Рус Eng Cn 翻译此页面:
请选择您的语言来翻译文章


您可以关闭窗口不翻译
图书馆
你的个人资料

返回内容

控制论与编程
正确的文章链接:

利用二维和一维分解区域之间的关系提高纤维板领域隐写分析的准确性

Prokhozhev Nikolai Nikolaevich

博士学位 技术科学

圣彼得堡国立信息技术、力学和光学研究大学副教授

197101, Russia, g. Saint Petersburg, ul. Kronverskii, 49, of. 474

19791109@list.ru
Sivachev Aleksei Vyacheslavovich

圣彼得堡国立信息技术、力学与光学研究型大学研究生

197101, Russia, Saint Petersburg, Kronverskii prospekt, 49, of. 474

sivachev239@mail.ru
Mikhailichenko Ol'ga Viktorovna

圣彼得堡国立信息技术、力学和光学研究大学副教授

197101, Russia, Sankt-Peterburg, Kronverkskii prospekt, d.49

19791109@list.ru
Bashmakov Daniil Andreevich

圣彼得堡国立信息技术、力学与光学研究型大学研究生

197101, Russia, Saint Petersburg, ul. Kronverskii, 49, of. 474

basme@list.ru

DOI:

10.7256/2306-4196.2017.2.22412

评审日期

24-03-2017


出版日期

28-05-2017


注解: 本文在DVP数字图像领域进行了旨在提高基于机器学习的隐写分析准确性的研究。 对基于参考向量的现代隐写分析方法产生误差的原因进行了分析,提出了提高训练质量的方向。 为了提高支持向量机的训练质量,研究了一维和二维纤维板区域的相互关系,以及二维纤维板高频区域系数变化对一维纤维板系数区域的影响。 作为隐写效应,应用纤维板系数的最低有效位值的变化,考虑到研究结果,已经开发了一种原始方法,该方法在检测二维纤维板图像的高频区域中嵌入信 为了确认原始方法的准确性,对其与几种现代隐写方法进行了比较评价。 比较评价的实验结果证实了在检测二维纤维板的高频HL和LH区域中的隐写暴露的事实时,原始方法的精度增加(与所考虑的现代方法相比平均10-15%)。 在HH的高频区域,原始方法给出了与文章中讨论的现代方法相同的精度。


出版日期:

离散小波变换, 离散小波变换, 隐写分析, 隐写分析, 支持向量机, 支持向量机, 隐藏数据, 隐藏数据, 隐写术;隐写术, 隐写术;隐写术, 隐写分析的有效性, 机器学习, 隐写分析的有效性, 被动反击, 机器学习, 二元分类, 被动反击, 隐写术, 二元分类, 隐写术