摘要：针对目前大部分BMP隐写分析方法主要采用单一特征和单一强分类器,容易产生训练样本敏感、分类精度难以提高等问题,提出一种基于特征融合和改进RSM集成分类的BMP图像隐写检测方法.方法首先串行融合Moulin和SPAM两种经典特征,然后利用序列前向选择（SFS）算法选取分类能力高的特征作为固定特征,其余特征在剩余特征空间中随机抽取,利用固定特征和随机抽取特征构造特征子集,最后在特征子集上训练成员分类器,并用多数投票法对它们进行组合.实验结果表明：和传统方法相比,在不同嵌入率下,该方法对BMP经典隐写（如LSB匹配、LSB替换、SS和QIM）的检测率均有一定程度的提高.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社