【论文复现】SRM隐写分析官方代码使用说明

代码下载地址：http://dde.binghamton.edu/download/feature_extractors/

Linux下载SRM.tar并解压，Windows下载SRM.zip（运行速度比较快），如果是为了研究过程可下载SRM.m

1. 以Linux为例，解压后进入release文件夹，在终端运行SRM命令，自行修改stego和输出特征路径，然后在终端bash SRM_example.sh 运行 (只能处理pgm格式，头部不能有多余注释字段)，这里可以自己写脚本实现批量处理

   Linux命令对于512*512的pgm灰度图处理比较慢，30多秒一张图，建议用Windows版本的SRM.EXE文件处理，速度大概4-5秒

2. 使用python对提取出的特征进行组合（实现SubmodelConcatenation原matlab代码的功能）

   import pandas as pd
   import os
   
   train_path = r'/home/train/'
   test_path = r'/home/test/'
   
   all_train = pd.DataFrame()
   all_test = pd.DataFrame()
   
   for file in os.listdir(train_path):
       print(file)
       fea_train = pd.read_csv(train_path + file, header=None,delimiter=' ')
       fea_train = fea_train.iloc[:, :-1] # 去掉最后一列
       all_train = pd.concat([all_train, fea_train], axis=1)
       
   all_train.to_csv('q1_stego_1024-train.csv', index=False)  
       
   for file in os.listdir(test_path):    
       fea_test = pd.read_csv(test_path + file, header=None,delimiter=' ')
       fea_test = fea_test.iloc[:, :-1] # 去掉最后一列
       all_test = pd.concat([all_test, fea_test], axis=1)
       
   all_test.to_csv('q1_stego_1024-test.csv', index=False)   
   

3. SRM.zip解压后，有ensamble_training.m和ensamble_test.m两个文件。将上一步提取出的载体和含密图像特征分别输入ensamble_training.m，进行训练。

4. 训练好的模型和提取的SRM特征输入ensamble_test.m，给出分类结果result

   % matlab代码
   % 读取python组合好的特征
   disp("1")
   cover_test = importdata('/home/q1_cover_1024-test.csv');
   cover_test = single(cover_test);
   cover_test= cover_test(2:end,:);
   
   disp("2")
   cover_train = importdata('/home/q1_cover_1024-train.csv');
   cover_train = single(cover_train);
   cover_train= cover_train(2:end,:);
   
   disp("3")
   stego_test = importdata('/home/q1_mean_stego_256-test.csv');
   stego_test = single(stego_test);
   stego_test= stego_test(2:end,:);
   
   disp("4")
   stego_train = importdata('/home/q1_mean_stego_256-train.csv');
   stego_train = single(stego_train);
   stego_train= stego_train(2:end,:);
   
   % disp(stego_train)
   % disp(stego_test)
   
   %% 开始训练
   [trained_ensemble,~] = ensamble_training(cover_train,stego_train);
   
   %% 开始测试
   results = ensemble_testing(stego_test,trained_ensemble);
   
   % 输出结果 
   disp(sum(results.predictions(results.predictions==-1)));
   
   
   

这是目前手中比较快的SRM使用方法，若有其他同学找到更快的方法，麻烦请告知我一下~

                                      祝大家科研顺利，paper多多！