基于平均灰度共生矩阵和特征的LSB匹配隐密分析

基于平均灰度共生矩阵和特征的LSB匹配隐密分析

论文摘要

随着网络技术的不断发展,数字信息可以方便、迅速、快捷的传输到世界的各个角落。然而数据传输的安全性问题成为一个亟待解决的问题。近年来,信息隐藏技术快速发展并被广泛应用,使得秘密机要信息传输变得的隐秘,提高了安全性。然而一些恐怖组织应用它传递非法信息进行破坏活动。因此隐密技术像一把双刃剑,利弊参半。基于图像的隐密技术根据图像类型的不同,其相应的隐密技术多种多样,而以JPEG为代表的压缩图像,BMP图像作为隐密载体的隐密方法最为居多。本文主要以BMP灰度图像为研究对象,围绕空域LSB匹配隐密方法的特点,对隐密分析方法进行研究。本文工作主要如下:(1)对现代信息隐藏理论的背景以及应用领域进行了介绍,信息隐藏理论的产生使得信息安全通信成为可能。本文针对加性噪声模型下的LSB匹配隐密算法进行了安全性分析,详细分析了几种经典的LSB匹配隐密分析方法,并对它们进行了实验仿真。实验结果显示:在嵌入量为接近满嵌时,WAM分析方法的性能最好,检测正确率达到95%以上,而改进的HCF方法和ALE方法的检测正确率在80%以上。在嵌入率低于25%时,WAM的检测率为70%左右,其他两种方法的检测率在60%左右。在低嵌入率时,这三种方法的检测正确率较低,误判的概率较大。(2)本文提出一种平均灰度共生矩阵和特征的隐密分析方法。根据图像相邻像素之间具有较强的相关性并结合共生矩阵能够反映像素值及其位置关系的特点,构造8维平均灰度共生矩阵和特征。实验结果表明,本文的方法比经典方法检测正确率有了不同程度的提高。针对不同嵌入率比WAM分析方法有所提高,比改进的HCF和ALE方法提高15%左右。(3)通过前面实验结果可以发现,对于接近满嵌的隐密图像,大多数隐密分析方法的检测正确率接近95%,能够较准确地检测出隐密算法的存在。而对于嵌入率低于25%的情况,检测率一般都低于70%,使得针对低嵌入率隐密分析检测正确率降低。为了解决低嵌入率检测性能较差的问题,通过强化载体图像和隐密图像之间的差异,借助图像滤波技术从待测图像得到相应的估计图像,分别从待测图像和估计的图像中提取共16维平均灰度共生矩阵和特征,结合FISHER线性分类器进行分类检测。实验结果表明嵌入率在25%时,检测率达到94%;即使嵌入率为10%,检测率也到达80%左右,比未使用估计图像方法提高10%左右。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 选题背景
  • 1.2 信息隐藏
  • 1.2.1 信息隐藏技术的特点
  • 1.2.2 信息隐藏技术的分类
  • 1.3 隐密技术
  • 1.3.1 隐密技术的模型
  • 1.3.2 隐密技术、数字水印以及密码学
  • 1.3.3 隐密技术的评价标准
  • 1.3.4 现有隐密方法
  • 1.4 隐密分析
  • 1.4.1 隐密分析分类
  • 1.4.2 隐密分析评价标准
  • 1.4.3 现有隐密分析方法
  • 1.5 本文内容安排
  • 2 空域的LSB隐密方法
  • 2.1 有关图像的基本知识
  • 2.1.1 图像和数字图像
  • 2.1.2 图像位平面
  • 2.2 LSB替换方法
  • 2.2.1 LSB替换隐密的安全性分析
  • 2.2.2 LSB替换隐密分析的研究现状
  • 2.2.3 经典LSB替换隐密分析方法
  • 2.2.4 LSB替换隐密分析总结
  • 2.3 LSB匹配隐密
  • 2.3.1 LSB匹配隐密原理
  • 2.3.2 LSB匹配的安全性分析
  • 2.3.3 LSB匹配隐密分析研究现状
  • 2.4 经典LSB匹配隐密分析方法
  • 2.4.1 小波绝对矩隐密分析
  • 2.4.2 基于直方图特征质心函数隐密分析
  • 2.4.3 直方图局部极值幅度隐密分析
  • 2.4.4 实验结果及对比分析
  • 2.5 本章小结
  • 3 基于平均灰度共生矩阵和特征的LSB匹配隐密分析方法
  • 3.1 图像像素相关性分析
  • 3.2 灰度共生矩阵及纹理特征
  • 3.2.1 基于灰度共生矩阵的研究现状
  • 3.2.2 图像的灰度共生矩阵纹理特征比较
  • 3.3 平均灰度共生矩阵和特征构造
  • 3.4 实验结果及比较分析
  • 3.5 本章小结
  • 4 利用图像估计的隐密分析方法
  • 4.1 图像滤波技术的引入
  • 4.2 图像滤波技术
  • 4.2.1 自适应中值滤波方法
  • 4.2.2 自适应小波能量滤波方法
  • 4.2.3 滤波处理后的实验结果
  • 4.3 利用图像估计的隐密分析方法设计
  • 4.4 实验结果及比较分析
  • 4.5 本章小结
  • 结论
  • 参考文献
  • 附录A 附录内容名称
  • 攻读硕士学位期间发表学术论文情况
  • 致谢
  • 相关论文文献

    • [1].基于灰度共生矩阵的直肠肿瘤超声造影不均匀程度的分级方法[J]. 生物医学工程学杂志 2019(06)
    • [2].应用改进的灰度共生矩阵识别木材纹理多重特征值[J]. 西北林学院学报 2019(03)
    • [3].基于灰度共生矩阵的震后倒塌房屋遥感信息提取——以2014年云南鲁甸6.5级地震为例[J]. 华南地震 2019(02)
    • [4].应用灰度共生矩阵的纹理特征描述的研究[J]. 科学技术与工程 2012(33)
    • [5].基于灰度共生矩阵的帘子布疵点检测研究[J]. 电子技术应用 2008(01)
    • [6].一种融合深度基于灰度共生矩阵的感知模型[J]. 计算机科学 2019(03)
    • [7].基于灰度共生矩阵的地震数据空间结构属性分析技术[J]. 石油地球物理勘探 2012(06)
    • [8].结合改进聚合通道特征和灰度共生矩阵的俯视行人检测算法[J]. 计算机应用 2018(12)
    • [9].基于图像分块处理的灰度共生矩阵瑕疵检测[J]. 信息技术 2018(05)
    • [10].基于灰度共生矩阵的遥感图像分类研究[J]. 科学技术创新 2018(28)
    • [11].基于小波变换和灰度共生矩阵的轮胎花纹检索[J]. 计算机测量与控制 2016(06)
    • [12].图像检索中灰度共生矩阵的构造与实现[J]. 兰州石化职业技术学院学报 2009(01)
    • [13].灰度共生矩阵在三维模型检索中的应用[J]. 齐齐哈尔大学学报(自然科学版) 2019(05)
    • [14].基于灰度共生矩阵的图像自适应分块压缩感知方法[J]. 计算机科学 2018(08)
    • [15].基于旋转机械振动参数图形融合灰度共生矩阵的故障诊断方法[J]. 中国电机工程学报 2008(02)
    • [16].基于方向梯度直方图和灰度共生矩阵混合特征的金文图像识别[J]. 激光与光电子学进展 2020(12)
    • [17].结合巴氏系数和灰度共生矩阵的遥感影像分割[J]. 遥感信息 2019(03)
    • [18].基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法[J]. 林业科学 2018(11)
    • [19].基于小波灰度共生矩阵的鲜骏枣裂纹分选[J]. 现代电子技术 2018(15)
    • [20].基于改进的灰度共生矩阵参数特征提取的齿轮箱故障诊断[J]. 机械管理开发 2016(09)
    • [21].基于灰度共生矩阵的自动聚焦算法[J]. 光学技术 2018(03)
    • [22].基于灰度共生矩阵的遥感影像纹理特征提取分析[J]. 城市地理 2017(22)
    • [23].灰度共生矩阵在纹理特征提取中的发展[J]. 信息系统工程 2012(01)
    • [24].大规模群体密度估计算法[J]. 电视技术 2010(05)
    • [25].灰度共生矩阵下的遥感图像分类处理[J]. 电脑知识与技术 2019(05)
    • [26].基于灰度共生矩阵和光流法的人群异动事件检测[J]. 计算机与现代化 2014(03)
    • [27].结合小波框架和灰度共生矩阵的纹理分割算法[J]. 电脑知识与技术 2018(12)
    • [28].基于灰度共生矩阵对纹理特征的分析[J]. 西部资源 2012(02)
    • [29].基于灰度共生矩阵和区域生长算法的红外光伏面板图像分割[J]. 科学技术与工程 2018(34)
    • [30].融合典型纹理特征的粒子滤波目标跟踪方法[J]. 计算机工程与应用 2011(34)

    标签:;  ;  ;  ;  

    基于平均灰度共生矩阵和特征的LSB匹配隐密分析
    下载Doc文档

    猜你喜欢