基于辅助信息生成和注意力机制的图像隐写分析方法技术

本发明专利技术提供一种基于辅助信息生成和注意力机制的图像隐写分析方法。该方法包括：构建空域图像隐写分析网络，包含两个相同的辅助信息生成网络和一个SA

【技术实现步骤摘要】
基于辅助信息生成和注意力机制的图像隐写分析方法


[0001]本专利技术涉及空域图像隐写分析
，尤其涉及一种基于辅助信息生成和注意力机制的图像隐写分析方法。

技术介绍

[0002]图像隐写可以看作是在载体图像(Cover)中增加极低幅度的噪声，通过噪声残差表示这样的噪声。图像隐写分析的主要目的是通过图像的噪声残差判断图像中是否隐写秘密信息。起初的空域图像隐写方法，将信息隐写在图像的最低有效位中，如LSB算法及其变形LSBM算法等。此类算法不考虑图像的内容和图像像素之间的关联性，将秘密信息随机嵌入到整张图像中，破坏了图像的统计特性。算法的安全性和鲁棒性都比较差，传统的隐写分析方法通过图像的统计特性分析就可以取得较好的检测效果，如HCF，DHCF。随着隐写技术的不断进步，近几年提出的WOW、S
‑
UNIWARD、HUGO和HILL等空域自适应隐写算法通过失真函数的设计自动将秘密信息隐写在图像纹理复杂区域，载秘图像(Stego)在嵌入秘密信息的同时保持复杂的统计特性。S
‑
UNIWARD隐写算法不同嵌入率对Co本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于辅助信息生成和注意力机制的图像隐写分析方法，其特征在于，包括：步骤1：构建空域图像隐写分析网络，包含两个相同的辅助信息生成网络和一个融合注意力机制的Siamese
‑
Net，记作SA
‑
Siamese
‑
Net，所述SA
‑
Siamese
‑
Net含有两个共享结构和参数的子网络，一个辅助信息生成网络后接一个子网络；所述辅助信息生成网络用于生成增大噪声残差大小的辅助信息；SA
‑
Siamese
‑
Net用于计算图像的噪声残差并在噪声残差的基础上建模，对输入图像进行分类；步骤2：定义空域图像隐写分析网络的损失函数；步骤3：初始化空域图像隐写分析网络；步骤4：准备数据集；步骤5：使用准备好的数据集训练空域图像隐写分析网络；步骤6：利用训练好的空域图像隐写分析网络对待检测图像进行分类，分为不含秘密信息的载体图像和包含秘密信息的载秘图像。2.根据权利要求1所述的基于辅助信息生成和注意力机制的图像隐写分析方法，其特征在于，所述辅助信息生成网络基于U
‑
Net网络框架，包含8个3
×
3卷积核的卷积层、8个5
×
5卷积核的反卷积层和5个空间注意力机制SAM；其中，第一层卷积层、第二层卷积层、第五层卷积层、第六层卷积层和第七层卷积层与各自相对称的反卷积层之间通过SAM相连接，其余卷积层与各自对称的反卷积层之间采用跳跃连接。3.根据权利要求1所述的基于辅助信息生成和注意力机制的图像隐写分析方法，其特征在于，每个所述子网络由浅层至深层依次包含预处理层、特征提取层和分类层；其中，两个子网络共用一个分类层；其中，预处理层采用一个由30个SRM滤波器初始化的卷积层来提取图像中的噪声残差；特征提取层用于提取噪声残差中的特征信息，由7个残差块、3个Shuffle Attention层和全局平均池化层共11层组成，所述残差块包含两种残差结构，分别记为ResConv和DownResConv，特征提取层的前6层依次为ResConv和Shuffle Attention层交替连接，特征提取层的中间4层依次为DownResConv和ResConv交替连接，特征提取层的最后一层为全局平均池化层；所述分类层为一个全连接层后跟一个Softmax，用于对输入的特征向量进行分类。4.根据权利要求3所述的基于辅助信息生成和注意力机制的图像隐写分析方法，其特征在于，图像在经过预处理层和特征提取层处理之后，将得到的两部分特征向量分别记作f
sub1
和f
sub2
，在两部分特征向量进入分类层之前还包括：计算两个...

【专利技术属性】
技术研发人员：甘志华，程晓辉，杨扬，朱长江，柴秀丽，蒋文斌，
申请(专利权)人：河南大学，
类型：发明
国别省市：