[發明專利]圖像隱寫及提取方法、裝置及電子設備

在審

• 申請號: 201910850963.3
• 申請日: 2019-09-10
• 公開（公告）號: CN112561766A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 崔文學;劉永亮;劉紹輝;張迪;董瑞
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06T1/00
• 分類號: G06T1/00;G06T9/00;G06F21/60;G06F21/10;G06N3/04;G06N3/08
• 代理公司: 北京清源匯知識產權代理事務所(特殊普通合伙) 11644
• 代理人: 馮德魁;竇曉慧

本申請公開了一種圖像隱寫方法，所述圖像隱寫方法通過對待嵌入信息進行壓縮處理，以獲取與所述待嵌入信息對應的目標測量值；并通過將所述目標測量值隱寫到載體圖像中，來獲得目標隱寫圖像。所述方法通過對所述待嵌入信息進行壓縮處理來去除所述待嵌入信息中的冗余信息，不僅減少了隱寫處理的計算量，還可以提高圖像的隱寫效率；另外，因為最終是將與所述待嵌入信息對應的目標測量值隱寫到所述載體圖像中，而非是待嵌入信息本身，相當于是先對待嵌入信息做了一個加密，然后再對加密后的待嵌入信息進行隱寫，進而使最終獲得的目標隱寫圖像中的待嵌入信息不容易被破壞，大大的提高了待嵌入信息的安全性。

技術領域

本申請涉及計算機技術領域，具體涉及一種圖像隱寫方法、裝置及電子設備。本申請同時涉及一種圖像提取方法、裝置及電子設備。

背景技術

隨著數字媒體技術以及計算機網絡技術的不斷發展，在信息傳遞或針對圖像、視頻等資源提供數字版權保護時，通過圖像隱寫方法來隱蔽的傳輸信息這一方式受到了人們越來越多的關注，所述圖像隱寫方法，通常是將待傳遞信息或數字版權信息等待隱寫信息通過偽裝的方式隱蔽的寫入用于承載所述待隱寫信息的載體圖像中，以獲得包含所述待隱寫信息的隱寫圖像的方法。

目前的圖像隱寫方法主要是研究如何將一個二進制序列隱藏到載體圖像中，也就是說，需要將所有格式，如圖像、視頻、文本等格式的待隱寫信息序列化為二進制序列，并將該二進制序列寫入載體圖像以獲取對應的隱寫圖像。

目前的針對二進制序列進行隱寫的圖像隱寫方法主要有以下缺點：1、其針對的隱寫對象，即待隱寫信息必須轉換成二進制序列，然而，這種轉換通常僅為簡單的數值轉換，其并沒有考慮原始待隱寫信息的特有屬性，例如，圖像數據中通常存在大量的冗余信息，將一幅圖像序列化為二進制序列之后，所述二進制序列中仍然存在大量的冗余信息，將包含所述冗余信息的二進制序列進行隱寫，勢必會增加隱寫處理的計算量，降低圖像隱寫的效率；2、因為該圖像隱寫方法是基于二進制序列的，因此，其一般能夠隱寫的數據量是有限的，隨著數據量的增加，其獲得的隱寫圖像的隱寫效果將會越來越差，其獲得的隱寫圖像中的隱寫信息被破壞的幾率也會隨之增加，不利于待隱寫信息的安全傳遞。

發明內容

本申請提供一種圖像隱寫方法，以解決現有的圖像隱寫方法在進行隱寫時存在的計算量大、效率低以及獲得的隱寫圖像中的隱寫信息容易被破壞的問題。

本申請提供一種圖像隱寫方法，包括：

獲取載體圖像，并獲取待嵌入信息；

對所述待嵌入信息進行壓縮處理，獲取與所述待嵌入信息對應的目標測量值；

將所述目標測量值隱寫到所述載體圖像中，獲取目標隱寫圖像。

可選的，所述對所述待嵌入信息進行壓縮處理，獲取與所述待嵌入信息對應的目標測量值，包括：

獲取目標采樣卷積神經網絡模型，其中，所述目標采樣卷積神經網絡模型用于對所述待嵌入信息進行壓縮處理；

使用所述目標采樣卷積神經網絡模型對所述待嵌入信息進行處理，獲取所述目標測量值。

可選的，所述獲取目標采樣卷積神經網絡模型，包括：

獲取原始采樣卷積神經網絡模型；

對所述原始采樣卷積神經網絡模型進行訓練，使所述原始采樣卷積神經網絡模型收斂，并將收斂后的所述原始采樣卷積神經網絡模型作為所述目標采樣卷積神經網絡模型。

可選的，所述對所述原始采樣卷積神經網絡模型進行訓練，使所述原始采樣卷積神經網絡模型收斂，包括：

獲取指導卷積神經網絡模型，其中，所述指導卷積神經網絡模型用于將所述原始采樣卷積神經網絡模型的輸出數據恢復為所述原始采樣卷積神經網絡模型的輸入數據；