[发明专利]一种基于GAN的载体图像合成隐写方法

权利要求书

1.一种基于GAN的载体图像合成隐写方法，其特征在于：包括以下步骤：

步骤1、构建数据集，并将数据集中的每幅图像均裁剪成i*j大小的图像，之后将裁剪完成的数据集组成真实图像数据集；其中，i和j均为正整数；

步骤2、构建生成网络G、判别网络D、取证网络F及提取网络E，并初始化生成网络G、判别网络D和提取网络E中的参数，取证网络F中的参数为预设值；

步骤3、使用批训练方式对步骤2中初始化的生成网络G、判别网络D和提取网络E进行训练，得到训练完成的生成网络G、判别网络D和提取网络E；其具体步骤为：

步骤3-1、从步骤1的真实图像数据集中随机选取n幅真实图像，并将每幅真实图像中的每个像素进行归一化处理，使每幅真实图像中每个像素的像素值均归一化到[-1,+1]；其中，n为正整数；

步骤3-2、随机生成n个k*1的秘密信息向量，n个k*1的第一密钥向量和n个k*1的第二密钥向量；其中，n个k*1第一密钥向量和n个k*1的第二密钥向量均不相同；k为正整数；

步骤3-3、将n个k*1的秘密信息向量以及n个k*1的第一密钥向量输入到初始化的生成网络G中，生成n幅合成载体图像；

步骤3-4、将n幅合成载体图像与步骤3-1中选取的n幅真实图像输入到初始化的判别网络D中，并计算判别网络D中的损失函数L_D，利用损失函数L_D更新判别网络D中的参数；

步骤3-5、将n幅合成载体图像输入到步骤2中构建的取证网络F中，并计算取证网络F中的损失函数L_ada；

步骤3-6、使用全连接层将n个k*1的第一密钥向量分别转换成n个与合成载体图像尺寸相同的第一特征向量，并将n幅合成载体图像和n个第一特征向量输入到初始化的提取网络E中，得到使用第一密钥向量对应提取出的第一秘密信息，并计算提取网络E中使用第一密钥向量提取第一秘密信息过程的损失函数L_Eq，利用损失函数L_Eq更新初始化的提取网络E中的参数；

步骤3-7、使用全连接层将n个k*1的第二密钥向量分别转换成n个与合成载体图像尺寸相同的第二特征向量，并将n幅合成载体图像和n个第二特征向量输入到初始化的提取网络E中，得到使用第二密钥向量对应提取出的第二秘密信息，并计算提取网络E中使用第二密钥向量提取第二秘密信息过程的损失函数L_Eq；

步骤3-8、计算生成网络G的总损失函数L_G，并根据生成网络G的总损失函数L_G更新初始化的生成网络G中的参数；总损失函数L_G的计算公式为：

L_G＝L_g+α(L_Eq+L_Eq)+βL_ada；

其中，L_g为生成网络G的损失函数之一，L_g＝E_m,q[D(G(m,q))-G(m,q)]，G(m,q)为秘密信息向量m和第一密钥向量q输入到生成网络G中后输出的合成载体图像，D(G(m,q))为合成载体图像输入到判别网络D中后输出的图像，α，β是分别控制各损失函数平衡的预设超参数；

步骤3-9、任意从真实图像数据集中随机选取n幅真实图像，构建不同批次的训练样本，依次使用任一批次的样本且采用步骤3-1～步骤3-8中相同的方法对更新后的生成网络G、判别网络D及提取网络E进行训练，最终得到训练完成的生成网络G、判别网络D及提取网络E；

步骤4、将待嵌入的秘密信息和预设的密钥输入到训练完成的生成网络G中，得到合成载体图像；

步骤5、将步骤4中得到的合成载体图像和步骤4中预设的密钥输入到训练完成的提取网络E中，则提取出秘密信息。

2.根据权利要求1所述的基于GAN的载体图像合成隐写方法，其特征在于：所述步骤2中构建的生成网络G包括依次相连接的第一合成向量层、a个全连接层模块和b个反卷积模块，其中，每个全连接层模块包括依次相连接的全连接层、批标准化层和第一激活函数层，前b-1个反卷积层模块中均包括依次相连接的反卷积层、批标准化层和第二激活函数层，最后一个反卷积层包括依次相连接的反卷积层和第三激活函数层，a和b均为正整数。