隐写分布特征保持

该章讲解了分布特征保持问题，并介绍了分布保持的一些方法

本节主要通过实例来引出分布保持问题并描述其难度

JPEG系数特点
- 对称性。以0为中心达到最大值，两侧分布近似对称
- 单侧单调性。以0为中心达到最大值，两侧单调下降
- 梯度下降性。小值样点多，大致样点少，分布曲线两侧下降梯度珠江减小
了解JPEG特点，是为了对其隐写进行约束，隐写后特征满足这些特点
LSBR嵌入得特点
- 奇数值样点只减不增，偶数值样点相反
- 相邻值样点数不断接近
了解LSBR特点是为了：为隐写分析提供依据
隐写分析方法
- 判断隐写的直接依据
  - 检漏率（隐秘图像的统计特征，出错概率）
  - 虚警率（载体图像的统计特征，出错概率）
- 常用简单依据
  - 𝑝 = {𝑓(𝑡)𝑑𝑡 = 1 − {𝑓(𝑡)𝑑𝑡
结论
- 该隐写分析方法对连续的LSBR隐写非常有效，甚至可以估计嵌入长度
- 但对不连续的LSBR性能下降很快，但对一些幂集嵌入取余仍然有效
基础概念
- h(x)，直方图中x处对应的值
- t：相对偏离程度
- f(t): t满足的K平方分布
- g*(x): 隐密图像的统计特征
- g(x): 载体图像的统计特征

该节介绍了分布保持的概念及证明了其困难性

早在第2章，我们就已经接触过该方法——随机加减1，这就是典型的通过调整修改方法保持一节统计特征的例子。该节将会介绍该方法下的几个典型例子（F3隐写,F4隐写)

该隐写，书上介绍逻辑清晰，层次分明，这里不做记录

核心：对不同正负号的JPEG系数采用了不同的嵌入与消息表示方法

通过预留不用承载消息的区域，并进行相应的补偿处理，可以将含密载体的分布特征调整到预期的情况，从而降低相应的隐写分析

由于载体分别v有特征一般具有全局性，所有可以预留一个不承载消息的补偿区用于修正变化的分布特征