换一批摘要针对加性隐写模型，提出一种基于CSR-ICA的隐写信息盲提取算法。算法仅需一幅隐写图像，在满足ICA模型线性约束条件下得到载体信号的估计信号，通过Contourlet稀疏性表示（CSR）对模型输入信号进行前置处理，优化选取归一化峭度性较大的信号作为模型输入信号，将归一化峭度作为分离算法学习的目标函数，避免异常值给分离算法带来的误差。算法具有较好的综合性能，并且克服了Chandramouli算法的局限性，提取正确率平均为90%。仿真实验结果给出了算法的有效性验证。
更多相关知识
关键词
Contourlet稀疏性表示(CSR)独立成分分析(ICA)模型隐写盲提取Contourlet Sparse Representation(CSR)Independent Component Analysis(ICA)modelsteganographyblind extraction
分类号
TP393
栏目名称
DOI
10.3778/j.issn.1002-8331.1203-0628
发布时间
2013-12-19（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引4
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
