Quantification adaptative pour la stéganalyse d'images texturées - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2013

Quantification adaptative pour la stéganalyse d'images texturées

Résumé

Nous cherchons à améliorer les performances d'un schéma de stéganalyse (i.e. la détection de messages cachées) pour des images texturées. Le schéma de stéganographie étudié consiste à modifier certains pixels de l'image par une perturbation +/-1, et le schéma de stéganalyse utilise les caractéristiques construites à partir de la probabilité conditionnelle empirique de différences de 4 pixels voisins. Dans sa version originale, la stéganalyse n'est pas trés efficace sur des images texturées et ce travail vise à† explorer plusieurs techniques de quantification en utilisant d'abord un pas de quantification plus important puis une quantification adaptative scalaire ou vectorielle. Les cellules de la quantification adaptative sont générées en utilisant un K-means ou un K-means ''équilibré'' de manière à ce chaque cellule quantifie approximativement le même nombre d'échantillon. Nous obtenons un gain maximal de classification de 3% pour un pas de quantification uniforme de 3. En utilisant l'algorithme K-means équilibré sur [-18,18], le gain par rapport à la version de base est de 4.7\%.
Fichier principal
Vignette du fichier
gretsi_article_AfterDeadLine.pdf (1.79 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-00868550 , version 1 (01-10-2013)

Identifiants

  • HAL Id : hal-00868550 , version 1

Citer

Emmanuel Zidel - Cauffet, Patrick Bas, Pierre Chainais. Quantification adaptative pour la stéganalyse d'images texturées. GRETSI 2013, Sep 2013, Brest, France. ⟨hal-00868550⟩
454 Consultations
323 Téléchargements

Partager

Gmail Facebook X LinkedIn More