Rich Model for Steganalysis of Color Images

最新推荐文章于 2022-09-01 17:53:29 发布

Vvvvonly

最新推荐文章于 2022-09-01 17:53:29 发布

阅读量2.4k

点赞数 3

本文链接：https://blog.csdn.net/weixin_43383164/article/details/102703126

版权

本文提出了一种扩展的Spatial Rich Model (SRMQ1)和Color Rich Model (CRMQ1)，用于彩色图像的隐写分析。CRMQ1通过3D共现捕获颜色通道之间的依赖关系，尤其在存在色彩插值痕迹的图像中表现优越。实验表明，CRMQ1特征在内容自适应算法如WOW中比SRMQ1更具优势，而在尺寸调整的图像中，两者的性能相近。对于去马赛克图像，CRMQ1提供了更强的检测能力。研究还发现，红色通道的噪声最高，绿色通道最易于检测。未来研究可考虑CFA结构来改进检测效果。

摘要由CSDN通过智能技术生成

文章目录

Abstract
1. Introduction
2. Common Core of Experiments
3. Rich Model for Steganalysis of Color Images
4. 实验
5. Conclusion

Abstract

在这篇文章中提出了一种对于Spatial rich model的扩展，附加特征由RGB三个通道的三维共现形成，他们的作用是捕捉颜色通道之间的依赖关系。这些CRMQ1（color rich model）对于展现了色彩插值痕迹的图片可以非常有效地检测其隐写信息。内容自适应算法由于其修改相同像素信息的趋势而受到更大冲击。该特征集的有效性在BOSSbase三个不同的颜色版本和两种隐写算法上得到验证。

1. Introduction

所有针对灰度设计的隐写分析技术都可以通过将彩色图像看做三倍大的灰度图像来应用于彩色图像，但这种方法失去了色彩之间的依赖性信息。

文献18中提出了第一个考虑颜色通道间相关性的彩色图像隐写分析特征集。作者使用了高阶的噪声残差矩，残差通过对三颜色通道的图像进行QMF分解的系数进行预测得到。
文献19中提出了另一种LSB颜色匹配检测器。作者使用图像的3D颜色立方体表示，提出了3*3*3领域的相对频率作为隐写特征。这种方法在解压后的JPEG文件中表现很好，但在大量具有单一色彩的图像中表现不佳。比如未经压缩或调整大小的图像。
另一种工作使用了直方图特征函数(HCF)的重心，通过重新采样进行校准，并通过汇总颜色成分进行了扩展。
这种方法依然不能在未经压缩的图像上表现优秀。
最后，文献15通过使用更加精确地预测做出了改进。这种方法考虑了CFA（颜色滤波器阵列）插值算法引入的像素间和通道间的依赖关系。

2. Common Core of Experiments

三个版本的BOSSbase：

10000张512*512 ppm的真彩色图像。我们将这个版本的color BOSSbase称为BOSSbaseRes(resized)；
使用PPG(Patterned Pixel Grouping)算法的图像，称为BOSSbasePPG；
使用AHD(Adaptive Homogeneity-Directed)算法的图像，称为BOSSbaseAHD。

所有检测器都使用FLD训练为二分类器。对每个图像源、嵌入算法和负载都训练单独的分类器，以显示负载大小如何影响检测性能。定义总的分类错误概率 $P_E=\min_{P_{FA}}\frac{1}{2}(P_{FA}+P_{MD})$ , $P_{FA}和P_{MD}$ 分别表示误报(false-alarm)概率和漏检(missed-detection)概率。我们在超过十个5000/5000的数据集上用 $P_E$ 的均值 $\overline P_E$