[发明专利]基于三重度量的图像隐写检测特征自适应选取方法

权利要求书

1.基于三重度量的图像隐写检测特征自适应选取方法，其特征在于，包括：

步骤1：利用归一化公式处理F_i^c和F_i^s，使特征值在[0,1]之间，并将此时的特征记作f＝[f₁,f₂,…,f_N]；其中，F_i^c和F_i^s表示载体特征类和载密特征类；

步骤2：分别计算特征分量f_i在载体图像类和载密图像类中的均值μ(f_i)^c和μ(f_i)^s，以及标准差σ(f_i)^c和σ(f_i)^s，i＝1,2,…,N；从f中删除σ(f_i)^c和σ(f_i)^s均为0的特征分量，并将删除k个特征分量后的剩余特征记作f′＝[f₁′,f₂′,…,f_N-k′]；

步骤3：根据f′中的每个特征分量的均值和标准差计算f′中的每个特征分量的重要度值，并根据重要度值对各个特征分量进行降序排列；

步骤4：根据重要度值的降序排列结果，利用自适应阈值模型从f′中选择必要特征组成必要特征子集将剩余的特征记作

步骤5：根据RFS中的每个特征分量的均值和标准差计算RFS中的每个特征分量的无用性值，并根据无用性值对各个特征分量进行降序排列；

步骤6：根据无用性值的降序排列结果，利用自适应阈值模型从RFS中选择无用特征组成无用特征子集将剩余的特征记作中立特征

步骤7：计算NeFS中的每个特征分量的格贴近度值，并根据格贴近度值对各个特征分量进行升序排列；

步骤8：根据格贴近度值的升序排列结果，利用自适应阈值模型从NeFS中选择有用特征组成中立有用特征子集

步骤9：合并NFS与NuFS以作为最终的隐写检测用特征

2.根据权利要求1所述的基于三重度量的图像隐写检测特征自适应选取方法，其特征在于，步骤1中，按照公式(1)所示的归一化公式处理F_i^c和F_i^s：

其中，F_i,j表示第i个特征分量的值，表示第i个特征分量在第j幅载体图像中的值，表示第i个特征分量在第j幅载密图像中的值。

3.根据权利要求1所述的基于三重度量的图像隐写检测特征自适应选取方法，其特征在于，步骤3中，特征分量的重要度值的计算过程包括：

步骤A1：根据特征分量的均值和标准差，计算得到特征分量的类间距离和类内距离；

步骤A2：根据特征分量的类间距离和类内距离计算特征分量的属性可分性值；

步骤A3：根据特征分量的类间距离和属性可分性值按照公式(4)计算特征分量的重要度值：

E_ASM(f_i)¹＝ASM(f_i)+|lnDB(f_i)| (4)

其中，E_ASM(f_i)¹表示特征分量f_i的重要度值，ASM(f_i)表示特征分量f_i的属性可分性值，DB(f_i)表示特征分量f_i的类间距离。