[發明專利]一種基于生成對抗網絡的JPEG域圖像隱寫方法和系統

有效

• 申請號: 201910368809.2
• 申請日: 2019-05-05
• 公開（公告）號: CN110334805B
• 公開（公告）日: 2022-10-25
• 發明（設計）人: 阮丹陽;陽建華;康顯桂
• 申請（專利權）人: 中山大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06T9/00;H04N19/625
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

本發明公開了一種基于生成對抗網絡的JPEG域圖像隱寫方法，通過生成網絡產生載體圖像DCT系數矩陣對應的篡改概率矩陣，利用模擬編碼嵌入模塊以及可傳遞梯度JPEG變換模塊根據篡改概率矩陣產生對應的載密圖像，通過判別網絡對載體圖像與載密圖像進行區分，將分類誤差作為損失函數對生成網絡與判別網絡進行對抗訓練，最終獲得能夠生成自適應隱寫代價值的生成網絡模型。通過該模型與傳統信息編碼模塊結合，將秘密信息嵌入到載體圖像得到載密圖像。相比傳統的JPEG域圖像隱寫方法具有設計簡單，易于實現，抗檢測性強等特點。本發明還公開了一種JPEG域圖像隱寫系統，其中包括基于生成對抗網絡的JPEG域圖像隱寫方法所得到的生成網絡模塊，信息編碼模塊以及JPEG變換模塊。

技術領域

本發明涉及圖像隱寫領域，更具體地，涉及一種基于生成對抗網絡的JPEG域圖像隱寫方法。

背景技術

信息隱藏是將需要加密的秘密信息通過某些算法嵌入到載體文件中產生載密文件，并通過公開渠道進行傳輸，接收方通過對應的提取手段對載密文件中的秘密信息進行提取，而攻擊方無法從載密文件中獲得秘密信息。圖像的信息隱藏主要是將圖像的部分數據如像素值等進行替換或修改，在不影響圖像視覺效果的前提下將秘密信息嵌入到載密圖像中，圖像的信息隱藏主要利用了人眼的視覺冗余。由于數字圖像具有信息容量大，篡改易于實現，且數量及格式種類繁多等特點，因此數字圖像為信息隱藏的一大主要載體。隱寫算法為圖像信息可逆隱藏的主要實現方式，隨著網絡以及多媒體技術的不斷發展，圖像作為網絡上常用的信息媒介，圖像的隱寫以及隱寫分析也逐漸受到了廣泛的應用。

目前圖像的隱寫方法根據修改圖像數據的類別主要分為空域與變化域的隱寫，根據秘密信息嵌入的方式又分為圖像內容自適應性與非自適應性的隱寫。與圖像隱寫相對應的為圖像的隱寫分析，用于判斷圖像是否嵌有秘密信息，隱寫分析可以作為隱寫算法安全性的一種評價方式。一般而言具有自適應性的隱寫算法都具有相對較高的安全性。隨著深度學習在圖像隱寫分析上的應用，隱寫分析性能得到極大的提升，同時圖像隱寫方法的安全性受到了挑戰。

JPEG域上的圖像隱寫算法首先通過將空域上的像素值轉換到JPEG域，通過對圖像DCT系數進行篡改來嵌入秘密信息，為了使得嵌入行為盡可能減少統計特征的改變，隱寫算法采用具有自適應性的嵌入方法。為了減少視覺上的改動，一般將信息嵌入到修改后對圖像視覺效果影響較小的交流非零DCT系數中。傳統方法通過設置加性失真函數來實現信息嵌入的自適應性，但該方法高度依賴設計者的經驗和先驗知識，且不能夠根據隱寫分析網的改動及時作出策略上的調整，因此其安全性仍有一定的提升空間。目前并沒有出現在JPEG域的根據隱寫分析網絡的變動及時調整自身策略的隱寫代價函數自動學習算法。

發明內容

本發明提供一種基于生成對抗網絡的JPEG域圖像隱寫方法與系統，采用深度學習中的生成對抗網絡進行JPEG域上的隱寫。

為解決上述技術問題，本發明的技術方案如下：

一種基于生成對抗網絡的JPEG域圖像隱寫方法，其特征在于，所述的生成對抗網絡包括生成網絡、模擬編碼嵌入模塊及判別網絡。其訓練過程包括以下步驟：

S1：將載體圖像通過可傳遞梯度JPEG變換模塊，得到該載體圖像對應的DCT域上的系數矩陣；

S2：將該載體圖像對應的DCT系數矩陣輸入到所述生成網絡中，通過生成網絡產生對應的與載體圖像大小一致的篡改概率矩陣，所述篡改概率矩陣的每一位置的數值代表該位置對應的像素位置DCT系數受到篡改的概率；

S3：將產生的篡改概率矩陣與隨機噪聲矩陣通過模擬編碼嵌入模塊進行模擬編碼得到與載體圖像大小一致的篡改矩陣，所述隨機噪聲矩陣與所述篡改概率矩陣大小一致，篡改矩陣中元素的取值為±1與0，隨機噪聲矩陣用于模擬隨機秘密信息；將篡改矩陣與載體圖像對應的DCT域上的矩陣相加，得到DCT域上與載體圖像DCT系數矩陣對應的載密圖像的DCT系數矩陣；