[發明專利]一種圖像隱藏方法及裝置

有效

• 申請號: 202011290006.9
• 申請日: 2020-11-17
• 公開（公告）號: CN112465687B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 鄧欣;景俊鵬;關振宇;徐邁;李大偉
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T1/00
• 分類號: G06T1/00;G06N3/04;G06N3/08;G06F17/14
• 代理公司: 北京開陽星知識產權代理有限公司 11710
• 代理人: 安偉

本公開提供了一種圖像隱藏方法及裝置，涉及圖像處理技術領域，該方法包括：獲取載體圖像和待隱藏秘密信息的秘密圖像；將秘密圖像和載體圖像輸入至小波變換層，通過小波變換層提取秘密圖像的小波低頻子帶，得到第一秘密特征圖，提取載體圖像的小波高頻子帶，得到載體特征圖；通過可逆層將第一秘密特征圖嵌入至載體特征圖，得到隱寫特征圖和輔助特征圖；將隱寫特征圖和輔助特征圖輸入至小波逆變換層，通過小波逆變換層生成隱寫特征圖對應的隱寫圖像和生成輔助特征圖對應的輔助圖像。本公開能夠提升隱寫圖像的圖像質量和安全性，增加隱藏秘密信息的容量。

技術領域

本公開涉及圖像處理技術領域，尤其涉及一種圖像隱藏方法及裝置。

背景技術

圖像隱藏是一種以視覺上無法察覺的方式，將秘密圖像作為秘密信息隱藏到載體圖像中，得到隱寫圖像，而后再通過某種技術方式恢復秘密圖像的任務。目前，圖像隱藏任務的一種主要實現方案是利用卷積神經網絡(Convolutional Neural Network，CNN)，基于CNN的方案使用兩個不同的網絡對載體圖像和秘密圖像分別進行隱藏和恢復。然而，該方案得到的隱寫圖像、恢復圖像均存在明顯的紋理偽影和顏色偏差問題，從而對于隱寫圖像將很容易被檢測出，安全性較差。此外，與傳統的隱寫任務相比，圖像隱藏所隱藏的信息數據量巨大，上述方案一般只能隱藏比特級的信息量，很難在載體圖像中完全隱藏秘密圖像這么大的容量。

目前的圖片隱藏方法幾乎不考慮安全性，隱寫圖像很容易就會被檢測出。

發明內容

為了解決上述技術問題或者至少部分地解決上述技術問題，本公開提供了一種圖像隱藏方法及裝置。

本公開提供了一種圖像隱藏方法，所述方法應用于配置有深度可逆神經網絡的設備；其中，所述深度可逆神經網絡包括小波變換層、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，通過所述小波逆變換層生成所述隱寫特征圖對應的隱寫圖像和生成所述輔助特征圖對應的輔助圖像。

進一步，所述方法還包括：對所述輔助圖像進行采樣，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網絡；通過所述深度可逆神經網絡根據所述采樣圖像和所述隱寫圖像，生成所述秘密圖像對應的恢復圖像。

進一步，所述通過所述深度可逆神經網絡根據所述采樣圖像和所述隱寫圖像，生成所述秘密圖像對應的恢復圖像，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；通過所述可逆層根據所述采樣特征圖對所述隱寫特征圖進行秘密信息的恢復，得到恢復特征圖；將所述恢復特征圖輸入至所述小波逆變換層，通過所述小波逆變換層生成所述恢復特征圖對應的恢復圖像。

進一步，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個所述可逆層輸入的載體特征圖，是第i個所述可逆層輸出的載體特征圖，是第i個所述可逆層輸入的第一秘密特征圖，是第i個所述可逆層輸出的第一秘密特征圖，ρ(·)和η(·)均為變換函數，α是具有S形函數Sigmoid的常數因子。

進一步，所述可逆層根據所述采樣特征圖對所述隱寫特征圖進行秘密信息的恢復，包括：所述可逆層基于恢復算法并根據所述采樣特征圖對所述隱寫特征圖進行秘密信息的恢復；其中，所述解碼算法為：