一种基于生成式网络的载体图像增强方法技术

一种基于生成式网络的载体图像增强方法，包括训练对抗噪声生成器的步骤：将训练集中的载体图像输入对抗噪声生成器，得到对抗噪声；将对抗噪声加入到载体图像中，获得增强载体图像；使用自适应隐写算法生成隐写噪声，将隐写噪声加入到增强载体图像，得到增强载密图像；将载体图像与增强载密图像之间的均方误差作为均方误差损失；将增强载密图像输入预训练的隐写分析器，得到预测结果；再将预测结果与载体图像真实标签之间的交叉熵损失作为对抗噪声生成器的对抗损失；将均方误差损失和对抗损失加权求和，得到总损失；通过反向传播，利用Adam优化方法优化对抗噪声生成器。本发明专利技术相较于现有载体图像增强算法迁移性更高。于现有载体图像增强算法迁移性更高。于现有载体图像增强算法迁移性更高。

A carrier image enhancement method based on generative network

【技术实现步骤摘要】
一种基于生成式网络的载体图像增强方法


[0001]本专利技术涉及信息隐藏
，特别是一种基于生成式网络的载体图像增强方法。

技术介绍

[0002]图像隐写术作为信息隐藏
的重要技术之一，利用数字图像的信息冗余隐藏秘密信息，难以被察觉。图像隐写术将秘密信息隐藏至正常的图像载体中，大大降低了被恶意拦截、篡改的风险，因此也被广泛应用于情报传输领域。近年来，图像隐写研究人员提出了许多将秘密信息的嵌入位置与图像内容相关联的空域自适应隐写算法，例如HUGO(Highly Undetectable steGO)，WOW(Wavelet Obtained Weights)，S
‑
UNIWARD(Spatial Universal Wavelet Relative Distortion)，HILL(High
‑
pass,Low
‑
pass,and Low
‑
pass)等。这类隐写算法根据图像纹理复杂区域难以建模的特点，将秘密信息嵌入到图像的纹理复杂区域以降低对统计特性的破坏，提升载本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成式网络的载体图像增强方法，其特征在于，包括：步骤1，训练对抗噪声生成器；步骤2，将载体图像输入到训练后的对抗噪声生成器中，得到对抗噪声；再将对抗噪声加入到载体图像中，得到增强载体图像；所述训练对抗噪声生成器，具体为：1.1将训练集中的载体图像输入对抗噪声生成器，得到对抗噪声；1.2将对抗噪声加入到载体图像中，获得增强载体图像；1.3使用自适应隐写算法生成隐写噪声，将隐写噪声加入到增强载体图像，得到增强载密图像；1.4将载体图像与增强载密图像之间的均方误差作为均方误差损失；1.5将增强载密图像输入预训练的隐写分析器，得到预测结果；再将预测结果与载体图像真实标签之间的交叉熵损失作为对抗噪声生成器的对抗损失；所述预训练的隐写分析器训练时使用的隐写算法与步骤1.3的自适应隐写算法相同；1.6将均方误差损失和对抗损失加权求和，得到总损失；1.7通过反向传播，利用Adam优化方法优化对抗噪声...

【专利技术属性】
技术研发人员：何沛松，夏强，刘嘉勇，
申请(专利权)人：四川大学，
类型：发明
国别省市：