Performance Improvement of Steganalysis based on image Categorization Using Correlation Coefficient

This paper proposes an improved steganalysis method based on image categorization. In general, most steganalysis methods extract the statistical moments based features which contain the global natures of images regardless of their inherent characteristics. However, the steganalysis method based on the statistical moments leads to degraded performance by applying to images with different complexity. In this paper, we decompose an 8-bit image into an upper 4-bit plane and a lower 4-bit plane, and categorize the image with two classes according to the correlation coefficient between decomposed sub-images. Two independent steganalyses can be performed for the categorized images. Since our method uses independent steganalysis technique according to the image category, it can reduce the drawback of the steganalysis methods utilizing the statistical moments. The performance of the proposed scheme is compared with well-known four steganalysis methods. Experiment results show that the proposed scheme has higher detection rate than previous methods.

상관계수를 이용한 영상의 범주화에 근거한 스테그분석의 성능 개선

본 논문에서는 영상의 범주화에 근거한 개선된 스테그분석 방법을 제안한다. 대부분의 스테그분석 방법은 영상이 가지는 고유한 특성과는 무관하게 영상의 전역적 특징을 나타내는 통계적 모멘트에 기반하여 특징 벡터를 추출한다. 그러나 모멘트에 근거한 방법은 서로 다른 복잡도의 영상에 사용됨으로써 스테그분석의 성능 저하를 야기시키게 된다. 본 논문에서는 8비트 영상을 상위 4 비트 및 하위 4 비트 평면으로 분해하고, 이들 간의 상관계수에 따라 영상을 두 클래스로 범주화한다. 이와같이 범주화된 영상들은 각각에 대하여 독립적으로 스테그분석을 시행할 수 있다. 본 논문의 방법은 영상의 범주에 따라 독립적으로 스테그분석을 수행함으로써 통계적 모멘트를 사용한 방법이 가지는 단점을 완화할 수 있다. 제안된 스테그분석 방법의 성능을 평가하기 위해 기존의 잘 알려진 네 가지 스테그분석 방법과 비교하였으며, 실험 결과 기존의 방법에 비해 더 높은 검출율을 보임을 확인할 수 있었다.