一种基于GAN扩增图像前景物体的高容量数据保护方法技术

本发明专利技术公开了一种基于GAN扩增图像前景物体的高容量数据保护方法，通过应用多种GAN于信息隐藏，得到嵌入失真概率图，并根据嵌入失真概率图计算不适合隐写区域，在不适合隐写区域中通过固定区域物体生成及信息嵌入模块生成前景物体，在生成图像中隐藏秘密信息，主要步骤如下：(1)将原始图像输入隐写概率图生成器；(2)计算隐写概率图；(3)计算不适合隐写区域；(4)向原始图像中增加纹理物体；(5)进行信息隐藏算法嵌入秘密信息。本发明专利技术预先为图像计算出不适合隐藏区域，实现对信息隐藏中原图像不适合隐藏区域的定向隐藏能力提升；提供增加隐藏容量、高安全性的高容量数据保护方法。

【技术实现步骤摘要】
一种基于GAN扩增图像前景物体的高容量数据保护方法
本专利技术涉及高容量数据保护方法，尤其涉及一种基于GAN扩增图像前景物体的高容量数据保护方法。
技术介绍
随着大数据的到来和科技的快速发展，数据安全和隐私保护成为国家和个人的关注重点。随着信息时代的发展，信息安全领域中的信息隐藏技术被广泛提出，以实现更隐蔽、安全地保护秘密信息。信息隐藏是指利用数字载体(包括文本、图像、音频、视频等)的冗余性，将秘密信息隐藏于其中，得到含密载体。由于秘密信息嵌入后具有不可察觉性，因此可以在不引起监测方怀疑的情况下将含密载体公开传递至接收方。接收方通过相关的算法提取秘密信息。以图像为载体的信息隐藏技术是信息隐藏领域中极其重要的一部分。早期，研究者提出通过修改图像的最低有效位隐藏秘密信息，但其安全性较低。近年来，多种基于GAN的信息隐藏技术被提出，例如，《基于生成式对抗网络的自动隐写失真学习》(TangW,TanS,LiB,etal.Automaticsteganographicdistortionlearningusingagenerativeadversarialnetwork[J].IEEESignalProcessingLetters,2017,24(10):1547-1551.)和《基于生成式对抗网络的空间图像隐写》(YangJ,LiuK,KangX,etal.Spatialimagesteganographybasedongenerativeadversarialnetwork[J].arXivpreprintarXiv:1804.07939,2018)，研究者通过增加隐写分析器作为GAN中的一个判别器，在生成器生成图像的同时，将秘密信息隐藏于图像中，通过隐写分析器的对抗，使得秘密信息隐藏于更加隐蔽的地方，实现对抗隐写分析的目的。这个方法的提出，对信息隐藏进一步提升安全性开辟了新的方向。虽然信息隐藏的安全性有效提升了，但是信息隐藏仍有一个极其重要的指标，即隐藏容量。以上方法均未考虑到，若生成图像的纹理较为光滑，即本身不适用于信息隐藏，则无法在提升安全性的同时保证隐藏容量。申请号CN201910340335.0的专利《一种基于物体局部生成对抗网络的大数据权属保护方法》中记载有通过在纹理光滑的背景区域(即不适合隐藏区域)生成前景物体，从而提高纹理复杂度，将秘密信息隐藏于前景物体中；同时在GAN结构中增加隐写分析器，使得信息隐藏算法更加安全、隐蔽。但是该方法存在如下问题：1)虽然利用GAN生成适合嵌入信息的前景物体，但未评判原图像的隐藏能力，这样可能会导致生成的前景物体并非位于原图的不合适隐藏区域；2)可以实现的前提是原图像不含前景物体，仅为背景图像。因此针对的图像范围有限，而并非任意图像，导致该方法具有局限性；3)在实现过程中，需要通过GAN对原图像进行背景重建，该过程计算量高，并且会降低原图像的视觉保真度。
技术实现思路
专利技术目的：本专利技术的目的是提供一种有效提高隐写算法的隐藏容量和数据隐蔽传递安全性的基于GAN扩增图像前景物体的高容量数据保护方法。技术方案：本专利技术所述的高容量数据保护方法，通过应用多种GAN于信息隐藏，根据信息隐藏隐写失真代价函数得到嵌入失真概率图，并根据嵌入失真概率图计算不适合隐写区域，在不适合隐写区域中通过固定区域物体生成及信息嵌入模块生成前景物体，在生成图像中隐藏秘密信息，实现高容量数据有效保护，主要步骤如下：(1)将原始图像输入隐写概率图生成器；(2)计算隐写概率图；(3)计算不适合隐写区域；(4)向原始图像中增加纹理物体；(5)进行信息隐藏算法嵌入秘密信息。步骤(1)中将一个批次的随机采样原始图像输入到隐写概率图生成模块中，输出原始图像的隐写概率图。步骤(2)通过模拟嵌入函数来模拟秘密信息的嵌入，将隐写概率图和一组随机数作为输入，得到含密图像；随后，将原始图像和含密图像输入到隐写分析判别器中，得到隐写分析判别器的损失；对图像中每个单元像素点的隐写能力进行判断，确定每个像素点隐写失真概率，进而得到原始图像在一定负载率下的嵌入能力，计算隐写概率图生成器的损失。步骤(2)中选用随机梯度下降算法分别计算隐写分析判别器和隐写概率图生成器的梯度，进行更新参数，完成一次迭代；通过设置迭代次数得到隐写概率图生成模型，进而得到的隐写概率图。步骤(3)根据步骤(2)中输出的隐写概率图得到原始图像的每个像素点隐写失真概率；然后，通过激活函数根据每个像素点的隐写失真概率选定不适合隐写的像素点，得到激活点阵，并通过矩形选择算法对这些像素点进行矩形框选点；当出现不适合隐写的像素点分布过为离散、不集中的情况时，或出现图像中不适合隐写的像素点较少的情况时，会导致无法框选出有效的矩形框，则不扩增此类图像的前景物体，认为此类图像的隐藏能力强，直接用于后续信息隐藏；在不适合隐写的像素点出现局部或全局集中的情况时，则通过矩形选择算法进行矩形框确定，得到区域选定图；对区域选定部分依次在数据集中随机选择其相对合适的实例掩膜(instancemask)，并对instancemask通过仿射变化得到instancemask_，使得instancemask符合图像的框选框位置及尺寸。步骤(4)中将原始图像和步骤(3)得到的变换过的instancemask_依次输入到物体生成器中，输出生成载体图像；通过判别器监督instancemask_区域的物体生成，确保instancemask_区域生成的前景物体更加真实。步骤(5)中在生成载体图像上使用信息隐藏算法嵌入秘密信息，实现高容量的数据保护。有益效果：本专利技术与现有技术相比，其显著效果如下：1、本专利技术预先为图像计算出不适合隐藏区域，为后续基于生成前景物体提升图像隐藏能力提供了指向，实现了对信息隐藏中原图像不适合隐藏区域的定向隐藏能力提升；2、在相同安全性的前提下，隐藏容量更高；在相同隐藏容量的前提下，安全性更高；3、提供了增加隐藏容量、高安全性的高容量数据保护方法，并可设计一套实现图像信息隐藏容量增加、图像隐写高安全性的信息隐藏系统。附图说明图1为本专利技术的总框架流程示意图；图2为本专利技术的隐写概率图生成模块；图3为本专利技术的不适合隐写区域确定模块；图4为本专利技术的固定区域物体生成及信息嵌入模块；图5为本专利技术的隐写概率图；图6为本专利技术的不适合区域前景物体增加效果图，其中(a)为原图、(b)表示在不适合区域增加前景物体后的图像。具体实施方式下面结合说明书附图和具体实施方式对本专利技术做进一步详细描述。本专利技术基于GAN扩增图像前景物体的高容量数据保护方法的框架主要分为三个部分：隐写概率图生成模块、不适合隐写区域确定模块、固定区域物体生成及信息嵌入模块，其详细计算方法如下：(一)隐写概率图生成模块该模块的主要任务是定义和选取图像中的不适合隐写区域，如图2所示。首先，将尺寸为H×W的原始图像x0输入到生成器中，生成器由U-Net结构构成，通本文档来自技高网...

【技术保护点】
1.一种基于GAN扩增图像前景物体的高容量数据保护方法，其特征在于，通过应用多种GAN于信息隐藏，得到嵌入失真概率图，并根据嵌入失真概率图计算不适合隐写区域，在不适合隐写区域中通过固定区域物体生成及信息嵌入模块生成前景物体，在生成图像中隐藏秘密信息，，主要步骤如下：(1)将原始图像输入隐写概率图生成模块；(2)计算隐写概率图；(3)计算不适合隐写区域；(4)向原始图像中增加纹理物体；(5)进行信息隐藏算法嵌入秘密信息。/n

【技术特征摘要】
1.一种基于GAN扩增图像前景物体的高容量数据保护方法，其特征在于，通过应用多种GAN于信息隐藏，得到嵌入失真概率图，并根据嵌入失真概率图计算不适合隐写区域，在不适合隐写区域中通过固定区域物体生成及信息嵌入模块生成前景物体，在生成图像中隐藏秘密信息，，主要步骤如下：(1)将原始图像输入隐写概率图生成模块；(2)计算隐写概率图；(3)计算不适合隐写区域；(4)向原始图像中增加纹理物体；(5)进行信息隐藏算法嵌入秘密信息。


2.根据权利要求1所述的基于GAN扩增图像前景物体的高容量数据保护方法，其特征在于，步骤(1)中将一个批次的随机采样原始图像输入到隐写概率图生成模块中，输出原始图像的隐写概率图。


3.根据权利要求1所述的基于GAN扩增图像前景物体的高容量数据保护方法，其特征在于，步骤(2)通过模拟嵌入函数来模拟秘密信息的嵌入，将隐写概率图和一组随机数作为输入，得到含密图像；随后，将原始图像和含密图像输入到隐写分析判别器中，得到隐写分析判别器的损失；
对图像中每个单元像素点的隐写能力进行判断，确定每个像素点隐写失真概率，进而得到原始图像在一定负载率下的嵌入能力，计算隐写概率图生成器的损失。


4.根据权利要求1或3所述的基于GAN扩增图像前景物体的高容量数据保护方法，其特征在于，步骤(2)中选用随机梯度下降算法分别计算隐写分析判别器和隐写概率图生成器的梯度，进行更新参数，完成一次迭代；通过设置迭代次数得到隐写概率图生成模型，进而得到的隐写概率图。

...

【专利技术属性】
技术研发人员：孟若涵，崔琦，袁程胜，周志立，付章杰，孙星明，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32