基于Fisher准则优化的图像隐写算法分析

针对图像隐写中失真函数的建立和载体模型保持问题,提出了一种基于Fisher准则优化的Gibbs抽样图像隐写方法。基于领域聚类的思想对隐写图像进行阵列分割,对分割子阵列进行Giibs抽样和STC(Syndrome-trellis code)编码;充分利用子阵图像的方向信息(包括水平、垂直以及对角),采用加权求和的方式给出了隐写失真函数,维持了图像高阶统计特征。利用Gibbs抽样理论实现信息的嵌入,在最小化嵌入失真的同时维持了隐写图像的特征模型。仿真结果显示,该方法在降低图像模型畸变的同时,有效提升了隐写图像的分类误差,增强了隐写的安全性。