Steganalysis Using Wavelet Transform | ||
| Journal of Kufa for Mathematics and Computer | ||
| Article 1, Volume 1, Issue 6, September 2013, Pages 57-74 | ||
| Authors | ||
| Hussam Juma; a Nayma Al-Bahadly; Talib M. Jawad Abbas Al-Talib; Waleed A. Mahmud Al-Jouhar | ||
| Abstract | ||
| Techniques and applications for information hiding have become increasingly more sophisticated and widespread. With high-resolution digital images as carriers, detecting the presence of hidden messages has also become considerably more difficult. It is sometimes possible, nevertheless, to detect (but not necessarily decipher) the presence of embedded messages. The basic approach taken here works by finding predictable higher-order statistics of "natural" images within a multi-scale decomposition, and then showing that embedded messages alter these statistics. The decomposition of images using basis functions that are localized in spatial position, orientation, and scale (such as wavelets) has proven extremely useful in a range of applications. One reason for this is that such decompositions exhibit statistical regularities that can be exploited. The proposed algorithm consist of three stages: Image feature extraction (IFE) stage, training stage, and testing stage. In IFE the image decomposes to four level wavelet. Set of statistics (mean, skewness, and kurtosis for each subband) is collected from this decomposition. The second set of statistics collected is based on the errors in an optimal linear predictor of coefficient magnitude. In this predictor, the subband coefficients are correlated to their spatial, orientation and scale neighbors. The steganalysis technique was tested on samples of images processed with most commercial steganographic software products. التقنيات والتطبيقات لإخفاء المعلومات أصبحا جداً متطورةَ وواسعةا الانتشار. وباستعمال الصور الرقميةِ ذات درجة الوضوح العاليةِ كناقل، معرفة وجود معلومات مخفيةِ أصبحَ أكثر صعوبة إلى حدً كبير أيضاً. على الرغم من هذا فمن المحتملُ أحياناً معرفة (ليس بلضرورة أن تفك شفرة المعلومات) وجود معلومات مخفية. الفكرة الرئيسية في هذه الخوارزمية هو إيجاد إحصائياتِ الطلب الأعلى المتوقعةِ من الصور "الطبيعيةِ" ضمن تحليل متعدد المقياس، وبعد ذلك تبيين أن المعلومات المخفية في الصور الطبيعية تغير هذه الإحصائيات. إن تحليل الصور التي تَستعملُ دوال اساسية محلية في الموقع المكاني والتوجيه والمقياس (مثال على ذلك: تحليل المويجه) أثبتَ انها مفيدَ جداً في عدة تطبيقاتِ. أحد الأسباب لهذا بأن مثل هذا التحليل يبدي انتظام إحصائي الذي يُيمكنُ أن يُستَغلَّ. إنّ الخوارزمية المُقترَحة تَتضمنُ ثلاث مراحل: مرحلة استخلاص ميزات الصورة (IFE)، مرحلة التدريب، ومرحلة الاختبار. في مرحلة استخلاص ميزات الصورةُ إلى المستوى الرابع باستخدام تحليل المويجة. مجموعة الإحصائيات (mean، skewness، وkurtosis لكلَ subband) جمعت من هذا التحليل. إنَ المجموعة الثانية للإحصائيات تستند على الأخطاء في المتوقع الخطيَ المثالي لمقدار المعامل في هذا التحليل. في هذا المتوقع فأن المعاملات تَربط مع جيرانهم في المكان والتوجيه والمقياسَ. تقنية الكشف المقترحة اختبرت على عينات الصور عولجت بأكثر طرق الإخفاء التجارية | ||
|
Statistics Article View: 170 PDF Download: 79 |
||