可逆圖像隱寫是信息隱藏領(lǐng)域的研究熱點。與魯棒水印不同,可逆圖像隱寫強(qiáng)調(diào)秘密數(shù)據(jù)的提取和宿主圖像恢復(fù)的高質(zhì)量。當(dāng)前的可逆圖像隱寫技術(shù)通過輕微地修改載體圖像,根據(jù)特定規(guī)則在載體圖像中嵌入秘密信息,并允許合法用戶在提取該秘密信息后無失真地恢復(fù)出原始載體圖像。然而,傳統(tǒng)的可逆圖像隱寫方法存在隱藏容量低以及嵌入容量大時造成圖像失真問題。鑒于最近將深度神經(jīng)網(wǎng)絡(luò)與隱寫分析相結(jié)合取得了重大突破,但將神經(jīng)網(wǎng)絡(luò)應(yīng)用到可逆圖像隱寫的嘗試相對較少。所以本文采用深度模型來進(jìn)行可逆圖像隱寫,利用深度卷積神經(jīng)網(wǎng)絡(luò)隱式地模擬自然圖像的分布,并將更多的信息(全尺寸圖像)嵌入到載體圖像中。深度神經(jīng)網(wǎng)絡(luò)決定了秘密信息在載體圖像上的隱藏位置以及如何有效地對其進(jìn)行編碼,隱藏的消息分散在載體圖像中的各個比特位中。其次,使用生成模型中的邊界均衡生成對抗網(wǎng)絡(luò)(BEGAN)來訓(xùn)練用于圖像隱寫的碼本數(shù)據(jù)庫,然后使用碼本數(shù)據(jù)庫來對需要傳輸?shù)拿孛軋D像進(jìn)行可逆的圖像恢復(fù)。主要工作概括如下:(1)針對傳統(tǒng)的圖像隱寫方法隱藏容量低及明顯的視覺暗示問題,提出一種基于U-Net結(jié)構(gòu)的可逆圖像隱寫方法。首先,采取成對訓(xùn)練的方式,訓(xùn)練的深度卷積神經(jīng)網(wǎng)絡(luò)包...

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-4激活函數(shù)曲線圖

第二章相關(guān)基礎(chǔ)知識9數(shù)可導(dǎo)，所以可以用最優(yōu)化的方法來學(xué)習(xí)網(wǎng)絡(luò)參數(shù)[67]。在本文中，選擇使用了Sigmoid激活函數(shù)[68]、LeakyReLU激活函數(shù)[69]和ReLU激活函數(shù)[70]。其中本文的Sigmoid激活函數(shù)的數(shù)學(xué)表達(dá)式，見式(2-1)：1(z)1zfe(2-1)其導(dǎo)....

圖2-6卷積神經(jīng)網(wǎng)絡(luò)的卷積過程

第二章相關(guān)基礎(chǔ)知識13的濾波器被用于提取圖像局部區(qū)域的特征，不同的濾波器相當(dāng)于不同的圖像特征提取器，從而計算出圖像不同區(qū)域的特征。卷積操作如圖2-6所示，在圖的下方是一個5×5輸入矩陣，卷積核是一個3×3的矩陣。卷積操作包括卷積核數(shù)量k、卷積核大小f、步長s和填充p。其計算的形式....

圖2-7反卷積過程示意圖

基于深度神經(jīng)網(wǎng)絡(luò)的大容量可逆圖像隱寫研究141.二維的離散卷積(N2)2.方形的特征輸入(12iii)3.方形卷積核尺寸(12kkk)4.每個維度相同的步長(12sss)5.每個維度相同的padding(12ppp)圖2-7反卷積過程示意圖上圖表示的是參數(shù)為(i2,k3,s1,p....

圖2-10原始的GAN原理[81]

第二章相關(guān)基礎(chǔ)知識17圖2-10原始的GAN原理[81]下面是整個GAN的訓(xùn)練具體步驟：1.從樣本dataPx采樣m個樣本12,,,mxxx。2.從先驗分布priorPz中采樣m個噪聲樣本12,,,mzzz3.獲得生成的數(shù)據(jù)12,,,,miixxxxGz4.更新判別器參數(shù)d使其最....

本文編號：3937763