[发明专利]一种数字图像特征感知的通用隐写分析方法

摘要

本发明的目的在于提供一种数字图像特征感知的通用隐写分析方法，包括如下内容：(1)在数据采样层，对于含密图像的多维信号，通过CS实现图像局部数据和全局数据，并用层次化进程求解稀疏优化问题；(2)在特征感知层，对于含密图像数据，通过CS结构性测量矩阵实现纹理特征、边缘特征和平滑特征的数据提取，并实现特征之间、特征内部的冗余性与互补性的统计关系；(3)设计SVM分类器、隐写分析CS盲检测器的过程。本发明通过对目前的基于Markov模型的多域特征通用隐写分析的现状进行分析，解决JPEG图像在不同嵌入率下秘密信息的识别精度问题。

主权项

1.一种数字图像特征感知的通用隐写分析方法，其特征在于包括如下内容：(1)在数据采样层，对于含密图像的多维信号，通过CS实现图像局部数据和全局数据，并用层次化进程求解稀疏优化问题；首先通过时‑空变换和单值谱分析技术中的数据折叠与嵌入，提取可能隐藏的结构化特征，进而分析在单值谱分析技术SSA系数上的分布特性，在保留结构化特征基础上实现数据的有效降噪及增强，从而提高稀疏表示及后续特征提取与分类的有效性；(2)在特征感知层，对于含密图像数据，通过CS结构性测量矩阵实现纹理特征、边缘特征和平滑特征的数据提取，并实现特征之间、特征内部的冗余性与互补性的统计关系；(3)设计SVM分类器、隐写分析CS盲检测器的过程；所述步骤(1)过程中还包括降噪处理：首先对输入的图像进行2D分解，SSA处理；然后，进行局部和全部数据特性的统计；最后，根据轨迹矩阵和分块Hankel矩阵进行数据降噪的具体应用；所述步骤(2)具体包括如下处理过程：2.1)在变换域下，通过CS感知技术测量图像数据的统计分布，寻找特征之间、特征内部的冗余与互补关系，实现高维信号的过完备字典特征集设计问题；2.2)利用CS过完备字典的原子维数与原子个数对稀疏表示性能的关系，实现特征信号时空冗余度与稀疏表示数据之间的关联影射；2.3)结合CS通过层进式模型训练与优化，设计结构性测量矩阵及其对特征数据的深度感知，实现层次化的特征选取；所述步骤(3)中的SVM分类器与隐写分析CS盲检测器采用如下方式实现：对于特征数1至n,第n次迭代时图像特征信息融合的隐含层J与感知输出层P之间的权值向量关系为：数字图像特征感知的融合结果为：其中，Y表示特征感知结果，W_JP(n)为不同层次特征训练的权重大小，表示维数为N_x的Hankel矩阵，c_k为图像不同层次的稀疏表示系数；使用不同层次特征信息融合的结果作为分类证据并按照完备特征集的约束条件进行分类检测而加以实现；其中，信息融合的分类判断利用了隐写数据的训练结果Y与含密图像特征感知之间的均方误差函数其中Y为训练图像的结果，为含密图像的感知结果；准则定义为：其中，表示图像之间的像素差，X^2D为CS二维测量矩阵，N_x代表了X^2D的最高维数，并满足：上面(8)式中C为C>0的固定常数，K＝N‑L+1代表图像稀疏测量度；根据大小不同，最后应用常用的支持矢量机SVM实现方法数据分类；其中，SVM的输入训练值为训练输出为N_x、X^2D和特征权重W_JP(n)；最后，分析者根据SVM输出值不同，得到最终的分类检测结果。