[发明专利]一种基于生成对抗网络的彩色图像隐写方法

权利要求书

1.一种基于生成对抗网络的彩色图像隐写方法，其特征在于，包括：

制作载体图像数据集和秘密图像数据集，将所述载体图像数据集和秘密图像数据集分别分为训练集、验证集和测试集；所述载体图像数据集中的载体图像和所述秘密图像数据集中的秘密图像大小相同；

构建由预处理网络、隐藏网络、提取网络和隐写分析网络组成的图像隐写模型；所述预处理网络用于对所述载体图像和所述秘密图像进行预处理；所述隐藏网络用于将所述秘密图像隐藏到所述载体图像中，得到隐写图像；所述提取网络用于从所述隐写图像中得到提取图像；所述隐写分析网络用于对所述载体图像和所述隐写图像进行隐写分析；

通过所述训练集和所述验证集对构建的所述图像隐写模型进行训练和参数调优；所述隐藏网络和所述隐写分析网络形成对抗训练；

利用所述测试集对参数调优后的所述图像隐写模型进行性能测试；所述对构建的所述图像隐写模型进行训练，包括：

将所述载体图像和所述秘密图像分别输入到所述预处理网络，得到第一特征图；

将所述第一特征图输入到所述隐藏网络，得到所述隐写图像；

将所述隐写图像输入到所述提取网络，得到所述提取图像；

将所述载体图像和所述隐写图像作为输入图像输入到所述隐写分析网络，得到所述输入图像的分析结果；

所述将所述载体图像和所述秘密图像分别输入到所述预处理网络，得到第一特征图，包括：

将所述载体图像和所述秘密图像分别输入到所述预处理网络的两个分支中，所述载体图像和所述秘密图像分别通过各分支的第一个卷积层，用ReLU激活函数激活，分别得到第一载体特征图和第一秘密特征图；

将所述第一载体特征图和所述第一秘密特征图分别通过各分支的第二个卷积层，用ReLU激活函数激活，分别得到第二载体特征图和第二秘密特征图；

将所述第二载体特征图和所述第二秘密特征图分别通过各分支的第三个卷积层，用ReLU激活函数激活，分别得到第三载体特征图和第三秘密特征图；

将所述第三载体特征图和所述第三秘密特征图进行合并，得到第一特征图。

2.根据权利要求1所述的基于生成对抗网络的彩色图像隐写方法，其特征在于，所述将所述第一特征图输入到所述隐藏网络，得到所述隐写图像，包括：

将所述第一特征图输入到所述隐藏网络的第一个卷积层中进行卷积和使用ReLU函数进行激活，得到第二特征图；

将所述第一特征图通过跳过连接和所述第二特征图进行合并，并输入到所述隐藏网络的第二个卷积层中进行卷积和使用ReLU函数进行激活，得到第三特征图；

将所述第一特征图和所述第二特征图分别通过跳过连接和所述第三特征图进行合并，并输入到所述隐藏网络的第三个卷积层中进行卷积和使用ReLU函数进行激活，得到第四特征图；

将所述第一特征图、所述第二特征图和所述第三特征图分别通过跳过连接和所述第四特征图进行合并，并输入到所述隐藏网络的第四个卷积层中进行卷积和使用ReLU函数进行激活，得到第五特征图；

将所述第一特征图、所述第二特征图、所述第三特征图和所述第四特征图分别通过跳过连接和所述第五特征图进行合并，并输入到所述隐藏网络的第五个卷积层中进行卷积和使用ReLU函数进行激活，得到第六特征图；

将所述第一特征图、所述第二特征图、所述第三特征图、所述第四特征图和所述第五特征图分别通过跳过连接和所述第六特征图进行合并，并输入到所述隐藏网络的第六个卷积层中进行卷积和使用Tanh函数进行激活，得到第七特征图；

将所述载体图像通过跳过连接和所述第七特征图相加，得到所述隐写图像。