《表3 不同算法的提取正确率比较》
%
本文算法在一定程度上解决了文献[12-13]算法鲁棒性不强的问题.将本文实验结果与文献[2,7]算法进行比较可知,文献[2,7]所使用的框架为SIFT BOW模型[19],属于非监督式分类模型,经过聚类训练后所得到的模型为线性模型,因此鲁棒性很强;本文采用的是监督式分类训练得到的模型为非线性系统,模型更为复杂,安全性更高,且本文提取图像特征的算法是对SIFT BOW模型提取图像特征算法的升级,同时增加了被攻击过的训练样本,从而提高了算法的鲁棒性.表3是本文算法与文献[7]算法在高斯噪声(均值为0,方差为0.01)和JPEG压缩(质量因子为75%)攻击时秘密信息提取正确率的比较.
图表编号 | XD00177961700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.30 |
作者 | 司广文、秦川、姚恒、韩彦芳、张志超 |
绘制单位 | 上海理工大学光电信息与计算工程学院、上海理工大学光电信息与计算工程学院、上海理工大学光电信息与计算工程学院、上海理工大学光电信息与计算工程学院、上海理工大学光电信息与计算工程学院 |
更多格式 | 高清、无水印(增值服务) |