隱寫學原理與技術（簡體書）

隱寫的主要作用是保護保密通信與保密存儲的事實不被發現，而隱寫分析的主要作用是發現這類事實。隨著網絡與多媒體應用的普及，隱寫與隱寫分析的研究發展很快，它們之間的對抗不斷進入更高級的階段，有必要進行系統的描述與全新的總結。本書將隱寫與隱寫分析作為一個新學科――隱寫學進行了系統闡述，主要內容包括隱寫與隱寫分析的發展背景、主要性能指標、基本的消息嵌入方法、隱寫分佈特性保持、矩陣編碼、專用隱寫分析、濕紙編碼、基於±1的分組隱寫編碼、通用隱寫分析、高維特徵通用隱寫分析、**嵌入理論、校驗子格編碼、自適應隱寫、選擇信道感知隱寫分析與基於深度學習的隱寫分析，其中各個子領域的內容也概括了**的主要研究成果。此外，本書各章的小結與最後一章給出進一步閱讀和思考的方向，除最後一章外，每章配有用於鞏固知識的思考與實踐，附錄部分給出了相關的基礎知識介紹及實驗方案，有助於讀者全面學習並形成研究能力。

目錄
前言
第1章 緒言 1
1.1 從密碼到信息隱藏與隱寫 1
1.1.1 密碼方法的一些局限 1
1.1.2 信息隱藏基本概念 2
1.1.3 隱寫與隱寫分析對抗模型 5
1.2 隱寫的應用發展 9
1.3 隱寫安全指標 11
1.3.1 基於分佈偏差的指標 11
1.3.2 基於抗隱寫分析性能的指標 12
1.4 本書內容安排 13
1.5 小結 14
思考與實踐 14
第2章 圖像編碼與基本嵌入方法 15
2.1 空域編碼圖像 15
2.1.1 光柵格式 15
2.1.2 調色板格式 17
2.2 變換域編碼圖像 17
2.3 基本嵌入方法 19
2.3.1 LSB 替換 20
2.3.2 LSB 匹配與加減1 21
2.3.3 調色板圖像嵌入 21
2.3.4 量化調製 23
2.4 小結 25
思考與實踐 25
第3章 隱寫分佈特性保持 26
3.1 分佈保持問題 26
3.1.1 LSBR 分佈問題與χ2分析 26
3.1.2 分佈保持及其困難性 29
3.2 基於調整修改方式的方法 31
3.2.1 F3 隱寫 31
3.2.2 F4 隱寫 32
3.3 基於預留區的方法 33
3.3.1 預留補償區的分佈恢復 33
3.3.2 預留“死區”的分佈保持 38
3.3.3 預留補償區的二階分佈恢復 41
3.4 基於統計模型的方法 44
3.4.1 HPDM 隱寫 44
3.4.2 MB 隱寫 45
3.5 小結 49
思考與實踐 50
第4章 矩陣編碼 51
4.1 線性分組糾錯碼的啟發 51
4.2 矩陣編碼的一般描述 53
4.2.1 矩陣編碼嵌入與提取 53
4.2.2 矩陣編碼的一些性質 54
4.3 典型的矩陣編碼隱寫 56
4.3.1 F5 隱寫 56
4.3.2 MME 隱寫 58
4.4 小結 60
思考與實踐 60
第5章 專用隱寫分析 61
5.1 對空域隱寫的專用分析 61
5.1.1 RS 分析 61
5.1.2 對彩色圖像的RQP 分析 66
5.1.3 SPA 分析 68
5.1.4 直方圖特徵函數質心分析 70
5.2 對JPEG 隱寫的專用分析 73
5.2.1 對OutGuess 的塊效應分析 73
5.2.2 對MB 的直方圖分析 76
5.2.3 對F5 隱寫的校準分析 78
5.3 對調色板圖像隱寫的專用分析 82
5.3.1 奇異顏色分析 82
5.3.2 顏色混亂度分析 83
5.4 小結 85
思考與實踐 86
第6章 濕紙編碼 87
6.1 濕點與幹點 87
6.2 濕紙編碼算法 89
6.2.1 編碼原理 89
6.2.2 消息容量分析 90
6.2.3 一個基本算法 91
6.3 典型的濕紙編碼隱寫 94
6.3.1 量化擾動 94
6.3.2 抗收縮JPEG 隱寫 94
6.3.3 雙層隱寫 95
6.4 小結 95
思考與實踐 96
第7章 基於±1的分組隱寫編碼 97
7.1 一個特例――LSBM-R 97
7.2 基於和差覆蓋集的GLSBM 99
7.2.1 GLSBM 基本構造方法 99
7.2.2 和差覆蓋集的生成 102
7.3 小結 103
思考與實踐 104
第8章 通用隱寫分析 105
8.1 通用隱寫分析基本過程 105
8.2 通用空域隱寫分析 106
8.2.1 小波高階統計特徵分析 107
8.2.2 SPAM 特徵分析 108
8.3 通用JPEG 隱寫分析 110
8.3.1 Markov 特徵分析 111
8.3.2 融合校準特徵分析 113
8.4 通用盲隱寫分析簡介 116
8.4.1 隱寫分析的多種工作模式 117
8.4.2 算法去失配 118
8.4.3 載體去失配 119
8.5 通用定量隱寫分析簡介 120
8.6 小結 122
思考與實踐 123
第9章 高維特徵通用隱寫分析 124
9.1 FLD 集成分類器 124
9.1.1 基本構造 125
9.1.2 參數設置 126
9.2 富模型高維特徵隱寫分析 127
9.2.1 空域富模型特徵分析 127
9.2.2 JPEG 富模型特徵分析 133
9.3 隨機投影與相位感知分析 138
9.3.1 隨機投影特徵分析 138
9.3.2 相位感知特徵分析 141
9.3.3 相位感知隨機投影特徵分析 153
9.4 小結 155
思考與實踐 156
第10章 最優嵌入理論 157
10.1 一般情況 157
10.1.1 PLS 與DLS 問題 157
10.1.2 最優修改分佈的性質 158
10.2 加性模型 161
10.2.1 加性模型下的最優嵌入 161
10.2.2 加性模型最優修改分佈求解 164
10.3 最優嵌入模擬 166
10.3.1 基於Gibbs 抽樣的模擬 166
10.3.2 基於子格迭代的模擬 168
10.4 小結 170
思考與實踐 170
第11章 校驗子格編碼 171
11.1 STC 基本思想 171
11.2 STC 算法 173
11.3 雙層STC 177
11.3.1 基於三元嵌入分解 178
11.3.2 基於兩層嵌入綜合 183
11.4 小結 186
思考與實踐 186
第12章 自適應隱寫 187
12.1 限負載自適應隱寫 187
12.1.1 基本框架 187
12.1.2 圖像空域自適應隱寫 189
12.1.3 JPEG 域自適應隱寫 198
12.2 限失真自適應隱寫 201
12.2.1 基本框架 201
12.2.2 限平均失真隱寫 202
12.2.3 限平均統計量失真隱寫 205
12.3 非加性模型自適應隱寫 208
12.3.1 子格嵌入與失真修正 209
12.3.2 聯合失真及其分解 214
12.4 小結 216
思考與實踐 217
第13章 選擇信道感知隱寫分析 218
13.1 空域圖像選擇信道感知分析 218
13.1.1 基於區域選擇的方法 219
13.1.2 基於特徵權重的方法 219
13.2 JPEG 圖像選擇信道感知分析 224
13.3 小結 226
思考與實踐 226
第14章 基於深度學習的隱寫分析 227
14.1 深度卷積神經網絡簡介 227
14.2 針對空域隱寫的CNN 分析 231
14.2.1 基本框架的形成 231
14.2.2 支持選擇信道感知的CNN 分析 236
14.3 針對JPEG 域隱寫的CNN 分析 239
14.3.1 混合深度學習網絡 239
14.3.2 支持相位感知的CNN 分析 241
14.4 小結 244
思考與實踐 246
第15章 其他與後記 247
15.1 其他進展 247
15.2 部分問題 252
參考文獻 256
附錄A 部分基礎知識提要 274
A.1 數學與統計學 274
A.1.1 群、子群與陪集 274
A.1.2 環與域 276
A.1.3 線性回歸及其誤差估計 277
A.1.4 Lagrange 乘子法最優化求解 279
A.2 信息論與編碼 280
A.2.1 信息量單位與轉換 281
A.2.2 Fisher 信息 281
A.2.3 KL 散度性質 283
A.2.4 Huffman 編碼 285
A.2.5 線性分組糾錯碼 286
A.3 模式識別 290
A.3.1 分類問題與判別函數 290
A.3.2 Bayes 分類器 291
A.3.3 線性分類器 292
A.3.4 支持向量機 295
A.3.5 神經網絡基礎 299
A.4 信號處理與檢測 304
A.4.1 離散Fourier 變換 304
A.4.2 離散余弦變換 305
A.4.3 離散小波變換 306
A.4.4 最小均方誤差直方圖修正 307
A.4.5 假設檢驗 308
附錄B 實驗 313
B.1 圖像隱寫工具的使用 313
B.2 圖像專用隱寫分析 316
B.3 JPEG 圖像通用隱寫分析 318
B.4 空域圖像自適應隱寫 320
B.5 JPEG 圖像自適應隱寫 322
B.6 富模型空域圖像隱寫分析 324
B.7 選擇信道感知隱寫分析 326
B.8 空域圖像CNN 隱寫分析 328
名詞索引 331