[发明专利]基于卷积神经网络的JPEG图像隐写分析方法

摘要

本发明公开了一种基于卷积神经网络的JPEG图像隐写分析方法，包括以下步骤：S1.构建针对JPEG图像隐写分析的卷积神经网络；S2.准备数据集；S3.初始化卷积神经网络；S4.训练卷积神经网络；S5.利用训练好的卷积神经网络对待检测图像进行隐写分析，计算出分类概率向量从而判定待检测图像是否为载密图像。本发明通过将JPEG图像隐写分析相关的领域知识内嵌到网络结构中，针对JPEG图像隐写分析设计了卷积神经网络结构及相关的参数配置；同时为网络训练引入参数增量约束机制，提高了卷积神经网络的性能，解决了现有的图像隐写分析技术中分类准确率不够高以及无法在低负载情况下直接训练网络等问题。

主权项

1.基于卷积神经网络的JPEG图像隐写分析方法，其特征在于，包括以下步骤：S1.构建针对JPEG图像隐写分析的卷积神经网络：包括预处理部分和深度网络部分；所述预处理部分用于预处理JPEG图像，所述深度网络部分用于提取JPEG图像隐写分析特征并进行隐写分析；S2.准备数据集：将原始图像按设定比例随机划分为训练集、验证集、测试集的载体图像，并使用隐写算法对所有载体图像进行隐写生成等量的载密图像；根据隐写算法计算所有载体图像的修改概率矩阵β，然后计算所有载体图像与载密图像相应的L₁范数嵌入失真矩阵t(β)；S3.初始化卷积神经网络：对于卷积神经网络中预处理部分的卷积层，使用高通滤波器对其卷积核进行初始化，并采用截断线性单元作为激活函数；对于除预处理部分的卷积层以外的其他卷积层均使用msra方式进行初始化；S4.训练卷积神经网络：使用AdaDelta算法在步骤S2所述的训练集中对卷积神经网络进行训练，通过验证集对训练中的网络进行验证并通过迭代更新参数直至网络收敛；使用测试集测试网络性能；S5.利用训练好的卷积神经网络对待检测图像进行隐写分析，计算出分类概率向量从而判定待检测图像是否为载密图像。