[發明專利]圖像隱寫分析中基于補償的檢測特征選擇方法

在審

• 申請號: 202110265150.5
• 申請日: 2021-03-11
• 公開（公告）號: CN112950445A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 馬媛媛;于鑫泉;徐久成;劉棟
• 申請（專利權）人: 河南師范大學
• 主分類號: G06T1/00
• 分類號: G06T1/00;G06T7/00
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 周艷巧

1.一種圖像隱寫分析中基于補償的特征選擇方法，用于檢測載密圖像，其特征在于，包含如下內容：

針對收集到的載體圖像，利用隱寫算法生成不同嵌入率的載密圖像，并提取載密圖像一維步態隱寫檢測特征；

度量每個隱寫檢測特征分量的可分性，并根據隱寫檢測特征分量可分性值對所有隱寫檢測特征分量進行降序排列；

構建候選特征向量，構建候選特征向量，根據可分性排序結果選取排名第一的特征分量作為初始候選特征向量，并在排序結果中刪除此特征，依次將排序結果中的第一個特征分量添加至前一個候選特征向量以形成新的候選特征向量，并度量每個候選特征向量可分性；

選取可分性值最大的候選特征向量作為局部最優特征向量，利用特征補償策略向局部最優特征向量中添加特征分量來獲取最終選取的特征。

2.根據權利要求1所述的圖像隱寫分析中基于補償的特征選擇方法，其特征在于，利用基于失真函數的圖像隱寫算法分別生成不同嵌入率的載密圖像。

3.根據權利要求1或2所述的圖像隱寫分析中基于補償的特征選擇方法，其特征在于，對不同嵌入率下圖像隱寫檢測特征進行統計分析，基于類間間距、類內間距和類內距離差異的特征分量可分性準則來度量每個隱寫檢測特征分量的可分性。

4.根據權利要求1所述的圖像隱寫分析中基于補償的特征選擇方法，其特征在于，假設s₊(f_i)和s_-(f_i)分別表示特征分量f_i在載體圖像和載密圖像的方差，則使用或均能來表示特征分量在載體特征與載密特征的類內距離差異。

5.根據權利要求4所述的圖像隱寫分析中基于補償的特征選擇方法，其特征在于，選取和兩者中的最大值來表示特征分量在載體特征與載密特征的類內距離差異。

6.根據權利要求4或5所述的圖像隱寫分析中基于補償的特征選擇方法，其特征在于，利用自然對數函數均衡和/或依據均衡后的數據來表示特征分量在載體特征與載密特征的類內距離差異。

7.根據權利要求4所述的圖像隱寫分析中基于補償的特征選擇方法，其特征在于，每個檢測特征分量可分性的度量公式表示為：其中，m₊(f_i)和m_-(f_i)分別表示第i個特征分量f_i在載體圖像類與載密圖像類的均值，(m₊(f_i)-m_-(f_i))²表示第i個特征分量f_i在載體圖像類與載密圖像類的類間距離，s₊²(f_i)+s_-²(f_i)表示特征分量第i個特征分量f_i在載體圖像類與載密圖像類的類內距離。

8.根據權利要求1所述的圖像隱寫分析中基于補償的特征選擇方法，其特征在于，基于類間距離、類內距離和整體類內距離差異的特征向量可分性準則度量候選特征向量的可分性，并從候選特征向量中選出局部最優特征向量。

9.根據權利要求1或8所述的圖像隱寫分析中基于補償的特征選擇方法，其特征在于，特征向量可分性度量包含如下內容：首先選取可分性值最大的特征分量作為初始候選特征向量，迭代計算當前輪次內相應特征分量的載體特征及載密特征兩者的方差和均值；在迭代中內嵌循環計算特征分量的載體特征及載密特征兩者的方差和均值；通過特征分量整體類內差異獲取候選特征向量的可分性值；通過設置最大迭代次數生成若干個候選特征向量及其對應的可分性值，最終選取可分性值最大的候選特征向量為局部最優特征向量。

10.根據權利要求1所述的圖像隱寫分析中基于補償的特征選擇方法，其特征在于，利用特征補選策略獲取最終選取的特征向量，包含如下內容：依據每個特征分量被選中概率及其累計概率，并通過累計概率與產生的隨機數進行比較來選定特征分量；重復執行直至達到最大執行次數，將選取的特征分量加入局部最優特征向量中形成最終選取的特征。