[发明专利]一种图像的空域隐写增强方法及装置

说明书

本发明公开一种图像的空域隐写增强方法及装置，通过根据隐写分析网络的损失函数对测试原图进行求导，以获得测试原图对应的梯度图；其中，隐写分析网络根据训练原图集及其经过初始化隐写后得到的载密训练图像集训练而成；然后对测试原图进行初始化隐写，以获得测试原图的初始代价图；以及，根据梯度图、多个预设参数和预设更新强度，对初始代价图的代价进行更新以获得多个目标代价图；最后按照多个目标代价图对测试原图进行隐写，以获得多个候选载密图像，并从多个候选载密图像中确定出一个候选载密图像作为目标载密图像，从而能够提升安全性能。

技术领域

本发明涉及图像处理技术领域，更具体地，涉及一种图像的空域隐写增强方法及装置。

背景技术

图像隐写是信息隐藏技术的一个重要分支。图像作为日常生活中不可缺少的传播媒介，其信号中包含的信息冗余使图像成为了信息隐藏的良好载体。目前，现有的图像隐写方法大多数是基于最小化嵌入失真框架的，即认为图像是由独立的嵌入单元组合而成，对每一个嵌入单元赋予相应的嵌入代价，通常是对纹理复杂度高的嵌入单元赋予较小的嵌入代价，对纹理复杂度低的嵌入单元赋予较大的嵌入代价，最后再对那些嵌入代价小于一定阈值的嵌入单元进行信息嵌入，获得载密图像。

然而，随着隐写分析技术的不断发展，基于卷积神经网络的隐写分析器被广泛应用，隐写分析器可以检测出“载密图像”和“非载密图像”。单纯地根据嵌入代价较小的嵌入单元进行信息嵌入的图像隐写方法已经无法对抗隐写分析器的检测性能，可见，现有图像隐写方法的安全性能较低。

为了对抗隐写分析器的检测性能，市面上出现一些生成对抗安全载体的方法，如在中国申请的专利“针对隐写分析神经网络的对抗安全载体生成方法”(公开日2019.01.15，公开号CN109214973A)，就公开了将精心制作的小型对抗噪声添加到输入中以欺骗隐写分析神经网络产生不正确输出的对抗安全载体。但是，该对抗安全载体是采用随机添加的方式添加了对抗噪声，存在一定的安全隐患。可见，现有图像隐写方法的安全性能仍然较低。

发明内容

本发明为克服上述现有技术所述的安全性能较低的缺陷，提供一种图像的空域隐写增强方法及装置，能够提升安全性能。

为解决上述技术问题，本发明的技术方案如下：

本发明第一方面公开一种图像的空域隐写增强方法，包括以下步骤：

S1：根据隐写分析网络的损失函数对测试原图进行求导，以获得所述测试原图对应的梯度图；其中，所述隐写分析网络根据训练原图集及其经过初始化隐写后得到的载密训练图像集训练而成；

S2：对所述测试原图进行初始化隐写，以获得所述测试原图的初始代价图；

S3：根据所述梯度图、多个预设参数和预设更新强度，对所述初始代价图的代价进行更新以获得多个目标代价图；每一个所述目标代价图对应一个所述预设参数；

S4：按照所述多个目标代价图对所述测试原图进行隐写，以获得多个候选载密图像；所述候选载密图像与所述目标代价图一一对应；

S5：从所述多个候选载密图像中确定出一个候选载密图像作为目标载密图像。

优选地，步骤S3包括以下步骤：

S3.1：根据多个预设参数确定所述梯度图中梯度绝对值较大的第一部分单元，以及，根据所述多个预设参数确定所述初始代价图中代价值较小的第二部分单元；

S3.2：将对应于相同的预设参数的所述第一部分单元和所述第二部分单元的交集作为修改单元，以获得多个修改单元，每一个所述修改单元对应一个所述预设参数；

S3.3：根据所述多个修改单元和预设更新强度，对所述初始代价图的代价进行更新以获得多个目标代价图，所述目标代价图与所述修改单元一一对应。

优选地，步骤S3.3包括以下步骤：