[发明专利]一种基于生成对抗网络的图像隐写方法及系统

摘要

本发明公开了一种基于生成对抗网络的图像隐写方法及系统，系统包括框架设计模块、网络训练模块和性能估计模块；通过设计网络框架并构造损失函数，输入原始的随机噪声，训练整个网络，使得生成的图片尽可能地拟合原始图片库的数据分布，对最终训练得到的模型性能进行检测，分析由该模型生成的图片的视觉质量以及抗隐写分析的安全性能。本发明的抗隐写分析的安全性能较其他基于生成对抗网络的方法有2～5个多百分点的提升，和原始图片库相比，生成图像视觉质量较好且更为安全。

主权项

1.一种基于生成对抗网络的图像隐写方法，其特征在于，包括以下步骤：S1：在待拟合的数据库中设计网络框架，其中网络框架由三个子网络构成，包括生成器(G)、判别器(D)和隐写分析器(S)；S2：构建各子网络的损失函数并进行优化函数，三个子网络的损失函数均基于交叉熵损失函数，其中生成器(G)的损失函数设计为：其中α＝0.02，β＝1，判别器(D)的损失函数设计为：隐写分析器(S)的损失函数设计为：如上公式中G(z(i))表示有生成器(G)生成的图片，D(x)表示输入x时判别器(D)0的输出，S(x)表示输入x时隐写分析器(S)的输出，stego(x)表示对x嵌入信息后得到的结果；S3：选择随机噪声作为生成器(G)的输入，选择需要拟合的数据作为判别器(D)的输入之一，对网络进行训练，得到最终的训练模型；S4：利用基于卷积神经网络的隐写分析器(S)对训练模型产生的图片进行性能评估；S5：将本发明的输出结果与原始图片库以及其他生成对抗网络模型的对抗结果进行比较。