[发明专利]一种基于Mobilevit-v3的隐写分析方法

说明书

本发明提供了一种基于Mobilevit‑v3的隐写分析方法，包括以下步骤：制作数据集‑预处理‑特征提取‑特征分类。本发明基于Mobilevit‑v3Block有着更好的泛化能力和更好的鲁棒性；基于CFP Block具有更少的参数和更好的性能。

技术领域

本发明涉及一种基于Mobilevit-v3的隐写分析方法，属于网络空间安全中的内容安全技术领域。

背景技术

图像隐写分析技术与图像隐写术互为攻守，图像隐写分析技术在公共媒体传播的图片中分类这些图片是否被图像隐写术嵌入秘密信息，而这些信息是人们用肉眼无法区分的。

Mobilevit-v3 Block对融合块进行简单而有效的改进，首先将3×3卷积层替换为1×1卷积层；第二，将局部表示块和全局表示块的特征融合在一起，而不是将输入和全局表示块融合在一起；第三，在生成Mobilevit Block输出之前，在融合块中添加输入特征作为最后一步；最后在局部表示块中将普通的3×3卷积层替换为深度3×3卷积层，解决了缩放问题并简化了学习任务。

CFP Block结合了Inception模块和空洞卷积(dliate)的模块，被称为Channel-wise Feature Pyramid(CFP)模块，该模块联合提取各种尺寸的特征图和上下文信息，显著减少参数数量。

现有的自适应图像隐写术算法可以将更多的秘密信息隐藏到图像复杂的纹理区域，并使有改动信息的图片与原图片之间的统计特性接近，但是会降低网络性能，使用参数量较多，导致模型检测准确度较低。

发明内容

为解决上述技术问题，本发明提供了一种基于Mobilevit-v3的隐写分析方法，该基于Mobilevit-v3的隐写分析方法能提升网络性能并降低参数量。

本发明通过以下技术方案得以实现。

本发明提供的一种基于Mobilevit-v3的隐写分析方法，包括以下步骤：

①制作隐写图像的数据集；

②对步骤①的图像进行预处理；

③步骤②结束后会保留图像的高频信息，用Mobilevit-v3 Block和CFP Block对步骤②预处理后得到的图像进行特征提取；

④提取特征后根据概率值对图像是否为隐写图像进行二分类。

所述步骤①中，使用WOW、S-UNIWARD和HILL三种自适应隐写算法和四种载荷payload＝0.1bpp、0.2bpp、0.3bpp和0.4bpp对BOSSbase v1.01原始数据集进行隐写，获取多个不同的载密图像数据集。

所述步骤②中，使用SRM高通滤波器进行图像预处理，获取噪声残差图像噪声残差图像。

所述步骤④中，使用Softmax的全连接层对提取的特征进行分类。

本发明的有益效果在于：基于Mobilevit-v3 Block有着更好的泛化能力和更好的鲁棒性；基于CFP Block具有更少的参数和更好的性能。

附图说明

图1是本发明网络结构基于Mobilevit-v3 Block和CFP Block设计的网络模型图；

图2是本发明Mobilevit-v3 Block的网络结构图；

图3是本发明CFP Block由K个具有不同扩张率的特征图。

具体实施方式

下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。

一种基于Mobilevit-v3的隐写分析方法，包括以下步骤：