[发明专利]一种基于卷积神经网络的彩色图像隐写方法

说明书

本申请公开了一种基于卷积神经网络的彩色图像隐写方法，该方法包括：制作包含载体图像和秘密图像的数据集；以载体图像和秘密图像为输入，以隐写图像和提取图像为输出，构建由隐藏网络和提取网络组成的图像隐写网络模型；设置图像隐写网络模型的参数，并对图像隐写网络模型进行训练；运用训练好的图像隐写网络模型进行图像隐写。上述基于卷积神经网络的彩色图像隐写方法中，通过由隐藏网络和提取网络组成的图像隐写网络模型实现彩色图像的嵌入和提取，所产生的隐写图像具有较高的质量和安全性，隐写容量较高。

技术领域

本发明涉及多媒体信号处理领域，特别是涉及一种基于卷积神经网络的彩色图像隐写方法。

背景技术

随着网络的快速发展，数字媒体成为了传递信息的重要载体，互联网上每天都产生数以亿计的各种数据，这给信息安全带来了新的挑战。在通信时用户希望秘密消息不被第三方获悉，传统的加密技术可以将秘密内容转换成密文来保护秘密内容的完整性和安全性。但这种无意义、乱码的密文容易引起监控者的注意和兴趣，从而被攻击和截获。秘密信息的传输过程很有可能被攻击者切断，使得秘密信息无法有效及时地传递给接收者，同时秘密信息还面临着随时被破译的风险。

图像隐写可看作是一种伪装的加密技术，但它不同于传统的加密技术，图像隐写将消息嵌入到图像中而不改变其感知特性，保证嵌入秘密信息的载体在视觉上看起来与原始图像非常相似，从而避免监控者的注意和怀疑，避免被监控者截获和攻击。

目前，传统的图像隐写是基于对载体图像的修改，根据隐写方式的不同分为两类：空域方法和变换域方法；其中，空域方法是采用不同的策略直接对图像的像素进行修改，实现图像的隐写，变换域方法主要是基于DCT域的JPEG为载体的隐写算法。传统的图像隐写算法存在隐藏信息的数量是有限的和需要人工分析、设计图像的统计特征，需要花费大量的时间和精力。

发明内容

有鉴于此，本发明的目的在于提供一种基于卷积神经网络的彩色图像隐写方法，可以实现彩色图像的嵌入和提取，所产生的隐写图像质量较高。其具体方案如下：

一种基于卷积神经网络的彩色图像隐写方法，包括：

制作包含载体图像和秘密图像的数据集；

以所述载体图像和所述秘密图像为输入，以隐写图像和提取图像为输出，构建由隐藏网络和提取网络组成的图像隐写网络模型；

设置所述图像隐写网络模型的参数，并对所述图像隐写网络模型进行训练；

运用训练好的所述图像隐写网络模型进行图像隐写。

优选地，在本发明实施例提供的上述基于卷积神经网络的彩色图像隐写方法中，在构建所述图像隐写网络模型的过程中，包括：

将所述载体图像和所述秘密图像分别输入到所述隐藏网络，通过所述隐藏网络将所述秘密图像嵌入到所述载体图像中，得到所述隐写图像；

将所述隐写图像输入到所述提取网络，通过所述提取网络得到所述提取图像。

优选地，在本发明实施例提供的上述基于卷积神经网络的彩色图像隐写方法中，通过所述隐藏网络将所述秘密图像嵌入到所述载体图像中，得到所述隐写图像，具体包括：

将所述载体图像和所述秘密图像分别通过卷积层后，用ReLU激活函数激活，分别得到与所述载体图像对应的第一载体特征图和与所述秘密图像对应的第一秘密特征图；

将所述第一载体特征图和所述第一秘密特征图分别通过卷积层后，用ReLU激活函数激活，分别得到与所述载体图像对应的第二载体特征图和与所述秘密图像对应的第二秘密特征图；

将所述第二载体特征图和所述第二秘密特征图分别通过卷积层后，用ReLU激活函数激活，分别得到与所述载体图像对应的第三载体特征图和与所述秘密图像对应的第三秘密特征图；