编辑: 山南水北 | 2019-07-16 |
3 0 N o .
2 A p r .
2 0
1 5 收稿日期:
2 0
1 4 G
0 4 G
0 2;
修订日期:
2 0
1 4 G
0 5 G
2 2. 基金项目: 国家自然基金( N o .
6 1
3 7
9 1
5 2 ) ?通信联系人, E G m a i l : s s j
1 9
9 0
2 2 0@1
6 3. c o m 文章编号:
1 0
0 7 G
2 7
8 0 (
2 0
1 5 )
0 2 G
0 3
2 6 G
0 7 一种基于权重融合的J P E G 隐写分析方法 孙寿健? , 魏立线, 刘佳, 苏光伟 ( 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,陕西 西安7
1 0
0 8 6) 摘要: 针对J P E G 图像通用隐写检测中检测效率低、 训练时间长的问题, 提出一种基于集成分类器的新检测方法.算法 以CCGPEV为特征对图像进行描述并作为隐写分析特征;
然后, 随机构造若干个特征子空间, 用b o o t s t r a p方法构造图像 训练子集, 分别进行训练得到数个基分类器;
根据基分类器的分类结果赋予基分类器不同的权重, 将基分类器的结果按 照其权重进行融合得到最终的结果.本文对该算法进行了测试, 对它的集成性、 检测准确率和训练时间进行分析.实验 结果表明, 相对于传统的集成方法, 本文方法用自举方法构造训练集、 随机方法构造子特征空间、 赋予基分类器不同权重 进行融合能够显著地提高算法准确率.本文方法相对于 S VM 和传统的集成分类方法, 具有更高的检测率, 对于特征维 数更大的图像检测, 具有更好的拓展性和一般适用性. 关键词: 隐写分析;
集成;
分类器;
权重 中图分类号: T P
3 0
9 文献标识码: A d o i :
1 0.
3 7
8 8 / Y J Y X S
2 0
1 5
3 0
0 2.
0 3
2 6 Ar i g h t s G b a s e dr e G i n t e g r a t i o nm e t h o df o rJ P E Gs t e g a n a l y s i s S UNS h o u G j i a n ? ,WE IL i G x i a n , L I UJ i a , S U G u a n g G w e i ( K e yL a b o r a t o r yo fN e t w o r ka n dI n f o r m a t i o nS e c u r i t yU n d e r t h eC h i n e s eA r m e dP o l i c eF o r c e, E l e c t r o n i cD e p a r t m e n t, E n g i n e e r i n gC o l l e g eo fA r m e dP o l i c eF o r c e, X i ? a n7
1 0
0 8 6, C h i n a) A b s t r a c t : A i m i n ga t t h ep r o b l e mo f t h eh i g hd i m e n s i o n f e a t u r e s a n dc o m p l i c a t e d t r a i n i n g i n i m a g eu n i G v e r s a ls t e g a n a l y s i s t e c h n o l o g y ,t h i s p a p e r p r o p o s e s a s t e g a n a l y s i s m e t h o d b a s e d o n e n s e m b l e c l a s s i f i e r . T h em e t h o dd e s i g n sae n s e m b l ec l a s s i f i e rw h i c hc o m b i n e st h ed i f f e r e n c eo fb a s ec l a s s i f i e r a n dw e i g h t e df u s i o n .S p e c i f i c a l l y , t h ea l g o r i t h m u s e sC C G P E Va ss t e g a n a l y s i sf e a t u r e s .T h e n , t h e m e t h o dr a n d o m l ys t r u c t u r e ss e v e r a l f e a t u r es u b s p a c e , u s e st h eb o o t s t r a pm e t h o dt oc o n s t r u c t i m a g e t r a i n i n gs u b s e t s , a n dt r a i nt h e mt og e tan u m b e ro fb a s ec l a s s i f i e r s . F i n a l l y , e v e r yb a s ec l a s s i f i e r i s g i v e nw e i g h tt h a td i f f e r e n tf r o me a c ho t h e ra c c o r d i n gt ot h ec l a s s i f i c a t i o nr e s u l ta n dt h e nt h ef i n a l f o r e c a s t i sg o t a f t e r t h ec o m b i n a t i o no f c l a s s i f i c a t i o nr e s u l t sw i t ht h e i r r e s p e c t i v ew e i g h t . T h ee x p e r i G m e n t a l r e s u l t s s h o wt h a t u s i n ge n s e m b l e c l a s s i f i e r f o r t r a i n i n ga n dg i v i n gb a s e c l a s s i f i e r sw i t hd i f f e r e n t w e i g h t s f u s i o nc o u l de f f e c t i v e l y i m p r o v e t h ea c c u r a c yo f t h ea l g o r i t h m. K e yw o r d s : s t e g a n a l y s i s ;