隨著互聯網的發(fā)展,網絡安全成為了目前關注的焦點,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,使用數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。但隱寫不是絕對安全的,使用隱寫分析方法可檢測出圖像內是否有含密信息,最終導致隱寫失敗。通過GPU的加速可快速訓練深層神經網絡,因此基于CNN的隱寫分析方法可在較短時間內準確的檢測出大量圖像是否含密。對隱寫產生了巨大的挑戰(zhàn)。在圖像分類中,對抗性樣本技術可在圖像上加以細微的擾動,使之分類錯誤。因此,將對抗性樣本技術移植到抗隱寫分析上,即在隱寫圖像上加以微小的改動,使CNN將其識別為未隱寫,即可保證隱寫圖像的安全。在本文的工作中,首先調研了數字圖像隱寫及數字圖像隱寫分析的發(fā)展現狀,接下來詳細說明了數字圖像隱寫相關概念,并給出基于CNN隱寫分析的框架。由框架可知,若使用CNN進行隱寫分析,需對圖像進行預處理,才能顯現出隱寫圖像的特征圖。然后使用CNN進行模型訓練即可。為保護隱寫圖像的安全,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隱寫分析模型的識別錯誤率。該方法...

【文章頁數】：60 頁

【學位級別】：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圖像進行分解進行特征

哈爾濱工業(yè)大學工學碩士學位論文行時是否需要先驗的信息，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處理中常用的方法，在分析時可將輸入信號小頻域和時域。與DCT變換類似，使用小波分解的信號也于信號的壓縮。的隱寫分析特....

圖2-6小波變換過程圖

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

圖3-2未隱寫圖像的部分預處理運算結果

隱寫圖像與隱寫圖像分別進行圖像預處理寫后產生了更多的能量，將兩個殘差圖做信息嵌入到了圖像紋理較強的部分。圖像預處理圖像預處理相減圖3-1圖像預處理產生殘差圖偏上部分，其卷積運算的結果分別如圖3-

圖3-3隱寫圖像的部分預處理運算結果

圖像預處理相減圖3-1圖像預處理產生殘差圖偏上部分，其卷積運算的結果分別如圖3-圖3-2未隱寫圖像的部分預處理運算結果

本文編號：3970675