[发明专利]一种基于生成对抗网络的JPEG域图像隐写方法和系统

说明书

本发明公开了一种基于生成对抗网络的JPEG域图像隐写方法，通过生成网络产生载体图像DCT系数矩阵对应的篡改概率矩阵，利用模拟编码嵌入模块以及可传递梯度JPEG变换模块根据篡改概率矩阵产生对应的载密图像，通过判别网络对载体图像与载密图像进行区分，将分类误差作为损失函数对生成网络与判别网络进行对抗训练，最终获得能够生成自适应隐写代价值的生成网络模型。通过该模型与传统信息编码模块结合，将秘密信息嵌入到载体图像得到载密图像。相比传统的JPEG域图像隐写方法具有设计简单，易于实现，抗检测性强等特点。本发明还公开了一种JPEG域图像隐写系统，其中包括基于生成对抗网络的JPEG域图像隐写方法所得到的生成网络模块，信息编码模块以及JPEG变换模块。

技术领域

本发明涉及图像隐写领域，更具体地，涉及一种基于生成对抗网络的JPEG域图像隐写方法。

背景技术

信息隐藏是将需要加密的秘密信息通过某些算法嵌入到载体文件中产生载密文件，并通过公开渠道进行传输，接收方通过对应的提取手段对载密文件中的秘密信息进行提取，而攻击方无法从载密文件中获得秘密信息。图像的信息隐藏主要是将图像的部分数据如像素值等进行替换或修改，在不影响图像视觉效果的前提下将秘密信息嵌入到载密图像中，图像的信息隐藏主要利用了人眼的视觉冗余。由于数字图像具有信息容量大，篡改易于实现，且数量及格式种类繁多等特点，因此数字图像为信息隐藏的一大主要载体。隐写算法为图像信息可逆隐藏的主要实现方式，随着网络以及多媒体技术的不断发展，图像作为网络上常用的信息媒介，图像的隐写以及隐写分析也逐渐受到了广泛的应用。

目前图像的隐写方法根据修改图像数据的类别主要分为空域与变化域的隐写，根据秘密信息嵌入的方式又分为图像内容自适应性与非自适应性的隐写。与图像隐写相对应的为图像的隐写分析，用于判断图像是否嵌有秘密信息，隐写分析可以作为隐写算法安全性的一种评价方式。一般而言具有自适应性的隐写算法都具有相对较高的安全性。随着深度学习在图像隐写分析上的应用，隐写分析性能得到极大的提升，同时图像隐写方法的安全性受到了挑战。

JPEG域上的图像隐写算法首先通过将空域上的像素值转换到JPEG域，通过对图像DCT系数进行篡改来嵌入秘密信息，为了使得嵌入行为尽可能减少统计特征的改变，隐写算法采用具有自适应性的嵌入方法。为了减少视觉上的改动，一般将信息嵌入到修改后对图像视觉效果影响较小的交流非零DCT系数中。传统方法通过设置加性失真函数来实现信息嵌入的自适应性，但该方法高度依赖设计者的经验和先验知识，且不能够根据隐写分析网的改动及时作出策略上的调整，因此其安全性仍有一定的提升空间。目前并没有出现在JPEG域的根据隐写分析网络的变动及时调整自身策略的隐写代价函数自动学习算法。

发明内容

本发明提供一种基于生成对抗网络的JPEG域图像隐写方法与系统，采用深度学习中的生成对抗网络进行JPEG域上的隐写。

为解决上述技术问题，本发明的技术方案如下：

一种基于生成对抗网络的JPEG域图像隐写方法，其特征在于，所述的生成对抗网络包括生成网络、模拟编码嵌入模块及判别网络。其训练过程包括以下步骤：

S1：将载体图像通过可传递梯度JPEG变换模块，得到该载体图像对应的DCT域上的系数矩阵；

S2：将该载体图像对应的DCT系数矩阵输入到所述生成网络中，通过生成网络产生对应的与载体图像大小一致的篡改概率矩阵，所述篡改概率矩阵的每一位置的数值代表该位置对应的像素位置DCT系数受到篡改的概率；

S3：将产生的篡改概率矩阵与随机噪声矩阵通过模拟编码嵌入模块进行模拟编码得到与载体图像大小一致的篡改矩阵，所述随机噪声矩阵与所述篡改概率矩阵大小一致，篡改矩阵中元素的取值为±1与0，随机噪声矩阵用于模拟随机秘密信息；将篡改矩阵与载体图像对应的DCT域上的矩阵相加，得到DCT域上与载体图像DCT系数矩阵对应的载密图像的DCT系数矩阵；