特征维数可选的图像信息隐藏盲检测方法

摘要

本发明涉及图像信息隐藏检测领域，针对目前图像信息隐藏盲检测检测精度较低、特征维数固定的问题，提出了一种特征维数可选的图像信息隐藏盲检测方法，该方法基于小波包分解技术、BP神经网络分类和特征维数选择技术，并具体包括图像样本搜集步骤、训练图像集步骤、小波包分解步骤、特征提取步骤、特征降维步骤、特征值分类预处理步骤、图像检测步骤和分类步骤，通过该方法可以实现较高精度的图像信息隐藏盲检测效率，并能根据实际需要选择合适的特征维数。

主权项

1、一种特征维数可选的图像信息隐藏盲检测方法，其特征在于，包括以下步骤：(1)图像样本搜集步骤：获取输入计算机的待检测图像的格式、内容、纹理、色彩这四个参数特征，根据参数特征由计算机对待检测图像进行样本归类，从待检测图像中选择类型近似的多组图像作为待检测图像组；(2)训练图像集步骤：对所述的的待检测图像组设定特征维数n，其中n的取值为n<＝255；(3)小波包分解步骤：对所述的待检测图像组中的每幅图像进行3级小波包分解，得到包含有85个节点的小波包分解树，每个节点对应一个小波包分解系数子带；(4)特征提取步骤：对所述的每幅图像本身以及分解得到的系数子带，提取特征，包括图像本身和每个子带的前3阶直方图特征函数绝对矩；(5)特征降维步骤：如果特征维数n<255，则基于Bhattacharyya距离对特征提取步骤中得到的255维特征向量进行降维，选择Bhattacharyya距离最大的n个特征作为保留特征，进行训练和分类；如果n＝255，则直接执行下一步骤；(6)特征值分类预处理步骤：对所述特征进行分类前的预处理；(7)图像检测步骤：利用训练过的网络对测试图像特征进行检测，并通过计算机对图像检测输出结果；(8)分类步骤：根据设定的判决门限值，对图像检测步骤中所述的输出结果进行分类，从而做出判决是否含有隐藏信息，并计算正确检测率。