[發(fā)明專利]基于分布保持原則用于深度圖像隱寫(xiě)分析的數(shù)據(jù)增強(qiáng)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111133605.4
• 申請(qǐng)日: 2021-09-26
• 公開(kāi)（公告）號(hào): CN113888423A
• 公開(kāi)（公告）日: 2022-01-04
• 發(fā)明（設(shè)計(jì)）人: 張建嵩;田輝;陳可江;郭玉剛;張志翔
• 申請(qǐng)（專利權(quán)）人: 合肥高維數(shù)據(jù)技術(shù)有限公司;中國(guó)科學(xué)技術(shù)大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00;G06N3/04;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于分布保持原則用于深度圖像隱寫(xiě)分析的數(shù)據(jù)增強(qiáng)方法，其特征在于：包括如下步驟：

S100、對(duì)原始載體X按一定變換關(guān)系進(jìn)行處理得到添加增強(qiáng)噪聲的概率圖P，概率圖P的大小與原始載體X的大小一致且概率圖P中的每個(gè)元素為原始載體X中對(duì)應(yīng)位置元素添加增強(qiáng)噪聲的概率；

S200、對(duì)概率圖P進(jìn)行處理得到噪聲圖N；

S300、將噪聲圖N疊加至原始載體X上，得到增強(qiáng)載體X_Aug；

其中，步驟S100中，原始載體X和概率圖P的變換關(guān)系可利用已有的圖對(duì)圖轉(zhuǎn)化模型進(jìn)行訓(xùn)練得到。

2.如權(quán)利要求1所述的基于分布保持原則用于深度圖像隱寫(xiě)分析的數(shù)據(jù)增強(qiáng)方法，其特征在于：所述的圖對(duì)圖轉(zhuǎn)化模型為UNet網(wǎng)絡(luò)，步驟S100中，將原始載體X輸入訓(xùn)練好的UNet網(wǎng)絡(luò)中，UNet網(wǎng)絡(luò)輸出對(duì)應(yīng)的概率圖P；UNet網(wǎng)絡(luò)結(jié)構(gòu)由8個(gè)卷積層和8個(gè)反卷積層組成且相同大小的特征圖是短路連接的，其輸出由ReLU(sigmoid()-0.5)運(yùn)算得到；該UNet網(wǎng)絡(luò)訓(xùn)練時(shí)的損失函數(shù)由高頻損失函數(shù)loss1和內(nèi)容差異損失函數(shù)loss2線性疊加而成。

3.如權(quán)利要求2所述的基于分布保持原則用于深度圖像隱寫(xiě)分析的數(shù)據(jù)增強(qiáng)方法，其特征在于：所述的高頻損失函數(shù)loss1、內(nèi)容差異損失函數(shù)loss2以及UNet網(wǎng)絡(luò)訓(xùn)練時(shí)的損失函數(shù)loss按如下公式計(jì)算：

式中，F(xiàn)是一組來(lái)自SRM的30個(gè)高通濾波器，“*”是卷積運(yùn)算，l₁即計(jì)算兩者的曼哈頓距離；n₀和λ均為預(yù)先設(shè)定好的超參數(shù)，n₀是噪聲點(diǎn)的預(yù)期數(shù)量。

4.如權(quán)利要求3所述的基于分布保持原則用于深度圖像隱寫(xiě)分析的數(shù)據(jù)增強(qiáng)方法，其特征在于：所述的步驟S100中，噪聲點(diǎn)的預(yù)期數(shù)量n₀等于原始載體X總像素?cái)?shù)量的0.5％～1.5％。

5.如權(quán)利要求3所述的基于分布保持原則用于深度圖像隱寫(xiě)分析的數(shù)據(jù)增強(qiáng)方法，其特征在于：所述的步驟S100中，λ∈[0.01,100]。

6.如權(quán)利要求2-5任一項(xiàng)所述的基于分布保持原則用于深度圖像隱寫(xiě)分析的數(shù)據(jù)增強(qiáng)方法，其特征在于：所述的步驟S200中，包括如下步驟：

S210、對(duì)概率圖P進(jìn)行采樣，得到第一噪聲圖，第一噪聲圖中的元素有三種值：+1、-1和0，分別表示加性噪聲、減性噪聲和無(wú)噪聲；

S220、用第一噪聲圖乘以噪聲幅度α得到的第二噪聲圖即為噪聲圖N。

7.如權(quán)利要求6所述的基于分布保持原則用于深度圖像隱寫(xiě)分析的數(shù)據(jù)增強(qiáng)方法，其特征在于：所述的步驟S210中，按如下公式對(duì)概率圖P進(jìn)行采樣得到第一噪聲圖：

式中，p_ij為概率圖P中第i行第j列的概率值，n_ij為第一噪聲圖中第i行第j列的元素值，是gumbel噪聲，τ是溫度參數(shù)。

8.如權(quán)利要求6所述的基于分布保持原則用于深度圖像隱寫(xiě)分析的數(shù)據(jù)增強(qiáng)方法，其特征在于：所述的步驟S300中，通過(guò)如下公式將噪聲圖N疊加到原始載體X上得到增強(qiáng)載體X_Aug：

其中，原始載體X、噪聲圖N以及增強(qiáng)載體X_Aug均為灰度圖，上述公式中，是對(duì)灰度值進(jìn)行計(jì)算的。

9.如權(quán)利要求6所述的基于分布保持原則用于深度圖像隱寫(xiě)分析的數(shù)據(jù)增強(qiáng)方法，其特征在于：所述的步驟S220中，噪聲幅度α∈[16,64]。

10.如權(quán)利要求7所述的基于分布保持原則用于深度圖像隱寫(xiě)分析的數(shù)據(jù)增強(qiáng)方法，其特征在于：所述的UNet網(wǎng)絡(luò)應(yīng)用Adam優(yōu)化器來(lái)訓(xùn)練，UNet網(wǎng)絡(luò)結(jié)構(gòu)中的所有層都使用Xavier方法進(jìn)行初始化，訓(xùn)練中的batchsize批大小等于16，初始學(xué)習(xí)率為0.0001，總的epoch設(shè)置為300；學(xué)習(xí)率和溫度參數(shù)τ在epoch為100和200時(shí)分別減少。