基于主成分分析的并行特征融合JPEG隐写检测..docxVIP

第42卷第3期福州大学学报(自然科学版)Vol．42No．32014年6月JournalofFuzhouUniversity(NaturalScienceEdition)Jun．2014DOI:10．7631/issn．1000－2243．2014．03．0341文章编号:1000－2243(2014)03－0341－05基于主成分分析的并行特征融合JPEG隐写检测何凤英，钟尚平，杨健(福州大学数学与计算机科学学院，福建福州350116)摘要:针对目前JPEG隐写检测方法的特征选取缺乏理论依据，特征冗余度高的问题，提出一种基于主成分分析进行并行特征融合的JPEG隐写分析方法．首先分析所选特征之间的互补性，然后用主成分分析进行特征变换，去除冗余信息，最后将特征并行融合．实验结果表明，和串行特征融合相比，本文方法具有更高的JPEG隐写图像检测率和更快的分类速度．关键词:隐写检测;并行特征融合;主成分分析;特征互补;JPEG图像中图分类号:TP391文献标识码:AJPEGsteganalysisbasedonparallelfeaturefusionbyprincipalcomponentanalysisHEFeng－ying，ZHONGShang－ping，YANGJian(CollegeofMathematicsandComputerScience，FuzhouUniversity，Fuzhou，Fujian350116，China)Abstract:AimingtotheproblemsintheexistingJPEGsteganalysisschemes，suchashighredundan-cyinfeaturesandfeatureselectionlackingoftheoreticalbasis，thisstudyproposesaJPEGsteganalysisapproachbasedonfeaturefusionbytheprincipalcomponentanalysis(PCA)andanalysisofthecom-plementarityamongfeatures．Thestudyfusescomplementaryfeaturesandisolatesredundantcompo-nentsbyPCA，andfinallyusesＲBaggSVMclassifierforclassification．ExperimentalresultsshowthatthisschemeeffectivelyimprovesthedetectionrateofsteganalysisinJPEGimagesandachievesfasterspeedofimageclassification．Keywords:steganalysis;parallelfeaturefusion;principalcomponentanalysis;complementaryfea-ture;JPEGimage0引言隐写检测是对截获信号进行分析以判断其中是否含有秘密信息的隐写分析方法．JPEG图像作为一种最常见的图像格式，其隐写检测已成为近年来研究的重点．特征融合［1］是将原始特征数据源采用某种方法进行融合，产生新的特征集，以期能比原始特征数据包含更多综合性分类信息的方法，和单一特征相比，融合特征具有更好的综合信息表现能力．近年来，特征融合在图像隐写检测方面有不少研究成果．Pevny等［2］改进Fridrich等［3］和Shi等［4］的成果，分别得到193维DCT扩展特征和81维的Markov降维特征，并进行串行融合，得到274维的融合特征．Kodovsky等采用CC－PEV和SPAM特征进行串行融合［5］，Fridrich等采用high－dimensionalrichmodel在随机子空间上进行特征融合分类［6］．上述方法虽然在隐写分析正确率上有一定的提高，但他们是将两组特征首尾相连进行串联形成新的特征矢量，不仅存在大量的冗余信息，而且容易引起“维数灾难”问题，此外，上述方法选取融合特征具有很强的主观随意性，没有考虑特征间的关系，所提取的特征未必有利于分类．基于以上分析，本研究提出一种基于主成分分析(principalcomponentanalysis，PCA)进行并行特征融合的JPEG隐写检测方法．该方法首先选取当前分类准确度较高，并具有互补性的特征，然后采用PCA对收稿日期:2012－08－27通讯作者:何凤英(1979－)，讲师，主要从事信息隐藏、图像处理研究，hfy@fzu．edu．cn基金项目:福建省教育厅科研资助项目(JB09003)·342·福州大学学报(自然科学版)第42卷特征进行变换，去除特征中的冗余信息，最后