[發明專利]基于分布保持原則用于深度圖像隱寫分析的數據增強方法

在審

• 申請號: 202111133605.4
• 申請日: 2021-09-26
• 公開（公告）號: CN113888423A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 張建嵩;田輝;陳可江;郭玉剛;張志翔
• 申請（專利權）人: 合肥高維數據技術有限公司;中國科學技術大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明特別涉及一種基于分布保持原則用于深度圖像隱寫分析的數據增強方法，包括如下步驟：S100、對原始載體X按一定變換關系進行處理得到添加增強噪聲的概率圖P，概率圖P的大小與原始載體X的大小一致且概率圖P中的每個元素為原始載體X中對應位置元素添加增強噪聲的概率；S200、對概率圖P進行處理得到噪聲圖N；S300、將噪聲圖N疊加至原始載體X上，得到增強載體X_Aug；其中，步驟S100中，原始載體X和概率圖P的變換關系可利用已有的圖對圖轉化模型進行訓練得到。通過引入概率圖P將原始載體X和增強載體X_Aug變換關系具體化，只需要求解出概率圖P，就能得到對應的增強載體X_Aug，此種方法無需訪問初始數據庫以外的圖像，也無需使用原始相機的知識。

技術領域

本發明涉及圖像處理技術領域，特別涉及一種基于分布保持原則用于深度圖像隱寫分析的數據增強方法。

背景技術

目前，基于深度學習的隱寫分析模型相較于其他模型具有更為先進的性能，但深度學習模型在進行訓練時，需要大量的數據來提高模型的準確性和泛化能力。具體到隱寫分析任務，由于隱寫信號在低嵌入率下非常微小，網絡需要大量的數據來捕獲隱寫信號。因此，如果原始數據集中的載體/載密對不足，就有必要對數據集進行豐富。

增加額外的數據集是豐富數據集的一個直觀方法，但很難保證添加的數據集的數據分布與原始數據集相似，如果添加的數據集數據分布與原始數據集非常不同，很可能會產生負面的影響。

數據增強是豐富數據集的一種常見方式。在基于CNN的隱寫分析任務中， pixels-off增強方法具有良好的性能，pixels-off數據增強算法是Yedroudj 等人提出的，是一種啟發式的用于深度圖像隱寫分析任務的增強算法，它的增強流程如下：(1)生成增強載體圖像：在原始載體中隨機選擇小部分像素，將其值置為0(像素關閉)；(2)生成增強載密圖像：用與原始數據集生成載密相同的隱寫算法，對步驟(1)生成的增強載體進行模擬嵌入，生成增強載密；(3)將步驟(1)(2)生成的增強載體/載密對加入原始訓練集，實現數據擴充。此外， Yedroudj等人還提出了pixels-off的改進版本adaptive-pixels-off：在嵌入概率最高的10％個像素中隨機關閉一些像素，以生成增強載體。

雖然Adaptive-pixels-off可以進一步提高隱寫分析網絡的性能。然而，它是根據經驗啟發式設計的，并依賴于特定的失真函數來計算像素的修改概率，手動執行數據增強。

為了進一步讓讀者了解清楚本發明中的方案，下面對一些常用概念或技術進行介紹。

載體圖像：承載秘密消息的圖像，在隱寫過程中將秘密消息嵌入到載體圖像上。

載密圖像：載體圖像上嵌入秘密消息之后得到載密圖像。

隱寫術：隱寫術是一種用于創建隱蔽通信信道的技術，可以在多媒體中隱藏秘密信息。現在，最流行和有效的隱寫方法是基于最小化失真模型，在最小化失真模型的框架內，隱寫術被分為兩個任務：1)設計失真函數；2)設計實用的嵌入編碼方法。

失真函數：通過量化載體圖像上每個像素點被修改所產生的影響，為每個像素點分配修改失真，它指導了嵌入過程中對于像素修改位置的偏好。在加性隱寫條件下，所有修改帶來的影響總和代表了載體圖像和載密圖像之間的總體失真。加性隱寫指獨立考慮每個像素點修改所產生的影響，若考慮相鄰像素點間聯合修改產生的影響稱為非加性隱寫。現有很多用于空域圖像的失真函數算法都是基于加性隱寫條件的，比如HUGO、WOW、S-UNIWARD、HILL、MVGG。這些失真函數為像素點嵌入秘密消息時的加減一修改賦予相等的失真，我們稱之為對稱失真函數。反之，非對稱失真函數則賦予像素點加減一修改不相等的失真。

STC：校驗子格編碼。最小化失真隱寫框架是實現安全隱寫的主流框架，STC 編碼能夠針對任意加性失真函數，在給定嵌入率下接近總體失真的理論下界。