System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于信息隐藏领域,尤其涉及一种基于频率域配准融合的高容量图像隐写方法。
技术介绍
1、图像隐写,又称图像信息隐藏技术,是将图像作为信息传输的载体,在不损害图像特征的前提下,向图像中嵌入秘密信息以达到信息隐藏,版权保护的目的的一种技术。用作信息隐藏的图像被称为载体图像,载体图像在嵌入秘密信息之后称为含密图像。
2、随着人工智能的发展,神经网络技术被广泛的应用到图像隐写上,取得了比传统方法更好的效果。但目前的图像隐写算法大都是基于图像空域的技术,对图像频率域技术的挖掘不够广泛。
3、综上所述,基于神经网络的图像隐写技术在生成的含密图像的质量,隐藏的秘密信息的容量以及含密图像的安全性上均取得了显著的突破。但依旧存在一些不足,比如对载体图像的频率域利用不充分,秘密信息的提取率不高等等。总之,在图像隐写领域,秘密信息的容量,生成图像的质量还有进一步提高的空间。
技术实现思路
1、本专利技术的目的在于针对现有基于生成对抗网络的图像隐写技术对图像频率域利用不足的问题,提出一个基于频率域配准融合的高容量图像隐写技术。
2、本专利技术是在生成对抗式网络的基础上设计的,包括以下步骤:
3、步骤1.对参照图像进行离散余弦变换,将离散余弦变换后的参照图像和秘密信息输入参照图像编码器进行编码,输出含有秘密信息的频率域参照图像。
4、步骤2.对载体图像进行离散余弦变换,将离散余弦变换后的载体图像和含有秘密信息的频率域参照图像,在频率域进行图
5、步骤3.将空域的含密图像送入解码器中进行解码得到解码后的秘密信息。
6、步骤4.训练由参照图像编码器、载体图像编码器、解码器和判别器构成的模型,并进行测试,用训练后的判别器来判断空域的含密图像的真实性。
7、进一步的,步骤1对参照图像进行离散余弦变换,将离散余弦变换后的参照图像和秘密信息输入参照图像编码器进行编码,输出含有秘密信息的频率域参照图像。具体步骤如下:
8、将离散余弦变换后的参照图像经过预处理后和秘密信息进行张量串接后送入卷积模块进行卷积,所述卷积模块含有2个卷积层。卷积层之间的连接采用密集连接densenet的方式。通过残差连接将离散余弦变换后的参照图像与经过卷积模块后得到的张量相加,得到含有秘密信息的频率域参照图像。
9、进一步的,步骤2对载体图像进行离散余弦变换,将离散余弦变换后的载体图像和含有秘密信息的频率域参照图像,在频率域进行图像配准融合后通过载体图像编码器进行编码,输出频率域的含密图像,接着对频率域的含密图像进行离散余弦反变换,得到空域的含密图像。具体步骤如下:
10、2-1将载体图像进行离散余弦变换,得到载体图像在频率域的dct系数矩阵;将含有秘密信息的频率域参照图像和dct系数矩阵进行频率域上的配准融合;配准融合的方式通过adain公式实现。
11、2-2将配准融合后的结果和dct系数矩阵进行张量串接后送入卷积模块进行卷积,所述卷积模块包含3个卷积层,卷积层之间的连接采用密集连接densenet的方式。
12、2-3对卷积模块输出的张量进行离散余弦反变换,得到空域的含密图像。
13、进一步的,步骤3将空域的含密图像送入解码器中进行解码得到解码后的秘密信息。具体步骤如下:
14、3-1对空域的含密图像进行离散余弦变换。
15、3-2将离散余弦变换后的含密图像输入解码器进行解码。所述解码器包含4个卷积层,卷积层之间的连接采用密集连接densenet的方式,解码器的输出为解码得到的秘密信息。
16、进一步的,步骤4通过载体图像对判别器进行训练,用训练后的判别器来判断空域的含密图像的真实性。具体步骤如下:
17、将载体图像输入判别器进行判别;所述判别器由4个卷积层组成,最后的卷积层进行卷积后得到的结果进行自适应均值池化得到一个分数,输出判别结果。
18、用训练后的判别器对空域的含密图像进行判别,判断空域的含密图像的真实性。
19、本专利技术有益效果:
20、1.本专利技术在频率域上进行秘密信息的嵌入,相较于其他算法,所嵌入的秘密信息容量会更大。
21、2.本专利技术在频域上进行配准融合,相较于直接张量拼接的方法,生成的空域含密图像会更符合概率统计分布,更自然。
22、3.本专利技术基于生成对抗网络,相较于其他算法,生成的空域含密图像抗隐写分析性会更高。
本文档来自技高网...【技术保护点】
1.基于频率域配准融合的高容量图像隐写方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于频率域配准融合的高容量图像隐写方法,其特征在于,步骤1所述的参照图像编码器进行编码具体过程为:将离散余弦变换后的参照图像经过预处理后和秘密信息进行张量串接后送入卷积模块进行卷积,所述卷积模块含有2个卷积层,卷积层之间的连接采用密集连接DenseNet的方式;通过残差连接将离散余弦变换后的参照图像与经过卷积模块后得到的张量相加,得到含有秘密信息的频率域参照图像。
3.根据权利要求2所述的基于频率域配准融合的高容量图像隐写方法,其特征在于,步骤2具体过程如下:
4.根据权利要求3所述的基于频率域配准融合的高容量图像隐写方法,其特征在于,步骤2-1所述配准融合通过AdaIN公式实现。
5.根据权利要求4所述的基于频率域配准融合的高容量图像隐写方法,其特征在于,步骤3的具体过程如下:
6.根据权利要求5所述的基于频率域配准融合的高容量图像隐写方法,其特征在于,步骤4所述判别器具体为:判别器由4个卷积层组成,最后的卷积层进行卷积后得
...【技术特征摘要】
1.基于频率域配准融合的高容量图像隐写方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于频率域配准融合的高容量图像隐写方法,其特征在于,步骤1所述的参照图像编码器进行编码具体过程为:将离散余弦变换后的参照图像经过预处理后和秘密信息进行张量串接后送入卷积模块进行卷积,所述卷积模块含有2个卷积层,卷积层之间的连接采用密集连接densenet的方式;通过残差连接将离散余弦变换后的参照图像与经过卷积模块后得到的张量相加,得到含有秘密信息的频率域参照图像。
3.根据权利要求2所述的基于频率域配...
【专利技术属性】
技术研发人员:左子谦,张善卿,李黎,陆剑锋,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:
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。