《表2 训练、测试图像库相同时的隐写检测性能》
%
在目前的实验环境下,大部分算法在训练、测试时采用相同的图像库.然而,在复杂网络环境下,图像数据量庞大,内容千变万化,质量参差不齐,要使用与测试图像完全相同的处理手段得到训练图像,这几乎是不可能的.因此,本文测试了训练、测试图像库统计特性不同时各种算法的检测性能,所得结果如表3所示.可以看出,对于3个测试的特征集来说,LIU特征集虽然维数最低,但抵御训练、测试样本失配的性能最优,与训练、测试图像库统计特性相同的情况相比,该特征集所受影响最小.对3种隐写检测特征集的测试性能均表明,本文算法对性能的提升效果比训练、测试库相同的方法更加明显.这是因为当训练、测试图像库统计特性不同时,训练、测试样本会失配,本文算法均按照内容复杂度对训练、测试图像库进行分类,在最大程度上保持了训练、测试图像库统计特性的一致,所以样本的失配对于本文算法的影响较小.这意味着当图像内容的来源有较大差异时,算法性能并不受到太大的影响,更适用于实际情况.
图表编号 | XD0061516100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.30 |
作者 | 汪然、牛少彰、平西建、张涛、桑晓丹 |
绘制单位 | 信息工程大学信息系统工程学院、北京邮电大学计算机学院、北京邮电大学计算机学院、信息工程大学信息系统工程学院、信息工程大学信息系统工程学院、解放军31401部队 |
更多格式 | 高清、无水印(增值服务) |