發(fā)布時(shí)間：2024-06-02 20:25

　　目前數(shù)字圖像隱寫(xiě)術(shù)的發(fā)展趨勢(shì)之一是自適應(yīng)隱寫(xiě)算法,旨在根據(jù)載體特性自適應(yīng)地將消息嵌入到載體中難以被檢測(cè)到的紋理復(fù)雜區(qū)域,從而提高信息隱藏的抗檢測(cè)能力。而目前數(shù)字圖像隱寫(xiě)分析則重點(diǎn)關(guān)注如何設(shè)計(jì)出一種具有高檢測(cè)率的通用隱寫(xiě)分析特征。針對(duì)目前的數(shù)字圖像自適應(yīng)隱寫(xiě)與隱寫(xiě)分析研究現(xiàn)狀,本文的主要工作和研究成果如下:基于非負(fù)矩陣分解設(shè)計(jì)了新的自適應(yīng)隱寫(xiě)算法,相較于現(xiàn)有的隱寫(xiě)算法取得了更高的安全性。目前自適應(yīng)隱寫(xiě)算法主要研究如何設(shè)計(jì)合理的失真函數(shù),并利用STC編碼嵌入秘密信息使得載密圖像達(dá)到最小失真的目的。然而,現(xiàn)有的自適應(yīng)隱寫(xiě)算法多數(shù)是基于濾波器卷積得到殘差,并沒(méi)有很好地利用圖像本身的紋理特性來(lái)自適應(yīng)地設(shè)計(jì)失真函數(shù)。本文定義了一種新的失真函數(shù),利用非負(fù)矩陣分解(Non-negative Matrix Factorization,NMF)理論預(yù)測(cè)圖像的紋理特征,并利用像素之間的相互依賴(lài)關(guān)系來(lái)自適應(yīng)地計(jì)算損失函數(shù);為了強(qiáng)化NMF算法預(yù)測(cè)得到的紋理復(fù)雜和平滑區(qū)域的差異,我們引入銳化濾波器和低通濾波。本文提出的基于NMF的失真函數(shù)在計(jì)算殘差時(shí),并沒(méi)有利用固定模板的濾波器進(jìn)行卷積來(lái)獲取殘差,而是利用圖像像素...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1數(shù)字圖像的隱寫(xiě)與隱寫(xiě)分析

合肥工業(yè)大學(xué)碩士學(xué)位論文第二章隱寫(xiě)與隱寫(xiě)分析相關(guān)知識(shí)數(shù)字圖像隱寫(xiě)是以數(shù)字圖像為載體嵌入秘密信息以達(dá)到隱蔽通信或者隱蔽存儲(chǔ)。在互聯(lián)網(wǎng)環(huán)境下圖像的易于獲得和傳播為隱蔽通信提供了非常高的隱蔽性。一項(xiàng)信息安全技術(shù)的出現(xiàn)必然伴隨著相應(yīng)的攻擊或?qū)�抗，�?shù)字圖像隱寫(xiě)分析應(yīng)運(yùn)而生，其主要通過(guò)檢測(cè)....

圖2.2加性模型下自適應(yīng)隱寫(xiě)算法框架

圖2.2加性模型下自適應(yīng)隱寫(xiě)算法框架Fig2.2Adaptivesteganographybasedonadditivemodel自適應(yīng)隱寫(xiě)中STC編碼過(guò)程是通用的，因此，自適應(yīng)隱寫(xiě)算法的研究重點(diǎn)是失真函數(shù)的設(shè)計(jì)，這也是目前的自適應(yīng)隱寫(xiě)算法一般以其失真函數(shù)名命....

圖2.3“特征+分類(lèi)器”架構(gòu)的通用隱寫(xiě)分析

圖2.3“特征+分類(lèi)器”架構(gòu)的通用隱寫(xiě)分析Fig2.3"Feature+Classifier"architectureforuniversalsteganalysis由于通用隱寫(xiě)分析依賴(lài)于分類(lèi)器對(duì)特征的檢測(cè)，分類(lèi)器是這類(lèi)隱寫(xiě)分析的重要組成部分。傳統(tǒng)的早期隱寫(xiě)分....

圖2.4FLD分類(lèi)器原理示意圖

圖2.3“特征+分類(lèi)器”架構(gòu)的通用隱寫(xiě)分析Fig2.3"Feature+Classifier"architectureforuniversalsteganalysis通用隱寫(xiě)分析依賴(lài)于分類(lèi)器對(duì)特征的檢測(cè)，分類(lèi)器是這類(lèi)隱寫(xiě)分析分。傳統(tǒng)的早期隱寫(xiě)分析多采用非線(xiàn)性的....

本文編號(hào)：3987739