[00526299]基于时域的图像隐写分析技术研究
联系人：柯安星
所在地：福建厦门市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
登录后向技术服务商咨询
发布技术需求
服务免费，交易还可领红包哦
技术详细介绍
该项目为一般纵向项目（项目编号：KJR16008）。
图像隐写分析是信息隐藏领域的重要研究课题，现有的图像隐写分析算法主要针对载体特征和隐写算法特点建模，这种方式难以应对不断改进的隐写算法和多样化的载体。该项目旨在通过研究算法的泛化问题，提升时域隐写分析算法的通用性。主要研究内容和成果如下： 1.针对算法泛化：一方面解决算法的图像失匹配问题。现有算法训练分类器时，主要使
用固定来源的图像库，当训练图像源与检测图像源不匹配时，算法性能大大下降。另一方面， 解决算法的隐写算法失匹配问题。假设隐写分析算法使用 N 种隐写算法进行训练，检测这 N 个隐写算法以外的的隐写算法时，算法性能下降。
2.主要研究基于时域的通用隐写分析算法改进：以现有性能优异的模型 SPAM 和 Rich Model 为基础，一方面使用降维算法对特征集进行降维，去除冗余；另一方面借鉴现有特征设计思路，运用到新特征的设计中，并设计与之匹配的分类器算法，减少图像库和隐写算法对检测性能的影响，提高隐写分析算法的泛化性能。
图像隐写分析是信息隐藏领域的重要研究课题，现有的图像隐写分析算法主要针对载体特征和隐写算法特点建模，这种方式难以应对不断改进的隐写算法和多样化的载体。该项目旨在通过研究算法的泛化问题，提升时域隐写分析算法的通用性。主要研究内容和成果如下： 1.针对算法泛化：一方面解决算法的图像失匹配问题。现有算法训练分类器时，主要使
用固定来源的图像库，当训练图像源与检测图像源不匹配时，算法性能大大下降。另一方面， 解决算法的隐写算法失匹配问题。假设隐写分析算法使用 N 种隐写算法进行训练，检测这 N 个隐写算法以外的的隐写算法时，算法性能下降。
2.主要研究基于时域的通用隐写分析算法改进：以现有性能优异的模型 SPAM 和 Rich Model 为基础，一方面使用降维算法对特征集进行降维，去除冗余；另一方面借鉴现有特征设计思路，运用到新特征的设计中，并设计与之匹配的分类器算法，减少图像库和隐写算法对检测性能的影响，提高隐写分析算法的泛化性能。