基于深度學(xué)習(xí)的通用隱寫分析技術(shù)研究
發(fā)布時間:2022-06-17 09:08
隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展和廣泛應(yīng)用,信息安全問題成為當(dāng)下備受關(guān)注的研究熱點。隱寫術(shù)是一種通過對載體的修改來實現(xiàn)信息隱藏的安全通信手段。然而,隱寫在為人們提供可靠安全的通信手段的同時,也可能被非法應(yīng)用。因此,隱寫分析技術(shù)的研究具有重要意義。近年來,雖然隱寫分析研究領(lǐng)域已經(jīng)取得了較大的進步,但是不斷提出的先進隱寫術(shù)仍給隱寫分析帶來了嚴(yán)峻的挑戰(zhàn)。本文基于深度學(xué)習(xí)方法研究通用隱寫分析問題,從特征學(xué)習(xí)的角度研究隱寫分析中的特征表達問題,主要工作如下:為了提高圖像隱寫分析方法對小嵌入率隱寫術(shù)檢測的準(zhǔn)確性,提出一種基于高度模塊化網(wǎng)絡(luò)結(jié)構(gòu)的圖像隱寫分析方法。首先,通過重復(fù)殘差網(wǎng)絡(luò)單元構(gòu)建基礎(chǔ)網(wǎng)絡(luò)模型,以提取數(shù)字圖像中的復(fù)雜統(tǒng)計特性;然后,增加分組卷積以提取殘差圖像通道信息,加強來自隱寫信息的信號特征;最后,利用大量數(shù)據(jù)集對網(wǎng)絡(luò)進行訓(xùn)練,得到了基于模塊化殘差網(wǎng)絡(luò)的圖像隱寫分析方法。實驗結(jié)果表明,所提方法相較于現(xiàn)有算法可以提取更有效的圖像特征,從而得到更好的檢測效果。同時,利用殘差網(wǎng)絡(luò)塊作為模板,可以很容易地搭建網(wǎng)絡(luò)模型,便于網(wǎng)絡(luò)的調(diào)整和訓(xùn)練。為了提高對內(nèi)容自適應(yīng)隱寫算法的檢測準(zhǔn)確率,提出了一種基于多樣化...
【文章頁數(shù)】:61 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢
1.3 本文主要工作和章節(jié)安排
第2章 隱寫分析相關(guān)理論基礎(chǔ)
2.1 圖像隱寫術(shù)
2.1.1 隱蔽通信的基本框架
2.1.2 隱寫技術(shù)的性能指標(biāo)
2.1.3 隱寫算法研究概述
2.2 圖像隱寫分析
2.2.1 通用隱寫分析模型
2.2.2 隱寫分析技術(shù)性能指標(biāo)
2.2.3 隱寫分析研究概述
2.3 深度學(xué)習(xí)
2.3.1 深度學(xué)習(xí)概述
2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
2.4 本章小結(jié)
第3章 基于模塊化殘差網(wǎng)絡(luò)的隱寫分析
3.1 基于CNN的圖像隱寫分析
3.1.1 圖像分類與隱寫分析的相關(guān)性
3.1.2 框架對比
3.2 基于模塊化殘差網(wǎng)絡(luò)的隱寫分析
3.2.1 殘差網(wǎng)絡(luò)理論
3.2.2 殘差網(wǎng)絡(luò)塊
3.2.3 模塊化殘差網(wǎng)絡(luò)
3.3 實驗結(jié)果及分析
3.3.1 數(shù)據(jù)集及參數(shù)設(shè)置
3.3.2 網(wǎng)絡(luò)性能測驗
3.4 本章小結(jié)
第4章 基于多激活殘差網(wǎng)絡(luò)的圖像隱寫分析
4.1 相關(guān)工作
4.1.1 內(nèi)容自適應(yīng)隱寫術(shù)
4.1.2 激活函數(shù)
4.1.3 分組卷積
4.2 多樣化激活殘差網(wǎng)絡(luò)
4.2.1 激活模塊
4.2.2 殘差模塊
4.2.3 網(wǎng)絡(luò)結(jié)構(gòu)
4.3 實驗結(jié)果及分析
4.3.1 實驗設(shè)置
4.3.2 網(wǎng)絡(luò)性能測驗
4.4 本章小結(jié)
第5章 總結(jié)與展望
5.1 工作總結(jié)
5.2 工作展望
參考文獻
發(fā)表論文和參加科研情況說明
致謝
本文編號:3653718
【文章頁數(shù)】:61 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢
1.3 本文主要工作和章節(jié)安排
第2章 隱寫分析相關(guān)理論基礎(chǔ)
2.1 圖像隱寫術(shù)
2.1.1 隱蔽通信的基本框架
2.1.2 隱寫技術(shù)的性能指標(biāo)
2.1.3 隱寫算法研究概述
2.2 圖像隱寫分析
2.2.1 通用隱寫分析模型
2.2.2 隱寫分析技術(shù)性能指標(biāo)
2.2.3 隱寫分析研究概述
2.3 深度學(xué)習(xí)
2.3.1 深度學(xué)習(xí)概述
2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
2.4 本章小結(jié)
第3章 基于模塊化殘差網(wǎng)絡(luò)的隱寫分析
3.1 基于CNN的圖像隱寫分析
3.1.1 圖像分類與隱寫分析的相關(guān)性
3.1.2 框架對比
3.2 基于模塊化殘差網(wǎng)絡(luò)的隱寫分析
3.2.1 殘差網(wǎng)絡(luò)理論
3.2.2 殘差網(wǎng)絡(luò)塊
3.2.3 模塊化殘差網(wǎng)絡(luò)
3.3 實驗結(jié)果及分析
3.3.1 數(shù)據(jù)集及參數(shù)設(shè)置
3.3.2 網(wǎng)絡(luò)性能測驗
3.4 本章小結(jié)
第4章 基于多激活殘差網(wǎng)絡(luò)的圖像隱寫分析
4.1 相關(guān)工作
4.1.1 內(nèi)容自適應(yīng)隱寫術(shù)
4.1.2 激活函數(shù)
4.1.3 分組卷積
4.2 多樣化激活殘差網(wǎng)絡(luò)
4.2.1 激活模塊
4.2.2 殘差模塊
4.2.3 網(wǎng)絡(luò)結(jié)構(gòu)
4.3 實驗結(jié)果及分析
4.3.1 實驗設(shè)置
4.3.2 網(wǎng)絡(luò)性能測驗
4.4 本章小結(jié)
第5章 總結(jié)與展望
5.1 工作總結(jié)
5.2 工作展望
參考文獻
發(fā)表論文和參加科研情況說明
致謝
本文編號:3653718
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3653718.html
最近更新
教材專著