[发明专利]一种图像中信息的隐写及读取方法

权利要求书

1.一种图像中信息的隐写及读取方法，其特征在于，包括以下步骤：

S1、针对载体图像与目标隐藏数据，将隐藏数据的二进制信息向量输入一个全连接网络，输出一个固定长度为7500的向量，然后将该长度为7500的向量变形和上采样到与载体图像相同的尺寸，获得隐藏数据信息张量；

S2、构建U型的编码网络，将载体图像与隐藏数据信息张量拼接在一起作为U型的编码网络的输入，输出为与载体图像相同大小的编码残差图；

S3、将载体图像输入U型的非显著性检测网络，获得非显著性概率图；所述非显著性检测网络为经过预训练的网络模型，非显著性概率是指某个像素属于图像非显著区域的概率，即概率越大，表示该像素越不显著；

同时将载体图像输入Canny边缘检测器，获得载体图像的边缘概率图；采用膨胀算法对边缘概率图进行处理，将得到的结果进行平均，获得载体图像的高频概率图；所述高频概率图是指某个像素属于图像高频区域的概率；

S4、将非显著性概率图与编码残差图相乘，得到将信息隐藏在非显著区域的编码残差图，然后将该编码残差图和载体图像相加，得到编码图像；

S5、将得到的编码图像随机的粘贴在高分辨率的背景图像中，得到合成图像；

S6、对得到的合成图像进行加噪处理，得到有损的合成图像；

S7、构建U型的检测网络，检测网络的输入为有损的合成图像，输出为编码图像在该合成图像中四个顶点位置的概率图，根据概率图获得编码图像四个顶点的位置，从而在有损的合成图像中剪切出编码图像；

S8、构建解码网络，解码网络的输入为剪切出的编码图像，输出为和隐藏信息相同长度的向量，该和隐藏信息相同长度的向量用于预测隐藏信息；

S9、采用训练样本，对步骤S2的编码网络、步骤S7的检测网络和步骤S8的解码网络进行训练；

在网络训练过程中，通过计算载体图像和步骤S4中的编码图像之间的加权均方损失，LPIPS感知损失，对抗损失来监督编码网络的训练；

通过计算真实的位置热力图与步骤S7预测的热力图之间的均方误差来监督编码网络和检测网络的训练；

通过计算隐藏信息向量和步骤S8输出的和隐藏信息相同长度的向量之间的交叉熵损失来监督编码网络和解码网络的训练；

S10、获得训练好的编码网络、检测网络和解码网络后，将步骤S1中的全连接网络、步骤S2的编码网络、步骤S3的非显著性检测网络组合构成隐写模块，将载体图像和隐藏数据的二进制信息输入隐写模块后得到编码图像；

将步骤S7的检测网络和步骤S8的解码网络组合构成隐藏信息读取模块，将包含编码图像的图片输入隐藏信息读取模块后即获得编码图像和隐藏的信息。

2.根据权利要求1所述的一种图像中信息的隐写及读取方法，其特征在于，步骤S9中所述加权均方损失的计算方法为：

其中，H为载体图像的高、W为载体图像的宽、C为载体图像的通道数、I为载体图像、I_encod为编码图像、γ为权重超参数、为像素属于载体图像高频区域的概率；

步骤S2的编码网络、步骤S7的检测网络和步骤S8的解码网络的损失函数为：

L＝γ₁L₂+γ₂L_p+γ₃L_c+γ₄L_m+γ₅L_l

其中，L_p为LPIPS感知损失、L_c为对抗损失、L_m为信息恢复损失、L_l为编码图像定位损失、γ₁、γ₂、γ₃、γ₄、γ₅为权重超参数。