[发明专利]用于隐写分析的系统和方法

权利要求书

1.一种对图像进行分类的方法，其包括：

至少部分地基于所述图像的特性函数的矩来产生特征；以及

至少部分地基于所产生的特征来对所述图像进行分类。

2.如权利要求1所述的方法，其中所述矩包括所述图像的一组分解图像的矩。

3.如权利要求2所述的方法，其中所述的一组分解图像至少部分地基于离散小波变换或Haar小波变换中的至少一个。

4.如权利要求1所述的方法，其中所述图像被分类为隐写图像或非隐写图像。

5.如权利要求1所述的方法，其中所述产生特征包括：至少部分地基于所述图像来产生预测误差图像。

6.如权利要求1所述的方法，其中所述图像的特性函数的所述矩包括低阶矩。

7.如权利要求1所述的方法，其中所述图像的特性函数的所述矩包括高阶矩。

8.一种对图像进行分类的方法，其包括：

将经过训练的分类器应用于图像；以及

至少部分地基于将所述经过训练的分类器应用于根据所述图像产生的多个特征来对所述图像进行分类。

9.如权利要求8所述的方法，其中所述经过训练的分类器包括经过训练的神经网络分类器和经过训练的贝叶斯分类器之中的至少一个。

10.如权利要求8所述的方法，其中对所述图像进行的所述分类还至少部分地基于将所述经过训练的分类器应用于根据所述图像的预测图像产生的多个特征。

11.如权利要求8所述的方法，其中所述多个特征至少部分地基于所述图像的特性函数的矩。

12.一种物体，其包括：其上存储有指令的存储介质，若执行所述指令则导致对一种对图像进行分类的方法的执行，所述方法包括：

至少部分地基于所述图像的特性函数的矩来产生特征；以及

至少部分地基于所产生的特征来对所述图像进行分类。

13.如权利要求12所述的物体，其中如果执行所述指令还导致所述矩包括所述图像的一组分解图像的矩。

14.如权利要求13所述的物体，其中如果执行所述指令还导致所述的一组分解图像至少部分地基于离散小波变换或Haar小波变换中的至少一个。

15.如权利要求12所述的物体，其中如果执行所述指令还导致所述图像被分类为隐写图像或非隐写图像。

16.如权利要求12所述的物体，其中如果执行所述指令还导致所述产生特征包括：至少部分地基于所述图像来产生预测误差图像。

17.如权利要求12所述的物体，其中如果执行所述指令还导致所述图像的特性函数的所述矩包括低阶矩。

18.如权利要求12所述的物体，其中如果执行所述指令还导致所述图像的特性函数的所述矩包括高阶矩。

19.一种物体，其包括：其上存储有指令的存储介质，若执行所述指令则导致对一种对图像进行分类的方法的执行，所述方法包括：

将经过训练的分类器应用于图像；以及

至少部分地基于将所述经过训练的分类器应用于根据所述图像产生的多个特征来对所述图像进行分类。

20.如权利要求19所述的物体，其中如果执行所述指令还导致所述经过训练的分类器包括经过训练的神经网络分类器和经过训练的贝叶斯分类器之中的至少一个。

21.如权利要求20所述的物体，其中如果执行所述指令还导致对所述图像进行的所述分类还至少部分地基于将所述经过训练的分类器应用于根据所述图像的预测图像产生的多个特征。

22.如权利要求21所述的物体，其中如果执行所述指令还导致所述多个特征至少部分地基于所述图像的特性函数的矩。

23.一种设备，其包括：至少部分地基于图像的特性函数的矩来产生特征的装置；以及

至少部分地基于所产生的特征来对所述图像进行分类的装置。

24.如权利要求23所述的设备，其中所述产生特征的装置包括至少部分地基于所述图像的一组分解图像的矩来产生特征的装置。