基于深度學(xué)習(xí)的圖像隱寫分析算法研究
發(fā)布時間:2020-07-24 20:24
【摘要】:當(dāng)今時代信息技術(shù)飛速發(fā)展,使得信息交流更加方便,與此同時,人們更加注重信息能否安全的傳遞到接收方。隱寫技術(shù)是保證信息傳輸安全的一種有效方法,它在載體中嵌入秘密信息,然后通過公共信道無損失的傳輸,使得秘密信息不易被察覺,確保秘密信息可以安全的傳輸?shù)浇邮辗。然而這種技術(shù)也會被別有用心的人利用,威脅到社會的安全和穩(wěn)定。在這樣的背景下,隱寫分析技術(shù)就顯得尤為重要,顧名思義,隱寫分析技術(shù)主要用來分析在公共信道傳輸?shù)妮d體是否包含隱秘信息,它與隱寫技術(shù)相互對抗。當(dāng)前,隱寫分析技術(shù)要解決的問題,可以看成二分類的問題,即區(qū)分載體是否包含隱秘信息。隱寫分析技術(shù)大體可分為兩類,傳統(tǒng)的隱寫分析技術(shù)和基于深度學(xué)習(xí)的隱寫分析技術(shù)。傳統(tǒng)的隱寫分析技術(shù),首先提取圖像的不同維度的特征,然后進(jìn)行分類,但是這種方法過于依賴設(shè)計者的經(jīng)驗(yàn),存在一定的局限性。本文主要研究基于深度學(xué)習(xí)的隱寫分析,針對的載體類型為數(shù)字圖像,論文的主要內(nèi)容包括:(1)基于導(dǎo)向性多濾波核深度學(xué)習(xí)網(wǎng)絡(luò)的隱寫分析研究。這個工作分析了富模型的隱寫分析方法中的濾波核,并結(jié)合了隱寫的相關(guān)知識,在深度學(xué)習(xí)網(wǎng)絡(luò)的預(yù)處理層中,使用了導(dǎo)向性多濾波核處理,這樣既保留了預(yù)處理層增大信噪比的作用,又能為網(wǎng)絡(luò)參數(shù)的學(xué)習(xí)起到一定的導(dǎo)向性作用,提出了一個解決隱寫分析問題的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu),提升網(wǎng)絡(luò)的檢測性能。實(shí)驗(yàn)結(jié)果顯示,經(jīng)過導(dǎo)向性濾波核預(yù)處理的深度學(xué)習(xí)網(wǎng)絡(luò)可以有方向性的去學(xué)習(xí)圖像的特征,在嵌入率較高的情況下,檢測的準(zhǔn)確率要高于富模型的方法,并且檢測的準(zhǔn)確率相比于已有的一些深度學(xué)習(xí)隱寫分析方法有所提高。(2)基于增強(qiáng)差異傳遞的隱寫分析深度學(xué)習(xí)框架研究。這個工作應(yīng)用了 RseNet網(wǎng)絡(luò)的快速連接方式和DenesNet網(wǎng)絡(luò)的稠密連接思想,考慮將網(wǎng)絡(luò)中產(chǎn)生的特征圖進(jìn)行復(fù)用,使得特征的傳遞更加豐富,從而影響網(wǎng)絡(luò)參數(shù)的學(xué)習(xí)。通過將前一層或者前幾層卷積之后的殘差,連接到后面幾層中進(jìn)行復(fù)用,提出了一個增強(qiáng)差異傳遞隱寫分析深度學(xué)習(xí)新框架,進(jìn)一步提升網(wǎng)絡(luò)分類的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明,經(jīng)過對網(wǎng)絡(luò)加入增強(qiáng)差異傳遞的操作,確實(shí)對提高分類準(zhǔn)確性有所幫助。
【學(xué)位授予單位】:北京交通大學(xué)
【學(xué)位級別】:碩士
【學(xué)位授予年份】:2019
【分類號】:TP18;TP309.7
【圖文】:
圖1-2論文組織結(jié)構(gòu)逡逑Figure邋1-2邋Organization邋Structure邋of邋Papers逡逑
圖2-1自適應(yīng)隱寫算法流程圖逡逑-
圖2-2傳統(tǒng)神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)逡逑Fiure邋2-2邋Traditional邋Neural邋Network邋and邋DeeLearninNeural邋Network逡逑
本文編號:2769348
【學(xué)位授予單位】:北京交通大學(xué)
【學(xué)位級別】:碩士
【學(xué)位授予年份】:2019
【分類號】:TP18;TP309.7
【圖文】:
圖1-2論文組織結(jié)構(gòu)逡逑Figure邋1-2邋Organization邋Structure邋of邋Papers逡逑
圖2-1自適應(yīng)隱寫算法流程圖逡逑-
圖2-2傳統(tǒng)神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)逡逑Fiure邋2-2邋Traditional邋Neural邋Network邋and邋DeeLearninNeural邋Network逡逑
【參考文獻(xiàn)】
相關(guān)碩士學(xué)位論文 前4條
1 熊來福;基于圖像的隱寫分析技術(shù)研究[D];北京化工大學(xué);2018年
2 徐瀟雨;基于卷積神經(jīng)網(wǎng)絡(luò)的隱寫分析技術(shù)研究[D];戰(zhàn)略支援部隊(duì)信息工程大學(xué);2018年
3 吳艷紅;基于深度學(xué)習(xí)的隱寫分析研究[D];北京交通大學(xué);2018年
4 彭程;數(shù)字圖像信息隱藏中的空間域隱寫技術(shù)[D];湖南大學(xué);2011年
本文編號:2769348
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/2769348.html
最近更新
教材專著