基于自然图像模型的信息隐藏安全性和攻击算法研究

图像信息隐藏算法的安全性是信息隐藏领域中的重要问题。信息隐藏算法的安全性是指在Kerchhoffs原理要求下，用于信息嵌入的密钥抵抗攻击的能力；对于安全性的攻击则体现为对于密钥的估计。安全性是衡量信息隐藏算法总体性能的重要指标。.不同于以往相关研究中基于图像载体为高斯模型的前提，本项目使用自然图像模型描述图像载体分布，重点研究自然图像载体分布与信息隐藏安全性之间的联系，结合自然图像模型特点利用独立分量分析的方法实现对信息嵌入密钥的攻击，并在理论分析和攻击实践的基础上提出新的具有更高安全等级的信息嵌入方法。.本课题的研究将从理论和实践上对设计新一代高安全的信息隐藏算法提供定量的理论指导和实际的攻击测试环境。

本项目的工作按照研究计划而展开。我们对基于自然图像模型的信息隐藏安全性相关问题进行了研究。我们使用高斯模型描述自然图像载体的统计分布，基于Shannon信息论和Kerchhoffs原理研究了CASS（Correlation-and-bit-Aware Spread Spectrum）水印算法在Known Message Attack和Watermarked Only Attack攻击条件下的安全性，并对其进行了定量分析。在以往工作基础上，我们基于GSM（Gaussian Scales Mixture）模型和高斯模型对ISS（Improved Spread Spectrum）水印安全性做了进一步研究，结合数字水印安全性分析领域的最新进展，从实际的计算角度，通过数值实验来测试水印算法的安全性能，将基于扩频序列的水印算法鲁棒性和安全性联系起来，对攻击水印安全的实质进行了物理解释。我们着眼于载体选择和信息隐藏安全性的关系，研究了空域和DCT域图像隐写安全性与载体选择之间的联系，提出了相应的载体选择准则和隐写分析算法。另外，我们基于可形变金字塔变换（Deformable Pyramid Transform，DPT），设计了一种基于模版的鲁棒数字水印，该方法可以有效地抵抗常见的针对嵌入水印的鲁棒性攻击。. 我们还研究了基于图像特征构造和进化算法的通用分类方法及其应用。我们利用基于构造ECO特征的方法实现了对图像目标的有效分类，在基于图像的物体分类的实际应用中取得良好效果。在图像分析和计算机视觉技术的实际应用方面，我们提出了一种基于物体形状特征的立体视觉匹配算法，该算法在计算速度和准确性方面取得较好的折衷，适合于实时的应用。. 在本项目的支持下，共发表学术论文23篇。发表的论文中，被SCI检索9篇，被EI检索20篇，其他论文3篇。本项目组培养硕士研究生一人。.