隐写技术与隐写分析技术作为信息安全领域的一个研究热点,在近几年取得了很大进展。隐写分析的目的在于揭示媒体中是否含有隐藏信息,甚至只是指出媒体中存在隐藏信息的可疑性。当前的隐写分析技术主要分为专用隐写分析技术和通用隐写分析(盲检测)技术,论文主要讨论图像中隐藏信息的通用检测问题。在隐藏信息的通用检测研究中,选用NRCS和华盛顿大学标准图像库的彩色图像作为实验图像,提取图像的噪声特征和纹理特征作为数学统计特征,用支持向量机对提取的图像特征进行分类,从而区分出原始图像和含密图像。论文从图像噪声的角度研究了图像隐写的通用检测方法,根据信息隐藏的加性噪声模型,隐藏信息嵌入后必然会导致图像原有噪声特征的变化,根据噪声变化特征,提出了一种基于多噪声特征的数字图像隐写分析方法。该方法首先从小波分析、图像去噪、邻域预测三个方面分析提取图像的噪声特征,并对噪声特征进行校准,以使噪声特征能更好地反映隐藏信息嵌入后的变化。最后,选取核函数RBF作为支持向量机的内积函数进行分类,来判断图像是否含有隐藏信息。通过对LSB、Cox’s SS、F5和JPhide四种典型的隐写方法进行检测,结果表明:该方法能有效地实现隐藏信息的检测。另外,将图像纹理分类问题与隐写分析问题相联系,提出隐藏信息的嵌入可以视为在精细尺度下给图像引入了更多随机纹理的观点。据此,论文结合纹理分类的方法,对彩色图像进行局部线性变换并在局部线性变换系数的归一化直方图中提取通用型隐写分析特征,结合支持向量机分类器对原始图像和含密图像进行分类。通过对LSB、JSteg、OutGuess和F5四种典型的隐写方法进行检测,结果表明:本文方法对LSB隐写方法有较好的检测效果,并且当嵌入率高时检测率相当高。