隨著互聯(lián)網(wǎng)的發(fā)展,網(wǎng)絡(luò)安全成為了目前關(guān)注的焦點(diǎn),保證信息在信道上的隱蔽傳輸變得更為重要。相比于傳統(tǒng)的圖像加密技術(shù),使用數(shù)字圖像隱寫方法可將秘密信息以不可感知的形式嵌入到圖像中。但隱寫不是絕對(duì)安全的,使用隱寫分析方法可檢測(cè)出圖像內(nèi)是否有含密信息,最終導(dǎo)致隱寫失敗。通過(guò)GPU的加速可快速訓(xùn)練深層神經(jīng)網(wǎng)絡(luò),因此基于CNN的隱寫分析方法可在較短時(shí)間內(nèi)準(zhǔn)確的檢測(cè)出大量圖像是否含密。對(duì)隱寫產(chǎn)生了巨大的挑戰(zhàn)。在圖像分類中,對(duì)抗性樣本技術(shù)可在圖像上加以細(xì)微的擾動(dòng),使之分類錯(cuò)誤。因此,將對(duì)抗性樣本技術(shù)移植到抗隱寫分析上,即在隱寫圖像上加以微小的改動(dòng),使CNN將其識(shí)別為未隱寫,即可保證隱寫圖像的安全。在本文的工作中,首先調(diào)研了數(shù)字圖像隱寫及數(shù)字圖像隱寫分析的發(fā)展現(xiàn)狀,接下來(lái)詳細(xì)說(shuō)明了數(shù)字圖像隱寫相關(guān)概念,并給出基于CNN隱寫分析的框架。由框架可知,若使用CNN進(jìn)行隱寫分析,需對(duì)圖像進(jìn)行預(yù)處理,才能顯現(xiàn)出隱寫圖像的特征圖。然后使用CNN進(jìn)行模型訓(xùn)練即可。為保護(hù)隱寫圖像的安全,本文提出了一種基于局部嵌入的抗隱寫分析方法,將抗隱寫分析的增強(qiáng)型特征與未修改的感知特征融合,增加CNN隱寫分析模型的識(shí)別錯(cuò)誤率。該方法...

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-5頻域空間的小波分解本節(jié)給出的方法使用了可分離的正交鏡像濾波器對(duì)圖像進(jìn)行分解進(jìn)行特征

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文行時(shí)是否需要先驗(yàn)的信息，如嵌入率等。型隱寫分析特征像是隱寫方法的常用載體，下面介紹兩種典型的空間域小波變換的隱寫分析特征是鄰域信號(hào)處理中常用的方法，在分析時(shí)可將輸入信號(hào)小頻域和時(shí)域。與DCT變換類似，使用小波分解的信號(hào)也于信號(hào)的壓縮。的隱寫分析特....

圖2-6小波變換過(guò)程圖

圖2-6小波變換過(guò)程圖在圖像分解的過(guò)程中，統(tǒng)計(jì)模型是由各方向的子帶i內(nèi)元素的平均值，方差，斜度與峰態(tài)構(gòu)成的，這些統(tǒng)計(jì)特征描述了基本協(xié)同分布。而第二統(tǒng)計(jì)特征則是基于優(yōu)化后的線性分類器運(yùn)算后產(chǎn)生的誤差。子帶系數(shù)與其空間位置，方向和鄰域相結(jié)合。以()為例，式2-10....

圖3-2未隱寫圖像的部分預(yù)處理運(yùn)算結(jié)果

隱寫圖像與隱寫圖像分別進(jìn)行圖像預(yù)處理寫后產(chǎn)生了更多的能量，將兩個(gè)殘差圖做信息嵌入到了圖像紋理較強(qiáng)的部分。圖像預(yù)處理圖像預(yù)處理相減圖3-1圖像預(yù)處理產(chǎn)生殘差圖偏上部分，其卷積運(yùn)算的結(jié)果分別如圖3-

圖3-3隱寫圖像的部分預(yù)處理運(yùn)算結(jié)果

圖像預(yù)處理相減圖3-1圖像預(yù)處理產(chǎn)生殘差圖偏上部分，其卷積運(yùn)算的結(jié)果分別如圖3-圖3-2未隱寫圖像的部分預(yù)處理運(yùn)算結(jié)果

本文編號(hào)：3970675