图3所示为medium类隐写图像中总检出率随主成份特征数的变化曲线，为10次平均的检测结果。表1中给出不同主成分累计贡献率阈值时检测结果。当选择主成份累计贡献率阈值90%时总体检测性能达到最好，以后随累计贡献率增加，主成份数随之增加，但检测效果变化不大，有些还略有下降。因此，选择主成份累计贡献率阈值90%做隐写分析。用相同的实验方案采用原图中13个子带的39个特征矩、原图和预测误差图的13个子带的78个特征矩以及原图和预测误差图的17个子带的所有102个特征矩检测仿真，表2中给出比较结果，TP为正确肯定率、TN为正确否定率、 A为总的检出率。当不采用主成份方法选择特征时，提出的102个特征的检测性能总体最好；检测性能随选择特征数目的增加而增加，但随之付出的代价是增加高维特征；当采用本文提出的选择主成份累计贡献率阈值90%时的主成分进行分析，不但将特征维数降低到40~50范围内，并且同时改善了检测性能，总检出率总体高于102个全部特征的检出率。

 
4. 结论
    成功的隐写分析很大程度上取决于能否找由嵌入带来的统计特性的变化，提取对这些变化敏感的可靠特征。本文提出了基于小波特征函数统计矩的通用隐写分析算法，并使用基于K-L的主成分分析法进行特征降维，降维处理在改进训练速度的同时提高了分类精度，给出的仿真结果证明所提出特征的优越。针对几个典型的隐写方法的仿真检测显示提出的方法取得了好的检测性能。

(责任编辑：adminadmin2008)