[发明专利]基于生成嵌入概率图的隐藏信息检测方法和系统

说明书

本发明公开了一种基于生成嵌入概率图的隐藏信息检测方法和系统，上述方法可以根据待测图像生成待测嵌入概率图，将待测嵌入概率图和待测图像分别与多个高通滤波核进行卷积，得到待测嵌入概率图对应的第一残差图和待测图像对应的第二残差图，对第一残差图和第二残差图进行融合，得到待测融合图像，采用预先训练得到的隐写分析模型待测对待测融合图像进行学习并输出所述待测图像是否藏有秘密信息的概率，以检测待测图像中是否隐藏秘密信息，具有较高的检测精度和检测效率。

技术领域

本发明涉及图像分析技术领域，尤其涉及一种基于生成嵌入概率图的隐藏信息检测方法和系统。

背景技术

图像隐写术是一种将秘密信息隐藏于载体图像中进行隐蔽通信的技术。相对于传统的加密通信而言，图像隐写术的重心在于掩盖隐蔽通信行为本身，让监听者无法捕捉其中的秘密消息。

近年来，随着S-UNIWARD、HILL、HUGO等内容自适应隐写算法的出现，通过各自的失真函数构造嵌入概率图来指引秘密信息在图像中纹理复杂区域，极大地提升了隐写术的安全性的同时也为图像隐写分析带来了巨大的挑战。但是现有的隐写分析研究大多为改进网络结构以提升隐写分析模型的检测性能，并未考虑这类内容自适应隐写算法的特征，使得模型在训练的过程中无法得到指引并且输入的信息不具备区别性，导致最后的检测精度较低，训练时间偏长。

发明内容

针对以上问题，本发明提出一种鲁棒性强、训练高效的基于生成嵌入概率图的隐藏信息检测方法和系统。

为实现本发明的目的，提供一种基于生成嵌入概率图的隐藏信息检测方法，包括如下步骤：

S10，根据待测图像生成待测嵌入概率图；所述待测嵌入概率图记录所述待测图像中每个像素点携带隐藏秘密信息的概率；

S40，将待测嵌入概率图和待测图像分别与多个高通滤波核进行卷积，得到待测嵌入概率图对应的第一残差图和待测图像对应的第二残差图；

S50，对第一残差图和第二残差图进行融合，得到待测融合图像；

S60，采用预先训练得到的隐写分析模型对待测融合图像进行学习并输出所述待测图像是否藏有秘密信息的概率，以判断所述待测图像中是否隐藏秘密信息。

在一个实施例中，在根据待测图像生成待测嵌入概率图，还包括：

S20，对待测图像和待测嵌入概率图进行随机翻转和旋转操作，以增强数据；

S30，对嵌入概率图生成模块进行剪枝操作，以去除高维语义信息干扰。

在一个实施例中，对第一残差图和第二残差图进行融合，得到待测融合图像包括：

采用Pseudo-Siamese结构对第一残差图和第二残差图进行融合，得到待测融合图像；

将待测融合图像经过注意力机制处理后进行权重裁剪。

在一个实施例中，隐写分析模型的训练过程包括：

采集多个样本图像，确定各个样本图像的样本标签；所述样本标签包括相应样本图像包括秘密信息的概率；

获取各个样本图像的融合图像，以各个样本图像的融合图像为输入，以各个样本图像的样本标签为输出训练初始神经网络模型，以得到隐写分析模型。

具体地，获取各个样本图像的融合图像包括：

根据各个样本图像生成各个样本嵌入概率图；所述样本嵌入概率图记录相应样本图像中每个像素点携带隐藏秘密信息的概率；

将样本嵌入概率图和相应的样本图像分别与多个高通滤波核进行卷积，得到各个样本嵌入概率图对应的第三残差图和各个样本图像对应的第四残差图；