1.白求恩军医学院 基础部，石家庄 050081

2.军械工程学院 计算机工程系，石家庄 050003

1.白求恩军医学院 基础部，石家庄 050081

2.军械工程学院 计算机工程系，石家庄 050003

1 引言

隐写分析作为隐写术的对抗技术，目的是揭示出隐密载体中秘密信息的存在，进而进行提取、篡改或破坏。通用隐写分析是通过机器学习和监督学习实现待测对象的两分类：载体对象（不含密对象）和含密对象，以达到隐写检测的目的。盲隐写分析因其适用范围较广，并且在实现方法上更符合隐写分析研究的实情，而成为隐写分析技术研究的重点和难点。典型Shi等人算法[1]，虽然检测性能高于Harmsen方法，但因特征量之间存在较强的相关性，故误检率较高；Farid将JPEG图像解压到空域，提取预测误差图像高阶统计矩作为敏感特征[2]，特征间冗余较大，并且因图像格式的转换，人为改变了图像本身的属性，致使隐写检测性能一般；Fridrich基于DCT域边界不连续性，提出了多特征JPEG图像隐写分析算法[3]，算法直接从图像压缩域和空域抽取特征，故综合性能高于Farid，但因其通过提取空域共生矩阵描述量化DCT系数之间计算复杂度较大；之后，Y.Q.Sh i、DongDong Fu等采用马尔科夫链模型[4-5]，通过捕捉块内、块间DCT系数之间的相关性，并建立水平、垂直两个方向MC模型，取得了较好的检测效果，但对整个DCT系数之间相关性的描述上欠全面，某种程度上影响了隐写检测的准确性。为此，Pevny等人融合Fridrich和Y.Q. Shi两种方法[6]提取敏感特征量，有效实现了盲隐写域的多分类，但因采用空域共生矩阵作为初始敏感特征集的一部分，同样存在计算复杂度较大的问题。……