极限学习机在图像隐写分析中的应用

• 作者: 曾宪庭 汪磊 苏金阳
• 来源期刊: 中国计量学院学报
• 学科: 工学
• 关键词: 隐写分析 极限学习机 多域特征 主成份分析 支持向量机
• 年，卷（期）: 2014,（1）
• 页码范围: 80-86
• 页数: 7页
• 分类号: TP391.4
• 字数: 4368字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1540.2014.01.014

摘要

为了有效提高图像隐写分析的检测正确率和速度,特结合单隐层前馈神经网络(SLFN)的特点,提出了一种基于极限学习机(ELM)的隐写分析方法.该方法首先根据Fridrich提出的多域特征提取算法从图像DCT域和空域中提取特征;得到193维原始特征;然后使用“主成份分析”法将其约简至18维;最后采用极限学习机作为分类方法构造隐写分析算法.实验表明,与目前隐写分析算法中广泛使用的支持向量机(SVM)相比,极限学习机参数调节少,学习速度快,以较少的隐层节点数取得了与SVM相似的检测正确率,能够实现针对各类JPEG图像隐写算法的有效检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪磊	中国计量学院信息工程学院	2	5	2.0	2.0
2	曾宪庭	中国计量学院信息工程学院	5	18	2.0	4.0
3	苏金阳	中国计量学院信息工程学院	2	5	2.0	2.0