[发明专利]一种高容量通用图像信息隐藏方法

权利要求书

1.一种高容量通用图像信息隐藏方法，采用包含编码器，完成信息隐藏模型训练的判别器，和解码器组成的信息隐藏模型；在编码端，秘密信息输入所述编码器生成含密扰动，然后将含密扰动与载体图像相加得到含密图像；在解码端将含密图像解码提取秘密信息，其特征在于：

1)编码器中包含一个注意力模块和一个简化的U-Net网络，注意力模块使用两个卷积块创建一个注意力概率图，编码器根据图像的内容关注像素的不同通道维度，注意力模块输出注意力概率图P_m后与秘密信息M相乘，得到注意力特征图M_a，然后送进编码器剩下的网络结构中生成含密扰动，然后添加到载体图像上生成含密图像；所述注意力模块可表示为：

其中，Conv表示卷积层，a和b表示卷积层输出的特征图，d是秘密信息M的通道数，l代表b中元素位置，j和k表示b的通道维度；

秘密信息的嵌入方法为：将秘密信息输入编码器，生成含密扰动M_e，然后与载体图像相加：

S_i＝C_i+M_e,i≥1

其中，C_i表示第i张需要嵌入秘密信息的载体图像，S_i表示第i张含密图像；

2)所述判别器为一隐写分析模型，通过对抗学习，使得编码器根据秘密信息生成含密对抗扰动，并添加到载体图像上，使生成的含密图像同时成为攻击判别器的对抗样本，从而提高含密图像抵抗隐写分析检测的能力。

2.根据权利要求1所述的高容量通用图像信息隐藏方法，其特征在于，训练信息隐藏模型的具体方法为：将隐写分析模型设置为判别器，编码器生成能够欺骗判别器的含密对抗扰动，而判别器则去识别载体图像和含密图像的差异，通过对抗训练使编码器生成的含密图像具有更强的抵抗隐写分析的能力，从而使判别器的识别准确率接近0.5；经过迭代训练,并通过判别器的反馈更新编码器的参数，使编码器最终生成含密对抗扰动，所述对抗训练表示为：

其中，G表示编码器，D表示判别器，判别器的目标是区分对抗样本x+G(z)和原始样本x，原始样本x代表载体图像，z代表秘密信息，对抗样本x+G(z)代表含密图像，x是从载体图像的类别中进行采样的，此判别器在对抗训练中促使生成的含密图像更接近载体图像的类别；

针对判别器的攻击过程可表示为：

其中，表示判别器的输出结果与目标之间的距离，t表示目标类别；采用目标攻击的方式，将载体图像类别标签设为0，含密图像的类别标签设为1，目标类别标签t＝0；

训练信息隐藏模型，采用的损失函数为：

该损失函数包括三部分，分别是编码器的损失函数判别器的损失函数以及解码器的损失函数其中，β用于控制不同损失的相对比例；表示载体图像和含密图像之间的均方误差损失，用来衡量含密图像的失真程度；表示针对判别器的目标攻击损失，用来促使编码器生成含密对抗扰动；表示提取的秘密信息与原始秘密信息之间的信息损失；三者的定义如下：

其中，n代表训练样本数量，c和s分别代表载体和含密图像，y和分别代表判别器的目标标签和预测标签，m和m′分别代表原始秘密信息和提取的秘密信息。

3.根据权利要求1所述的高容量通用图像信息隐藏方法，其特征在于，所述解码器包括六个卷积块的堆叠；每个卷积块包括一个卷积层，一个批归一化层和一个ReLU激活层；第一个卷积块的输入为含密图像，其它卷积块的输入为上一个卷积块的输出，最后一个卷积块的输出为提取的秘密信息；秘密信息的提取方法为：将含密图像输入解码器，解码器的输出为提取的秘密信息。