可逆圖像隱寫是信息隱藏領(lǐng)域的研究熱點(diǎn)。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(wú)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(shí)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(duì)較少。所以本文采用深度模型來(lái)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(duì)其進(jìn)行編碼,隱藏的消息分散在載體圖像中的各個(gè)比特位中。其次,使用生成模型中的邊界均衡生成對(duì)抗網(wǎng)絡(luò)(BEGAN)來(lái)訓(xùn)練用于圖像隱寫的碼本數(shù)據(jù)庫(kù),然后使用碼本數(shù)據(jù)庫(kù)來(lái)對(duì)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(duì)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(duì)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(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)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(shí)9數(shù)可導(dǎo)，所以可以用最優(yōu)化的方法來(lái)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(shí)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(jì)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(gè)5×5輸入矩陣，卷積核是一個(gè)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(zhǎng)s和填充p。其計(jì)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(gè)維度相同的步長(zhǎng)(12sss)5.每個(gè)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(shí)17圖2-10原始的GAN原理[81]下面是整個(gè)GAN的訓(xùn)練具體步驟：1.從樣本dataPx采樣m個(gè)樣本12,,,mxxx。2.從先驗(yàn)分布priorPz中采樣m個(gè)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(hào)：3937763