申请/专利权人：中国人民武装警察部队工程大学

申请日：2020-10-12

公开（公告）日：2023-11-07

公开（公告）号：CN112132738B

主分类号：G06T1/00

分类号：G06T1/00;G06N3/0475;G06N3/045;G06N3/094;G06N3/0464;G06N3/048;G06N3/08;G06N3/0455

优先权：

专利状态码：有效-授权

法律状态：2023.11.07#授权;2021.01.12#实质审查的生效;2020.12.25#公开

摘要：本发明公开了一种有参考生成的图像鲁棒隐写方法，涉及深度学习技术领域，所述方法包括：以现有的神经网络模型作为编码器，并且以原始图像和秘密信息作为编码器的输入，隐写图像作为输出；以现有的神经网络模型为判别器，以隐写图像作为判别器的输入，采用原始图像与隐写图像的均值之差作为损失，用来判断隐写图像的真实性；以现有的神经网络模型为解码器，以添加干扰后的隐写图像为输入，对秘密信息进行提取并输出。与其它现有的图像鲁棒隐写方法相比，本发明方法可以使秘密信息提取的准确率提高至98.55%,而且在添加干扰的情况下，秘密信息的提取率也可以达到90%以上。

主权项：1.一种有参考生成的图像鲁棒隐写方法，其特征在于，包括：S1：秘密信息的隐藏S11：以带有残差结构的Residual-encoder模型为编码器，并且以原始图像和秘密信息作为编码器的输入，隐写图像作为输出；其中，所述编码器采用感知损失约束生成图像内容，感知损失的计算公式见式（1）： （1）其中，分别代表原始图像和隐写图像，代表编码器损失；S12：以Basic-discriminator模型为判别器，步骤S11中的隐写图像作为判别器的输入，并采用原始图像与隐写图像的均值之差作为损失，用来判断隐写图像的真实性； （2）S13：通过编码器损失和判别器损失，共同约束生成的隐写图像的图像质量；S2：隐写图像的处理：图像处理层接收编码器生成的隐写图像，并添加模拟干扰后进行输出；S3：秘密信息的提取：以带有简单的卷积神经网络结构的Basic-decoder模型为解码器，以添加干扰后的隐写图像为输入，对秘密信息进行提取并输出；其中解码器的损失通过式（3）进行计算： （3）其中，表示解码器损失，采用sigmoid交叉熵损失函数；分别表示输入的秘密信息和解码器还原出的信息。

全文数据：

权利要求：

百度查询： 中国人民武装警察部队工程大学 一种有参考生成的图像鲁棒隐写方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD