[发明专利]一种基于卷积神经网络的图像隐写分析方法及系统

摘要

本发明公开了一种基于卷积神经网络的图像隐写分析方法及系统，包括三个模块：图像预处理部分、特征提取部分、特征分类模块。在图像预处理部分，本发明通过实验选择了一组具有多方向、多尺度参数的Gabor滤波器与输入图像卷积获得高信噪比的图像残差；特征提取部分使用了快捷连接结构将浅层的输出与后面层直接相连来减轻过拟合现象。本发明基于卷积神经网络的隐写方法不需要大量关于隐写、隐写分析的领域知识，特征提取和特征分类过程是联合的优化过程，设计简单易于实施；其次，利用Gabor滤波器的尺度性和方向性可以帮助网络提取更有效的图像残差；最后，对J‑UNIWARD和UED两种内容自适应的隐写算法都能取得比较好的检测效果。

主权项

1.一种基于卷积神经网络的图像隐写分析方法，其特征在于，包括以下步骤：S1：设计实验所需的图像数据库，对图像数据库中的图像进行裁剪、压缩和隐秘信息嵌入，得到载密图像；将原始图像和载密图像分为互不相交的训练集、验证集和测试集；S2：设计基于卷积神经网络的网络模型，所述的网络模型包括预处理层、使用卷积层和池化层的特征提取层、全连接层和Softmax函数的特征分类层；S3：根据实验结果设计预处理层滤波器的初始化参数；S4：将训练集的图像进行数据增强后输入S2的基于卷积神经网络的网络模型进行训练；S5：选取步骤S4中训练后得到的最优的N个基于卷积神经网络的网络模型对测试集的图像进行分析，所述的N是正整数。