基于模糊积分多分类器融合的JPEG图像隐写算法识别
第ｌ３卷第２期 ２０１２年４月 信息工程大学学报 Ｊｏｕｒｎａｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ Ｖ０１．１３ Ｎｏ．２ Ａｐｒ．２０１２
基于模糊积分多分类器融合的
ＪＰＥＧ图像隐写算法识别
李开达，张 涛，李 星
（信息工程大学信息工程学院，河南郑州４５０００２）
摘要：提取和恢复嵌入信息是隐写分析的最终目的，嵌入算法识别是秘密信息提取的前提。目
前研究者针对隐写算法识别提出了多种隐写分析系统，但这些系统各有优缺点，因此实际应用
中难以取舍。文章提出基于模糊积分的多分类器融合方法来识别ＪＰＥＧ图像隐写算法。实验
结果表明，相对于单个隐写分析系统，通过分类器融合后识别精度提高约５％。
关键词：隐写分析；模糊积分；多类分类；分类器融合
中图分类号：ＴＰ３９１．４１ 文献标识码：Ａ 文章编号：１６７１—０６７３（２０１２）０２—０２００—０５
Ｍｕｌｔｉ－Ｃｌａｓｓ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ｆｕｓｉｏｎ Ｕｓｉｎｇ Ｆｕｚｚｙ Ｉｎｔｅｇｒａｌ ｆｏｒ
Ｉｄｅｎｔｉｆｙｉｎｇ ＪＰＥＧ Ｓｔｅｇａｎｏｇｒａｐｈｙ Ｍｅｔｈｏｄｓ
ＬＩ Ｋａｉ ｄａ。ＺＨＡＮＧ Ｔａｏ．ＬＩ Ｘｉｎｇ
（Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ ４５０００２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｅｘｔｒａｃｔｉｏｎ ａｎｄ ｒｅｃｏｖｅｒｙ ｏｆ ｈｉｄｄｅｎ ｉｎｆｏｒｍａｔｉｏｎ ｉｓ ｔｈｅ ａｉｍ ｏｆ ｓｔｅｇａｎａｌｙｓｉｓ，ａｎｄ ｔｈｅ
ｐｒｅｍｉｓｅ ｓｔｅｐ ｉｎ ｅｘｔｒａｃｔｉｏｎ ｉｓ ｔｏ ｉｄｅｎｔｉ￣ｔｈｅ ｅｍｂｅｄｄｉｎｇ ｍｅｔｈｏｄ．Ｓｅｖｅｒａｌ ｓｔｅｇａｎａｌｙｓｉｓ ｓｙｓｔｅｍｓ ｈａｖｅ
ｂｅｅｎ ｄｅｖｅｌｏｐｅｄ ｆｏｒ ｔｈｉｓ ｐｕｒｐｏｓｅ，ｂｕｔ ｅａｃｈ ｓｙｓｔｅｍ ｈａｓ ｉｔｓ ａｄｖａｎｔａｇｅｓ ａｎｄ ｄｅｆｅｃｔｓ ＳＯ ｉｔ’Ｓ ｄｉｆｆｉｃｕｌｔ ｔｏ
ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｄｅｔｅｃｔｉｏｎ ｓｙｓｔｅｍ ｆｏｒ ｉｄｅｎｔｉｆｙｉｎｇ ｔｈｅ ｅｍｂｅｄｄｉｎｇ ｍｅｔｈｏｄ ｃｏｒｒｅｃｔｌｙ．Ｔｈｉｓ ｐａｐｅｒ ａｐｐｌｉｅｓ
ｆｕｚｚｙ ｉｎｔｅｇｒａｌ ｔｏ ｆｕｓｅ ｍｕｌｔｉｐｌｅ ｓｔｅｇａｎａｌｙｓｉｓ ｓｙｓｔｅｍｓ ａｎｄ ｉｄｅｎｔｉｆｉｅｓ ｔｈｅ ｅｍｂｅｄｄｉｎｇ ｍｅｔｈｏｄ ｕｓｅｄ ｔｏ ｃｒｅ－
ａｔｅ ａ ｓｔｅｇｏ ＪＰＥＧ ｉｍａｇｅ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｉｎｄｉｃａｔｅ ｔｈａｔ ｔｈｒｏｕｇｈ ｔｈｅ ｎｏｖｅｌ ａｄｄｉｔｉｏｎ ｏｆ ｔｈｅ ｃｌａｓｓｉｆｉｅｒ
ｆｕｓｉｏｎ ｓｔｅｐ ｔｏ ｔｈｅ ｍｕｌｔｉ－ｃｌａｓｓ ｓｔｅｇａｎａｌｙｓｉｓ ｓｙｓｔｅｍ，ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｃｃｕｒａｃｙ ｉｓ ｉｍｐｒｏｖｅｄ ｂｙ ａｂｏｕｔ
５％ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｉｎｄｉｖｉｄｕａｌ ｓｔｅｇａｎａｌｙｓｉｓ ｓｙｓｔｅｍ．
Ｋｅｙ ｗｏｒｄｓ：ｓｔｅｇａｎａｌｙｓｉｓ；ｆｕｚｚｙ ｉｎｔｅｇｒａｌ；ｍｕｌｔｉ—ｃｌａｓｓ ｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｃｌａｓｓｉｆｉｅｒ ｆｕｓｉｏｎ
０ 引言
信息隐藏技术是目前信息安全领域研究的热点之一。数字隐写（Ｓｔｅｇａｎｏｇｒａｐｈｙ）和隐写分析（Ｓｔｅｇａ—
ｎａｌｙｓｉｓ）是信息隐藏的重要分支。
数字隐写是将秘密信息隐藏在图像、视频、文本、音频等载体中并在公开信道中传输以实现信息传递
的技术。目前最常用的载体是数字图像。隐写分析是检测、攻击、提取、还原隐藏信息的技术。
图像隐写分析的最终目的是提取隐藏信息，而识别隐藏信息嵌入算法是提取嵌入信息的必要前提。
目前，研究者针对不同的嵌入算法提出了大量的检测算法并设计实现了多个隐写分析系统。由于各种嵌
收稿日期：２０１１—１１－０３；修回日期：２０１１．１２－３０ 基金项目：国家自然科学基金资助项目（６０９０３２２１） 作者简介：李开达（１９８６一），男，硕士生，主要研究方向为信息隐藏，Ｅ—ｍａｉｌ：ｋｅｖｉｎｌｉ０２０７＠ｇｍａｉ
ｌ．ＣＯＢ 第２期 李开达等：基于模糊积分多分类器融合的ＪＰＥＧ图像隐写算法识别 ２０１
人算法的原理不尽相同，因此与之对应的检测方法也千差万别，在性能上各有其优势和局限性。在实际应
用背景下，当嵌入算法未知时，分析者难以选择最优的隐写分析方法或系统。
签于此，本文应用基于模糊积分的多分类器融合方法来识别ＪＰＥＧ图像隐写算法。针对ＪＰＥＧ图像常
见的ＭＢ１［１］、Ｊｓｔｅｇ［２］、Ｆ５Ｉ３ ３种隐写方法生成的载密图像，选用３种常见的特征提取算法 构造隐藏检测
系统，最后通过模糊积分对各分类器分类结果进行融合，最终实现隐藏算法识别。实验结果表明，通过模
糊积分融合，多类隐写分析系统的分类精度比单个分类器提高约５％。
１ 隐写检测融合系统
１．１ 隐写算法
ＪＰＥＧ是互联网上图像存储和传输的一个事实标准，ＪＰＥＧ图像压缩编码主要包括分块、量化、编码等
几个过程，如图１所示。
本文由Ｊｓｔｅｇ，ＭＢ１，Ｆ５这３种常见的ＪＰＥＧ图像隐藏信息嵌入算法生成载密图像，其中Ｊｓｔｅｇ算法是将
秘密信息嵌入在量化后的ＤＣＴ系数除原始值为一１，０，＋１的系数值的ＬＳＢ上，实质是在量化后ＤＣＴ系数
上进行ＬＳＢ替换嵌入。
Ｆ５算法是对Ｊｓｔｅｇ算法的改进，利用矩阵编码提高了嵌入效率。在嵌入过程中不会改变载体图像的
量化表，但由于重传导致０系数增加，另外还会产生分块效应。
ＭＢ隐写算法是将载体对象看作是概率分布为Ｐ 的随机变量 ，表示为Ｘ＝（ ），其估计模型为Ｐ ，
其Ｐ 的参数模型为Ｐ％Ｉ （ ＩＸ ＝ ），其中Ｘ 在秘密信息ｍ嵌入后保持不变， 口利用参数模型嵌入后
变为 ，得到载密对象 ＝（ ）， 和参数模型Ｐ Ｉ （ ＩＸ ＝ ）分布一致，ＭＢ隐写算法分为ＭＢ１
和ＭＢ２两种。文中使用的ＭＢ１隐写算法，是对各ＤＣＴ系数出现的概率在嵌入前通过Ｃａｕｃｈｙ分布拟合，
并根据这些概率对嵌入信息进行算术编码，保持直方图的基本形状，该方法具有较高的嵌入容量 ，但嵌
入会增大图像块间的不连续性。
由于不同的隐写算法嵌入会在ＪＰＥＧ图像中留下不同的隐写痕迹，因此针对信息嵌入所导致的痕迹
可用隐写分析算法来分类识别隐写算法。
１．２特征提取
通用隐写分析算法通常采用基于机器学习的
方法，即提取对消息嵌入敏感的分类特征，结合分
类器实现隐写分析。因此现有方法的主要差别在
于其采取的分类特征不同。本文选用３种典型特
征用于构造单个分类系统。第１种方法是Ｆａｒｉｄ
提出的小波域统计特征，利用正交镜像滤波器 图１ ＪＰＥＧ图像压缩编码流程
（Ｑｕａｄｒａｔｕｒｅ Ｍｉｒｒｏｒ Ｆｉｈｅｒｓ，ＱＭＦ）对图像进行３级小波分解，得到图像的水平、垂直、对角和低通４个子带，
提取水平、垂直、对角子带系数及其预测误差系数的均值、方差、斜度和峰度统计量为特征，总共提取７２维
特征。第２种是Ｓｈｉ 提出的小波域７８维统计特征，该算法先对图像进行两级Ｈａａｒ小波分解，得到８个
子带，然后对图像本身和每个子带系数直方图进行傅立叶变换，最后计算统计矩，总共得到７８维特征。第
３种为Ｗａｎｇ 提出的从图像子带分解、特征选择、特征性能评估与降维等方面研究特征提取问题，文中提
取小波系数直方图特征函数矩（Ｃｈａｒａｃｔｅｒｉｓｔｉｃ Ｆｕｎｃｔｉｏｎ，ＣＦ）以及子代系数统计矩，共１５６维特征。
１．３多类检测系统
多类检测系统包括以下４个步骤：
①构造图像库，用于分配载密图像类别标签。图像库包括载体图像和载密图像，其中载体图像库是以
质量因子８０压缩的ＪＰＥＧ图像，载密图像由Ｆ５，Ｊｓｔｅｇ，ＭＢ１ ３种算法生成。生成载密图像库之后需对其分
配类别标签。从图像库中随机选取一部分作为训练图像库，剩余部分作为测试图像库。
②提取特征。特征提取是分类器分类的关键步骤，本文选用３种分类效果较好的隐写分析方法来提 ２０２ 信息工程大学学报
取特征。为了消除不同量级的特征数据对分类的影响，即具有较大数值范围的特征影响具有较小数值范
围的特征以及计算时产生病态问题，需要对提取的特征做预处理，将训练特征缩放到一个较小的范围，常
见的有［一１＋１］或者［０ １］。缩放公式如下：
＝筹 ㈩
其中，， 表示待缩放的第ｉ个图像的第 维特征 表示训练图像集的第 维特征的最小值，， 表示训练
图像集的第 维特征的最大值。
③训练分类器。训练ＳＶＭ分类器要选择合适的ＳＶＭ核函数，并选择最优参数。
④类别标签分配，即嵌入算法识别。将嵌入算法分类到对应的算法标签，本文使用多数投票准则进行
标签分配。
分类流程可用一个框图表示，具体流程如图２所示。
１．４支持向量机
支持向量机（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅｓ，ＳＶＭ）是Ｖａｐｎｉｋ
等人根据统计理论中结构风险最小化原则提出的分类
器 。ＳＶＭ针对多类分类问题主要有两种解决途径：一种
是通过组合多个二值分类器来实现多类分类；另一种是在
优化公式中直接考虑所有数据做全局优化来实现。由于第
２种方法在最优化求解过程中的变量数远多于第１种方
法，而且训练速度也较慢，因此本文选用第１种方法实现多 ＳＶＭ 分 标 图 特 类 签 像 征 器 分 提 训 配 库 取 练 Ｃｏｒｅｒ 和 ＭＢ１ 测 ＪＳｔｅｇ 试 Ｆ５
图２ 多类检测系统隐写算法识别流程图
类分类，即利用多个二值分类器的组合来实现多类分类，主要有以下两种模式：一对多组合（ｏｎｅ ａｇａｉｎｓｔ
ａｌ１）和一对一组合（ｏｎｅ ａｇａｉｎｓｔ ｏｎｅ）的方法。假设总共有ｋ个样本，一对多组合方法由ｋ个ＳＶＭ模型构
成，也就是说设其中某一类为正样本数据训练，其余数据样本为负指标，则样本有几类就需要训练相同类
别数目的ＳＶＭ分类器。一对一组合方式构造ｋ（ｋ一１）／２个分类器，任意两个样本之间训练一个分类器，
当对一个未知样本进行分类时，采用多数投票准则，最后得票最多的类别即为该类样本的类别。本文在实
验中使用台湾大学林智仁等开发的Ｌｉｂｓｖｍ软件 作为分类器，选用高斯ＲＢＦ核函数，交叉验证过程中使
用网格搜索法自动寻找最优的惩罚因子Ｃ以及核函数参数ｇ。Ｌｉｂｓｖｍ采用一对一组合的方式实现多类分
类。
１．５模糊积分融合
用一种特征训练的多类隐写算法识别系统，只是从某些方面刻画消息嵌入前后载体载密图像的细微
变化，因此检测性能存在一定的局限性。构造基于模糊积分的多分类器融合系统，可综合各个分类器对待
识别样本的输出，得到待识别样本属于各个类的更高精确度。模糊积分分类器融合方法通过模糊测度表
达分类器之间的交互作用，因此模糊积分是一种有效的信息融合方法¨ 。设 是一有限集合，Ｐ（ ）是
的幂集，定义在Ｐ（Ｘ）上的集函数ｇ：Ｐ（Ｘ）一［０，１］为模糊测度，必须满足以下条件：
JPEG图像隐写及隐写分析算法设计与实现
JPEG图像隐写及隐写分析算法设计与实现
杜明智
【期刊名称】《计算机光盘软件与应用》
【年(卷),期】2010(000)006
【摘 要】在介绍信息隐藏技术以及JPEG图像隐写发展现状的基础上,讨论了JPEG图像格式以及JPEG图像隐写算法,并实现了F5隐写算法.在实现F5算法的同时,还介绍实现了算法采用的混洗、矩阵编码等提高算法安全性的技术.
【总页数】2页(P143,135)
【作 者】杜明智
【作者单位】福建工程学院,福州,350108
【正文语种】中 文
【中图分类】TN919.81
【相关文献】
1.一种针对JPEG图像的通用隐写分析算法 [J], 王欣;黎鑫;胡磊
2.基于流形学习的JPEG图像定量隐写分析算法 [J], 张明超;蔡晓霞;陈红
3.采用L-M算法的JPEG图像隐写分析 [J], 周治平;孙子文;吴志健
4.一种基于多域特征的JPEG图像隐写分析算法 [J], 汪磊;曾宪庭;苏金阳
5.一种针对JPEG隐匿图像的隐写分析新算法 [J], 钱萍;刘镇
因版权原因，仅展示原文概要，查看原文内容请购买
结合重压缩检测的JPEG图像多类隐写分析
第３１卷第２期 ２０１３年３月 应用科学学报 ＪＯＵＲＮＡＬ ＯＦ ＡＰＰＬＩＥＤ ＳＣＩＥＮＣＥＳ——Ｅｌｅｃｔｒｏｎｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏ１．３１ Ｎｏ．２ Ｍａｒ．２０１３ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．０２５５—８２９７．２０１３．０２．０１４
结合重压缩检测的ＪＰＥＧ图像多类隐写分析
李 星 ， 张涛 ， 何赞园 ， 李文祥 ， 李开达 ， 平西建 １．解放军信息工程大学信息３７－程学院，郑州４５０００２ ２．国家数字交换系统工程技术研究中心，郑州４５０００２ 摘 要：提出一种新的结合重压缩检测的ＪＰＥＧ图像多类隐写分析方法，实现一次压缩和重压缩图像中多种隐写 算法的识别．首先基于ＤＣＴ系数首位数分布规律，提出一种重压缩检测方法，然后从系数直方图、块内相关性、 块间相关性和空域块效应中提取盲检测特征用于隐写分析，最后用支持向量机构造ＪＰＥＧ隐写算法多类检测器． 实验结果表明，本文方法的重压缩检测性能明显优于已有方法，且对嵌入改变量的鲁棒性较强，隐写分析特征不仅 维数较低而且具有更好的检测性能，构造的多类隐写分析器能较好地识别ＪＰＥＧ隐写算法． 关键词：ＪＰＥＧ图像；通用隐写分析；重压缩检测；多类检测 中图分类号：ＴＰ３９１ 文章编号：０２５５—８２９７（２０１３）０２—０１９０—０７
Ｍｕｌｔｉ—ｃｌａｓｓ Ｓｔｅｇａｎａｌｙｚｅｒ ｗｉｔｈ Ｒｅｃｏｍｐｒｅｓｓｉｏｎ Ｄｅｔｅｃｔｉｏｎ ｆｏｒ ＪＰＥＧ Ｉｍａｇｅｓ
ＬＩ Ｘｉｎｇ ， ，ＺＨＡＮＧ Ｔａｏ ，ＨＥ Ｚａｎ—ｙｕａｎ ，ＬＩ Ｗｅｎ—ｘｉａｎｇ ，ＬＩ Ｋａｉ—ｄａ ，ＰＩＮＧ Ｘｉ—ｊｉａｎ 』．Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，ＰＬＡ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ ４５０００２，Ｃｈｉｎａ ２．Ｎａｔｉｏｎａｌ Ｄｉｇｉｔａｌ Ｓｗｉｔｃｈｉｎｇ Ｓｙｓｔｅｍ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ， Ｚｈｅｎｇｚｈｏｕ ４５０００２，Ｃｈｉｎａ Ａｂｓｔｒａｃｔ：Ａ ｎｏｖｅｌ ｍｕｌｔｉ—ｃｌａｓｓ ｓｔｅｇａｎａｌｙｚｅｒ ｗｉｔｈ ｒｅｃｏｍｐｒｅｓｓｉｏｎ ｄｅｔｅｃｔｉｏｎ ｆｏｒ ＪＰＥＧ ｉｍａｇｅｓ ｉｓ ｐｒｏｐｏｓｅｄ ｔｏ ｉｄｅｎｔｉｆｙ ｓｔｅｇａｎｏｇｒａｐｈｉｃ ｍｅｔｈｏｄｓ ｆｒｏｍ ｓｉｎｇｌｙ ａｎｄ ｄｏｕｂｌｙ ｃｏｍｐｒｅｓｓｅｄ ｓｔｅｇｏ ｉｍａｇｅｓ． Ｂａｓｅｄ Ｏｉｌ ｔｈｅ ｓｔａｔｉｓｔｉｃａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｔｈｅ ｆｉｒｓｔ ｄｉｇｉｔｓ ｏｆ ＤＣＴ ｃｏｅｆｆｉｃｉｅｎｔｓ，ａ ＪＰＥＧ ｒｅｃｏｍｐｒｅｓｓｉｏｎ ｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄ ｉｓ ｐｒｏｐｏｓｅｄ．Ｆｅａ－ ｔｕｒｅｓ ｆｏｒ ｂｌｉｎｄ ｄｅｔｅｃｔｉｏｎ ａｒｅ ｅｘｔｒａｃｔｅｄ ｆｒｏｍ ｔｈｅ ｈｉｓｔｏｇｒａｍ，ｉｎｔｒａｂｌｏｃｋ ｃｏｒｒｅｌａｔｉｏｎ，ｉｎｔｅｒｂｌｏｃｋ ｃｏｒｒｅｌａｔｉｏｎ ａｎｄ ｓｐａｔｉａｌ ｂｌｏｃｋｉｎｅｓｓ．Ｆｉｎａｌｌｙ，ａ ｍｕｌｔｉ—ｃｌａｓｓ ｄｅｔｅｃｔｏｒ ａｇａｉｎｓｔ ｃｕｒｒｅｎｔ ｓｔｅｇａｎｏｇｒａｐｈｉｃ ｍｅｔｈｏｄｓ ｉｓ ｃｏｎｓｔｒｕｃｔｅｄ ｗｉｔｈ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ｒｅｃｏｍｐｒｅｓｓｉｏｎ ｄｅｔｅｃｔｉｏｎ ｓｃｈｅｍｅ ｏｕｔｐｅｒｆｏｒｍｓ ｔｈｅ ｅｘｉｓｔｉｎｇ ｍｅｔｈｏｄｓ ｓｉｇｎｉｆｉｃａｎｔｌｙ，ａｎｄ ｉｓ ｒｏｂｕｓｔ ｔｏ ｅｍｂｅｄｄｉｎｇ ｃｈａｎｇｅｓ．Ｔｈｅ ｌｏｗ ｄｉｍｅｎｓｉｏｎａｌ ｓｔｅｇａｎａｌｙｔｉｃ ｆｅａｔｕｒｅｓ ｈａｖｅ ｂｅｔｔｅｒ ｐｅｒｆｏｒｍａｎｃｅ，ａｎｄ ｔｈｅ ｍｕｌｔｉ—ｃｌａｓｓ ｓｔｅｇａｎａｌｙｚｅｒ ｃａｎ ｉｄｅｎｔｉｆｙ ｔｈｅ ｃｕｒｒｅｎｔ ＪＰＥＧ ｓｔｅｇａｎｏｇｒａｐｈｉｃ ｍｅｔｈｏｄｓ ｒｅｌｉａｂｌｙ． Ｋｅｙｗｏｒｄｓ：ＪＰＥＧ ｉｍａｇｅ ｕｎｉｖｅｒｓａｌ ｓｔｅｇａｎａｌｙｓｉｓ，ｒｅｃｏｍｐｒｅｓｓｉｏｎ ｄｅｔｅｃｔｉｏｎ，ｍｕｌｔｉ—ｃｌａｓｓ ｄｅｔｅｃｔｉｏｎ
基于单类集成分类器的JPEG通用隐写分析
基于单类集成分类器的JPEG通用隐写分析
李薇;张舒;祁锐
【期刊名称】《火力与指挥控制》
【年(卷),期】2016(041)012
【摘 要】针对JPEG图像通用隐写检测问题,提出了一种基于单类集成分类器的新方法.算法提取图像DCT块内、块间和小波层内、层间的共生特征以及小波子带系数的直方图特征对图像进行描述,并计算检测图像及其原始估计图像所提共生矩阵和直方图分布的对称交互熵作为隐写分析特征;然后,随机构造若干个特征子空间,利用bootstrap方法构造载体图像训练子集,分别进行单类训练得到数个基分类器;最后,将基分类器的分类结果按多数投票法进行融合作为单类集成分类器的分类结果.实验结果表明,单类集成分类器能显著提高算法的检测效果,而且,本方法相比基于多超球面OC-SVM分类器的单类隐写分析方法,具有更高检测率.
【总页数】5页(P36-40)
【作 者】李薇;张舒;祁锐
【作者单位】海军工程大学理学院,武汉 430033;海军工程大学理学院,武汉
430033;海军工程大学理学院,武汉 430033
【正文语种】中 文
【中图分类】TP391.41
【相关文献】 1.基于选择性集成分类器的通用隐写分析 [J], 张敏情;狄富强;刘佳
2.一种基于稀疏表示的 JPEG图像通用隐写分析方法 [J], 杨阳
3.基于降维共生特征的JPEG通用隐写分析 [J], 李薇;欧继山;张舒
4.基于对称α稳态模型的 JPEG 通用隐写分析 [J], 吴名强;李薇;朱婷婷;胡伟文
5.基于混合扰动机制集成分类器的通用音频隐写分析 [J], 鲜研;潘峰;申军伟
因版权原因，仅展示原文概要，查看原文内容请购买
基于深度学习的多特征融合的图像分类算法研究
基于深度学习的多特征融合的图像分类算法研究
摘要：
图像分类是计算机视觉领域的重要研究方向之一，其目标是根据图像的内容将其分为不同的类别。随着深度学习的兴起，深度卷积神经网络（CNN）在图像分类任务中取得了显著的成果。然而，当处理复杂图像时，单一特征的使用可能无法提供足够的信息进行准确分类。因此，本研究旨在通过融合多个特征来提高图像分类算法的性能。我们提出了基于深度学习的多特征融合的图像分类算法，该算法综合利用了深度CNN特征、颜色特征和纹理特征。我们通过在常用图像分类数据集上的实验证明了我们算法的有效性。实验结果表明，与单一特征的方法相比，我们提出的多特征融合算法在图像分类任务中取得了更好的结果。
关键词：图像分类，深度学习，融合特征，深度卷积神经网络，颜色特征，纹理特征
1. 引言
图像分类是计算机视觉中的一个核心问题，它在许多领域都具有重要的应用价值，如人脸识别、图像搜索、自动驾驶等。传统的图像分类方法主要依赖于手工设计的特征提取器和浅层机器学习算法，这些方法在处理复杂的图像时往往效果不佳。而深度学习由于其强大的特征学习能力，取得了在图像分类任务中的重大突破。
然而，许多现有的深度学习方法仅仅使用了图像的表面信息，如像素值和颜色分布。而图像的内容往往包含丰富的上下文信息，包括纹理、形状等。为了充分利用这些信息，我们需要引入多个特征进行融合。
2. 相关工作
在图像分类任务中，特征的选择对算法的性能起着至关重要的作用。目前，最常用的特征提取方法是使用深度卷积神经网络（CNN）进行特征学习。CNN通过多层卷积和池化操作，可以将图像的低级特征逐渐转化为高级语义特征。
此外，颜色特征和纹理特征也是图像分类中常用的特征。颜色特征可以通过统计图像中各个颜色通道的直方图或颜色矩计算得到。纹理特征则可以通过计算图像中纹理的局部方向和统计信息得到。
3. 方法
本研究提出了一种基于深度学习的多特征融合的图像分类算法。我们的算法综合考虑了深度CNN特征、颜色特征和纹理特征。具体而言，我们首先使用深度卷积神经网络提取图像的深度特征。然后，我们计算图像的颜色特征和纹理特征。最后，我们使用特征融合方法将这些特征融合在一起，用于图像分类任务。
基于特征融合聚类的JPEG盲隐写分析
第３０卷第３期
２０１３年３月 计算机应用与软件
Ｃｏｍｐｕｔｅｒ Ａｐｐｌｉｃａｔｉｏｎｓ ａｎｄ Ｓｏｆｔｗａｒｅ Ｖｏ１．３０ Ｎｏ．３
Ｍａｒ．２０１３
基于特征融合聚类的ＪＰＥＧ盲隐写分析
周 楠 赵险峰 黄 炜 盛任农
（中国科学院软件研究所信息安全国家重点实验室北京１００１９０） 。（中国科学院信息工程研究所信息安全国家重点实验室北京１０００９３）
（北京电子技术应用研究所北京１０００９１）
摘要 传统隐写分析所需的隐写算法、嵌入率和图像来源等先验知识在实用中很难满足，上述条件未知的盲隐写分析场景下，
使用聚类分析方法可以有效区分隐写者与非隐写者。设计一种适合所选特征的融合方案，用以提高ＪＰＥＧ聚类隐写分析的准确率，
将偏序Ｍａｒｋｏｖ模型特征的主成分与校准特征融合，充分利用特征互补并降低冗余，可以在参与者中更好地识别出隐写者，从而提高
识别准确率。实验结果表明，在不同隐写算法和嵌入率条件下，采用该方法比现有方法准确率平均提高约２％，最高提高约１６％。
关键词 特征融合聚类 隐写分析ＰＣＡ
中图分类号ＴＰ３１９ 文献标识码Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００—３８６ｘ．２０１３．０３．００２
ＪＰＥＧ ＢＬＩＮＤ ＳＴＥＧＡＮＡＬＹＳＩＳ ＢＡＳＥＤ ＯＮ ＦＥＡＴＵＲＥ ＦＵＳＩｏＮ ＡＮＤ ＣＬＵＳＴＥＲＩＮＧ
Ｚｈｏｕ Ｎａｎ ・。Ｚｈａｏ Ｘｉａｎｆｅｎｇ Ｈｕａｎｇ Ｗｅｉ ・ Ｓｈｅｎｇ Ｒｅｎｎｏｎｇ
（Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆＩｎｆｏｒｍａｔｉｏｎ Ｓｅｃｕｒｉｔｙ，Ｉｎｓｔｉｔｕｔｅ ｏｆＳｏｆｔｗａｒｅ，Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆＳｃｉｅｎｃｅｓ，Ｂｅｌｔｉｎｇ １００１９０，Ｃｈｉｎａ） 。（ＳｔａｔｅＫｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆＩｎｆｏｒｍａｔｉｏｎ Ｓｅｃｕｒｉｔｙ，Ｉｎｓｔｉｔｕｔｅ ｏｆＩｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙ ｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００９３，Ｃｈｉｎａ）
基于视觉特性的JPEG图像自适应隐写算法
基于视觉特性的JPEG图像自适应隐写算法
唐坤;葛华勇;房树娟
【摘 要】提出一种基于视觉特性的图像隐写算法.该算法利用亮度和纹理阈值等人类视觉系统特性,并结合图像各个局部分块的亮度与纹理特征,将图像划分为强嵌入区、次嵌入区、弱嵌入区,计算各个局部分块亮度和纹理,分别嵌入不同比特数的秘密信息.实验结果表明,该算法能够增加图像秘密信息的嵌入容量,提高抗检测性能,以及保持较高的峰值信噪比.
【期刊名称】《微型机与应用》
【年(卷),期】2015(034)008
【总页数】3页(P39-40,43)
【关键词】自适应隐写;JPEG图像;人类视觉特性;峰值信噪比
【作 者】唐坤;葛华勇;房树娟
【作者单位】东华大学信息科学与技术学院,上海201620;数字化纺织服装技术教育部工程研究中心,上海201620;东华大学信息科学与技术学院,上海201620;数字化纺织服装技术教育部工程研究中心,上海201620;东华大学信息科学与技术学院,上海201620;数字化纺织服装技术教育部工程研究中心,上海201620
【正文语种】中 文
【中图分类】TP309
JPEG格式图像作为一种在互联网上被广泛应用的格式［1］，以此格式为载体的隐写算法也越来越多。较早出现的JSteg隐写算法［2］用秘密信息比特直接替换JPEG图像中量化后DCT系数的最低比特位。WESTFELD A［3］提出了F3算法与F4算法，并在F4算法的基础上，加入了置乱与矩阵编码提出了F5算法，该算法减少了嵌入需要改动的DCT系数量，进一步提高了算法的隐蔽性。
基于人眼视觉特性的隐写方法得到了较快的发展，如BPCS［4］、PVD［5］、Wang C M等人［6］利用模函数对PVD进行的改进算法；在 JPEG图像中，向德生等人［7］利用局部小波子块的亮度与纹理特征，自适应嵌入强度因子来嵌入水印；龚发根等人［8］针对 JPEG图像提出一种自适应数据隐藏算法。然而，以上算法并没有全面考虑图像各区域的复杂程度，以及不同的区域嵌密对图像造成的失真，所以综合性能不高。鉴于以上问题，本文提出一种基于视觉特性的JPEG图像自适应隐写方法，本算法充分利用了区域的亮度和纹理特征的视觉特性，在提高秘密信息嵌入量的同时，仍可以保持较好的视觉隐蔽性。
基于四元数多特征并行融合的JPEG隐写检测
收稿日期：2012-09-17；修回日期：2012-10-29。基金项目：福建省教育厅科研项目（JB09003）。作者简介：何凤英（1979－），女，福建武平人，讲师，硕士，主要研究方向：信息隐藏、图像处理；钟尚平（1969－），男，福建武平人，副教授，博士，主要研究方向：网络与信息安全；杨健（1987－），男，广西南宁人，硕士研究生，主要研究方向：网络与信息安全。文章编号：1001－9081（2013）03－0663－04doi：10．3724/SP．J．1087．2013．00663
基于四元数多特征并行融合的JPEG隐写检测
何凤英*，钟尚平，杨健
(福州大学数学与计算机科学学院，福州350002)(*通信作者电子邮箱fengyhe@163．com)
摘要：针对串行特征融合方法易出现“维数灾难”以及并行复矢量特征融合方法只能融合两类特征的弱点，提出一种基于四元数多特征并行融合的JPEG隐写检测方法。方法利用四元数有4个分量能融合4种特征的性质，首先提取4种经典特征，然后用主成分分析(PCA)进行数据降维，去除冗余信息，最后将4种特征组合为四元数矢量，实现多特征的并行融合。实验结果表明，和传统特征融合方法相比，所提方法不仅有效提高了JPEG隐写图像检测率，而且具有较强的鲁棒性。关键词：隐写检测;四元数;多特征;并行融合;JPEG中图分类号：TP391．413;TP309．2文献标志码：A
JPEGsteganalysisbasedonparallelfeaturefusionbyquaternion
HEFengying*，ZHONGShangping，YANGJian
(CollegeofMathematicsandComputerScience，FuzhouUniversity，FuzhouFujian350002，China)
Abstract:Featurefusionhasbecomeaheatedresearchtopicinsteganalysis．Inordertosolvetheproblemsintheexistingfeaturefusionmethods，suchasfeaturedimensiondisasterinserialfeaturefusionmethodandonlytwokindsoffeaturescanbeintegratedinparallelfeaturefusionmethod，thispaperproposedaJPEGsteganalysisapproachbasedonparallelfeaturefusionbyquaternion．Themethodfirstlyselectedthefourfusionfeatures，andthenisolatedredundantcomponentsbythePrincipalComponentAnalysis(PCA)，finallycombinedfourfeaturesasquaternionvectortoachievemulti-featureparallelfusionusingthefourcomponentsofthequaternion．Theexperimentalresultsshowthat，comparedwiththetraditionalfeaturefusionmethod，theproposedmethodeffectivelyimprovesthedetectionrateofsteganalysisinJPEGimages，andhasbetterrobustness．Keywords:steganalysis;quaternion;multi-feature;parallelfusion;JPEG
基于改进AdaBoostSVM的JPEG图像多特征融合隐写检测方法
２０１３年第７期 计算机与现代化 ＪＩＳＵＡＮＪＩ ＹＵ ＸＩＡＮＤＡＩＨＵＡ 总第２１５期 文章编号：１００６－２４７５（２０１３）０７－０１２０－０３
基于改进ＡｄａＢｏｏｓｔＳＶＭ的ＪＰＥＧ图像多特征
融合隐写检测方法
廖彬 ，谢振泽２，钟尚平
（１．福州大学信息化建设办公室，福建福州３５０１０８；２．福州大学数学与计算机科学学院，福建福州３５０１０８）
摘要：传统的ＪＰＥＧ图像盲隐写检测算法主要是通过单个或是两个特征集融合的方式来设计。而对于多个特征集，如何 从这些特征集中选取一个较优的组合进行融合，目前尚处于研究阶段。本文提出一种基于改进ＡｄａＢｏｏｓｔＳＶＭ的多特征 融合隐写检测方法，并通过设计多个实验来验证算法的性能。通过实验比较，在ＪＰＥＧ图像隐写多特征融合盲检测中，该 方法能够在有限的计算复杂度下得到一个融合效果较优的特征组合。 关键词：ＡｄａＢｏｏｓｔＳＶＭ；多特征融合；隐写检测；特征组合 中图分类号： ９１ 文献标识码：Ａ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００６－２４７５．２０１３．０７．０３２ Ｕｎｉｖｅｒｓａｌ Ｓｔｅｇａｎａｌｙｓｉｓ Ｍｅｔｈｏｄ ｆｏｒ Ｍｕｌｔｉ－ｆｅａｔｕｒｅ Ｆｕｓｉｏｎ Ｂａｓｅｄ ｏｎ Ｉｍｐｒｏｖｅｄ ＡｄａＢｏｏｓｔＳＶＭ ＪＰＥＧ Ｉｍａｇｅ
ＬＩＡＯ Ｂｉｎ ，ＸＩＥ Ｚｈｅｎ．ｚｅ ，ＺＨＯＮＧ Ｓｈａｎｇ．ｐｉｎｇ （１．Ｉｎｆｏｒｍａｔｉｏｎ Ｃｏｎｓｔｒｕｃｔｉｏｎ Ｏｆｆｉｃｅ，Ｆｕｚｈｏｕ Ｕｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ ３５０１０８，Ｃｈｉｎａ； ２．Ｃｏｌｌｅｇｅ ｏｆ Ｍａｔｈｅｍａｔｉｃｓ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ，Ｆｕｚｈｏｕ Ｕｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ ３５０１０８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｒａｄｉｔｉｏｎａｌ ｂｌｉｎｄ ｓｔｅｇａｎａｌｙｓｉｓ ａｌｇｏｒｉｔｈｍ ｆｏｒ ＪＰＥＧ ｉｍａｇｅ ｉｓ ｍａｉｎｌｙ ｄｅｓｉｇｎｅｄ ｂｙ ａ ｓｉｎｇｌｅ ｏｒ ｔｗｏ ｆｅａｔｕｒｅ—ｓｅｔｓ ｆｕｓｉｏｎ．Ｈｏｗ— ｅｖｅｒ。ｆｏｒ ｍｕｌｔｉｐｌｅ ｆｅａｔｕｒｅ ｓｅｔｓ．ｈｏｗ ｔｏ ｓｅｌｅｃｔ ａｎ ｏｐｔｉｍｕｍ ｃｏｍｂｉｎａｔｉｏｎ ｔｏ ｆｕｓｅ ｆｒｏｍ ｔｈｅｓｅ ｆｅａｔｕｒｅ ｓｅｔｓ ｉＳ ｓｔｉｌｌ ａｔ ａ ｒｅｓｅａｒｃｈ ｓｔａｇｅ． Ｉ１１ｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ａ ｕｎｉｖｅｒｓａｌ ｓｔｅｇａｎａｌｙｓｉｓ ｍｅｔｈｏｄ ｆｏｒ ｍｕｌｔｉ—ｆｅａｔｕｒｅ ｆｕｓｉｏｎ ｂａｓｅｄ ｏｎ ｔｈｅ ｉｍｐｒｏｖｅｄ ＡｄａＢｏｏｓｔＳＶＭ ＪＰＥＧ ｉｍａｇｅ． ａｎｄ ｍａｎｙ ｅｘｐｅｒｉｍｅｎｔｓ ａｌ－ｃ ｄｅｓｉｇｎｅｄ ｔｏ ｖｅｒｉｆｙ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ａｌｇｏｒｉｔｈｍ．Ｂｙ ｅｘｐｅｒｉｍｅｎｔａｌ ｃｏｍｐａｒｉｓｏｎ，ｉｔ ｉｓ ｆｏｕｎｄ ｔｈａｔ ｔｈｉｓ ｍｅｔｈｏｄ Ｃａｎ ｏｂｔａｉｎ ａ ｆｅａｔｕｒｅ ｃｏｍｂｉｎａｔｉｏｎ ｏｆ ｏｐｔｉｍｕｍ ｆｕｓｉｏｎ ｅｆｆｅｃｔｓ ｗｉｔｈ ｌｉｍｉｔｅｄ ｃｏｍｐｕｔａｔｉｏｎａｌ ｃｏｍｐｌｅｘｉｔｙ ｉｎ ＪＰＥＧ—ｉｍａｇｅｄ ｂｌｉｎｄ ｓｔｅｇａｎａｌｙｓｉｓ ｆｏｒ ｍｕｌｔｉ—ｆｅａｔｕｒｅ ｆｕｓｉｏｎ． Ｋｅｙ ｗｏｒｄｓ：ＡｄａＢｏｏｓｔＳＶＭ；ｍｕｌｔｉ—ｆｅａｔｕｒｅ ｆｕｓｉｏｎ；ｓｔｅｇａｎａｌｙｓｉｓ；ｆｅａｔｕｒｅ ｃｏｍｂｉｎａｔｉｏｎ
基于多分类器多模糊积分的信息融合方法
第１０卷第３期 重庆科技学院学报（自然科学版） ２００８年６月
基于多分类器多模糊积分 的信息融合方法
段宝彬孙梅兰
（合肥学院，合肥２３０６０１）
摘要：不同模糊积分进行信息融合的结果有时可能会差别很大，为了提高多分类器融合系统的识别率，提出基于 多分类器多模糊积分的信息融合方法，综合考虑多分类器不同模糊积分的融合结果来进行分类，有助于弥补采用
单一模糊积分信息融合方法的不足。 关键词：模糊测度、模糊积分、信息融合 中图分类号：Ｏ１５９：ＴＰ３９１．４ 文章标识码：Ａ 文章编号：１６７３～１９８０（２００８）０３—００８７～０３
１９７４年日本学者Ｓｕｇｅｎｏ［１］提出模糊测度和模
糊积分的概念（后来称之为（ｓ）模糊积分），并将其
应用于主观评判过程，Ｔａｈａｎｉ［２］等首次将（Ｓ）模糊
积分应用于计算机视觉方信息融合。由于（Ｓ）模糊
积分采用的“八”运算可能会损失大量信息，甚至使
融合结果明显失真，吴从圻［３ 等提出了“广义三角
模”运算，并用广义三角模“Ｓ”替代Ｓｕｇｅｎｏ模糊积
分的“八”，定义了（Ｇ）模糊积分，它是Ｓｕｇｅｎｏ模糊
积分的推广。段宝彬等［４ 将Ｓｕｇｅｎｏ模糊积分信息
融合方法进行改进，建立了基于（Ｇ）模糊积分的信
息融合方法。Ｍｕｒｏｆｕｓｈｉ、Ｓｕｇｅｎｏ［ ］将模糊测度与
法国数学家Ｃｈｏｑｕｅｔ定义的Ｃｈｏｑｕｅｔ积分联系起
来，提出了关于模糊测度的Ｃｈｏｑｕｅｔ积分（简称为
（Ｃ）模糊积分），它是Ｌｅｂｅｓｇｕｅ积分的推广。
本文对基于（Ｇ）模糊积分的信息融合方法作进
一步推广，建立基于多分类器多模糊积分的信息融
合方法，取合成后的各模糊积分信息融合结果作为
最终分类依据，有利于提高分类的正确率。
１模糊测度和模糊积分
模糊测度是经典测度的推广，通常不具有可加
性，保留了单调性和连续性。
定义１设（Ｘ，ｚ）为可测空间，／２是从．２５到
［０，＋∞）的一个映射，如果 满足：
基于多图嵌入的JPEG图像安全隐写算法
第ｌ６卷第２期 ２０１３年４月 西安文理学院学报：自然科学版
Ｊｏｕｒｎａｌ ｏｆ Ｘｉ’ａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ａｒｔｓ＆Ｓｃｉｅｎｃｅ（Ｎａｔ Ｓｃｉ Ｅｄ） Ｖｏ１．１６ Ｎｏ．２ Ａｐｒ．２０１３
文章编号：１００８．５５６４（２０１３）０２－００６２－０５
基于多图嵌入的ＪＰＥＧ图像安全隐写算法
刘 辉，余世干，李林国
（阜阳师范学院信息ｚ－Ｒ＠院，安徽阜阳２３６０４１）
摘要：为提高秘密信息的嵌入量，同时增强载密ＪＰＥＧ图像的安全性，提出一种基于多图嵌入的 ＪＰＥＧ图像安全隐写算法．算法以多幅ＪＰＥＧ图像构成的图像序列为载体，每３幅图像为一个单元，在每 单元各幅图像相对应的８ ８分块的ＤＣＴ域中，对满足参数ｔ约束的相同频率的ＡＣ系数的ＬＳＢ采用矩 阵编码的方式嵌入秘密信息．实验结果表明，参数ｔ越大，嵌入的信息量越大，与同类算法相比，在嵌入 率相同的情况下，该算法具有更优的抵抗通用ＪＰＥＧ图像隐写分析的能力，具有较好的安全性． 关键词：图像序列；ＪＰＥＧ图像；矩阵编码；量化系数 中图分类号：ＴＰ３ｏ９．２ 文献标志码：Ａ
Ａ Ｓｅｃｕｒｅ Ｓｔｅｇａｎ０ｇｒａｐｈｙ ｆｏｒ ＪＰＥＧ Ｉｍａｇｅ
Ｂａｓｅｄ ｏｎ Ｍｕｌｔｉｐｌｅ Ｇｒａｐｈ Ｅｍｂｅｄｄｉｎｇ
ＬＩＵ Ｈｕｉ，ＹＵ Ｓｈｉ—ｇａｎ，ＬＩ Ｌｉｎ—ｇｕｏ
（Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｆｕｙａｎｇ Ｔｅａｃｈｅｒｓ Ｃｏｌｌｅｇｅ，Ｆｕｙａｎｇ ２３６０４１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏ ｅｎｈａｎｃｅ ｔｈｅ ｓｅｃｒｅｔ ｉｎｆｏｒｍａｔｉｏｎ ｅｍｂｅｄｄｉｎｇ ｃａｐａｃｉｔｙ ａｎｄ ｔｈｅ ｓｅｃｕｒｉｔｙ ｏｆ
ＪＰＥＧ ｉｍａｇｅｓ，ａ ｓｅｃｕｒｉｔｙ ｓｔｅｇａｎｏｇｒａｐｈｙ ｆｏｒ ＪＰＥＧ ｉｍａｇｅ ｂａｓｅｄ ｏｎ ｍｕｌｔｉｐｌｅ ｇｒａｐｈ ｅｍｂｅｄｄｉｎｇ ｉｓ