像分类.在特征选取方面,文中对两类常用典型特征:概率密度甬数矩和特征函数矩,基于高斯分布模型证明了对噪声小波子带系数,提取特征函数绝对矩优于概率密度函数绝对矩.基于LSB、LTSB、SLSB、PMK等隐写图像和锐化、对比度增强、添加标签等类型PS图像的实验表明:该算法能够有效区分原始图像和非原始图像,并能对PS图像和隐写图像进行较为可靠的分类检测.
图像检测、PS图像、隐写图像、噪声模型、特征联合
33
TP391(计算技术、计算机技术)
国家自然科学基金60902102,60970141,60873249;河南省科研创新杰出人才计划094200510008;解放军信息工程大学博士论文创新基金BSLWCX200804
2010-08-31(万方平台首次上网日期,不代表论文的发表时间)
共13页
1060-1072