申请/专利权人：北京邮电大学

申请日：2022-09-09

公开（公告）日：2024-03-22

公开（公告）号：CN117745506A

主分类号：G06T1/00

分类号：G06T1/00;G06T3/06;G06V10/40;G06V10/77;G06V10/771;G06V10/80;G06N3/0455;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开一种基于风格迁移和深度特征融合的生成式图像隐写术，能够实现在图像风格迁移过程中嵌入二进制信息并得到一张载密的风格迁移图像，接收方在收到载密图像时可从图像中恢复出隐藏的信息。包括：VGG编码器网络，负责从图像中提取图像的内容特征；秘密信息隐藏模块，负责将二进制数据隐藏到图像的结构特征中；风格迁移模块，负责将内容特征与风格图像的特征融合得到迁移特征；VGG解码器网络，负责将融合的载密特征上采样到RGB域，生成载密风格迁移图像；VGG判别器网络，负责对生成的载密图像的质量做判别；秘密信息提取模块，负责将载密图像中的结构特征提取出来并从中抽取出嵌入的秘密信息。本发明通过将秘密信息隐藏到生成图像的结构特征中，构造出一种基于风格迁移的生成式图像隐写术，为图像信息隐藏提供了新的嵌入思路，提升了生成式图像隐写的容量和生成质量。

主权项：1.一种基于风格迁移和深度特征融合的生成式图像隐写术，其特征在于，包括：A、秘密信息与图像结构深度融合：融合过程共需采用三种卷积神经网络，包括VGG编码器网络、特征压缩网络和融合网络，其中VGG编码器网络将风格迁移中的内容图像从RGBC×H×W空域中抽取图像内容特征Fc＝{fc1,fc2,…,fcn}c×h×w，将提取的内容特征Fc进行压缩得到图像结构特征Fc′，将秘密信息转换为秘密矩阵与Fc′在通道层叠加，叠加后的特征输入融合网络得到融合秘密信息的结构特征Fm；B、生成风格迁移中的迁移特征：首先采用VGG编码器对内容图像和风格图像进行特征提取Fc和Fs，将提取的特征分别输入到特征网络进行迁移矩阵学习，将输出的内容和风格特征相乘并通过Gram矩阵学习多尺度的表征信息，将学习后的特征作为风格迁移中的迁移特征Fd；C、生成载密图像：解码器网络为基于VGG的卷积网络，将融合秘密信息的结构特征Fm与迁移特征Fd相加得到最终的目标特征，将目标特征输入VGG解码器中得到风格迁移后的载密图像Istego；D、提取秘密信息：秘密信息提取阶段分为两部分，包含特征提取网络和秘密提取网络，特征提取网络将载密图像中的内容特征Fstego提取出来，提取的内容特征输入秘密提取网络中提取秘密特征Fsecret，最后采用提取规则将秘密特征转换为秘密信息S′；E、模型鲁棒性训练：在训练过程中引入图像攻击后样本，对模型的提取网络进行训练，提升模型整体的隐写鲁棒性。

全文数据：

权利要求：

百度查询： 北京邮电大学 一种基于风格迁移和深度特征融合的生成式图像隐写术

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