《表3 综合性能对比实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于基音延迟组内相关性的AMR隐写分析算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本实验的目的是验证文中提出的组内差值一阶Markov转移概率特征的综合性能，并将该特征与文献[18]中提出的基于基音延迟二阶差分Markov转移概率特征进行组合，对比文中特征加入后对文献[18]中算法的性能改进情况.同时，将这两类特征与现有针对基音延迟的隐写分析算法[17-18]进行实验对比分析.实验中，针对每种隐写分析特征，均采用混合模型，即采用将Huang隐写算法[9]和Yan隐写算法[10]样本与Cover样本进行混合训练后得到的分类模型对测试样本进行检测.不同隐写分析方法对于6种不同码率的隐写分析正确率对比实验结果如表3所示，其中文中提出的组内差值一阶Markov转移概率特征用M-intra表示，文献[17]中提出的利用码本索引构建的码本相关网络模型隐写分析特征用CEC表示，文献[18]中的二阶差分Markov转移概率隐写分析特征用C-MSDPD表示，文中特征与文献[18]中的组合特征用M-intra+C-MSDPD表示.隐写分析特征表示训练隐写分析模型时所使用的隐写分析特征，隐写算法表示测试样本中Stego样本所使用的隐写算法.