代办目录
写作部分
- 第三章补充 借助图像锐化进行免疫处理，处理后的图像依然可以作为正常图像，因此可以将其作为载体图像库用于训练分类器。 结合载体安全性。
实验部分
- 表3-3
修改
- 缩略语第一次出现，应给出中英文全称；
- 公式编号要用括号；
- 一些地方要标注文献出处；
- 一些章需要加三级标题；
- 第3章需补充不同参数的实验结果，如迭代次数，克隆率，锐化强度等。此外，还需补充不可感知性等性能；
- 再斟酌下第4章式（4-6）失真函数的设计是否有误？
- 第4章建议给出从低到高不同嵌入率的实验结果，并补充不可感知性等性能分析。
写作规范
版心尺寸：宽160mm，高250mm
页边距：上25.4mm，下25.4mm，
内侧（左）26mm，外侧（右）26mm
装订线 0mm，装订线位置 左字体
- 论文所用中文字体标题要求为黑体，正文部分为宋体，外文、数字为Times New Roman。
- 各章题序及标题 小2号黑体； 各节的一级题序及标题 小3号黑体； 各节的二级题序及标题 4号黑体； 各节的三级题序及标题 小4号黑体； 款、项 均采用小4号黑体； 正文用小4号宋体。
参考文献
参考文献不低于50篇，外文参考不低于1/3；与以前论文相符；
论文中引用的文献的标注方法遵照GB/T7714-2005；
参考文献写格式应符合GB/T7714-2005的规定；
序号 作者. 书名. 版次. 出版者，出版年：引用部分起止页
作者. 文章名. 学术刊物名.年，卷（期）：引用部分起止页 [3]周琳娜，王东明，数字图像取证技术【M]，北京:北京邮电大学出版社，2008:31-48.
[4]Uan Schyndel R G, Tirkel A Z, Osborne C F. A Digital Watermark.[J]. Proc.of the IEEE Int.conf on Image Processing, 1994, 2:86一90.
公式
- 第一章第一个公序号为“（1-1）”
- 如正文中书写分数，应尽量将其高度降低为一行。如将分数线书写为“/”，将根号改为负指数。
表
- 第一章第一个插表的序号为“表1-1”
- 表序与表名之间空一格，表名中不允许使用标点符号，表名后不加标点。表序与表名置于表上，用中文居中排写。
- 全表如用同一单位，将单位符号移至表头右上角，加圆括号。
图
- 第一章第一图的图号为“图1-1”等。图题置于图下，用中文居中书写。有图注或其他说明时应置于图题之上。图名在图号之后空一格排写。引用图应说明出处，在图题右上角加引用文献号。图中若有分图时，分图号用a）、b）等置于分图之下。
在一个看似无害的对象中传输一个秘密消息。如果覆盖分布与stego分布完全匹配，则一个隐写系统被称为完全安全的[2]。虽然这个问题已经被所谓的“覆盖生成”解决了[1,29,24]，但是这个解决方案需要精确地知道覆盖对象的概率分布，这在实际的数字媒体中是很难得到的(如果可能的话)。最常见的实际解决方案是通过做一些小的扰动来隐藏信息，希望这些扰动会被图像噪声掩盖。
众所周知，自然图像中相邻像素的值并不是相互独立的。这不仅是由于自然图像固有的平滑性，而且还由于图像采集设备中的图像处理(去马赛克、锐化等)。这种处理使得原始传感器输出的噪声依赖于最终图像。后一种依赖源对隐写分析非常重要，因为隐写变换隐藏在图像噪声中。
隐写术利用了数字媒体文件(视频、音频、图像)的冗余性，对数字媒体中的元素进行少量修改，在不引起感官(视觉、听觉)异常的条件下嵌入秘密信息。
现实生活中的图像多数都是经过处理了，例如目前多数手机的相机都自带了图像美化功能，这些处理有些是人们刻意为了某种目的二进行的，有些是软件或平台自动完成了，如为了美化图像对图像进行处理。不同之处在于本文选择图像增强是为了得到更适合用于图像隐写的载体。
加密技术：将秘密的明文信息编码为无意义的密文信息，虽然保护了数据，但也将传输秘密信息这一事实暴露。
隐写分析所依赖的高维统计特征；
通用隐写分析采用FLD集成分类器，使用多个FLD子分类器进行多人投票，以多个子分类器的投票结果作为最终分类器的输出。
自适应隐写
隐写术的目的是在隐写媒体中隐藏信息，而不会引起隐写分析的怀疑。为了最小化统计可检测性，隐写术可以表述为最小化嵌入失真[3][4]的源编码问题。虽然畸变本质上是非加性的，但由于其简单性和非加性畸变可以近似地用加性形式[5]表示，所以常使用加性畸变函数。在图像的附加设置中，失真是通过对单个像素进行修改的效果进行量化的成本总和来评估的。因此，一个更好的定义成本函数将导致一个更安全的隐写方法。
当今所有最安全的数字图像隐写方案都使用启发式定义的失真函数，这些函数限制对图像中难以建模的部分(例如，复杂纹理或“噪声”区域)的嵌入更改。
目前自适应隐写有两类框架：基于STC编码的最小化 嵌入失真和基于图像模型(MG、MiPOD)。
另一类基于模型的隐写算法，如ＭＧ【４Ｑ］、ＭＶＧ［４１］、ＭｉＰＯＤ［４２］等算法，用 特定的数学模型来刻画载体和载密图，ＭＧ算法中采用高斯模型对载体载密图进 行建模，并通过最小化载体载密图概率分布的ＫＬ散度来实现两者之间的不可区 分。ＭＶＧ和ＭｉＰＯＤ则使用了广义高斯模型对图像概率分布进行建模，并通过 最优化参数的方法指导载体进行修改，实现了相对于ＭＧ算法的安全性提升。基 于模型的隐写算法通过数学建模，将隐写中载体修改点选择的问题转化为数学 优化问题，这类方法的安全性取决于对载体所建立的模型是否合理，然而由于自 然图像等数字媒体通常较难用准确的数学模型进行刻画，因此这类方法对隐写 安全性的提升受到了一定程度的制约。
**目标：**我们的目标是提高典型空间自适应隐写术对丰富的模型特征和神经网络隐写分析的性能。
失真函数
失真函数：定义合适的失真函数，并且在定义失真函数时引入更大的随机性；
修改携带秘密信息的载体元素，在空域中载体元素为图像像素，频域中为量化DCT系数；
失真函数多元化，引入更多的随机性；
- 方向一致性原则：相邻元素的修改方向趋向一致；
- 失真扩散原则：相邻元素的修改优先级趋向一致；
- 纹理优先原则：
MMD: Pevny T, Fridrich J. Benchmarking for steganography. 2008.
JPEG隐写术
Jsteg、JPHide、MB1、F5、nsF5、MME、YASS-JPEG图像隐写术研究
频域自适应隐写算法：J-UNIWARD、UED
近几年，随着学术界对自适应编码理解的深入，不断有新的自适应隐写算法 被提出，如Ｊ－ＵＮＩＷＡＲＡＤ［３７］、ＵＥＤ［５９】其改进ＵＥＲＤ＿、ＩＵＥＲＤ［６１］，以及ＨＤＳ［６２］ 和ＲＢＶｆＭ等算法。Ｊ－ＵＮＩＷＡＲＤ与其空域算法Ｓ－ＵＮＩＷＡＲＤ—样，通过在空域 对像素进行多方向滤波，对残差较小的元素赋予更小的失真，由于利用了原始空 域图像的信息，Ｊ－ＵＮＩＷＡＲＤ隐写算法是当前安全性最高的ＪＰＥＧ图像隐写算法 之一。但在空域定义失真的复杂度过高，为了综合考虑复杂度因素和安全性因 素，ＵＨＤ与ＵＥＲＤ利用ＤＣＴ量化步长和ＤＣＴ块能量直接给ＤＣＴ系数定义失 真，这两种算法也可以实现较高的安全性，且算法的复杂程度低。ＵＥＲＤ在ＵＥＤ 的基础上做出了改进，利用了ＵＥＤ没有利用的０值系数和直流系数，比ＵＥＤ有 着更高的安全性。ＨＤＳ隐写算法参考空域信息定义失真，将空域像素的预测误 差作为影响因素定义ＤＣＴ系数的失真。而ＲＢＶ算法则在定义失真时更为精细 地将空域像素多方向的滤波残差作为影响因子，因此也获得了更高的安全性能。
STC
目前，Filler等人提出的STC编码[[58]是一种能够接近理论最优嵌入路径的
编码，隐写者只需定义好失真函数，STC编码即可相应选择出合适的修改位置， 使得嵌入消息后的总体失真接近理论的最小值。对于接收方而言，只需要知道消息的长度，不需要知道失真情况，就能正确提取出消息。此外，Zhao等人提出 了一种新的双层编码方法【6a]，这种方法在STC编码的基础上做出了改进，不再 自适应的将待嵌入的消息分配到载体元素的 LSB层和2LSB层，而是通过人为 设定参数，将消息不均匀的分配到LSB层和2LSB层，以追求更高的编码效率。 最近，Birahime等人[65]也对隐写编码做出了改进，他们利用效率更高的极化码 替代了原始STC中的线性分组码，以追求更高的隐写编码效率。这些编码的效 率都可以逼近理论界，根据定义好的失真选择总失真代价最小的方式执行消息 嵌入，基本解决了隐写算法中的编码问题，因此隐写算法的设计难点就落在了失 真函数的合理定义上。
PSNR
人眼往往不能察觉PSNR38dB以上的影响[Pctitcolas F. Evaluation of Copyright Marking Systems.1999]
MMD
高斯核函数
- 按一定规律统一改变样本的特征数据得到新的样本，新的样本按新的特征数据能更好的分类，由于新的样本的特征数据与原始样本的特征数据呈一定规律的对应关系，因此根据新的样本的分布及分类情况，得出原始样本的分类情况。
- 高斯核和多项式核干的事情截然不同的，如果对于样本数量少，特征多的数据集，高斯核相当于对样本降维；
- 高斯核本质是在衡量样本和样本之间的“相似度”，在一个刻画“相似度”的空间中，让同类样本更好的聚在一起，进而线性可分。
查找替换
批量上标
查找内容框：\[[1-9]*\]
替换框：Ctrl+Shift+=