通过最小化统计可检测性实现内容自适应隐写术

目前大多数隐写方案通过最小化启发式定义的失真来嵌入秘密负载。类似地，它们的安全性通过使用装备有丰富图像模型的分类器进行经验评估。在本文中，我们追求一种基于局部估计的多变量高斯封面图像模型的替代方法，该模型足够简单，可以推导出内容自适应最低有效位匹配最强检测器功率的闭合表达式，但同时又足够复杂，以捕捉自然图像的非平稳特性。我们表明，当适当地选择封面模型估计器时，可以获得最先进的性能。所选模型中的可检测性闭合表达式用于获得关于构建为分类器的经验隐写分析检测器性能极限的新基本见解。特别是，我们考虑一种新颖的可检测性受限的发送者，并估计单幅图像的安全负载。