%0 Journal Article
%T 融合最小化失真与模型保持的隐写算法
%A 高瞻瞻
%A 汤光明
%A 张伟伟
%J 中国图象图形学报
%D 2014
%R 10.11834/jig.20140902
%X 目的为了保证载密图像的抗统计分析能力同时避免对特定载体模型的过度优化，提出一种以最小化失真为目标的隐写算法。方法算法以各方向元素基团为基本单元定义失真函数，以Fisher准则函数的极大值为标准对失真参数进行优化，将失真函数与统计特征相关联。在秘密信息的嵌入过程中，首先依据邻域系统将图像载体分为若干元素阵列，令不同的阵列对应不同的特征子集，再利用Gibbs抽样和STC(Syndrome-trelliscode)编码实现对这些有所差异的特征子集的集成，从而在最小化失真的同时保持载体的统计特征。结果在3组不同维数的检测算法下比较该算法与同类算法的分类误差。结果表明，该算法能更好地保持统计模型，嵌入率为0.5bit/pixle时相应特征集的检测误差仍高于0.4，面临高维检测时算法同样具有较高的安全性。结论该算法借助最小失真思想实现了隐写前后统计特征的保持，且有效避免了在不完整模型上的过度优化，拥有比同类算法更好的适应性和安全性。
%K 隐写术
%K Gibbs随机场
%K 失真函数
%K 特征分析
%U http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?file_no=20140902&flag=1