基于聚类与TSVM融合的图像通用隐写检测算法研究.pdfVIP

基于聚类与TSVM融合的图像通用隐写检测算法奉 方昕1钟尚平 l福州大学数学与计算机科学学院，福建福州350108 2福建省超级计算中心，福建福州350108 摘要：基于直推式支持向量机(TSV~D的图像通用隐写检测的主要缺陷是需要预先设置待训练的未 标记样本中的正负样本数，和已标记的样，本彳艮少时性能下降，为此本文提出聚类与TSVM融合的算法。 该算法通过聚类估计总体训练样本的正负样本比例，按这个比例扩充已标记样本，最后用TSVM进行 训练。实验结果表明，本文方法比TSVM具有较好的检测正确率。当训练集中有标记样本和无标记样 本中的正负样本比例不同时，本文方法比TSVM具有更好的时间效率。在与监督学习算法SVM的比 较中，本文方法的检测效果接近于SVM。 关键词：通用隐写检测聚类TSVM融合正负样本比例 1引 言 图像通用隐写检测技术是在分析隐写信息对载体图像产生影响的基础上，找出对隐写敏感的特征向量， 通过学习训练建立模型，从而实现对未知图像进行隐写检测。也就是说，通用隐写检测技术实际上就是一 个模式识别问题，它根据图像是