收藏本站
《解放军信息工程大学》 2014年
收藏 | 手机打开
二维码
手机客户端打开本文

基于集成学习的数字图像隐写定量分析

李震宇  
【摘要】:数字图像隐写定量分析是隐写分析研究的热点和难点。目前,数字图像隐写定量分析方面已有许多优秀的成果,但也存在许多有待解决的问题,如“维数灾难”问题,嵌入比率与统计特征之间的非线性关系难以刻画,统计特征对于隐写算法的针对性不足等。本文针对上述问题展开研究,主要工作包括:1.针对定量分析中所面临的“维数灾难”问题,给出了一个基于集成学习的隐写定量分析框架。该框架首先通过随机子空间和自助抽样等集成学习方法得到多个特征维数较低、差异性较大的子训练集,而后在这些子训练集上进行回归分析得到多个基估计器,基于差异性规则化的集成裁剪方法在集成规模和精度之间进行权衡,最后融合多个基估计器的估计结果作为最终的定量分析结果。2.针对目前的嵌入比率估计器难以刻画嵌入比率与统计特征之间非线性关系这一问题,给出了一种基于支持向量回归的嵌入比率估计器集成构建方法。该算法在基于集成学习的定量分析框架的基础上,具体地给出了随机子空间维数的设置方法、基估计器个数的设置方法以及集成裁剪中参数的设置。在实验中,基于该方法构建了针对EA、HUGO、WOW隐写的嵌入比率估计器集成,与目前典型方法构建的嵌入比率估计器相比,基于本文方法所构建的嵌入比率估计器集成具有更高的估计精度。3.针对统计特征对隐写算法针对性不足这一问题,给出了一种基于块选择的图像自适应隐写定量分析算法。该算法特点在于根据自适应隐写的失真函数估计图像的高概率更改区域,而后从该区域内提取统计特征。同时,从理论上分析得出通过该算法估计得到的高概率更改区域相对整幅图像而言具有更高的更改比率,并通过实验验证了从该区域提取的特征对于隐写的敏感性更高。在实验中,基于所提出的算法对S-UNIWARD和J-UNIWARD隐写进行了定量分析。实验结果表明,与从整幅图像提取特征进行定量分析的算法相比,从图像的高概率更改区域提取特征对于S-UNIWARD和J-UNIWARD隐写有更高的定量分析精度。最后,总结了全文工作,并指出了一些需要进一步研究的问题。
【学位授予单位】:解放军信息工程大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TP309

手机知网App
【参考文献】
中国期刊全文数据库 前2条
1 杨春芳;刘粉林;罗向阳;;基于相对熵的直方图差异与JPEG隐写的定量分析[J];计算机研究与发展;2011年08期
2 沈昌祥;张焕国;冯登国;曹珍富;黄继武;;信息安全综述[J];中国科学(E辑:信息科学);2007年02期
【共引文献】
中国期刊全文数据库 前10条
1 谢宗晓;王兴起;;信息安全管理研究回顾与述评[J];图书馆论坛;2016年05期
2 邓锐;陈左宁;;基于分立架构的系统完整性保护模型[J];计算机应用与软件;2016年04期
3 罗德祥;罗德邦;;浅析4G移动通信技术的安全缺陷及对策[J];信息通信;2016年04期
4 何哲;;网络社会兴起对传统国家安全的冲击及对策[J];中国浦东干部学院学报;2016年02期
5 刘梦冷;杨小双;赵磊;王丽娜;;面向软件错误定位与理解的测试执行离散特征筛选[J];计算机科学;2016年03期
6 王勇;许荣强;任兴田;杨建红;;可信计算中信任链建立的形式化验证[J];北京工业大学学报;2016年03期
7 李来珍;丁屹峰;韩帅;迟忠君;于希娟;;基于云平台的数据中心改造[J];电气应用;2015年S2期
8 张焕国;韩文报;来学嘉;林东岱;马建峰;李建华;;网络空间安全综述[J];中国科学:信息科学;2016年02期
9 李建华;;网络空间威胁情报感知、共享与分析技术综述[J];网络与信息安全学报;2016年02期
10 肖军;;高速公路联网收费系统终端信息安全管理探讨[J];信息安全与技术;2016年02期
【二级参考文献】
中国期刊全文数据库 前10条
1 张焕国;罗捷;金刚;朱智强;余发江;严飞;;可信计算研究进展[J];武汉大学学报(理学版);2006年05期
2 袁禄来;曾国荪;王伟;;基于Dempster-Shafer证据理论的信任评估模型[J];武汉大学学报(理学版);2006年05期
3 肖国镇;卢明欣;;DNA计算与DNA密码[J];工程数学学报;2006年01期
4 林闯,彭雪海;可信网络研究[J];计算机学报;2005年05期
5 曹珍富;薛庆水;;密码学的发展方向与最新进展[J];计算机教育;2005年01期
6 孟庆树,张焕国,王张宜,覃中平,彭文灵;Bent函数的演化设计[J];电子学报;2004年11期
7 陈火旺,王戟,董威;高可信软件工程技术[J];电子学报;2003年S1期
8 张焕国,冯秀涛,覃中平,刘玉珍;演化密码与DES的演化研究[J];计算机学报;2003年12期
9 唐文,陈钟;基于模糊集合理论的主观信任管理模型研究[J];软件学报;2003年08期
10 冯登国;国内外密码学研究现状及发展趋势[J];通信学报;2002年05期
【相似文献】
中国期刊全文数据库 前10条
1 袁汉宁;;双层多示例集成学习[J];武汉理工大学学报(信息与管理工程版);2011年05期
2 俞扬;周志华;;集成学习中完全随机学习策略研究[J];计算机工程;2006年17期
3 张沧生;崔丽娟;杨刚;倪志宏;;集成学习算法的比较研究[J];河北大学学报(自然科学版);2007年05期
4 陈凯;;基于聚类技术的集成学习差异性研究[J];南京工业职业技术学院学报;2008年04期
5 李凯;崔丽娟;;集成学习算法的差异性及性能比较[J];计算机工程;2008年06期
6 潘志松;燕继坤;;少数类的集成学习[J];南京航空航天大学学报;2009年04期
7 陈凯;马景义;;一种选择性SER-BagBoosting Trees集成学习研究[J];计算机科学;2009年09期
8 陈全;赵文辉;李洁;江雨燕;;选择性集成学习算法的研究[J];计算机技术与发展;2010年02期
9 张燕平;曹振田;赵姝;郑尧军;杜玲;窦蓉蓉;;一种新的决策树选择性集成学习方法[J];计算机工程与应用;2010年17期
10 饶峰;;核机器集成学习算法的误差分析[J];重庆文理学院学报(自然科学版);2010年04期
中国重要会议论文全文数据库 前4条
1 关菁华;刘大有;贾海洋;;自适应多分类器集成学习算法[A];第二十五届中国数据库学术会议论文集(二)[C];2008年
2 刘伍颖;王挺;;一种多过滤器集成学习垃圾邮件过滤方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
3 叶红云;倪志伟;陈恩红;;一种混合型集成学习演化决策树算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
4 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
中国博士学位论文全文数据库 前10条
1 阿里木·赛买提(Alim.Samat);基于集成学习的全极化SAR图像分类研究[D];南京大学;2015年
2 王永明;集成回归问题若干关键技术研究[D];华东师范大学;2015年
3 张春霞;集成学习中有关算法的研究[D];西安交通大学;2010年
4 刘天羽;基于特征选择技术的集成学习方法及其应用研究[D];上海大学;2007年
5 尹华;面向高维和不平衡数据分类的集成学习研究[D];武汉大学;2012年
6 王清;集成学习中若干关键问题的研究[D];复旦大学;2011年
7 方育柯;集成学习理论研究及其在个性化推荐中的应用[D];电子科技大学;2011年
8 侯勇;特征提取与集成学习算法的研究及应用[D];北京科技大学;2015年
9 李烨;基于支持向量机的集成学习研究[D];上海交通大学;2007年
10 程丽丽;支持向量机集成学习算法研究[D];哈尔滨工程大学;2009年
中国硕士学位论文全文数据库 前10条
1 高伟;基于半监督集成学习的情感分类方法研究[D];苏州大学;2015年
2 宋文展;基于抽样的集成进化算法研究[D];广西大学;2015年
3 汤莹;迁移与集成学习在文本分类中的应用研究[D];江苏科技大学;2015年
4 刘政;基于知识元和集成学习的中文微博情感分析[D];大连理工大学;2015年
5 丘桥云;结合文本倾向性分析的股评可信度计算研究[D];哈尔滨工业大学;2014年
6 秦海;融合非标记样本选择的集成学习研究[D];湘潭大学;2015年
7 李想;基于多示例的集成学习理论与应用研究[D];合肥工业大学;2014年
8 李震宇;基于集成学习的数字图像隐写定量分析[D];解放军信息工程大学;2014年
9 张妤;支持向量机集成学习方法研究[D];山西大学;2008年
10 李涛;基于条件互信息的集成学习的研究与应用[D];中国海洋大学;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026