隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的廣泛普及和快速發(fā)展,信息的傳送、交流、共享大部分通過(guò)網(wǎng)絡(luò)通信來(lái)實(shí)現(xiàn),大量秘密信息通過(guò)網(wǎng)絡(luò)進(jìn)行傳輸,這給人們的生活工作帶來(lái)方便的同時(shí)也帶來(lái)了安全性風(fēng)險(xiǎn)。信息隱藏算法能夠保證秘密信息在不被第三方察覺(jué)的情況下進(jìn)行傳輸,提高了網(wǎng)絡(luò)通信的安全性,因而受到國(guó)內(nèi)外研究者的廣泛關(guān)注。信息隱藏的載體有多種如文本、音頻、視頻、圖像等,本文選用圖像作為信息隱藏算法的載體即圖像信息隱藏。傳統(tǒng)的圖像信息隱藏算法所生成的載密圖像、恢復(fù)的秘密圖像與原始的載體圖像、秘密圖像差距較大,且不能根據(jù)隱寫(xiě)分析算法進(jìn)行調(diào)整,因而存在有許多局限性。本文針對(duì)這些問(wèn)題對(duì)基于深度神經(jīng)網(wǎng)絡(luò)的圖像信息隱藏進(jìn)行了研究,主要工作和研究成果包括:（1）提出了一種基于殘差網(wǎng)絡(luò)的圖像隱藏算法。該算法參考了前人基于自動(dòng)編碼器的圖像信息隱藏算法,設(shè)計(jì)了新的基于殘差網(wǎng)絡(luò)的模型結(jié)構(gòu),將載體圖像通過(guò)shortcut（快速通道）跳過(guò)特征提取層發(fā)送到載密圖像之中,使載密圖像在生成的過(guò)程中有載體圖像作為藍(lán)本,提高了算法的透明性。由仿真實(shí)驗(yàn)分析可知,算法在生成高質(zhì)量的載密圖像同時(shí),能抵抗住經(jīng)典的隱寫(xiě)分析工具的攻擊,滿足優(yōu)秀的圖像信息隱藏算法的要求... 

【文章來(lái)源】：南昌大學(xué)江西省 211工程院校

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．?１模型深度對(duì)算法在訓(xùn)練集和測(cè)試集上準(zhǔn)確率的影響??

＾（１１１１丨１：滅２３１；丨１；０１１）和批量歸一化（１３３１（：１１］＼１〇０１１１＾＾０１１）［２７１解決／＿，使得訓(xùn)??練深層網(wǎng)絡(luò)變得可能。但是當(dāng)網(wǎng)絡(luò)的深度加深時(shí)，卻帶來(lái)了另外的問(wèn)題，就是網(wǎng)??絡(luò)性能的退化問(wèn)題，網(wǎng)絡(luò)的深度加深了，錯(cuò)誤率卻上升了。下圖［３１］是模型深度對(duì)??于算法在訓(xùn)練集和測(cè)試集上準(zhǔn)確率的影響：??ｌｖ?Ｅ－－?２０－ｌａｙｃｒ??ｃ?、’■?一、５６＊ｌａｊｅｒ?２??－?２（）－ｌａｙｃｒ??？�。悖颍�?（Ｉｃ４）?ｉｔｅｒ．?（Ｉｃ４）??圖２．?１模型深度對(duì)算法在訓(xùn)練集和測(cè)試集上準(zhǔn)確率的影響??為解決上面所提出來(lái)得神經(jīng)網(wǎng)絡(luò)得深度增加了，神經(jīng)網(wǎng)絡(luò)的性能卻降低了的問(wèn)題。??ＲｅｓＮｅｔ［３１］的作者提出了一種“短路”（ｓｈｏｒｔ?ｃｏｎｎｅｃｔｉｏｎｓ）的模型來(lái)幫助神經(jīng)網(wǎng)絡(luò)的??擬合。殘差網(wǎng)絡(luò)最初的設(shè)想是深層網(wǎng)絡(luò)的表達(dá)能力不應(yīng)該比淺層網(wǎng)絡(luò)的表達(dá)能力??差，因?yàn)閷?duì)于深層網(wǎng)絡(luò)來(lái)說(shuō)，它只需要將比淺層網(wǎng)絡(luò)所多出來(lái)的那些層全部用來(lái)??做恒等映射就行了。從完成恒等映射這一功能來(lái)說(shuō)，可以將網(wǎng)絡(luò)設(shè)計(jì)成為??／／（ｘ）?＝?Ｆ（；ｃ）?＋?ｘ的結(jié)構(gòu)，這樣既完成了學(xué)習(xí)的功能，又實(shí)現(xiàn)了恒等映射。Ｆ（ｘ）?＋?ｘ??閑數(shù)可以迪過(guò)具行ｓｈｏｒｔ?ｃｏｎｎｅｃｔｉｏｎ的神經(jīng)網(wǎng)絡(luò)來(lái)卜實(shí)現(xiàn)如Ｆ圖：??Ｘ－．＾Ｎ??ｗｅｉｇｈｔ?ｌａｙｅｒ?＼??Ｆ｛ｘ）?ｊｒｅｌｕ?＂?ｘ??—ｈｊｌａＹｅｒ?１?Ｊ?ｉｄｅｎｔｉｔｙ??Ｊ（ｘ）?＋?ｘ??圖２．?２殘差網(wǎng)絡(luò)基礎(chǔ)模塊??２．３．４稠密網(wǎng)絡(luò)??隨著網(wǎng)絡(luò)結(jié)構(gòu)越來(lái)越深，神經(jīng)網(wǎng)絡(luò)逐漸出現(xiàn)梯度消失等Ｗ題，為了解決這拽??１３??

征值能夠被更好的利用，從而讓網(wǎng)絡(luò)更淺。??稠密網(wǎng)絡(luò)有以下幾個(gè)優(yōu)點(diǎn)：??１．緩解了梯度消失的問(wèn)題。??２．加強(qiáng)了特征的傳播。??３．鼓勵(lì)了特征的重用。??４．減少了參數(shù)的數(shù)量。??稠密網(wǎng)絡(luò)的模型結(jié)構(gòu)如下圖所示：??Ｉｎｐｕｔ?????????Ｔ＂?ｎ?門(mén)門(mén)?門(mén)門(mén)?ｎ?門(mén)?Ｐｒｅｄｉｃｔｉｏｎ??ｇ?Ｄｅｎｓｅ?Ｂｌｏｃｋ?１?ｐ?？?Ｄｅｎｓｅ?Ｂｌｏｃｋ?２?〇?Ｄｅｎｓｅ?Ｂｌｏｃｋ?３?＾????＂Ｉ＂?＊�。觯。�?Ｈ．．＇加說(shuō)―??圖２．?３稠密網(wǎng)絡(luò)模型結(jié)構(gòu)??ＤｅｎｓｅＢｌｏｃｋ為ＤｅｎｓｅＮｅｔ最核心的部分，其采用了一種被稱為稠密連接的模??式，使每一層都能夠直接連接到它接下來(lái)的所有層，因此第／層也就接收到它前??面／－Ｉ層的所有特征向量。其思想可以由下式所表示：??（２．５）??其中［１。，；＾，．．．，；＾］代指０到／－Ｉ層的所有特征向量。｛也就是第／層的輸出。??／／；指代為三個(gè)連續(xù)的操作：批量歸一化、ＲｅＬＵ激活函數(shù)、以及一個(gè)３ｘ３大小的??卷積。由于特征向量的大小不同時(shí)公式中使用的串聯(lián)操作是不可行的。所以在??ＤｅｎｓｅＢｌｏｃｋ中不會(huì)使用池化操作，而是在三個(gè)ＤｅｎｓｅＢｌｏｃｋ之中添加ｔｒａｎｓｉｔｉｏｎ??ｌａｙｅｒｓ來(lái)實(shí)現(xiàn)池化操作，同時(shí)在ｔｒａｎｓｉｔｉｏｎ?ｌａｙｅｒｓ中還包含有ｌｘ丨的卷積來(lái)實(shí)現(xiàn)特??征向量的降維。??在一般的Ｌ層卷積網(wǎng)絡(luò)中，一共有Ｌ個(gè)連接，但是ＤｅｎｓｅＮｅｔ通過(guò)稠密連接??的方式使得連接達(dá)到了＾＾個(gè)連接。將每一層中的特征向量進(jìn)行了高效的重??用，從而產(chǎn)生了易于訓(xùn)練并且參數(shù)高度有效的網(wǎng)絡(luò)模型。??１４??

【參考文獻(xiàn)】：
碩士論文
[1]基于深度學(xué)習(xí)的圖像隱寫(xiě)分析算法研究[D]. 張震.北京交通大學(xué) 2019
[2]基于深度學(xué)習(xí)的圖像信息隱藏方法研究[D]. 任科.大連理工大學(xué) 2019
[3]基于生成對(duì)抗網(wǎng)絡(luò)的圖像信息隱藏研究[D]. 董士琪.北京郵電大學(xué) 2019



本文編號(hào)：3548560