论文研究基于改进支持向量机的隐写分析方法.pdf

为了更有效地提高图像隐写分析的速度和正确检测率，提出了一种基于改进的支持向量机的隐写分析方法。采用Fridrich提出的多特征融合提取算法对图像进行特征提取，克服了单一特征不能很好描述图像差别的不足。然后提出了一种将最小二乘法与超球体一类支持向量机（HSOC-SVM）相结合的分类器——最小二乘超球一类支持向量机（LSHS-OCSVM），并与目前广泛使用的FLD和非线性SVM分类器作对比实验。结果表明，方法是一种有效、高速的隐写分析方法。