[发明专利]一种卷积神经网络驱动的图像可逆信息隐藏方法

权利要求书

1.一种卷积神经网络驱动的图像可逆信息隐藏方法，其特征在于，包括：

将载体图像分割为不重叠的第一原始像素集合与第二原始像素集合；

利用所述第二原始像素集合构造满足设定的最优预测性能保护条件的第一图像像素预测器，对所述第一原始像素集合进行最优预测，并在所述第一原始像素集合中可逆地嵌入数据，生成第一载密像素集合；使用所述第一载密像素集合造满足设定的最优预测性能保护条件的第二图像像素预测器，对所述第二原始像素集合进行最优预测，并在所述第二原始像素集合中可逆地嵌入数据，生成第二载密像素集合；

将所述第一载密像素集合与第二载密像素集合合成为载密图像；

利用所述第二原始像素集合构造满足设定的最优预测性能保护条件的第一图像像素预测器，对所述第一原始像素集合进行最优预测的方式，与使用所述第一载密像素集合造满足设定的最优预测性能保护条件的第二图像像素预测器，对所述第二原始像素集合进行最优预测的方式相同；

其中，所述第一图像像素预测器与所述第二图像像素预测器的结构相同，均包括：图像像素预测器由菱形图像像素预测器、水平图像像素预测器、垂直图像像素预测器和基于卷积神经网络的图像像素预测器；

对于第一图像像素预测器，预测结果表示为：

其中，和分别为由菱形图像像素预测器、水平图像像素预测器、垂直图像像素预测器和基于卷积神经网络的图像像素预测器计算得到的预测值；y_i,j表示载体图像中(i,j)位置处的原始像素值，i＝1,...,H,j＝1,...,W，H、W分别为载体图像的高度、宽度，y_B表示第二原始像素集合；

最优预测性能保护条件表示为：

其中，且在最优预测过程中，仅对满足最优预测性能保护条件的像素进行预测，表示为：

其中，e_i,j为使用菱形图像像素预测器、水平图像像素预测器、垂直图像像素预测器和基于卷积神经网络的图像像素预测器得到的预测误差，为最优预测误差；

所述基于卷积神经网络的图像像素预测器以卷积神经网络去噪器为核心网络，

第二原始像素集合或者第一载密像素集合输入至基于卷积神经网络的图像像素预测器后，进行双三次差值，再添加噪声生成相应的噪声图像，再输入至卷积神经网络去噪器，利用卷积神经网络去噪器输出的残差图像与所述噪声图像产生预测值；

其中，所述卷积神经网络去噪器包含多次扩张卷积运算，第一次与第二次扩张卷积运算之间添加有线性整流函数，第二次与倒数第二次扩张卷积运算之间均添加有批量归一化运算与线性整流函数；

在所述第一原始像素集合中可逆地嵌入数据，生成第一载密像素集合的方式，与在所述第二原始像素集合中可逆地嵌入数据，生成第二载密像素集合相同；

其中，在所述第一原始像素集合中可逆地嵌入数据，生成第一载密像素集合的方式包括：

计算扩展后的最优预测误差表示为：

其中，b_k为第k个待嵌入的数据比特，t为控制数据嵌入容量的参数；为最优预测误差，根据最优预测计算得到；i＝1,...,H,j＝1,...,W，H、W分别为载体图像的高度、宽度；

根据最优预测与扩展后的最优预测误差计算载密像素表示为：

其中，y_i,j表示载体图像中(i,j)位置处的原始像素值；

由一系列载密像素构成第一载密像素集合

扩展后的最优预测误差能够无损恢复为最优预测误差根据最优预测值和最优预测误差能够计算出原始像素值y_i,j，表示为：