[发明专利]一种图像隐藏方法及装置

说明书

本公开提供了一种图像隐藏方法及装置，涉及图像处理技术领域，该方法包括：获取载体图像和待隐藏秘密信息的秘密图像；将秘密图像和载体图像输入至小波变换层，通过小波变换层提取秘密图像的小波低频子带，得到第一秘密特征图，提取载体图像的小波高频子带，得到载体特征图；通过可逆层将第一秘密特征图嵌入至载体特征图，得到隐写特征图和辅助特征图；将隐写特征图和辅助特征图输入至小波逆变换层，通过小波逆变换层生成隐写特征图对应的隐写图像和生成辅助特征图对应的辅助图像。本公开能够提升隐写图像的图像质量和安全性，增加隐藏秘密信息的容量。

技术领域

本公开涉及图像处理技术领域，尤其涉及一种图像隐藏方法及装置。

背景技术

图像隐藏是一种以视觉上无法察觉的方式，将秘密图像作为秘密信息隐藏到载体图像中，得到隐写图像，而后再通过某种技术方式恢复秘密图像的任务。目前，图像隐藏任务的一种主要实现方案是利用卷积神经网络(Convolutional Neural Network，CNN)，基于CNN的方案使用两个不同的网络对载体图像和秘密图像分别进行隐藏和恢复。然而，该方案得到的隐写图像、恢复图像均存在明显的纹理伪影和颜色偏差问题，从而对于隐写图像将很容易被检测出，安全性较差。此外，与传统的隐写任务相比，图像隐藏所隐藏的信息数据量巨大，上述方案一般只能隐藏比特级的信息量，很难在载体图像中完全隐藏秘密图像这么大的容量。

目前的图片隐藏方法几乎不考虑安全性，隐写图像很容易就会被检测出。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种图像隐藏方法及装置。

本公开提供了一种图像隐藏方法，所述方法应用于配置有深度可逆神经网络的设备；其中，所述深度可逆神经网络包括小波变换层、可逆层和小波逆变换层；所述方法包括：获取载体图像和待隐藏秘密信息的秘密图像；将所述秘密图像和所述载体图像输入至所述小波变换层，通过所述小波变换层提取所述秘密图像的小波低频子带，得到第一秘密特征图，以及提取所述载体图像的小波高频子带，得到载体特征图；通过所述可逆层将所述第一秘密特征图嵌入至所述载体特征图，得到隐写特征图和辅助特征图；其中，所述隐写特征图中包含所述第一秘密特征图中的部分秘密信息，所述辅助特征图中包含所述第一秘密特征图中的剩余部分秘密信息；将所述隐写特征图和所述辅助特征图输入至所述小波逆变换层，通过所述小波逆变换层生成所述隐写特征图对应的隐写图像和生成所述辅助特征图对应的辅助图像。

进一步，所述方法还包括：对所述辅助图像进行采样，得到采样图像；将所述采样图像和所述隐写图像输入至所述深度可逆神经网络；通过所述深度可逆神经网络根据所述采样图像和所述隐写图像，生成所述秘密图像对应的恢复图像。

进一步，所述通过所述深度可逆神经网络根据所述采样图像和所述隐写图像，生成所述秘密图像对应的恢复图像，包括：将所述采样图像和所述隐写图像输入至所述小波变换层，通过所述小波变换层提取所述采样图像的采样特征图和所述隐写图像的隐写特征图；通过所述可逆层根据所述采样特征图对所述隐写特征图进行秘密信息的恢复，得到恢复特征图；将所述恢复特征图输入至所述小波逆变换层，通过所述小波逆变换层生成所述恢复特征图对应的恢复图像。

进一步，所述可逆层将所述第一秘密特征图嵌入至所述载体特征图，包括：所述可逆层通过隐藏算法将所述第一秘密特征图嵌入至所述载体特征图；其中，所述隐藏算法为：

其中，是第i个所述可逆层输入的载体特征图，是第i个所述可逆层输出的载体特征图，是第i个所述可逆层输入的第一秘密特征图，是第i个所述可逆层输出的第一秘密特征图，ρ(·)和η(·)均为变换函数，α是具有S形函数Sigmoid的常数因子。

进一步，所述可逆层根据所述采样特征图对所述隐写特征图进行秘密信息的恢复，包括：所述可逆层基于恢复算法并根据所述采样特征图对所述隐写特征图进行秘密信息的恢复；其中，所述解码算法为：