-
公开(公告)号：CN114170240B
公开(公告)日：2024-02-27
申请号：CN202111340652.6
申请日：2021-11-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于加权DCT系数残差的JPEG图像负载定位方法。本申请在频域中进行图像负载，假设量化的DCT系数与其在同一子图像中的相邻系数之间的相关性不均匀，具体表现为：高纹理区域的相关性较低，而低纹理区域相关性较高。基于这一特性，本申请自适应地为不同的DCT量化系数分配不同的权重，以提高负载的准确性。通过本申请的自适应计算方法计算权重因子，可以更准确地估计DCT残差，对于基于区域的局部纹理情况下定位精度显著提高。与现有技术相比，能够明显改善负载定位效果，提高隐写分析性能，定位精度较当前主流隐写定位方法得到了很大的提高，对于防止信息隐藏技术的滥用，促进信息隐藏与隐写分析技术的发展具有重大作用。
-
公开(公告)号：CN115311352A
公开(公告)日：2022-11-08
申请号：CN202211015472.5
申请日：2022-08-24
Applicant: 杭州电子科技大学
IPC: G06T7/70 , G06T5/10 , G06N20/20 , G06V10/764 , G06V10/774
Abstract: 本发明提供一种基于集成学习的JPEG图像负载定位方法，具体包括以下步骤：步骤1、收集N幅基于同一嵌入位置密钥并且使用相同DCT域隐写算法嵌入的载密JPEG图像；步骤2、对所有图像进行霍夫曼解码，得到量化的DCT系数矩阵；将每一幅图像中所有系数块相同位置的系数组合，得到共64幅同频子图；步骤3、针对步骤2中同频子图提取8维残差特征；步骤4、针对步骤2中同频子图提取72维SPAM特征；步骤5、将步骤3的8位残差特征向量与步骤4的72维SPAM特征向量拼接成80维特征向量；步骤6、使用堆叠法(Stacking)结合K折交叉验证进行模型融合；使用步骤5中的80维特征向量进行训练得到最终的模型。
-
公开(公告)号：CN114170240A
公开(公告)日：2022-03-11
申请号：CN202111340652.6
申请日：2021-11-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于加权DCT系数残差的JPEG图像负载定位方法。本申请在频域中进行图像负载，假设量化的DCT系数与其在同一子图像中的相邻系数之间的相关性不均匀，具体表现为：高纹理区域的相关性较低，而低纹理区域相关性较高。基于这一特性，本申请自适应地为不同的DCT量化系数分配不同的权重，以提高负载的准确性。通过本申请的自适应计算方法计算权重因子，可以更准确地估计DCT残差，对于基于区域的局部纹理情况下定位精度显著提高。与现有技术相比，能够明显改善负载定位效果，提高隐写分析性能，定位精度较当前主流隐写定位方法得到了很大的提高，对于防止信息隐藏技术的滥用，促进信息隐藏与隐写分析技术的发展具有重大作用。
-
-
Search Results
3
records
(took 0.016 seconds)
