[发明专利]一种基于像素级奖励机制的以图藏图方法及系统

说明书

本发明公开了一种基于像素级奖励机制的以图藏图方法及系统，在进行秘密图像隐藏时，将彩色载体图像和灰度秘密图像输入到训练好的图藏图网络中，生成含密图像；在进行秘密图像提取时，将含密图像输入到训练好的图藏图网络中，得到重构秘密图像；以图藏图网络的训练，包括：利用图像级联隐藏网络、基于U‑Net++结构的重构网络和裁判网络构建图藏图网络；根据图像级联隐藏网络的损失函数、基于U‑Net++结构的重构网络的损失函数和裁判网络的判别结果以及像素级奖励矩阵构建图藏图网络的的总损失函数；以总损失函数最小为目标优化以图藏图网络进行训练，得到训练好的以图藏图网络。优点：本发明具有高隐蔽性，高安全性以及高计算效率。

技术领域

本发明涉及一种基于像素级奖励机制的以图藏图方法及系统，属于图像处理技术领域。

背景技术

以图藏图是一种通过嵌入算法将秘密图像不易察觉地隐藏在封面图像中，然后由接收方通过提取算法提取出秘密图像的技术。与密码学不同的是，图像隐藏不仅可以保证秘密信息本身的安全，还可以增强秘密信息在传输过程中的安全性。近些年来，以图藏图技术被应用于许多领域，如数据保密通信和版权保护。

2017年，Baluja在NIPS上发表了首个以图藏图的深度学习隐写算法[BalujaS.Hiding images in plain sight:Deep steganography[C].In Proceedings of theNeural Information Processing Systems.Cambridge:MIT Press,2017:2069-2079.]，自此以后，利用各类深度学习网络进行以图藏图的隐写模型大量涌现。一个好的以图藏图技术需要解决两大难题：隐蔽性和安全性，也就是说，秘密图像不应该被人眼和隐写分析模型检测出来。然而，现有技术很难做到两者之间的平衡。此外，如何降低模型的计算复杂度也是以图藏图领域的重要难题。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种基于像素级奖励机制的以图藏图方法和系统，具有高隐藏容量和高隐蔽性。

为解决上述技术问题，本发明提供一种基于像素级奖励机制的以图藏图方法，包括：

在进行秘密图像隐藏时，将彩色载体图像和灰度秘密图像输入到训练好的以图藏图网络中，生成含密图像；

在进行秘密图像提取时，将含密图像输入到训练好的以图藏图网络中，得到重构秘密图像；

所述以图藏图网络的训练，包括：

利用图像级联隐藏网络、基于U-Net++结构的重构网络和裁判网络构建所述以图藏图网络，其中，所述图像级联隐藏网络，用于根据彩色载体图像和灰度秘密图像生成含密图像；所述基于U-Net++结构的重构网络，用于将含密图像重构得到重构秘密图像；所述裁判网络，用于在以图藏图网络的训练中对图像级联隐藏网络输出的含密图像进行判别，得到判别结果以及像素级奖励矩阵；

根据图像级联隐藏网络的损失函数和基于U-Net++结构的重构网络的损失函数以及裁判网络的判别结果以及像素级奖励矩阵构建所述以图藏图网络的总损失函数；

以总损失函数最小为目标优化所述以图藏图网络，当损失下降并保持稳定时完成训练，得到训练好的以图藏图网络，其中，在优化过程中，所述裁判网络的权重固定。

进一步的，所述将彩色载体图像和灰度秘密图像输入到训练好的以图藏图网络中，包括：

采用分辨率多样化操作对载体图像/秘密图像进行预处理，得到原尺寸、二分之一尺寸、四分之一尺寸的三对不同分辨率的载体图像/秘密图像对；

将三对不同分辨率的载体图像/秘密图像对输入到以图藏图网络中。

进一步的，所述图像级联隐藏网络包括：低分辨率语义分支，中分辨率细节分支，高分辨率细节分支，级联特征第一融合模块，级联特征第二融合模块，上采样操作组；