基于主成分分析的并行特征融合JPEG隐写检测-何凤英.docVIP

第42 卷 第3 期 2014 年6 月 福州大学学报( 自然科学版) Journal of Fuzhou University( Natural Science Edition) Vol． 42 No． 3 Jun． 2014 DOI: 10． 7631 / issn． 1000 － 2243． 2014． 03． 0341 文章编号: 1000 － 2243( 2014) 03 － 0341 － 05 基于主成分分析的并行特征融合 JPEG 隐写检测 何凤英，钟尚平，杨 健 ( 福州大学数学与计算机科学学院，福建 福州 350116) 摘要: 针对目前 JPEG 隐写检测方法的特征选取缺乏理论依据，特征冗余度高的问题，提出一种基于主成分分析进行并行特征融合的 JPEG 隐写分析方法． 首先分析所选特征之间的互补性，然后用主成分分析进行特征变换，去除冗余信息，最后将特征并行融合． 实验结果表明，和串行特征融合相比，本文方法具有更高的 JPEG隐写图像检测率和更快的分类速度． 关键词: 隐写检测; 并行特征融合; 主成分分析; 特征互补; JPEG 图像 中图分类号: TP391 文献标识码: A JPEG steganalysis based on parallel feature fusion by principal component analysis HE Feng － ying，ZHONG Shang － ping，YANG Jian ( College of Mathematics and Computer Science，Fuzhou University，Fuzhou，Fujian 350116，China) Abstract: Aiming to the problems in the existing JPEG steganalysis schemes，such as high redundancy in features and feature selection lacking of theoretical basis，this study proposes a JPEG steg analysis approach based on feature fusion by the principal component analysis ( PCA) and analysis of the complementarity among features． The study fuses complementary features and isolates redundant compo-nents by PCA，and finally uses ＲBaggSVM classifier for classification． Experimental results show that this scheme effectively improves the detection rate of steganalysis in JPEG images and achieves faster speed of image classification． Keywords: steganalysis; parallel feature fusion; principal component analysis; complementary feature; JPEG image 0 引言 隐写检测是对截获信号进行分析以判断其中是否含有秘密信息的隐写分析方法． JPEG 图像作为一种 最常见的图像格式，其隐写检测已成为近年来研究的重点． 特征融合［1］是将原始特征数据源采用某种方 法进行融合，产生新的特征集，以期能比原始特征数据包含更多综合性分类信息的方法，和单一特征相 比，融合特征具有更好的综合信息表现能力． 近年来，特征融合在图像隐写检测方面有不少研究成果． Pevny 等［2］改进 Fridrich 等［3］和 Shi 等［4］的成果，分别得到193 维 DCT 扩展特征和81 维的 Markov 降维特 征，并进行串行融合，得到274 维的融合特征． Kodovsky 等采用CC － PEV 和SPAM 特征进行串行融合［5］， Fridrich 等采用 high － dimensional rich model 在随机子空间上进行特征融合分类［6］． 上述方法虽然在隐写分析正确率上有一定的提高，但他们是将两组特征首尾相连进行串联形成新的 特征矢量，不仅存在大量的冗余信息，而且容易引起 维数灾难 问题，此外，上述方法选取融合特征具有 很强的主观随意性，没有考虑特征间的关系，所提取的特征未必有利于分类． 基于