基于遗传算法和一类SVM的隐秘图像检测方案

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (20): 37-39.

基于遗传算法和一类SVM的隐秘图像检测方案

郭璇¹，杨晓元^1,2，刘佳¹，韩鹏¹

1．武警工程学院电子技术系网络与信息安全武警部队重点实验室，西安　710086
2．西安电子科技大学 ISN国家重点实验室，西安 710071

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-11 发布日期:2007-07-11
通讯作者: 郭璇

Genetic algorithm and one-class support vector machines for image steganography detection

GUO Xuan¹，YANG Xiao-yuan^1,2，LIU Jia¹，HAN Peng¹

1．Network and Information Security Key Laboratory，Electronics Department of Engineering College of the APF，Xi’an 710086，China
2．National Key Laboratory on ISN，Xidian University，Xi’an 710071，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-11 Published:2007-07-11
Contact: GUO Xuan

摘要/Abstract

摘要： 针对二类支持向量机分类器在隐秘图像检测中训练步骤复杂与推广性弱的缺点，提出了一种新的基于遗传算法和一类支持向量机的隐秘图像检测方案。采用遗传算法进行图像特征选择，一类支持向量机作为分类器。实验结果表明，与只利用一类支持向量机分类，但未进行特征选择的隐秘检测方法相比，提高了隐秘图像检测的识别率和系统检测效率。

关键词: 隐秘图像检测, 特征选择, 遗传算法, 一类支持向量机

Abstract: This paper brings forward a new detection of steganography method based on genetic algorithms and one-class SVM.We apply genetic algorithm to search out and identify the potential informative features combinations for classification，and then use the classification accuracy from the support vector machine classifier to determine the fitness in genetic algorithm.Experiment results show its better performance in the efficiency of detecting system.

Key words: image steganography detection, feature selection, genetic algorithm, one-class support vector machines

郭璇¹，杨晓元^1,2，刘佳¹，韩鹏¹. 基于遗传算法和一类SVM的隐秘图像检测方案[J]. 计算机工程与应用, 2007, 43(20): 37-39.

GUO Xuan¹，YANG Xiao-yuan^1,2，LIU Jia¹，HAN Peng¹. Genetic algorithm and one-class support vector machines for image steganography detection[J]. Computer Engineering and Applications, 2007, 43(20): 37-39.

[1]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[2]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[5]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[6]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[7]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[8]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[9]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[10]	李珑珠，林耀进，吕彦，卢舜，王晨曦. 利用邻域信息交互的在线流特征选择算法[J]. 计算机工程与应用, 2021, 57(21): 102-108.
[11]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[12]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[13]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[14]	武炜杰，张景祥. 融合分类信息的随机森林特征选择算法及应用[J]. 计算机工程与应用, 2021, 57(17): 147-156.
[15]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.