基于SVM对隐写分析RS算法的改进

• 作者: 廖振生 陈光喜
• 来源期刊: 桂林电子科技大学学报
• 学科: 数学
• 关键词: 隐写分析 RS分析方法 LSB(最低有效位) RBF核函数 SVM(支持向量机)
• 年，卷（期）: 2008,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 51-53
• 页数: 3页
• 分类号: O212.1
• 字数: 2723字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-808X.2008.01.013

摘要

RS分析方法是隐写分析理论中检测LSB隐写的一种典型算法,但其对低密写率的情况下其正确检测率是不理想的.针对这种情况,结合统计学习理论,利用一种基于支持向量机(SVM)来改进RS隐写分析算法,在保留RS特征选取策略的前提下,改用支持向量机(SVM)对选取的特征集进行分类识别.实验结果表明,原始无损存储图像,经改进后的算法比RS隐写分析算法具有更优的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈光喜	桂林电子科技大学数学与计算科学学院	82	455	12.0	16.0
2	廖振生	桂林电子科技大学数学与计算科学学院	1	3	1.0	1.0