本文在简要介绍了信息隐藏的历史背景以及信息隐藏中的重要研究内容——图像隐写分析的基础之上,针对JPEG隐写图像的盲检测技术展开了较为深入的探讨。具体内容包括:(1)提出了一种将共生矩阵用在小波域中以反映小波子带内系数间相关性的盲检测算法。该算法首先对图像进行三层小波分解,然后统计高频子带系数的共生矩阵,并对共生矩阵进行预处理,最后,选取预处理后数据的方差和特征函数矩作为图像分类的特征进行检测。实验结果表明:本算法能有效地对F5、Jsteg、Outguess和Jphide等隐写算法进行检测。(2)沿用共生矩阵的思想,提出了一种基于联合概率密度矩阵来反映小波子带间相关性的盲检测算法。首先将图像进行两层小波分解,计算图像及其小波高频子带水平、垂直、对角方向的差分;其次,统计高频子带间差分矩阵的联合概率密度和图像的共生矩阵;最后,提取统计得到的数据矩阵的熵和能量作为特征,联合三层小波分解高频系数的概率密度函数矩作为图像分类的特征。实验结果表明,本章算法在保持对Jsteg、Outgess隐写检测正确率的情况下,对F5、Jphide隐写算法的检测正确率也得到了有效提高,且算法对MB2和PMK等隐写算法的检测也具有一定的泛化能力。(3)提出了一种基于子带内和子带间相关性的盲检测算法。首先对图像进行两层小波分解,计算8个小波子带内水平、垂直、对角方向的差分;然后统计每个差分矩阵的共生矩阵,提取共生矩阵的熵和能量作为子带内特征,并将它们和(2)中的特征组成126维特征作为图像分类的特征。实验结果表明:本算法对以JPEG图像为载体的典型隐写算法F5、Jsteg、Outguess和Jphide等的检测正确率得到了大幅提高,同时对空域隐写算法也具有一定的泛化能力。最后,对全文进行了总结,并对下一步的研究工作做了展望。