隐写分析中的一些概念与问题

图像隐写分析是一个比较小众的研究领域，因此好多概念和知识很难从网上寻求到答案。本文将尽量总结一些不容易查到的隐写分析概念和知识（总结的难免有错误，发现的还请不吝赐教mazhong_jin@163.com）。

再次表示对武大师兄的无私帮助的衷心感谢！（内容未整理）

1，噪声相关问题

JPEG图像的噪声（包括本身噪声、图像细节和隐写噪声）是集中在高频部分，但是由于量化的原因，图像的高频部分的统计特性在隐写前后差异很小，而隐写分析特征是讲究区分性的，所以特征一般考虑DCT系数的中低频部分，因为这部分系数在隐写前后的差异较大。

另外，要弄清楚用high-pass filter来增强信噪比中的“信噪比”是什么，对于隐写分析来说，信噪比中的“信”是隐写噪声，“噪”是图像本身内容。在图像处理领域，信噪比的概念刚好相反，这里的“信”是图像本身内容，“噪”是与图像内容无关的噪声。fridrich的好几篇文章都强调了这个概念，其中一篇是SPAM那篇，可以看一下。

high-pass filter得到的是隐写噪声，可以用来研究隐写前后的统计变换，所以不能用Low-pass filter（得到是图像本身内容）。对这个概念搞混淆是因为，high-pass filter和Low-pass filter是图像处理的感念，把它们直接用在隐写分析里，与隐写分析中的“信噪比”不容易区分。

2，嵌入率相关问题

学长给的很形象的例子：

1），一个JPEG图像有10000个非0的AC系数，大小是50KB；

如果嵌入1000个比特，那么相对嵌入率是1000/10000=0.1=10%；

50KB=50*8*1024=409600比特，则绝对嵌入率是1000/409600=0.0024=0.24%

2），如果每个DCT系数上最多嵌入一个bit的话，嵌入率(bpnzac)=（嵌入的bit）/（载体总的DCT系数-值为0的DCT系数-DC系数）

3，svm
隐写分析中最常用的方法：特征+分类器；而分类器用的最多的便是SVM，但是学了SVM会知道，svm有线性和非线性两种，那什么时候用线性核，什么时候用非线性核呢？一般，特征的维数大于样本的数量选择线性核，特征的维数小于样本的数量时候选用非线性核（常用RBF核）；