[发明专利]一种基于生成式隐写对抗的图像隐写方法及系统

权利要求书

1.一种基于生成式隐写对抗的图像隐写方法，其特征在于，包括：

构建包括生成网络、隐写器、判别网络和隐写分析网络的生成式隐写对抗模型，所述生成网络采用同层跳接方法将原始图像转换为载体图像，所述隐写器将秘密图像嵌入载体图像后得到载秘图像，所述判别网络判断载体图像的真实性，所述隐写分析网络判断载秘图像是否含有秘密图像信息；

根据判别网络和隐写分析网络的判断结果分别构建生成网络与判别网络、隐写分析网络的损失函数，根据三者的损失函数对生成网络与判别网络和隐写分析网络进行对抗训练，得到训练后的生成式隐写对抗模型；

基于训练后的生成式隐写对抗模型得到与原始图像对应的隐写图像。

2.如权利要求1所述的一种基于生成式隐写对抗的图像隐写方法，其特征在于，所述生成网络包括16组处理单元，前8组是收缩路径，每组包括步长为2的下采样卷积层、批处理归一化层和Relu激活函数，第9至15组是扩展路径，每组包括步长为2的反卷积层、批处理归一化层和Relu激活函数，第16组包括步长为2的反卷积层、Relu激活函数和sigmoid激活函数；通过同层跳接方法将第i层和第16-i层的特征图拼接后作为到16-i+1层的输入。

3.如权利要求1所述的一种基于生成式隐写对抗的图像隐写方法，其特征在于，所述判别网络包含8组处理单元，每组处理单元包括卷积层和批处理归一化层，采用Leaky-Relu激活函数，将处理后得到的特征图输入到全连接层，最终经过sigmoid激活函数得到载体图像为真实图像的概率。

4.如权利要求1所述的一种基于生成式隐写对抗的图像隐写方法，其特征在于，所述隐写分析网络采用基于深度学习的隐写分析网络。

5.如权利要求1所述的一种基于生成式隐写对抗的图像隐写方法，其特征在于，判别网络的损失函数为：

其中，x₁，x₂分别是真实图像与载体图像的概率，x'₁，x'₂分别是输入的真实图像与生成的载体图像对应的标签。

6.如权利要求1所述的一种基于生成式隐写对抗的图像隐写方法，其特征在于，隐写分析网络的损失函数为：

其中，z₁、z₂是隐写分析网络的输出，z'₁，z'₂分别是输入的真实图像与隐写图像对应的标签。

7.如权利要求1所述的一种基于生成式隐写对抗的图像隐写方法，其特征在于，生成网络的损失函数为判别网络和隐写分析网络的损失函数的反向加权，并引入像素空间最小均方差损失函数，生成网络的损失函数为：

其中，L_D是判别网络的损失函数；L_SD是隐写分析网络的损失函数；α、β、λ是权值参数，y_i是真实像素点的值，y'_i是对应位置的生成图像像素点的值，n是图像像素点数量。

8.一种基于生成式隐写对抗的图像隐写系统，其特征在于，包括：

模型构建模块，被配置为构建包括生成网络、隐写器、判别网络和隐写分析网络的生成式隐写对抗模型，所述生成网络采用同层跳接方法将原始图像转换为载体图像，所述隐写器将秘密图像嵌入载体图像后得到载秘图像，所述判别网络判断载体图像的真实性，所述隐写分析网络判断载秘图像是否含有秘密图像信息；

对抗训练模块，被配置为根据判别网络和隐写分析网络的判断结果分别构建生成网络与判别网络、隐写分析网络的损失函数，根据三者的损失函数对生成网络与判别网络和隐写分析网络进行对抗训练，得到训练后的生成式隐写对抗模型；

图像隐写模块，被配置为基于训练后的生成式隐写对抗模型得到与原始图像对应的隐写图像。

9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。