基于特征融合和改进RSM集成分类的BMP隐写检测

• 作者: 何凤英 徐巧芬 钟尚平
• 来源期刊: 福州大学学报（自然科学版）
• 学科: 工学
• 关键词: 隐写检测 丰富的高维模型(high-dimensional rich model,HDRM) 集成分类 序列前向选择 特征融合
• 年，卷（期）: 2014,（5）
• 页码范围: 661-665,677
• 页数: 6页
• 分类号: TP391
• 字数: 3846字
• 语种: 中文
• DOI: 10.7631/issn.1000-2243.2014.05.0661

摘要

针对目前大部分BMP隐写分析方法主要采用单一特征和单一强分类器,容易产生训练样本敏感、分类精度难以提高等问题,提出一种基于特征融合和改进RSM集成分类的BMP图像隐写检测方法.方法首先串行融合Moulin和SPAM两种经典特征,然后利用序列前向选择(SFS)算法选取分类能力高的特征作为固定特征,其余特征在剩余特征空间中随机抽取,利用固定特征和随机抽取特征构造特征子集,最后在特征子集上训练成员分类器,并用多数投票法对它们进行组合.实验结果表明:和传统方法相比,在不同嵌入率下,该方法对BMP经典隐写(如LSB匹配、LSB替换、SS和QIM)的检测率均有一定程度的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟尚平	福州大学数学与计算机科学学院	29	152	7.0	11.0
2	何凤英	福州大学数学与计算机科学学院	21	97	4.0	9.0
3	徐巧芬	福州大学数学与计算机科学学院	3	21	1.0	3.0