[发明专利]基于图像块的图像隐写分析方法、系统、装置及介质

权利要求书

1.一种基于图像块的图像隐写分析方法，其特征在于，包括以下步骤：

获取待检测图像；

采用训练好的图像隐写分析模型对所述待检测图像进行隐写分析，根据所述图像隐写分析模型的输出判定所述待检测图像是否为载密图像；

所述图像隐写分析模型包括主干网络和支线网络，所述主干网络用于提取图像隐写分析特征并进行图像的隐写分析，所述支线网络用于提取图像块隐写分析特征并进行图像块的隐写分析。

2.根据权利要求1所述的一种基于图像块的图像隐写分析方法，其特征在于，所述图像隐写分析方法还包括建立所述图像隐写分析模型的步骤，所述建立所述图像隐写分析模型的步骤包括建立训练集的步骤和训练模型的步骤，其中，所述建立训练集的步骤具体为：获取图像数据集，对图像数据集中的图像进行裁剪；

采用预设的嵌入率对裁剪后的图像进行隐写，得到载体图像和载密图像；

对裁剪后的图像进行划分，获得多个图像块，为每个所述图像块置标签；

从获得的图像及图像块中获取训练集、验证集和测试集；

所述训练模型的步骤具体为：

将所述训练集输入到所述图像隐写分析模型的网络中，以及采用Adam算法对所述主干网络和所述支线网络进行训练；其中，所述主干网络学习图像二分类的特征，所述支线网络学习图像块改变的像素点个数的特征；

将训练后的网络在所述验证集上进行测试，获取测试结果最好的网络作为所述图像隐写分析模型。

3.根据权利要求2所述的一种基于图像块的图像隐写分析方法，其特征在于，所述建立所述图像隐写分析模型的步骤还包括参数初始化的步骤，具体为：

采用高通滤波器对主干网络的第一个卷积层进行初始；

采用Xavier方式对主干网络的其他卷积层进行初始。

4.根据权利要求1所述的一种基于图像块的图像隐写分析方法，其特征在于，所述主干网络包括2种卷积核、9个残差块、全局池化层、全连接层和Softmax层；

其中，所述9个残差块中前3个残差块用于池化处理，后6个残差块用于对特征图进行深度卷积，所述9个残差块输出的特征图经所述全局池化层处理并输出图像隐写分析特征，所述全连接层和所述Softmax层将图像隐写分析特征映射成分类概率。

5.根据权利要求4所述的一种基于图像块的图像隐写分析方法，其特征在于，所述支线网络包括输出通道数为2大小为2×(1×1×64)的第一卷积层、输出通道数为64大小为64×(5×5×64)的第二卷积层以及输出通道数为64大小为64×(4×4×64)的解卷积层；

所述第二卷积层连接分别与所述主干网络的第6残差块、第7残差块、第8残差块和第9残差块连接，所述第6残差块输出的图像经过所述第二卷积层获得第一特征图，所述第7残差块输出的图像经过所述第二卷积层获得第二特征图，所述第8残差块输出的图像经过所述第二卷积层获得第三特征图，所述第9残差块输出的图像经过所述第二卷积层获得第四特征图；

所述第四特征图经过所述解卷积层上采样后，与所述第三特征图进行融合，获得第一融合图；

所述第一融合图经过所述解卷积层上采样后，与所述第二特征图进行融合，获得第二融合图；

所述第二融合图经过所述解卷积层上采样后，与所述第一特征图进行融合，获得第三融合图；

所述第三融合图经过所述第一卷积层处理后，获得大小为(2×64×64)的最终特征图，所述最终特征图经过二维均方误差函数处理后，获得的输出值作为图像块中改变的像素点个数误差总和的表示。

6.根据权利要求2所述的一种基于图像块的图像隐写分析方法，其特征在于，所述对裁剪后的图像进行划分，获得多个图像块，为每个所述图像块置标签，包括：

对于所述载密图像，将图像划分为多个大小为4×4的图像块；

将所述图像块与所述载体图像进行对比，若所述图像块内有像素值改变，将所述图像块的标签置为改变的像素点个数；否则将所述图像块的标签置为0。