隐写分析中的特征增强方法

摘要：

富模型特征由于特征维数较高,冗余较多,使得正常特征与隐写特征的区分度不明显,为了提高特征区分度,增强特征分类效果,便于后续分类器的分类.本文利用失真代价函数选择图像的细节区域,提取细节特征,然后利用主成分分析的方法将完整图像的特征和细节特征融合,生成新特征.实验结果表明,新特征特征在相同维数下比原始特征的分类错误率要低,并且,实验结果的可靠性也进一步的增强.本文中所提出的方法对于增强特征分类效果有作用.

关键词： 隐写分析 特征增强 失真代价函数 主成分分析 富模型

作者: 马占山 雷雨

作者单位: 武警工程大学电子技术系 网络与信息安全武警部队重点实验室 西安710086

会议类型: 国内会议

会议名称: 第十二届全国信息隐藏暨多媒体信息安全学术大会

会议地点: 武汉

会议语种:中文

页码: 71-77

在线出版日期: 2015-03-28（万方平台首次上网日期，不代表论文的发表时间）