[發(fā)明專利]一種圖像隱藏方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202011290006.9
• 申請(qǐng)日: 2020-11-17
• 公開（公告）號(hào): CN112465687B
• 公開（公告）日: 2022-06-17
• 發(fā)明（設(shè)計(jì)）人: 鄧欣;景俊鵬;關(guān)振宇;徐邁;李大偉
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G06T1/00
• 分類號(hào): G06T1/00;G06N3/04;G06N3/08;G06F17/14
• 代理公司: 北京開陽(yáng)星知識(shí)產(chǎn)權(quán)代理有限公司 11710
• 代理人: 安偉

1.一種圖像隱藏方法，其特征在于，所述方法應(yīng)用于配置有深度可逆神經(jīng)網(wǎng)絡(luò)的設(shè)備；其中，所述深度可逆神經(jīng)網(wǎng)絡(luò)包括小波變換層、可逆層和小波逆變換層；所述方法包括：

獲取載體圖像和待隱藏秘密信息的秘密圖像；

將所述秘密圖像和所述載體圖像輸入至所述小波變換層，通過(guò)所述小波變換層提取所述秘密圖像的小波低頻子帶，得到第一秘密特征圖，以及提取所述載體圖像的小波高頻子帶，得到載體特征圖；

通過(guò)所述可逆層將所述第一秘密特征圖嵌入至所述載體特征圖，得到隱寫特征圖和輔助特征圖；其中，所述隱寫特征圖中包含所述第一秘密特征圖中的部分秘密信息，所述輔助特征圖中包含所述第一秘密特征圖中的剩余部分秘密信息；

將所述隱寫特征圖和所述輔助特征圖輸入至所述小波逆變換層，通過(guò)所述小波逆變換層生成所述隱寫特征圖對(duì)應(yīng)的隱寫圖像和生成所述輔助特征圖對(duì)應(yīng)的輔助圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

對(duì)所述輔助圖像進(jìn)行采樣，得到采樣圖像；

將所述采樣圖像和所述隱寫圖像輸入至所述深度可逆神經(jīng)網(wǎng)絡(luò)；

通過(guò)所述深度可逆神經(jīng)網(wǎng)絡(luò)根據(jù)所述采樣圖像和所述隱寫圖像，生成所述秘密圖像對(duì)應(yīng)的恢復(fù)圖像。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述通過(guò)所述深度可逆神經(jīng)網(wǎng)絡(luò)根據(jù)所述采樣圖像和所述隱寫圖像，生成所述秘密圖像對(duì)應(yīng)的恢復(fù)圖像，包括：

將所述采樣圖像和所述隱寫圖像輸入至所述小波變換層，通過(guò)所述小波變換層提取所述采樣圖像的采樣特征圖和所述隱寫圖像的隱寫特征圖；

通過(guò)所述可逆層根據(jù)所述采樣特征圖對(duì)所述隱寫特征圖進(jìn)行秘密信息的恢復(fù)，得到恢復(fù)特征圖；

將所述恢復(fù)特征圖輸入至所述小波逆變換層，通過(guò)所述小波逆變換層生成所述恢復(fù)特征圖對(duì)應(yīng)的恢復(fù)圖像。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述可逆層將所述第一秘密特征圖嵌入至所述載體特征圖，包括：

所述可逆層通過(guò)隱藏算法將所述第一秘密特征圖嵌入至所述載體特征圖；其中，所述隱藏算法為：

其中，是第i個(gè)所述可逆層輸入的載體特征圖，是第i個(gè)所述可逆層輸出的載體特征圖，是第i個(gè)所述可逆層輸入的第一秘密特征圖，是第i個(gè)所述可逆層輸出的第一秘密特征圖，ρ(·)和η(·)均為變換函數(shù)，α是具有S形函數(shù)Sigmoid的常數(shù)因子。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述可逆層根據(jù)所述采樣特征圖對(duì)所述隱寫特征圖進(jìn)行秘密信息的恢復(fù)，包括：

所述可逆層基于恢復(fù)算法并根據(jù)所述采樣特征圖對(duì)所述隱寫特征圖進(jìn)行秘密信息的恢復(fù)；其中，所述解碼算法為：

其中，是第i個(gè)所述可逆層輸入的隱寫特征圖，是第i個(gè)所述可逆層輸出的隱寫特征圖，是第i個(gè)所述可逆層輸入的采樣特征圖，是第i個(gè)所述可逆層輸出的采樣特征圖，ρ(·)和η(·)均為變換函數(shù)，α是具有S形函數(shù)Sigmoid的常數(shù)因子。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述深度可逆神經(jīng)網(wǎng)絡(luò)還包括連接于所述小波變換層和所述可逆層之間的圖像重縮放層；

在所述通過(guò)所述小波變換層提取所述秘密圖像的第一秘密特征圖之后，所述方法還包括：

通過(guò)所述圖像重縮放層對(duì)所述第一秘密特征圖進(jìn)行成比例縮小，得到第二秘密特征圖；

將所述第二秘密特征圖輸入至所述可逆層，以通過(guò)所述可逆層將所述第二秘密特征圖嵌入至所述載體特征圖。

7.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述深度可逆神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程包括：

基于預(yù)設(shè)的隱藏?fù)p失函數(shù)、恢復(fù)損失函數(shù)和低頻小波損失函數(shù)對(duì)所述深度可逆神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至總損失函數(shù)值收斂至預(yù)設(shè)值時(shí)，訓(xùn)練結(jié)束；

其中，所述總損失函數(shù)值為所述隱藏?fù)p失函數(shù)計(jì)算的損失值、所述恢復(fù)損失函數(shù)計(jì)算的損失值和所述低頻小波損失函數(shù)計(jì)算的損失值的加權(quán)值；所述隱藏?fù)p失函數(shù)和所述恢復(fù)損失函數(shù)對(duì)應(yīng)于所述可逆層，所述低頻小波損失函數(shù)對(duì)應(yīng)于所述小波變換層。