雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际先进研究期刊》的研究在电子、电子、仪表工程

菜单

ISSN在线(2278 - 8875)打印(2320 - 3765)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

高效的数据嵌入技术比较基于LSB替换和像素对匹配方法

S.Saravana
Bharath大学助理教授、高频印度钦奈- 600073
相关文章Pubmed,谷歌学者

访问更多的相关文章国际先进研究期刊》的研究在电子、电子、仪表工程

国际先进研究期刊》的研究在电子、电子、仪表工程

文摘

摘要检测隐藏部分的最低有效位(LSB)平面的自然形象。平均水平和图像的协方差矩阵,作为全tized高斯随机矩阵,是未知的。设计一个自适应统计学的提卡测试,其概率分布未知的总是独立形象参数,同时确保高概率的隐藏检测。这个测试是基于似然比的测试除了未知参数重新放置的估计是基于局部线性回归模型。这个测试结果表明,检测的图像大小的概率最大化成为任意大范伊什和量化步骤。这提供了一个渐近upperbound检测隐藏的部分基于LSB替换机制。号码ical结果真实自然图像显示方法的相关性和渐近的清晰度检测概率的表达式。

索引词
自适应检测、信息隐藏、自然形象,讨厌参数,统计假设测试。

介绍
秘密嵌入问题的可靠传输信息嵌入到宿主信号如图像、视频和音频。它有一个越来越广泛的应用,数字水印,文档验证隐写术[1]- [4]。许多可用的工具已经在公共领域和其他人很容易创建[5]。不幸的是,所有这些应用程序也可以被滥用,自然地,有兴趣知道这些隐藏可以可靠地检测到。此外,大量的图像在互联网上可用的显示,有一个真正需要使用检测算法与分析统计特性。尤其至关重要,小假警报概率和规定提前知道概率检测隐藏的沟通。

信息隐藏在自然图像
秘密信息嵌入到一个无害的自然图像称为覆盖,或主机,形象。由此产生的图像称为stegoimage。理想情况下stegoimage是indistin guishable从最初的封面图片,没有迹象表明其他信息编码。然后传送给接收者stegoimage通过一个不安全的通道。可以由接收机解码stegoimage知道隐藏方案和具体参数(密钥),使用的编码器,检索的秘密消息
敌人可以检测隐藏通信的ob无担保渠道服务。检测隐藏的com沟通是一个困难的问题,因为一般来说,它是一个illposed问题:主持人形象,隐藏率(如果数据是隐藏的),和秘密密钥是未知的。尽管数据的内在困难隐藏检测问题,它的重要性已经导致许多尝试开发有用的工具;看到[2]-[4],[6],[7]的调查方法在公开文献。
研究最多的算法的简单又受欢迎的技术无疑是藏在最低有效位(LSB)封面图片[8],在像素或变换域,或其变体。毫无疑问,更换数字图像的lsb隐写术的一个贫穷的选择[9]在免费的隐写术软件但仍受欢迎。此外,这就是激励机制的大多数现有的隐藏方法。广泛地说,文学包含三个主要类型的探测器LSB替换。第一,称为结构探测器在[10],包括[10]-[15]等;他们安娜lyze明确LSB替换像素组的组合结构。第二,被称为加权Stegoimage (WS)探测器,在[16]和[17],并涉及过滤Stegoimage估计封面。最后,第三类包含统计探测器[18],[19]导出的应用统计技术来检查图像。

理论极限的标准方法
绝大多数的方法提出了在文献中通常不为人知的理论统计表演,这是评估通过数值实验从大型图像数据库。这涉及三个主要缺点。首先,检测算法的性能通常是评估与接受者操作特征(ROC)曲线。至关重要,记住,ROC曲线尤其法则vant测试两个简单假设[20]。在com“的假设(由于未知的封面图片和未知的隐藏率),ROC曲线并不足以概括perfor曼斯的探测器。严格说来,ROC曲线计算了每个可能的封面图片内容,除了在理论上成立,研究测试是独立于图像内容。这不是在文献中存在的方法。
其次,在分析大量的图片,它是广告视觉来保证规定的假警报的可能性(声明一个警报当检查封面图片)。设计一个探测器的假警报的概率是理论上反对轮番在所有可能的封面图像不是通过标准的方法来解决。这涉及到设计一个测试基于决策功能独立于封面图片的参数。这是著名的误警率常数的概念(CFAR) de tection [21]。CFAR检测,检测阈值可以设置为保证协议假警报概率。这样的探测器也称为自适应检测器[22],[23]。最后,没有最优约束对检测性能建立在文献中,除了平方根法[24]表明,覆盖datahiding容量的增长只有可用的平方根盖大小。因此没有理论评估一个新的挑战者测试的手段。最常见的方法是比较挑战者测试最好的测试已知的文献中。这是耗时和不满意的从理论的观点。 Moreover, although it is intuitively clear that such a bound must depend on the hiding rate and the cover image size (among other possible parameters), this dependence is not clearly established, even in an idealized setting.
本文的主要贡献
本文的目标是设计一个统计检验,广告服装标准方法的上述缺点。为此,本文认为一个原始方法de tecting比特在LSB平面由藏在一起使用参数模型的自然图像统计假设测试的理论[25],[26]。本文的主要贡献如下:
•该方法是基于自然图像的参数模型。因此,它利用图像像素之间存在物理依赖自然。这些像素不应该同分布但他们承认联合高斯分布。
•一个适应性最有权势渐近均匀(AUMP)测试设计(在较弱的假设)来决定如果自然图像包含隐藏的部分。这个测试的检测概率最大化隐藏位,印度悬而未决的图像的参数,无论隐藏率。这个测试能满足规定的假警报概率无论图像参数。
•检测阈值,假警报的概率和检测的自适应AUMP试验分析计算迟来的随着检查图像的大小到无穷。这提供了一个渐近upperbound检测隐藏的部分基于LSB替换。
只允许一个简单的数学公式,本文研究了LSB替换机制。然而,由于该方法是基于通用统计概念,它可以扩展到更一般的LSB嵌入方法提供的概率描述数据隐藏方案。相比以前发表的作品[27]-[31],提出三个主要区别:1)它是基于量化的步骤消失随着检查图像的大小到正无穷;(二)研究AUMP标准的最优性;和iii)显式地认为像素方差是未知的。最后,作为本文的推论,它表明WS探测器[17]伴随着适应性AUMP测试提供WS检测器的调优参数方便地选择。因此,该方法从理论上证明后验WS检测器的性能。
论文的组织
本文组织如下。第二部分从问题陈述。隐藏位检测是主要的问题在统计假设检验理论的框架下基于参数的模型。接下来,第三部分提出了sta tistical模型对自然图像。统计发现耦合方法开发的论文是基于这个模型中,特别是当它是必要的来估计未知的封面图片参数。第四部分介绍了AUMP标准的最优。它提出了一个非适应AUMP测试de tects隐藏位在自然图像在像素的均值和方差,即。当nat乌拉尔覆盖模型的参数是已知的。这个测试提供了一种检测概率的渐近upperbound隐藏部分基于LSB替换机制。V节,证明了自适应版本的这个测试也AUMP当像素的均值和方差估计,提供量化步骤消失和图像大小变得ar bitrarily大。在实践中,渐近条件转换gence并不完全满意和理论公式,估计误差的渐近近似,也是职业构成。 Section VI studies the numerical performances of the proposed detection algorithm on artificial and real natural im ages. Some comparisons with other detectors are also presented. Finally, Section VII concludes this paper. The appendices give the proofs of the two theorems presented in the paper.

结论
本文提出了一个原始的方法来检测隐藏位灰度自然图像。该方法是基于一个简化的参数模型的自然图像和它前ploits图像结构。当模型的参数是已知的,定理1提出了一个非适应AUMP试验检测的概率最大,无论隐藏率,当量化步骤消失像素的数量是任意大。因此,它提供了一个渐近的检测上限隐藏部分基于LSB替换机制。在现实情况下,图像参数es timated和定理2提出了一种自适应AUMP测试检测的概率最大化无论隐藏率和真实图像参数。数值实验真实图像与现有检测算法和比较反对公司的统计性能测试。

引用
















全球技术峰会