[发明专利]基于对抗网络的二值图像隐写方法

说明书

本发明公开了基于对抗网络的二值图像隐写方法，所述方法包括：获取二值图像的像素源数据；将所述像素源数据输入到基于对抗网络的二值图像隐写模型，得到图像概率像素数据；根据所述图像概率像素数据和嵌入模拟器，得到隐写二值图像；其中，所述嵌入模拟器包含一个阶梯激活函数，所述阶梯激活函数包含反向传播梯度。本发明实施例将二值图像的像素源数据输入到二值图像隐写模型，得到图像概率像素数据，再根据图像概率像素数据和嵌入模拟器，就可以得到隐写二值图像，实现更加安全的二值图像隐写。

技术领域

本发明涉及图像处理技术领域，尤其涉及的是基于对抗网络的二值图像隐写方法。

背景技术

二值图像隐写是信息隐藏技术的一个分支，利用了人类感官系统对于冗余信息不敏感的特点，将信息隐藏到冗余信息中依靠图像为传输载体的方式传递秘密信息。目前，对于不同的二值图像隐写嵌入方式，较常用的是根据二值图像的特征利用传统人工方法，选择合适的像素点嵌入信息，但是随着神经网络的发展，通过训练网络可以自动学习提取出二值图像的特征，避免手动提取二值图像的特征，传统的二值图像隐写方法的安全性有待提高。

因此，现有技术还有待改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于对抗网络的二值图像隐写方法，旨在解决现有技术中二值图像隐写不安全的问题。

本发明解决问题所采用的技术方案如下：

第一方面，本发明实施例提供一种基于对抗网络的二值图像隐写方法，其中，所述方法包括：

获取二值图像的像素源数据；

将所述像素源数据输入到基于对抗网络的二值图像隐写模型，得到图像概率像素数据；

根据所述图像概率像素数据和嵌入模拟器，得到隐写二值图像；其中，所述嵌入模拟器包含一个阶梯激活函数，所述阶梯激活函数包含反向传播梯度。

在一种实现方式中，其中，所述二值图像隐写模型具体包括：

二值图像隐写生成器和二值图像隐写判别器；其中，所述二值图像隐写生成器采用深度残差网络；所述二值图像隐写判别器采用XuNet。

所述深度残差网络具体包括：

第一残差网络结构，第二残差网络结构和第三残差网络结构；

其中，所述第一残差网络结构包括卷积层、批量归一化层和激活层；所述第三残差网络结构包括卷积层、批量归一化层和Sigmoid函数。

在一种实现方式中，其中，所述第二残差网络结构具体为：

所述第二残差网络结构包括第一子网络结构和第二子网络结构；其中，所述第一子网络结构包括卷积层、批量批归一化层和激活层；所述第二子网络结构包括卷积、批量归一化、残差链路层。

在一种实现方式中，其中，所述二值图像隐写模型的生成方式为：

获取训练样本数据集；

将所述训练样本数据集输入到建模模型，得到建模模型输出数据；

将所述建模模型输出数据输入到所述建模模型进行训练迭代；

重复所述将所述建模模型输出数据输入到所述建模模型进行训练迭代的步骤，直至建模模型输出数据满足预设要求时，停止训练迭代，得到二值图像隐写模型。

在一种实现方式中，其中，所述所述嵌入模拟器生成方式为：

获取设计的反向传播函数；

将所述反向传播函数代替阶梯激活函数，生成嵌入模拟器。