基于深度学习的隐写者检测算法研究

发布时间：2023-04-26 18:22

　　随着互联网技术与多媒体技术的快速发展,信息安全问题逐渐受到人们的广泛关注。隐写术作为一种信息隐藏技术,能通过对载体嵌入秘密消息来实现通信安全。但是,一些非法隐写者可能企图利用隐写术传播秘密消息,隐藏在众多用户中,实现隐蔽通信。因此,研究隐写者检测,对监控非法团伙之间的通信具有重大意义。目前,现有的隐写者检测方法依赖于有效的人工设计特征,但在隐写者检测任务中,隐写者所使用的隐写术和嵌入率是无法事先得知的,这些未知参数加大了人工设计特征的难度,给隐写者检测带来了严峻挑战。此外,现有的隐写者检测方法无法根据图像内容自适应地提取有效特征来检测隐写者。针对隐写者检测的主要挑战,本文基于深度学习对隐写者检测方法展开研究,从特征学习的角度设计通用的隐写者检测算法,主要工作和创新点如下:1.本文提出一个基于多分类扩张残差网络的隐写者检测算法,通过残差学习和扩张残差学习,网络模型能在较大感受野范围内有效地保留微弱的隐密信号,自动学习提取具有区分力和表达力的特征,实现通用地检测隐写者。其次,利用多分类学习策略,将不同嵌入率的载密图像进行区分,从而有利于将低嵌入率的载密图像从载体图像中区分开来。实验结果表明...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容与研究方法
    1.4 论文组织结构
第2章 相关研究概述
    2.1 隐写者检测研究概况
    2.2 隐写术研究概况
    2.3 隐写分析研究概况
        2.3.1 基于人工设计特征的隐写分析方法
        2.3.2 基于深度学习的隐写分析方法
    2.4 本章小结
第3章 基于多分类扩张残差网络的隐写者检测算法研究
    3.1 基于多分类扩张残差网络的隐写者检测框架
        3.1.1 基于多分类扩张残差网络的特征提取
        3.1.2 基于最大均值差异的距离度量
        3.1.3 使用层次聚类检测隐写者
    3.2 使用多分类扩张残差网络的合理性
        3.2.1 残差学习的有效性
        3.2.2 扩张卷积的有效性
    3.3 实验结果及分析
        3.3.1 基于空域的隐写者检测性能评估与对比
        3.3.2 基于频域的隐写者检测性能评估与对比
    3.4 本章小结
第4章 基于嵌入概率估计图的内容自适应隐写者检测算法研究
    4.1 内容自适应隐写者检测算法
        4.1.1 基于全卷积神经网络的嵌入概率估计
        4.1.2 结合嵌入概率图与扩张残差学习的特征提取
        4.1.3 基于局部异常因子的选择性策略隐写者检测
    4.2 实验结果及分析
        4.2.1 实验设置
        4.2.2 嵌入概率估计图的有效性验证
        4.2.3 跨嵌入率的泛化性评估
        4.2.4 针对不同隐写术的敏感性测试
        4.2.5 嵌入部分图像的现实场景
        4.2.6 多个隐写者的检测
        4.2.7 应用在频域检测隐写者的讨论
    4.3 本章小结
第5章 总结与展望
    5.1 本文工作总结
    5.2 工作展望
参考文献
致谢
攻读硕士学位期间的研究成果



本文编号：3801979