一种基于加性噪声的通用隐写分析算法  

Universal steganalysis method based on additive noise model

作　　者：叶学义[1] 张艳[1] 汪云路[1] 鲁国鹏[1] 

机构地区：[1]杭州电子科技大学通信工程学院,杭州310018

出　　处：《电子测量与仪器学报》2012年第8期681-686,共6页Journal of Electronic Measurement and Instrumentation

基　　金：国家自然科学青年基金(60802047);浙江省自然科学基金(R1090138);浙江省科技计划重点项目(2008C21092)资助

摘　　要：隐写的过程相当于在原始载体图像中加入噪声"(隐写噪声"),针对加性隐写噪声模型,从突出隐写噪声的角度,利用自然图像相邻像素之间具有一定相关性和统计对称性的特点,提出一种新的通用隐写分析算法。该算法首先利用预测计算得到被分析图像的最大和最小预测误差图像,然后对这两幅预测误差图像计算联合概率分布统计矩阵作为特征向量,最后使用支持向量机(SVM)完成隐写检测。针对三种常用的隐写算法:LSB替换、LSB匹配以及LSB匹配改进算法的隐写结果进行检测,和目前典型的隐写分析算法对比,实验数据表明了该算法的有效性。Steganography equals to adding some weak noise （＂stegonoise＂） to original cover images. In terms of enlarging stegonoise, a new universal steganalysis method based on additive noise model is proposed in this paper according to the symmetric statistic and the certain correlation of adjacent pixels in natural images. The prediction algorithm is firstly used to get the max and the min prediction-error images of the analyzed image. Then joint probability matrix from two prediction-error images is served as steganalysis features. Finally, the support vector machines （SVM） as the classifier outputs the steganalysis result. The experimental data for three kinds of popular steganographic algorithms （LSB replacement, LSB matching, LSB matching revisited） indicates that the proposed method is effective comparing with currently typical steganalysis methods.

关 键 词：通用隐写分析 加性噪声 相关性 最大和最小预测误差 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]