[发明专利]一种无参考生成的图像鲁棒隐写方法

权利要求书

1.一种无参考生成的图像鲁棒隐写方法，其特征在于，包括：

S1：秘密信息的隐藏

S11：以GAN模型为图像生成器，并对所述GAN模型进行预训练；

S12：建立秘密信息到噪声的映射；

S13:以秘密信息为输入，输出图像为隐写图像;

S2：隐写图像的处理：图像处理层接收GAN模型生成的隐写图像，通过添加模拟干扰，传递给解码器进行解码；

S3：秘密信息的提取：以现有的神经网络模型为解码器，以添加干扰后的隐写图像为输入，经过神经网络转换为噪声，将噪声进行映射得到秘密信息；其中解码器的损失通过式（1）进行计算：

（1）

其中，表示解码器损失，采用sigmoid交叉熵损失函数；分别表示输入的秘密信息和解码器还原出的信息。

2.根据权利要求1所述的无参考生成的图像鲁棒隐写方法，其特征在于，所述GAN模型为StyleGAN模型，所述StyleGAN模型生成隐写图像的具体过程为：输入为512位的输入向量，经过由8个全连接层组成的映射网络将输入向量编码为中间向量w，使得512位向量能够更好的表示训练集图像的特征，合成网络输入为4×4×512的常量，经过9个生成阶段提高图像分辨率，将图像由4×4提升至1024×1024，其中每个生成阶段包含两个自适应实例标准化，与被复制成18份的中间向量w一起参与图像的样式混合。

3.根据权利要求1所述的无参考生成的图像鲁棒隐写方法，其特征在于，所述解码器采用大小为3×3的卷积核，激活函数采用ReLU，解码器接收到图像之后，经过卷积操作提取特征，最后将得到的8×8×128的张量拉直并进行两次全连接得到与秘密信息长度相等的张量。

4.根据权利要求1所述的无参考生成的图像鲁棒隐写方法，其特征在于，所述步骤S2中的干扰包括高斯噪声、JPEG压缩、颜色变换、模糊和遮挡。

5.根据权利要求1所述的无参考生成的图像鲁棒隐写方法，其特征在于，所述方法还包括对解码器进行训练的过程，用于使解码器能够解码不同失真程度的隐写图像，从而具有鲁棒性。

6.根据权利要求5所述的无参考生成的图像鲁棒隐写方法，其特征在于，所述方法还包括解码器在训练过程中，通过交叉熵损失函数调节其内部权重，提升秘密信息提取的准确率。