[发明专利]一种安全鲁棒的大容量图像隐写方法

权利要求书

1.一种安全鲁棒的大容量图像隐写方法，其特征在于，包括以下步骤：

(1)制作数据集，包括训练图像集和测试图像集；将训练图像集的部分图像做成灰度图像，作为秘密图像，其余图像作为载体图像；

(2)构建基于对抗网络的大容量图像隐写网络；所述隐写网络包括编码网络、解码网络和隐写分析网络；所述编码网络将秘密图像隐藏到载体图像中，形成隐写图像；所述解码网络从隐写图像中得到提取图像；所述隐写分析网络用来鉴别输入图像是载体图像还是隐写图像；

(3)初始化隐写网络中的参数；

(4)对构建的隐写网络进行训练，对网络进行整体参数调优，使模型损失函数尽可能小。

2.根据权利要求1所述的一种安全鲁棒的大容量图像隐写方法，其特征在于，所述步骤(1)包括以下步骤：

(11)随机从ImageNet数据集中选择8000张图像，将图像调整为300×300像素；

(12)然后将这些选定的图像分为两个不相交的部分：训练图像集和测试图像集；

(13)随机选取训练集中的3000张图像，做成灰度图像，作为秘密图像，其余图像作为载体图像。

3.根据权利要求1所述的一种安全鲁棒的大容量图像隐写方法，其特征在于，步骤(2)所述的编码网络的构建过程如下：

(a)将载体图像的单通道作为编码网络主分支的输入，灰度图像作为编码网络客分支的输入，使用卷积核对这两种输入图像分别进行卷积激活，得到主分支的特征图1和客分支的特征图1；

(b)在主分支上，将客分支的特征图1与主分支的特征图1在第四维度上进行叠加，对叠加后的特征图进行卷积激活，得到主分支的特征图2；在客分支上，将客分支的特征图1进行卷积激活，得到客分支的特征图2；

(c)对主分支的特征图2和客分支的特征图2分别进行卷积激活，得到主分支的特征图3和客分支的特征图3；

(d)在主分支上，将客分支的特征图3与主分支的特征图3在第四维度上进行叠加，对叠加后的特征图进行卷积激活，得到主分支的特征图4；在客分支上，将客分支的特征图3进行卷积激活，得到客分支的特征图4；

(e)对主分支的特征图4和客分支的特征图4分别进行卷积激活，得到主分支的特征图5和客分支的特征图5；

(f)在主分支上，将客分支的特征图4与主分支的特征图4在第四维度上进行叠加，对叠加后的特征图进行卷积激活，得到主分支的特征图5，在客分支上，将客分支的特征图4进行卷积激活，得到客分支的特征图5；

(g)对主分支的特征图5和客分支的特征图5分别进行卷积激活，得到主分支的特征图6和客分支的特征图6；

(h)在主分支上，将客分支的特征图6与主分支的特征图6在第四维度上进行叠加，对叠加后的特征图进行卷积激活，得到主分支的特征图7，自此，客分支网络完全并入主分支网络；

(i)用Inception模块对主分支的特征图7进行卷积激活，得到特征图8；用Inception模块对特征图8进行卷积激活，得到特征图9；用Inception模块对特征图9进行卷积激活，得到特征图10；用Inception模块对特征图10进行卷积激活，得到特征图11；用Inception模块对特征图11进行卷积激活，得到特征图12；用Inception模块对特征图12进行卷积激活，得到特征图13；

(j)对特征图13进行卷积操作，得到特征图14；

(k)对特征图14进行卷积操作，得到特征图15，并将特征图15与载体图像中未参与训练的两个通道进行合并，形成隐写图像。

4.根据权利要求1所述的一种安全鲁棒的大容量图像隐写方法，其特征在于，步骤(2)所述的解码网络对编码网络获得的特征图进行一系列的卷积激活操作，得到提取图像。