[发明专利]图像隐写方法、装置、电子设备及介质

权利要求书

1.一种图像隐写方法，包括：

S1，通过载体图像生成第一失真代价图；采用可微的嵌入方法，根据隐写信息和所述第一失真代价图，生成第一载密图像；

S2，将所述第一载密图像输入至隐写分析网络模型，反向传播后得到所述第一失真代价图的第一梯度；

S3，根据所述第一梯度的值和所述第一梯度的方向得到第二动量，并根据所述第二动量更新所述第一失真代价图，得到第二失真代价图，根据所述第二失真代价图得到第二载密图像；

S4，重复步骤S2-S3，根据第N梯度的值和所述第N梯度的方向得到第N+1动量，并根据所述第N+1动量更新第N失真代价图，得到第N+1失真代价图，根据所述第N+1失真代价图得到第N+1载密图像，所述第N+1载密图像为能够欺骗网络检测的最终载密图像，其中，N≥5。

2.根据权利要求1所述的方法，其中，步骤S3中，所述根据所述第一梯度的值和所述第一梯度的方向得到第二动量，并根据所述第二动量更新所述第一失真代价图，得到第二失真代价图，包括：

根据所述第一失真代价图的根据所述第一梯度的值和所述第一梯度的方向得到第二动量，所述第二动量具有一第二预设方向；

按照所述第二预设方向更新所述第一失真代价图，得到第二失真代价图。

3.根据权利要求2所述的方法，其中，所述按照所述第二预设方向更新所述第一失真代价图，得到第二失真代价图，包括：

将所述第一失真代价图中的第一失真代价的值与第二动量值的差值作为所述第二失真代价图中的第二失真代价的值。

4.根据权利要求1所述的方法，其中，步骤S2中，所述将所述第一载密图像输入至隐写分析网络模型，反向传播后得到所述第一失真代价图的第一梯度，包括：

将所述第一载密图像输入至所述隐写分析网络模型，从所述隐写分析网络模型中输出至少一个的预测矢量；

通过所述至少一个的预测矢量得到集成的预测矢量，计算所述集成的预测矢量的损失函数值；

将所述损失函数值通过所述隐写分析网络模型反向传播得到所述第一失真代价图的第一梯度。

5.根据权利要求4所述的方法，其中，所述通过所述至少一个的预测矢量得到集成的预测矢量，包括：

将所述至少一个的预测矢量的值加权平均，得到所述集成的预测矢量。

6.根据权利要求1所述的方法，其中，步骤S1中，所述采用可微的嵌入方法，根据隐写信息和所述第一失真代价图，生成第一载密图像，包括：

采用双曲正切嵌入方法，根据隐写信息和所述第一失真代价图，生成第一载密图像。

7.根据权利要求1所述的方法，其中，步骤S2中，所述将所述第一载密图像输入至隐写分析网络模型，包括：

根据所述第一载密图像的类型，获取对应的所述隐写分析网络模型；

将所述第一载密图像输入对应的所述隐写分析网络模型。

8.一种图像隐写装置，包括：

第一处理模块，用于通过载体图像生成第一失真代价图，采用可微的嵌入方法，根据隐写信息和所述第一失真代价图，生成第一载密图像；

第二处理模块，用于将所述第一载密图像输入至隐写分析网络模型，反向传播后得到所述第一失真代价图的第一梯度；

第三处理模块，用于根据所述第一梯度的值和所述第一梯度的方向得到第二动量，并根据所述第二动量更新所述第一失真代价图，得到第二失真代价图，根据所述第二失真代价图得到第二载密图像；

迭代运算模块，重复执行所述第二处理模块和所述第三处理模块，根据第N梯度的值和所述第N梯度的方向得到第N+1动量，并根据所述第N+1动量更新第N失真代价图，得到第N+1失真代价图，根据所述第N+1失真代价图得到第N+1载密图像，所述第N+1载密图像为能够欺骗网络检测的最终载密图像，其中，N≥5。