第42卷第3期2014年6刀福州大学学报(自然科学版)JournalofFuzhouUniversity(NaturalScienceEdition)Vol.42No.3Jun.2014DOI:10.7631/issn.1000-2243.2014.03.0341文章编号:1000一2243(2014)03一0341一05基于主成分分析的并行特征融合JPEG隐写检测何凤英，钟尚平，杨健（福州大学数学与计算机科学学院，福建福州350116）摘要：针対目前JPEG隐写检测方法的特征选収缺乏理论依据，特征冗余度高的问题，提出一种基于主成分分析进行并行特征融合的JPEG隐写分析方法.首先分析所选特征Z间的互补性，然示用主成分分析进行特征变换，去除兀余信息，最示将特征并行融合.实验结果表明，和串行特征融介相比，本文方法具冇更高的JPEG隐写图像检测率和更快的分类速度.关键词：隐写检测；并行特征融合；主成分分析；特征互补；JPEG图像中图分类号:TP391文献标识码:AJPEGsteganalysisbasedonparallelfeaturefusionbyprincipalcomponentanalysisHEFeng—ying,ZHONGShang—ping,YANGJian(CollegeofMathematicsandComputerScience,FuzhouUniversity,Fuzhou,Fujian350116,China)Abstract:AimingtotheproblemsintheexistingJPEGsteganalysisschemes,suchashighredundancyinfeaturesandfeatureselectionlackingoftheoreticalbasis,thisstudyproposesaJPEGsteganalysisapproachbasedonfeaturefusionbytheprincipalcomponentanalysis(PCA)andanalysisofthecomplementarityamongfeatures.Thestudyfusescomplementaryfeaturesandisolatesredundantcompo-nentsbyPCA,andfinallyusesRBaggSVMclassifierforclassification.ExperimentalresultsshowthatthisschemeeffectivelyimprovesthedetectionrateofsteganalysisinJPEGimagesandachievesfasterspeedofimageclassification.Keywords:steganalysis;parallelfeaturefusion;principalcomponentanalysis;complementaryfeature;JPEGimage0引言隐写检测是对截获信号进行分析以判断其小是否含有秘密信息的隐写分析方法.JPEG图像作为一种最常见的图像格式，具隐写检测已成为近年來研究的重点.特征融合［1］是将原始特征数据源采用某种方法进行融合，产生新的特征集，以期能比原始特征数据包含更多综合性分类信息的方法，和单一特征相比，融合特征具有更好的综合信息表现能力.近年来，特征融合在图像隐写检测方面有不少研究成果.Pevny等［2］改进Fridrich等［3］和Shi等［4］的成果，分别得到193维DCT扩展特征和81维的Markov降维特征，并进行串行融合，得到274维的融合特征.Kodovsky等采用CC一PEV和SPAM特征进行串行触合［5］,Fridrich等采用high—dimensionalrichmodel在随机子空间上进行特征融合分类［6］.上述方法虽然在隐写分析正确率上冇一定的提高，但他们是将两组特征首尾相连进行串联形成新的特征欠量，不仅存在大量的冗余信息，而且容易引起维数灾难问题，此外，上述方法选収融合特征具有很强的主观随意性，没有考虑特征间的关系，所提取的特征未必有利于分类.基于以上分析，本研究提出一种基于主成分分析(principalcomponentanalysis,PCA)进行并行特征融合的JPEG隐写检测方法.该方法首先选収为前分类准确度较高，并具有互补性的特征，然后采用PCA对收稿日期：2012一()8一27通讯作者：何凤英(1979—)，讲师，主要从事信息隐藏图像处理研究,hfy@fzu.edu.cn基金项目：福建省教育厅科研资助项n(JB09003)福州大学学报(口然科学版)笫42卷http//xbzrb.fzu.edu.cn特征进行变换，去除特征中的兀余信息，最后对变换后的特征进行并行融合.实验结果表明，和串行特征融介方法相比，木文提出的特征融合方法具冇更好的检测效果和更快的分类速度.1隐写特征及互补性分析选収两类经典的JPEG隐写特征MPB特征［4］和PEV特征［7］进行检测分类.MPB特征的捉取方法［4］如F：按4个方向(水平垂直主对角和副对角)对JPEG量化系数矩阵求差，得到4个差值矩阵，然后对各个差值矩阵计算一阶TPM,最后得到4(2+1)2维特征向量.PEV特征的提取方法［7］如下：首先，计算7种特征,分别为AC系数直方图矩阵;共生矩阵st;DCT系数直方图矩阵(亮度部分)；双直方图矩阵；方差；块内分块特性；基于Markov模型的...