基于神经风格迁移的鲁棒信息隐藏方法及相关设备技术

本发明专利技术提供了一种基于神经风格迁移的鲁棒信息隐藏方法及相关设备，方法包括：将内容图像的内容特征及风格图像的风格特征通过隐藏网络的Ada I N层编码为一个合并特征；将合并特征与秘密图像的相同大小的秘密图像的秘密特征进行结合，得到风格融合图像；将风格融合图像输入到隐藏网络的解码器进行解码，生成风格化的含密图像；将含密图像输入到攻击层进行噪声攻击，得到受噪声攻击后的含密图像；将受噪声攻击后的含密图像输入到提取网络进行对抗训练，从受噪声攻击后的含密图像中提取出秘密图像。本发明专利技术的有益效果在于：提高提取器对秘密图像的提取能力，进而提高算法鲁棒性。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和深度学习，尤其是指一种基于神经风格迁移的鲁棒信息隐藏方法及相关设备。

技术介绍

1、随着电力电子技术、微电子技术与现代控制理论的发展，伺服控制技术取得了飞跃式的发展，市场随着互联网和通信技术的飞速发展，信息交流的需求愈加强烈，而网络中往往存在着各种噪声和攻击，这对于秘密消息的传输十分不利，因此提高算法鲁棒性成为了研究热点。

2、信息隐藏是指将秘密信息嵌入到非秘密信息中，从而实现隐蔽通信。图像信息隐藏由于其更高的隐蔽性、更大的容量、更广泛的应用场景等诸多特点，因此受到学术界和产业界的广泛关注。

3、图像信息隐藏按照实现方法可分为传统图像信息隐藏方法和基于深度学习的图像信息隐藏方法。传统图像信息隐藏通常依赖于手工设计的特征和模型，使用经典的数字嵌入技术，例如lsb(least significant bit,lsb)、离散余弦变换(discrete cosinetransform,dct)或者小波变换等。这些方法实现简单，容易理解。同时，它们的局限性在于可能导致图像的一些统计特征发生变化，增加了秘密通信暴露的可本文档来自技高网...

【技术保护点】

1.一种基于神经风格迁移的鲁棒信息隐藏方法，其特征在于，包括步骤：

2.如权利要求1所述的基于神经风格迁移的鲁棒信息隐藏方法，其特征在于，步骤S10中，采用的特征提取网络包括卷积网络和Inception模块结构，Inception模块结构使用多通道卷积，在同一级别上使用多个不同尺寸的卷积核进行秘密特征提取。

3.如权利要求1所述的基于神经风格迁移的鲁棒信息隐藏方法，其特征在于，步骤S30中，采用的公式为：

4.如权利要求1所述的基于神经风格迁移的鲁棒信息隐藏方法，其特征在于，步骤S60中，噪声攻击包括模拟JPEG压缩攻击、高斯噪声攻击、高斯模糊攻击及随...

【技术特征摘要】

1.一种基于神经风格迁移的鲁棒信息隐藏方法，其特征在于，包括步骤：

2.如权利要求1所述的基于神经风格迁移的鲁棒信息隐藏方法，其特征在于，步骤s10中，采用的特征提取网络包括卷积网络和inception模块结构，inception模块结构使用多通道卷积，在同一级别上使用多个不同尺寸的卷积核进行秘密特征提取。

3.如权利要求1所述的基于神经风格迁移的鲁棒信息隐藏方法，其特征在于，步骤s30中，采用的公式为：

4.如权利要求1所述的基于神经风格迁移的鲁棒信息隐藏方法，其特征在于，步骤s60中，噪声攻击包括模拟jpeg压缩攻击、高斯噪声攻击、高斯模糊攻击及随机缩放攻击。

5.如权利要求1所述的基于神经风格迁移的鲁棒信息隐藏方法，其特征在于，步骤s70中，特征提取网络的损失函数使用秘密图像与提取图像的均方误差损失及生成对抗网络的敏感损失。

6.如权利要求...

【专利技术属性】
技术研发人员：张雄，张敏情，姜文，姜超，祁凯莉，杨盼，王绪安，
申请(专利权)人：中国人民武装警察部队工程大学，
类型：发明
国别省市：