基于最优小波包分解的图像隐写通用检测  

作　　者：罗向阳[1,2] 刘粉林[1] 杨春芳[1] 王道顺[2] 

机构地区：[1]解放军信息工程大学信息工程学院,郑州450002 [2]清华大学计算机科学与技术系,北京100084

出　　处：《中国科学：信息科学》2010年第2期327-339,共13页Scientia Sinica(Informationis)

基　　金：国家自然科学基金(批准号:60902102;60970141;60873249);国家高技术研究发展计划(批准号:2008AA10Z419);河南省基础与前沿技术研究计划重点课题(批准号:082300410150);解放军信息工程大学博士论文创新基金(批准号:BSLWCX2008004)资助项目

摘　　要：基于图像最优小波包分解,提出了一类具有较高检测正确率的信息隐写通用型检测方法.首先基于Shannon熵计算信息代价函数,对图像进行最优小波包分解,并从分解得到的子带系数以及图像像素中提取直方图特征函数多阶绝对矩作为特征,然后对提取的特征进行预处理并设计BP神经网络分类器进行分类.针对不同的背景和应用环境,文中给出了3种不同的检测算法.针对LSB、PMK、LTSB、Jsteg、F5及JPHide等典型隐写算法的实验表明:此方法相比现有的典型通用检测方法,正确检测率提高约6.4%～15.4%,且具有更好的通用性,并可为设计基于最优小波包分解的模式识别和分类算法提供参考.

关 键 词：信息隐写 数字图像 通用检测 最优小波包分解 BP神经网络 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]