[發明專利]一種基于GAN的載體圖像合成隱寫方法

有效

• 申請號: 202010820111.2
• 申請日: 2020-08-14
• 公開（公告）號: CN112115490B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 王讓定;王杰;嚴迪群;董理
• 申請（專利權）人: 石堅;項宇
• 主分類號: G06F21/60
• 分類號: G06F21/60;G06N3/045;G06N3/0475;G06N3/048;G06N3/094
• 代理公司: 深圳市眾元信科專利代理有限公司 44757
• 代理人: 謝建軍

1.一種基于GAN的載體圖像合成隱寫方法，其特征在于：包括以下步驟：

步驟1、構建數據集，并將數據集中的每幅圖像均裁剪成i*j大小的圖像，之后將裁剪完成的數據集組成真實圖像數據集；其中，i和j均為正整數；

步驟2、構建生成網絡G、判別網絡D、取證網絡F及提取網絡E，并初始化生成網絡G、判別網絡D和提取網絡E中的參數，取證網絡F中的參數為預設值；

步驟3、使用批訓練方式對步驟2中初始化的生成網絡G、判別網絡D和提取網絡E進行訓練，得到訓練完成的生成網絡G、判別網絡D和提取網絡E；其具體步驟為：

步驟3-1、從步驟1的真實圖像數據集中隨機選取n幅真實圖像，并將每幅真實圖像中的每個像素進行歸一化處理，使每幅真實圖像中每個像素的像素值均歸一化到[-1,+1]；其中，n為正整數；

步驟3-2、隨機生成n個k*1的秘密信息向量，n個k*1的第一密鑰向量和n個k*1的第二密鑰向量；其中，n個k*1第一密鑰向量和n個k*1的第二密鑰向量均不相同；k為正整數；

步驟3-3、將n個k*1的秘密信息向量以及n個k*1的第一密鑰向量輸入到初始化的生成網絡G中，生成n幅合成載體圖像；

步驟3-4、將n幅合成載體圖像與步驟3-1中選取的n幅真實圖像輸入到初始化的判別網絡D中，并計算判別網絡D中的損失函數L_D，利用損失函數L_D更新判別網絡D中的參數；

步驟3-5、將n幅合成載體圖像輸入到步驟2中構建的取證網絡F中，并計算取證網絡F中的損失函數L_ada；

步驟3-6、使用全連接層將n個k*1的第一密鑰向量分別轉換成n個與合成載體圖像尺寸相同的第一特征向量，并將n幅合成載體圖像和n個第一特征向量輸入到初始化的提取網絡E中，得到使用第一密鑰向量對應提取出的第一秘密信息，并計算提取網絡E中使用第一密鑰向量提取第一秘密信息過程的損失函數L_Eq，利用損失函數L_Eq更新初始化的提取網絡E中的參數；

步驟3-7、使用全連接層將n個k*1的第二密鑰向量分別轉換成n個與合成載體圖像尺寸相同的第二特征向量，并將n幅合成載體圖像和n個第二特征向量輸入到初始化的提取網絡E中，得到使用第二密鑰向量對應提取出的第二秘密信息，并計算提取網絡E中使用第二密鑰向量提取第二秘密信息過程的損失函數L_Eq；

步驟3-8、計算生成網絡G的總損失函數L_G，并根據生成網絡G的總損失函數L_G更新初始化的生成網絡G中的參數；總損失函數L_G的計算公式為：

L_G＝L_g+α(L_Eq+L_Eq)+βL_ada；

其中，L_g為生成網絡G的損失函數之一，L_g＝E_m,q[D(G(m,q))-G(m,q)]，G(m,q)為秘密信息向量m和第一密鑰向量q輸入到生成網絡G中后輸出的合成載體圖像，D(G(m,q))為合成載體圖像輸入到判別網絡D中后輸出的圖像，α，β是分別控制各損失函數平衡的預設超參數；

步驟3-9、任意從真實圖像數據集中隨機選取n幅真實圖像，構建不同批次的訓練樣本，依次使用任一批次的樣本且采用步驟3-1～步驟3-8中相同的方法對更新后的生成網絡G、判別網絡D及提取網絡E進行訓練，最終得到訓練完成的生成網絡G、判別網絡D及提取網絡E；

步驟4、將待嵌入的秘密信息和預設的密鑰輸入到訓練完成的生成網絡G中，得到合成載體圖像；

步驟5、將步驟4中得到的合成載體圖像和步驟4中預設的密鑰輸入到訓練完成的提取網絡E中，則提取出秘密信息。

2.根據權利要求1所述的基于GAN的載體圖像合成隱寫方法，其特征在于：所述步驟2中構建的生成網絡G包括依次相連接的第一合成向量層、a個全連接層模塊和b個反卷積模塊，其中，每個全連接層模塊包括依次相連接的全連接層、批標準化層和第一激活函數層，前b-1個反卷積層模塊中均包括依次相連接的反卷積層、批標準化層和第二激活函數層，最后一個反卷積層包括依次相連接的反卷積層和第三激活函數層，a和b均為正整數。