【技术实现步骤摘要】
基于生成对抗网络的端到端JPEG域图像隐写方法
本专利技术涉及多媒体安全，深度学习，隐写及隐写分析领域，尤其涉及一种基于生成对抗网络的端到端JPEG域图像隐写方法。
技术介绍
隐写术是一种将秘密信息嵌入到数字媒体载体中并且不被旁人所感知到载体所发生的变化的技术。随着多媒体技术的不断发展，载体的形式也越来越多样，例如：文本，图片，音频和视频等。图像隐写主要利用了人眼的视觉冗余。通过图像隐写，发送者将想要传递的秘密信息嵌入载体图像中得到载密图像，而载体图像和载密图像间的细微区别人的肉眼无法感知到。发送者将该载密图像传送给接收者，除了发送者和接收者以外，没有人能发现载密图像中存在秘密信息，以此来实现秘密通信。隐写区别于加密最大特点就是不仅隐藏了秘密信息，而且隐藏了“信息隐藏”这一行为。
技术实现思路
本专利技术旨在实现一种基于生成对抗网络的端到端JPEG域图像隐写方法，采用深度学习的生成对抗网络来进行JPEG域上的图像隐写。为了达到上述技术效果，本专利技术的技术方案如下：一种基于生成对抗网络的端...
【技术保护点】
1.一种基于生成对抗网络的端到端JPEG域图像隐写方法，其特征在于，秘密信息的嵌入与提取均由生成对抗网络来完成，所述的生成对抗网络包括编码器、解码器和判别器，另外加入干扰层用于模拟实际传输信道中会受到的常见干扰；所述生成对抗网络的训练包括以下步骤：/nS1：将秘密信息和载体图像在JPEG域上的DCT系数矩阵输入到编码器中，由编码器输出载密图像对应的DCT系数矩阵；/nS2：将载密图像的DCT系数矩阵输入到IDCT变换模块中，得到空域载密图像；/nS3：将空域载密图像输入干扰层，得到加入干扰后的噪声载密图像的DCT系数；/nS4：将上述生成的噪声载密图像的DCT系数输入到解码...
【技术特征摘要】
1.一种基于生成对抗网络的端到端JPEG域图像隐写方法，其特征在于，秘密信息的嵌入与提取均由生成对抗网络来完成，所述的生成对抗网络包括编码器、解码器和判别器，另外加入干扰层用于模拟实际传输信道中会受到的常见干扰；所述生成对抗网络的训练包括以下步骤：
S1：将秘密信息和载体图像在JPEG域上的DCT系数矩阵输入到编码器中，由编码器输出载密图像对应的DCT系数矩阵；
S2：将载密图像的DCT系数矩阵输入到IDCT变换模块中，得到空域载密图像；
S3：将空域载密图像输入干扰层，得到加入干扰后的噪声载密图像的DCT系数；
S4：将上述生成的噪声载密图像的DCT系数输入到解码器中，得出解密信息；
S5：将S1中的载体图像的DCT系数矩阵输入到IDCT变换模块中，得到空域载体图像；
S6：将S5中的空域载体图像和S2得到的空域载密图像输入到判别器中，判别器对空域载体图像和空域载密图像进行二分类，将该分类误差作为损失函数，并把该损失函数反向传播从而进行生成对抗网络的更新；
S7：重复步骤S1-S6，直至得到训练后的生成对抗网络。
2.根据权利要求1所述的基于生成对抗网络的端到端JPEG域图像隐写方法，其特征在于，通过训练得到的生成对抗网络来进行端到端JPEG域图像隐写，具体包括：
S8：根据提取信息的准确率与载密图像的安全性，挑选出效果最佳的模型，将载体图像和秘密信息放入训练好的编码器生成载密图像，将载密图像放入解码器得到解密信息。
3.根据权利要求1所述的基于生成对抗网络的端到端JPEG域图像隐写方法，其特征在于，S1中的载体图像的DCT系数矩阵由MATLAB处理得到，秘密信息为随机生成的和载体图像大小一致的二值图像，编码器包含一个预处理层和三个卷积层组，每一个卷积层组分别包含一个卷积层，批归一化层和激活层。
4.根据权利要求1所述的基于生成对抗网络的端到端JPEG域图像隐写方法，其特征在于，S2中的IDCT变换模块先将载密图像的DCT系数矩阵进行反量化，得到载密图像在YCbCr空间上的DCT系数，将该DCT系数进行IDCT变换，再转换到RGB色彩空间上即得到空域载密图像。
5.根据权利要求1所述的基于生成对抗网络的端到端JPEG域图像隐写方法，其特征在于，S3中的干扰层一共包含四种实际生活中常见的干扰，分别是裁剪，高斯噪声，椒盐噪声以及JPEG压缩，每一次训练可选取其中一种干扰或是多种干扰叠加；加入多种叠加干扰的鲁棒性会优于不加入干扰或是加入单类干扰的。
6.根据权利要求5所述的基于生成对抗网络的端到端JPEG域图像隐写方法，其特征在于，对于JPEG压缩来说，包含以下三个步骤：
对空域图像进行DCT变换操作，量化，取整，最后熵编码得到压缩后的图像，但取整操作会使得对抗训练中发生梯度消失，所以引入了模拟取整函数来模拟取整的同时保持梯度的传递：
simu_round(x)＝[x]+(x-[x])3
其中x表示DCT系数，simu_roun...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。