[发明专利]一种基于特征融合的视频隐写盲检测方法

摘要

本发明提供了一种基于特征融合的视频隐写盲检测方法，将模式识别模型应用于视频隐写盲检测，选择基于离散余弦变换DCT、运动向量以及MSU的隐写方法，首先提取DCT域、小波域以及空域特征，再进行特征融合以降低维数，采用支持向量机SVM作为分类器对特征向量进行分类，最后对各子分类器的结果进行策略融合得到检测结果。使用本发明方法可有效解决未知隐写方法下隐藏信息的有效检测问题，与专用隐写分析方法相比，在检测率以及虚警率方面并不落后，具有一定的适用性。

主权项

一种基于特征融合的视频隐写盲检测方法，其特征在于，该方法包含以下步骤：1)计算视频帧DCT系数绝对值组成的二维矩阵在水平、竖直、对角线和反对角线4个方向的相邻系数差值矩阵，从而得到各差值矩阵的联合概率密度矩阵，最后计算所有联合概率密度矩阵的平均值，提取81维统计特征，作为块内DCT域统计特征；2)对视频帧进行两级Haar小波变换，得到6个高频子带，并计算其前四阶矩阵，得到24维特征，作为小波域特征；3)计算帧间差直方图的水平、竖直、对角线和反对角线4个方向的差值矩阵，再得到各矩阵的联合概率密度矩阵，与DCT域特征提取方式一样提取81维统计特征作为图像的空域特征；该方法还包括：对DCT域、小波域和空域提取的186个特征，采用SVM进行训练，采用主元分析法进行特征融合；利用Matlab中的Princomp函数进行主元分析法特征融合，为保证检测准确率，累积贡献率取98％；采用多数投票法进行策略融合，规定当五分之四以上分类器为大多数。