[发明专利]一种大容量图像隐写方法

说明书

本发明属于图像隐写技术领域，具体涉及一种大容量图像隐写方法。将载体图像和两幅秘密图像输入至训练好的图像隐写模型中，得到载密图像和两幅提取图像；图像隐写模型包括隐藏阶段和提取阶段；隐藏阶段包括载体图像预处理网络、秘密图像预处理网络和隐藏网络；隐藏网络用于将级联后的载体图像预处理网络的输出和秘密图像预处理网络的输出进行处理，得到包含有两幅秘密图像的载密图像。本发明能够同时将两幅秘密图像嵌入至载体图像中得到载秘图像，使载秘图像视觉效果上同载体图像一致，显著提高了隐写容量，保持载秘图像的不可察觉性和抗检测性；而且，本发明还能够提取出两幅提取图像，两幅提取图像与两幅秘密图像在视觉效果上保持基本一致。

技术领域

本发明属于图像隐写技术领域，具体涉及一种大容量图像隐写方法。

背景技术

近年来随着通信技术的快速发展，伴随着通信技术出现的信息安全问题吸引了个人、企业、政府以及相关研究领域的注意力。一些个人或组织在通信过程中，其传递的机密信息往往不希望被第三方截取，甚至不希望被第三方感知到其存在性，同时，现代网络中产生的大量的数字媒体作品，持有者往往希望其拥有的版权能够得到保护。针对此类需求，以往的密码学技术并不能很好的满足。隐写术(Steganography)作为一种追求不可察觉性的信息隐藏技术，在保持载体原始感知特性的同时将机密信息嵌入其中，同时也隐藏了通信行为的本身，这种特性使得隐写术非常适合满足上述需求。如今互联网上数字图像随处可见，其获取难度低、冗余大的特点使得数字图像非常适合作为隐写术的载体，因此图像隐写术(Image Steganography)成为了信息隐藏领域中的一大研究热点。

图像隐写术一般有三个方面的衡量指标，分别是容量、不可察觉性和抗检测性。容量：嵌入载体图像中秘密信息的长度；不可察觉性：保持含密图像的感知特性，即保持含密图像与原始载体图像在视觉效果上的相似性；抗检测性：即针对通信过程中可能遇到的隐写分析等检测手段时，要具有一定的抗检测性。

传统的图像隐写术基于专业人士设计的代价函数，通过代价函数计算单点损失和全局损失来确定秘密信息在载体图像的空间域或频域的嵌入位置，以保证对载体图像的感知特性影响最小。但传统的隐写方法往往存在容量低、视觉效果差以及难以抵抗隐写分析等缺点。

随着深度学习的兴起，卷积神经网络目标分类，图像分割以及场景识别等领域得到了充分的应用并取得了丰硕的成果。同时，以深度卷积神经网络为实现手段的图像隐写方案也得到了快速发展。通过利用深度卷积神经网络对图像的特征进行提取和融合实现对图像的隐写和提取。在网络模型的训练过程中，借助损失函数的约束，通过反向传播算法对网络权重的更新，在损失值收敛以后得到最终的隐藏网络和提取网络，但仍存在隐写容量低的问题。

发明内容

本发明提供了一种大容量图像隐写方法，用以解决现有技术中隐写方法的容量低的问题。

为解决上述技术问题，本发明的技术方案包括：

本发明的一种大容量图像隐写方法，包括如下步骤：

将载体图像和两幅秘密图像输入至训练好的图像隐写模型中，得到载密图像和两幅提取图像，且载密图像和载体图像在视觉效果上保持一致，两幅提取图像分别和两幅秘密图像在视觉效果上保持一致；

其中，所述图像隐写模型包括隐藏阶段和提取阶段；

所述隐藏阶段包括载体图像预处理网络、秘密图像预处理网络和隐藏网络；所述载体图像预处理网络用于将输入的载体图像进行预处理；所述秘密图像预处理网络用于将级联后的两幅秘密图像进行预处理；所述隐藏网络用于将级联后的载体图像预处理网络的输出和秘密图像预处理网络的输出进行处理，得到包含有两幅秘密图像的载密图像；

所述提取阶段包括两个提取网络；所述两个提取网络用于将输入的载密图像分别进行处理，得到对应的提取图像。