33、图像隐写分析与手写字符识别技术研究

图像隐写分析与手写字符识别技术研究

图像隐写分析

在图像隐写分析领域，基于特征的隐写分析系统结合了特征提取和线性分类，主要针对JPEG图像进行分析。

1. 特征提取
   • 特征类型 ：在DCT域中提取四种类型的特征，分别是一阶特征、DCT特征、扩展DCT特征和马尔可夫特征。
     • 一阶统计特征包括像素的均值、标准差、偏度和峰度。
     • DCT特征有全局直方图、个体直方图、双直方图、方差、块效应和共生性。原始DCT特征有23个功能，可扩展为约193个功能的扩展DCT特征。
     • 马尔可夫特征的维度可降至81。扩展DCT特征用于建模DCT系数之间的块间依赖关系，马尔可夫特征捕获同一8X8块内相似空间频率的DCT系数之间的块内依赖关系。
   • 特征合并原因 ：将扩展DCT特征和马尔可夫特征合并，一是为了消除两者的缺点，二是因为单独使用每个特征集的分类器具有互补性能。马尔可夫特征不能检测短消息长度，合并特征集可降低误报率并提高检测精度。
   • 校准过程 ：校准是从隐写图像估计载体图像宏观属性的过程，通常在DCT域中进行。将JPEG图像J1解压缩，转换到空间域，水平和垂直各裁剪四个像素，再使用相同的量化矩阵转换回DCT，这样可擦除嵌入数据，使新图像接近载体图像。