一种高鲁棒性图像隐写方法和系统技术方案

公开了一种高鲁棒性图像隐写方法和系统，包括基于图像素材集构建图像隐写训练集；通过增加图像编码解码器结构、隐写信息平滑器、图像隐写信息提取器结构和编码图像拼接器结构，进行多模型联合训练；完成训练获得图像隐写的编码、解码算法模型。本申请一种基于即插即用信息平滑器的高鲁棒性图像隐写方法，其包括一种图像编码解码器结构框架，以及一套用以提升鲁棒性的信息增强策略，能大大提升隐写信息的抗扰动能力。

【技术实现步骤摘要】

本专利技术涉及图像处理的，尤其是一种高鲁棒性图像隐写方法和系统。

技术介绍

1、图像隐写是当前多媒体知识产权保护领域最有前景的技术之一，其自身发展迅猛，基于传统数字图像处理技术的隐写方案已呈现百花齐放的态势，但其大致都具有鲁棒性差，安全性低等缺陷，严重阻碍了技术落地的步伐。而深度学习的出现将为其带来革命性的构建思维，即利用神经网络自身的信息整合能力，将隐写信息融合进目标图片中，并通过对目标任务设定严格的约束条件来保障隐写后的图像质量。

2、现有技术中常用的方式包括：利用傅里叶变换将滤波器从空域转换到频率域，再利用频域信号编辑的方式添加隐写信息的方法，其具有简单高效等特点，但其还原率低、鲁棒性较差，不能满足相关业务的实战落地需求；还有利用编码解码结构实现内容隐写的方法，其虽开创了利用深度学习支撑高鲁棒性信息隐写任务的先河，但其亦有明显缺陷，如支持的图片分辨率过低，隐写后图像质量亏损较为严重，编解码效率较为低下等。

技术实现思路

1、为了解决现有技术中存在的上述技术问题，本专利技术提出了一种高鲁棒性图本文档来自技高网...

【技术保护点】

1.一种高鲁棒性图像隐写方法，其特征在于，包括：

2.根据权利要求1所述的高鲁棒性图像隐写方法，其特征在于，所述图像素材集中的图片采用jpeg编码格式且分辨率不低于1920*1080像素，所述图片均为RGB三通道，所述图片包括人像、风景、素材图和新闻图。

3.根据权利要求2所述的高鲁棒性图像隐写方法，其特征在于，所述图像隐写训练集的构建方法具体包括：遍历所述图像素材集中的样本图片，每张图片中随机提取预定分辨率大小的像素区域，并转存为jpeg图片，每张图片提取多次且允许提取区域重叠，重复上述步骤直至对每张图片完成裁剪，形成所述图像隐写训练集。p>

4.根据权...

【技术特征摘要】

1.一种高鲁棒性图像隐写方法，其特征在于，包括：

2.根据权利要求1所述的高鲁棒性图像隐写方法，其特征在于，所述图像素材集中的图片采用jpeg编码格式且分辨率不低于1920*1080像素，所述图片均为rgb三通道，所述图片包括人像、风景、素材图和新闻图。

3.根据权利要求2所述的高鲁棒性图像隐写方法，其特征在于，所述图像隐写训练集的构建方法具体包括：遍历所述图像素材集中的样本图片，每张图片中随机提取预定分辨率大小的像素区域，并转存为jpeg图片，每张图片提取多次且允许提取区域重叠，重复上述步骤直至对每张图片完成裁剪，形成所述图像隐写训练集。

4.根据权利要求3所述的高鲁棒性图像隐写方法，其特征在于，利用人像检测器对包含人脸的图像区域进行重点提取，形成以人像语义为主的样本子集。

5.根据权利要求1所述的高鲁棒性图像隐写方法，其特征在于，所述图像编码解码器结构的模型输入为所述图像隐写训练集中的图片以及一段多位二进制信息码，输出位包含隐写信息的编码图片；所述图像编码解码器结构采用transformer架构，编码器输入为6通道图像，其中图像前三个通道为原始rgb像素，新增三个通道用于存储经过重构的隐写信息；解码器的主要架构为卷积神经网络，每一层结合使用卷积算子与上采样算子从前一层恢复分辨率；所述解码器的末端输出一张与原始图像分辨率等同的三通道隐写信息图，所述三通道隐写信息图与所述原始图像叠加后生成隐写后的编码图像。

6.根据权利要求1所述的高鲁棒性图像隐写方法，其特征在于，所述隐写信息平滑器结合所述图像编码解码器结构对隐写信息进行高斯平滑，二维高斯公式为其中g(x,y)为所述隐写信息平滑器在坐标x,y处的值，σ为标准差，所述隐写信息平滑器以卷积算子的形态在隐写信息图上滑动，以加权平均的方式对信息进行平滑处理。

7.根据权利要求5所述的高鲁棒性图像隐写方法，其特征在于，所述图像隐写信息提取器的模型输入为包含隐写信息的所述编码图...

【专利技术属性】
技术研发人员：高志鹏，吴俊毅，郭小强，吴婷婷，满君怡，黄裕锟，张光斌，赵建强，孙奕，
申请(专利权)人：厦门市美亚柏科信息安全研究所有限公司，
类型：发明
国别省市：