CN115695673B - 基于联合失真的图像对抗隐写方法与装置 - Google Patents

基于联合失真的图像对抗隐写方法与装置 Download PDF

Info

Publication number
CN115695673B
CN115695673B CN202211714075.7A CN202211714075A CN115695673B CN 115695673 B CN115695673 B CN 115695673B CN 202211714075 A CN202211714075 A CN 202211714075A CN 115695673 B CN115695673 B CN 115695673B
Authority
CN
China
Prior art keywords
distortion
joint
joint distortion
carrier image
sign
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211714075.7A
Other languages
English (en)
Other versions
CN115695673A (zh
Inventor
陈可江
张卫明
俞能海
范泽鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology of China USTC
Original Assignee
University of Science and Technology of China USTC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Science and Technology of China USTC filed Critical University of Science and Technology of China USTC
Priority to CN202211714075.7A priority Critical patent/CN115695673B/zh
Publication of CN115695673A publication Critical patent/CN115695673A/zh
Application granted granted Critical
Publication of CN115695673B publication Critical patent/CN115695673B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

本发明提供了一种基于联合失真的图像对抗隐写方法与装置,可以应用于计算机领域和图像隐写领域。该基于联合失真的图像对抗隐写方法包括:获取第一载体图像中的第一预设数量的相邻像素的第一联合失真;计算第一载体图像的联合梯度,联合梯度表征与第一载体图像的第一联合失真对应的相邻像素位置处的梯度;根据联合梯度调整第一联合失真,得到第二联合失真;根据第二联合失真将秘密信息嵌入第一载体图像中,得到第一载密图像。

Description

基于联合失真的图像对抗隐写方法与装置
技术领域
本发明涉及计算机领域和图像隐写领域,尤其涉及一种基于联合失真的图像对抗隐写方法与装置。
背景技术
隐写是一种把秘密信息隐藏在传播媒介中而不引起相关检测软件注意的技术,是保证网络通信数据安全的重要手段之一,对国家安全和网络安全都有着极为重要的意义。
近年来,随着深度学习和人工智能的快速发展与普及,出现了一大批基于深度学习的隐写分析研究成果,这些方法一般选取卷积神经网络(Convolutional NeuralNetwork,CNN)这一代表性的深度学习模型,并结合隐写分析的特点,设计出适应于隐写分析任务的深度学习模型,提高了对隐写图片的检测准确率,这给传统的隐写方法带来了极大的安全性挑战。
为了使得隐写能够应对这种基于深度学习的检测,研究者们引入了对抗样本来增强载密图像对隐写分析器的抵抗能力,其中,对抗样本表征根据隐写失真向载体图像加载的秘密信息。
在实现本发明构思的过程中,发明人发现相关技术中至少存在如下问题:相关技术在根据隐写失真向载体图像加载秘密信息的过程中,一般仅对单个像素所对应的隐写失真进行调节,这种调节方式没有考虑像素之间的相关性,不能反映实际的失真变化情况,得到的载密图像的抗检测能力差。
发明内容
鉴于上述问题,本发明提供了一种基于联合失真的图像对抗隐写方法与装置。
本发明的第一个方面提供了一种基于联合失真的图像对抗隐写方法,上述方法包括:
获取第一载体图像中的第一预设数量的相邻像素的第一联合失真;
计算上述第一载体图像的联合梯度,上述联合梯度表征与上述第一载体图像的上述第一联合失真对应的上述相邻像素位置处的梯度;
根据上述联合梯度调整上述第一联合失真,得到第二联合失真;
根据上述第二联合失真将秘密信息嵌入上述第一载体图像中,得到第一载密图像。
根据本发明的实施例,上述根据上述联合梯度调整上述第一联合失真,得到第二联合失真包括:
计算上述联合梯度中的求符号,其中,上述求符号表征上述联合梯度中的值为正数、负数或0的标志;
根据上述求符号,调整上述第一联合失真,得到上述第二联合失真。
根据本发明的实施例,上述根据上述求符号,调整上述第一联合失真,得到上述第二联合失真包括:
在与上述第一联合失真对应的修改操作的值与上述求符号大小相等,且符号相同的情况下,利用上述第一联合失真乘以目标迭代步长,得到上述第二联合失真,其中,上述目标迭代步长大于1,上述目标迭代步长随着调整次数的增加而增大,上述修改操作表征对与上述第一联合失真对应的上述相邻像素位置处增加信息的操作;
在与上述第一联合失真对应的修改操作的值与上述求符号大小相等,且符号相反的情况下,利用上述第一联合失真除以目标迭代步长,得到上述二联合失真。
根据本发明的实施例,上述方法还包括,在上述获取第一载体图像中的第一预设数量的相邻像素的第一联合失真之前:
计算第二载体图像中的单个像素的失真,得到单像素失真;
根据上述单像素失真,计算上述第二载体图像中的第一预设数量的相邻像素的联合失真,得到第三联合失真;
根据上述第三联合失真,将秘密信息中的第二预设数量的信息嵌入到上述第二载体图像的奇数行中,得到上述第一载体图像。
根据本发明的实施例,上述获取第一载体图像中的第一预设数量的相邻像素的第一联合失真包括:
根据与偶数行相邻的上述奇数行嵌入的信息,调整上述第一载体图像的偶数行的上述第三联合失真,得到上述第一联合失真。
根据本发明的实施例,上述根据与偶数行相邻的上述奇数行嵌入的信息,调整上述第一载体图像的偶数行的上述第三联合失真,得到上述第一联合失真包括:
在与第j+1上述偶数行的第三联合失真对应的修改操作的值与第j上述奇数行的嵌入的信息大小相等,符号相同,且与第j+2上述奇数行的嵌入的信息大小不相等或符号不相同的情况下,利用上述第三联合失真乘以比例因子,得到上述第一联合失真,其中,上述j为大于等于1的奇数,上述比例因子大于0小于1,上述修改操作表征对与上述第一载体图像的上述第三联合失真对应的上述相邻像素位置处增加信息的操作;
在与第j+1上述偶数行的第三联合失真对应的修改操作的值与第j+2上述奇数行的嵌入的信息大小相等,符号相同,且与第j上述奇数行的嵌入的信息大小不相等或符号不相同的情况下,利用上述第三联合失真乘以比例因子,得到上述第一联合失真;
在与第j+1上述偶数行的第三联合失真对应的修改操作的值与第j+2上述奇数行的嵌入的信息大小相等,符号相同,且与第j上述奇数行的嵌入的信息大小相等,符号相同的情况下,利用上述第三联合失真乘以比例因子的平方,得到上述第一联合失真。
根据本发明的实施例,上述根据上述第二联合失真将秘密信息嵌入上述第一载体图像中,得到第一载密图像包括:
根据上述第二联合失真,将上述秘密信息中除上述第二预设数量的信息之外的其它信息嵌入到上述第一载体图像的偶数行中,得到上述第一载密图像。
根据本发明的实施例,上述获取第一载体图像中的第一预设数量的相邻像素的第一联合失真包括:
计算上述第一载体图像中的单个像素的失真,得到单像素失真;
根据上述单像素失真,计算上述第一载体图像中的第一预设数量的相邻像素的联合失真,得到上述第一联合失真。
根据本发明的实施例,上述根据上述单像素失真,计算上述第一载体图像中的第一预设数量的相邻像素的联合失真,得到上述第一联合失真包括:
利用与上述相邻像素对应的上述单像素失真的和乘以比例函数值,得到上述第一联合失真,其中,上述比例函数值根据上述第一联合失真对应的修改操作的值之间的差的绝对值加预设值得到。
本发明的第二个方面提供了一种基于联合失真的图像对抗隐写装置,其特征在于,上述装置包括:
第一联合失真获取模块,用于获取第一载体图像中的第一预设数量的相邻像素的第一联合失真;
联合梯度计算模块,用于计算上述第一载体图像的联合梯度,上述联合梯度表征与上述第一载体图像的上述第一联合失真对应的上述相邻像素位置处的梯度;
第二联合失真得到模块,用于根据上述联合梯度调整上述第一联合失真,得到第二联合失真;
第一载密图像得到模块,用于根据上述第二联合失真将秘密信息嵌入上述第一载体图像中,得到第一载密图像。
本发明的第三个方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当上述一个或多个程序被上述一个或多个处理器执行时,使得一个或多个处理器执行上述方法。
本发明的第四个方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述方法。
本发明的第五个方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述方法。
根据本发明的实施例,通过获取第一载体图像中的第一预设数量的相邻像素的第一联合失真;计算第一载体图像的联合梯度,联合梯度表征与第一载体图像的第一联合失真对应的相邻像素位置处的梯度;根据联合梯度调整第一联合失真,得到第二联合失真;根据第二联合失真,得到第一载密图像的技术手段,实现将第一载体图像中的第一预设数量的相邻像素看作一个整体来处理,得到这些相邻像素的第一联合失真,然后通过第一载体图像的联合梯度来调整第一联合失真,得到第二联合失真,第二联合失真既经过了联合梯度的调整,又隐含了相邻像素间的关联关系,然后根据第二联合失真,得到第一载密图像,达到提高第一载密图像的隐写抗检测的能力的目的。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示出了根据本发明实施例的基于联合失真的图像对抗隐写方法的应用场景图;
图2示出了根据本发明实施例的基于联合失真的图像对抗隐写方法的流程图;
图3示出了根据本发明实施例的基于联合失真的图像对抗隐写方法的示意图;
图4示出了根据本发明另一实施例的基于联合失真的图像对抗隐写方法的示意图;
图5示出了根据本发明实施例的基于联合失真的图像对抗隐写装置的结构框图;以及
图6示出了根据本发明实施例的适于实现上文描述的方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本发明的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本发明的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本发明实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本发明的技术方案中,所涉及的数据(包括但不限于用户个人信息)的收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在本发明的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
相关技术在根据隐写失真向载体图像加载秘密信息的过程中,一般仅对单个像素所对应的隐写失真进行调节,这种调节方式没有考虑像素之间的相关性,不能反映实际的失真变化情况,得到的载密图像的抗检测能力差。基于此,本发明提供了一种基于联合失真的图像对抗隐写方法与装置。
本发明提供一种基于联合失真的图像对抗隐写方法,该方法包括:获取第一载体图像中的第一预设数量的相邻像素的第一联合失真;计算第一载体图像的联合梯度,联合梯度表征与第一载体图像的第一联合失真对应的相邻像素位置处的梯度;根据联合梯度调整第一联合失真,得到第二联合失真;根据第二联合失真将秘密信息嵌入第一载体图像中,得到第一载密图像。
根据本发明的实施例,通过获取第一载体图像中的第一预设数量的相邻像素的第一联合失真;计算第一载体图像的联合梯度,联合梯度表征与第一载体图像的第一联合失真对应的相邻像素位置处的梯度;根据联合梯度调整第一联合失真,得到第二联合失真;根据第二联合失真,得到第一载密图像的技术手段,实现将第一载体图像中的第一预设数量的相邻像素看作一个整体来处理,得到这些相邻像素的第一联合失真,然后通过第一载体图像的联合梯度来调整第一联合失真,得到第二联合失真,第二联合失真既经过了联合梯度的调整,又隐含了相邻像素间的关联关系,然后根据第二联合失真,得到第一载密图像,达到提高第一载密图像的隐写抗检测的能力的目的。
图1示出了根据本发明实施例的基于联合失真的图像对抗隐写方法的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互,以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本发明实施例所提供的基于联合失真的图像对抗隐写方法一般可以由服务器105执行。相应地,本发明实施例所提供的基于联合失真的图像对抗隐写装置一般可以设置于服务器105中。本发明实施例所提供的基于联合失真的图像对抗隐写方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地,本发明实施例所提供的基于联合失真的图像对抗隐写装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2~图4对本发明实施例的基于联合失真的图像对抗隐写方法进行详细描述。
图2示出了根据本发明实施例的基于联合失真的图像对抗隐写方法的流程图。
如图2所示,该实施例的基于联合失真的图像对抗隐写方法包括操作S210~操作S240。
在操作S210,获取第一载体图像中的第一预设数量的相邻像素的第一联合失真。
根据本发明的实施例,第一载体图像例如可以为原始图像、也可以为在原始图像中加载了部分秘密信息的图像,还可以为原始图像经过图像处理算法处理后得到的图像,本发明的实施例不对具体的第一载体图像的形式做限定,可以根据实际情况进行选择。
根据本发明的实施例,图像处理算法例如可以为滤波、上采样、下采样等,本发明的实施例不对具体的图像处理方法做限定,可以根据实际情况进行选择。
根据本发明的实施例,第一预设数量例如可以为2个、3个或4个等,本发明的实施例不对具体的第一预设数量做限定,可以根据实际情况进行选择。
根据本发明的实施例,第一联合失真表征在将第一载体图像中的第一预设数量的相邻像素看做一个整体的情况下,该整体的失真。
根据本发明的实施例,由于第一联合失真表征在将第一载体图像中的第一预设数量的相邻像素看做一个整体的情况下,该整体的失真,因此,第一联合失真中包含了相邻像素的相关性。
根据本发明的实施例,可以利用基础失真函数计算第一载体图像中的单个像素的单像素失真,然后基于单像素失真计算第一载体图像中相邻像素的联合失真。在这一过程中,第一载体图像会被分解成大小相等的宏块,宏块大小例如可以为一行两列(1×2),这些宏块由多个相邻像素组成,被称为像素团,在计算多个相邻像素的联合失真的过程中,多个相邻像素会被当作一个整体考虑。
根据本发明的实施例,基础失真函数例如可以为希尔(HILL)算法,还可以为其它算法,可以根据实际情况进行选择。
根据本发明的实施例,可以直接将基于单个像素的失真计算出的第一载体图像中相邻像素的联合失真作为第一联合失真,还可以基于单个像素的失真计算出的第一载体图像中相邻像素的联合失真后,再基于其它算法对该联合失真进行调节,得到第一联合失真。
根据本发明的实施例,例如,在基于单个像素的失真计算出的第一载体图像中相邻像素的联合失真后,再基于方向一致性策略对该联合失真进行调节,得到第一联合失真,再基于该第一联合失真得到载密图像,提高载密图像的抗干扰能力及安全性。
在操作S220,计算第一载体图像的联合梯度,联合梯度表征与第一载体图像的第一联合失真对应的相邻像素位置处的梯度。
根据本发明的实施例,可以利用目标隐写分析器的损失函数的梯度函数得到第一载体图像的联合梯度,其中,目标隐写分析器用于检测第一载密图像能否被检测出来。
根据本发明的实施例,目标隐写分析器的损失函数例如可以为交叉熵损失函数、L2损失函数(也被称为均方差损失函数(Mean Squared Error Loss,MES)),本发明的实施例不对具体的目标隐写分析器及目标隐写分析器的损失函数做限定,可以根据实际情况进行选择。
根据本发明的实施例,可以通过对目标隐写分析器的损失函数求梯度,得到损失函数的梯度函数,然后将第一载体图像输入损失函数的梯度函数中,得到第一载体图像的联合梯度。
在操作S230,根据联合梯度调整第一联合失真,得到第二联合失真。
根据本发明的实施例,可以根据联合梯度得到与联合梯度中的梯度值对应的求符号,根据第一联合失真得到与第一联合失真对应的修改操作的值,然后根据求符号和与第一联合失真对应的修改操作的值间的关系,调整第一联合失真,得到第二联合失真。
根据本发明的实施例,根据联合梯度,可以仅针对第一载体图像中的部分区域调整第一联合失真,还可以对第一载体图像中的全部区域调整第一联合失真,具体调节哪些区域的第一联合失真可以根据实际情况进行选择。
根据本发明的实施例,例如,可以根据联合梯度调整与奇数行中的相邻像素对应的第一联合失真,还可以根据联合梯度调整与偶数行中的相邻像素对应的第一联合失真。
在操作S240,根据第二联合失真将秘密信息嵌入第一载体图像中,得到第一载密图像。
根据本发明的实施例,在根据第二联合失真将秘密信息嵌入第一载体图像中,得到第一载密图像后,还需要根据目标隐写分析器对第一载体图像的识别出错的效果来判断是否再次根据联合梯度调整第一联合失真得到第二联合失真,然后根据第二联合失真将秘密信息重新嵌入第一载体图像中,再次得到第一载密图像。
根据本发明的实施例,可以在目标隐写分析器对第一载体图像的识别出错的情况下,将第一载密图像作为最终的载密图像,还可以设置联合梯度调整第一联合失真的最大调整次数,在达到最大调整次数的情况下,将第一载密图像作为真正的载密图像。
根据本发明的实施例,秘密信息可以为原始信息,也可以为经过加密后的信息,本发明的实施例不对秘密信息的具体形式进行限定,可以根据实际情况进行选择。
根据本发明的实施例,可以根据第二联合失真,将秘密信息嵌入与第二联合失真对应的相邻像素的位置处。
根据本发明的实施例,可以利用伴随矩阵编码(Syndrome-Trellis Codes,STC)的方法,根据第二联合失真将秘密信息嵌入第一载体图像中,得到第一载密图像。
根据本发明的实施例,上述基于联合失真的图像对抗隐写,可以实现将第一载体图像中的第一预设数量的相邻像素看作一个整体来处理,得到这些相邻像素的第一联合失真,然后通过第一载体图像的联合梯度来调整第一联合失真,得到第二联合失真,第二联合失真既经过了联合梯度的调整,又隐含了相邻像素间的关联关系,然后根据第二联合失真,得到第一载密图像,达到提高第一载密图像的隐写抗检测的能力的目的。
根据本发明的实施例,由于第二联合失真考虑了相邻像素间的关联关系,即一个第二联合失真与第一预设数量的相邻像素相对应,因此,根据一个第二联合失真,可以向第一预设数量的相邻像素增加秘密信息,提高嵌入秘密信息的速度。
根据本发明的实施例,获取第一载体图像中的第一预设数量的相邻像素的第一联合失真包括:
计算第一载体图像中的单个像素的失真,得到单像素失真;
根据单像素失真,计算第一载体图像中的第一预设数量的相邻像素的联合失真,得到第一联合失真。
根据本发明的实施例,可以利用基础失真函数计算第一载体图像中的单个像素的失真,得到单像素失真。
根据本发明的实施例,预设数量例如可以为2,此时,可以将第一载体图像分解成大小相等的多个宏块,对于第i宏块可以用进行表示,其中,表征第一载体图像中第i宏块的第1个像素值,表征第一载体图像中第i宏块的第2个像素值,为第i组相邻像素。其中,第i宏块可以表征第一载体图像中的任意两个相邻像素的像素值组成的宏块,i≥1。
需要说明的是,本发明实施例中的第i宏块包括两个像素值仅是示意性的,第i宏块还可以包括3个像素值、4个像素值或5个像素值等,本发明的实施例不对宏块中包括的像素值的个数进行限定,可以根据实际情况进行选择。
根据本发明的实施例,根据单像素失真,计算第一载体图像中的第一预设数量的相邻像素的联合失真,得到第一联合失真包括:
利用与相邻像素对应的单像素失真的和乘以比例函数值,得到第一联合失真,其中,比例函数值根据与与第一联合失真对应的修改操作的值之间的差的绝对值加预设值得到。
根据本发明的实施例,可以根据单像素失真,利用公式(1)计算第一载体图像中的第一预设数量的相邻像素的联合失真,得到第一联合失真。
    (1)
其中,表征第i组相邻像素的第一联合失真, d 1 il)表征与第i组相邻像素的第一个像素值对应的单像素失真, d 2 ir)表征与第i组相邻像素的第二个像素值对应的单像素失真, l表征与第i组相邻像素的第一个像素值对应的修改操作的值, r表征与第i组相邻像素的第二个像素值对应的修改操作的值,表征比例函数的值。
根据本发明的实施例,在增大单像素的值的情况下,修改操作的值可以为+1,在减小单像素的值的情况下,修改操作的值可以为-1,在不对单像素的值进行修改的情况下,修改操作的值可以为0。
根据本发明的实施例,还可以将作为一个整体,理解为与第i组相邻像素的第一联合失真对应的修改操作的值。
根据本发明的实施例,可以根据公式(2)计算得到。
           (2)
其中,表征与第i组相邻像素的第一联合失真对应的修改操作的值之间的差的绝对值,1为预设值。
根据本发明的实施例,通过利用与相邻像素对应的单像素失真的和乘以比例函数值,得到第一联合失真,实现将第一载体图像中的两个相邻像素作为一个整体考虑,得到与两个相邻像素相关的第一联合失真,为后续通过利用两个相邻像素的相关性提高载密图像的抗检测能力做准备。
根据本发明的实施例,针对如图2所示的操作S230,根据联合梯度调整第一联合失真,得到第二联合失真,可以包括如下操作:
计算联合梯度中的求符号,其中,求符号表征联合梯度中的值为正数、负数或0的标志;
根据求符号,调整第一联合失真,得到第二联合失真。
根据本发明的实施例,对于第一载体图像,可以利用公式(3)得到第一载体图像的各个像素的梯度。
                 (3)
其中, G表征与第一载体图像对应的梯度图,X表征第一载体图像, L表征目标隐写分析器的损失函数,表征对目标隐写分析器的损失函数求梯度函数, y c 表征第一载体图像所在分类对应的标签。
根据本发明的实施例,可以将与第一载体图像对应的梯度图G分解为和第一载体图像的宏块大小相等的1×2的宏块,得到与第一载体图像的第i个宏块对应的联合梯度为,其中, g i1表征与第i组相邻像素的第一个像素值对应的第一个梯度, g i2表征与第i组相邻像素的第二个像素值对应的第二个梯度。
根据本发明的实施例,在联合梯度中的梯度值为正值的情况下,与梯度值对应的求符号可以为+1,在联合梯度中的梯度值为负值的情况下,与梯度值对应的求符号可以为-1,在联合梯度中的梯度值为0的情况下,与梯度值对应的求符号可以为0。
根据本发明的实施例,可以利用符号函数计算联合梯度的求符号。
根据本发明的实施例,可以利用公式(4)计算联合梯度的求符号。
              (4)
其中, a表征与第i组相邻像素的第一个像素值对应的第一个求符号, b表征与第i组相邻像素的第二个像素值对应的第二个求符号。
根据本发明的实施例,还可以将(或)作为一个整体,理解为第i组相邻像素的联合梯度的求符号。
根据本发明的实施例,通过计算联合梯度中的求符号,然后根据求符号,调整第一联合失真,得到第二联合失真,使得第二联合失真既经过了联合梯度的调整,又隐含了相邻像素间的关联关系,因此,该种调节方式考虑了多个像素的相关性,后续在利用第二联合失真将秘密信息嵌入第一载体图像中,得到第一载密图像后,可以提高图像隐写方法的抗检测能力。
根据本发明的实施例,根据求符号,调整第一联合失真,得到第二联合失真包括:
在与第一联合失真对应的修改操作的值与求符号大小相等,且符号相同的情况下,利用第一联合失真乘以目标迭代步长,得到第二联合失真,其中,目标迭代步长大于1,目标迭代步长随着调整次数的增加而增大,修改操作表征对与第一联合失真对应的相邻像素位置处增加信息的操作;
在与第一联合失真对应的修改操作的值与求符号大小相等,且符号相反的情况下,利用第一联合失真除以目标迭代步长,得到二联合失真。
根据本发明的实施例,在除与第一联合失真对应的修改操作的值与求符号大小相等,且符号相同的情况和与一联合失真对应的修改操作的值与求符号大小相等,且符号相反的情况之外的情况下,将第一联合失真赋值给第二联合失真。
根据本发明的实施例,可以根据求符号,利用公式(5)调整第一联合失真,得到第二联合失真。
    (5)
其中,表征第i组相邻像素的第二联合失真,表征目标迭代步长,表征与第i组相邻像素的第一联合失真对应的修改操作的值,表征第i组相邻像素的第一联合失真,表征第i组相邻像素的联合梯度的求符号。
根据本发明的实施例,目标迭代步长,其中, n为迭代调整第一联合失真的次数,为迭代步长增量, n大于等于0,
根据本发明的实施例,可以为0.1、0.2或0.3等,的取值可以根据实际情况进行选择。的值可以为1、5或10等,的取值可以根据实际情况进行选择。
根据本发明的实施例,目标迭代步长会在每次调整第一联合失真的过程中增加迭代步长增量,直到时停止迭代或目标分类器将第一载密图像识别为载体图像的情况下停止迭代。
图3示出了根据本发明实施例的基于联合失真的图像对抗隐写方法的示意图。
如图3所示,图3包括第i宏块301,单像素失真块302,第一联合失真303,第二联合失真304,模拟嵌入305,秘密信息306,第一载密图像307,目标分类器308,联合梯度309。
由图3可知,第i宏块301包括两个相邻像素,两个相邻像素中的第一个像素值为 x 1,第二个像素值为 x 2,根据第i宏块301中的两个像素值,利用基础失真函数HILL得到单像素失真块302中的两个单像素失真,两个单像素失真分别为与 x 1对应的 d 1l),与 x 1对应的 d 2l),然后可以根据 d 1l)与 d 2l),利用公式(1)与公式(2),计算得到第一联合失真303中的
然后根据联合梯度309调整,得到第二联合失真,利用模拟嵌入305中的模拟嵌入方法STC将秘密信息306中的 m嵌入第i宏块301中,得到第一载密图像307,然后利用目标分类器308对第一载密图像307进行检测。
在目标分类器308输出为1的情况下,说明目标分类器308将第一载密图像307识别为载体图像,此时,可以将第一载密图像307作为最终输出的载密图像,在目标分类器308输出为0的情况下,说明目标分类器308将第一载密图像307识别为载密图像,此时,目标分类器308输出联合梯度309,根据联合梯度309调整第一联合失真303中的,得到第二联合失真
由图3可知,可以根据联合梯度309循环调整第一联合失真303中的,得到第二联合失真,第二联合失真既经过了联合梯度的调整,又隐含了相邻像素间的关联关系,然后再利用模拟嵌入305中的模拟嵌入方法STC,根据第二联合失真将秘密信息306中的 m嵌入第i宏块301中,得到第一载密图像307,提高第一载密图像307的抗检测能力。
根据本发明的实施例,上述方法还包括如下操作,在获取第一载体图像中的第一预设数量的相邻像素的第一联合失真之前:
计算第二载体图像中的单个像素的失真,得到单像素失真;
根据单像素失真,计算第二载体图像中的第一预设数量的相邻像素的联合失真,得到第三联合失真;
根据第三联合失真,将秘密信息中的第二预设数量的信息嵌入到第二载体图像的奇数行中,得到第一载体图像。
根据本发明的实施例,第二载体图像为原始图像。
根据本发明的实施例,可以利用基础失真函数计算第二载体图像中的单个像素的单像素失真,然后基于单像素失真计算第一载体图像中相邻像素的联合失真,得到第三联合失真。在这一过程中,第二载体图像会被分解成大小相等的宏块,宏块大小例如可以为一行两列(1×2),这些宏块由多个相邻像素组成,被称为像素团,在计算多个相邻像素的联合失真的过程中,多个相邻像素会被当作一个整体考虑。
根据本发明的实施例,基础失真函数例如可以为希尔(HILL)算法。
根据本发明的实施例,根据单像素失真,计算第二载体图像中的第一预设数量的相邻像素的联合失真,得到第三联合失真包括:利用与相邻像素对应的单像素失真的和乘以第一比例函数值,得到第三联合失真,其中,第一比例函数值根据与第三联合失真对应的修改操作的值之间的差的绝对值加预设值得到。
根据本发明的实施例,可以根据单像素失真,利用公式(6),计算第二载体图像中的预设数量为2的相邻像素的联合失真,得到第三联合失真。
       (6)
其中,表征第二载体图像中的第i组相邻像素的第三联合失真,表征与第i组相邻像素的第一个像素值对应的单像素失真,表征与第i组相邻像素的第二个像素值对应的单像素失真, l表征与第i组相邻像素的第一个像素值对应的修改操作的值, r表征与第i组相邻像素的第二个像素值对应的修改操作的值,表征第一比例函数的值。
根据本发明的实施例,还可以将公式(6)中的作为一个整体,理解为与第i组相邻像素的第三联合失真对应的修改操作的值。
根据本发明的实施例,可以根据公式(7)计算得到。
             (7)
其中,表征与第二载体图像的第i组相邻像素的第三联合失真对应的修改操作的值的之间的差值的绝对值,1为预设值。
根据本发明的实施例,第二预设数量的信息例如可以为:三分之一的信息、一半的信息、三分之二的信息等。
根据本发明的实施例,可以利用STC的方法,根据第三联合失真将秘密信息中的第二预设数量的信息嵌入到第二载体图像的奇数行中,得到第一载体图像。
根据本发明的实施例,获取第一载体图像中的第一预设数量的相邻像素的第一联合失真包括:
根据与偶数行相邻的奇数行嵌入的信息,调整第一载体图像的偶数行的第三联合失真,得到第一联合失真。
根据本发明的实施例,通过根据与偶数行相邻的奇数行嵌入的信息,调整第一载体图像的偶数行的第三联合失真,得到第一联合失真,可以实现根据与偶数行相邻的奇数行嵌入的信息调整第三联合失真,使得与偶数行相邻的奇数行嵌入的信息的变化和偶数行的第三联合失真的修改操作的值的变化方向一致,进一步考虑了相邻像素间修改操作之间的相互影响,进一步提高了安全性。
根据本发明的实施例,根据与偶数行相邻的奇数行嵌入的信息,调整第一载体图像的偶数行的第三联合失真,得到第一联合失真包括:
在与第j+1偶数行的第三联合失真对应的修改操作的值与第j奇数行的嵌入的信息大小相等,符号相同,且与第j+2奇数行的嵌入的信息大小不相等或符号不相同的情况下,利用第三联合失真乘以比例因子,得到第一联合失真,其中,j为大于等于1的奇数,比例因子大于0小于1,修改操作表征对与第一载体图像的第三联合失真对应的相邻像素位置处增加信息的操作;
在与第j+1偶数行的第三联合失真对应的修改操作的值与第j+2奇数行的嵌入的信息大小相等,符号相同,且与第j奇数行的嵌入的信息大小不相等或符号不相同的情况下,利用第三联合失真乘以比例因子,得到第一联合失真;
在与第j+1偶数行的第三联合失真对应的修改操作的值与第j+2奇数行的嵌入的信息大小相等,符号相同,且与第j奇数行的嵌入的信息大小相等,符号相同的情况下,利用第三联合失真乘以比例因子的平方,得到第一联合失真。
根据本发明的实施例,可以根据与偶数行相邻的奇数行嵌入的信息,利用根据公式(8)调整第一载体图像的偶数行的第三联合失真,得到第一联合失真。
   (8)
其中,表征第i组相邻像素的第一联合失真,表征第i组相邻像素的第三联合失真,表征与第i组相邻像素的第三联合失真对应的修改操作的值,表征与第i组相邻像素对应的第j奇数行嵌入的信息,表征与第i组相邻像素对应的第j+2奇数行嵌入的信息,表征比例因子。
根据本发明的实施例,,j为大于等于1的奇数,第i组相邻像素在第j+1偶数行。
根据本发明的实施例,根据第二联合失真将秘密信息嵌入第一载体图像中,得到第一载密图像包括:
根据第二联合失真,将秘密信息中除第二预设数量的信息之外的其它信息嵌入到第一载体图像的偶数行中,得到第一载密图像。
图4示出了根据本发明另一实施例的基于联合失真的图像对抗隐写方法的示意图。
如图4所示,图4包括401、402、403、404、405、406、407以及408,其中,401包括第一宏块、第二宏块以及第三宏块,第一宏块包括两个相邻像素x3与x4,第二宏块包括两个相邻像素x1与x2,第三宏块包括两个相邻像素x5与x6,第一宏块在第一行,第二宏块在第二行,第三宏块在第三行。
根据401中的第一宏块、第二宏块以及第三宏块,利用基础失真函数HILL得到402中的多个单像素失真,其中,402包括与第一宏块对应的两个单像素失真 d 3l')与 d 4l'),与第二宏块对应的两个单像素失真 d 1l)与 d 2l),与第三宏块对应的两个单像素失真 d 5l'')与 d 6l'')。
根据402中的多个单像素失真,利用公式(6)以及(7)得到403中的多个第三联合失真,其中,403包括与第一宏块对应的第三联合失真,与第二宏块对应的第三联合失真,与第三宏块对应的第三联合失真,实现将相邻像素当作一个整体进行考虑,得到与相邻像素相关的第三联合失真。
根据403中的多个第三联合失真,利用404中的模拟嵌入方法STC将秘密信息中的一半信息m1嵌入401的第一宏块及第三宏块中,得到第一载体图像405,根据第一载体图像405中的第一宏块及第三宏块中嵌入的消息,调整403中与第二宏块对应的第三联合失真,得到406中的第一联合失真,实现结合方向一致性策略,调整403中与第二宏块对应的第三联合失真,得到406中的第一联合失真
然后将406中的第一联合失真输入407中的对抗调整模块,利用联合梯度对第一联合失真进行调节,得到第二联合失真,然后根据第二联合失真将秘密信息中的另一半信息m2嵌入401的第二宏块中,输出408中的第一载密图像,实现根据联合梯度调整第一联合失真,得到第二联合失真,并根据第二联合失真得到第一载密图像。
图4中的第二联合失真既经过方向一致性策略进行了调整,又经过了联合梯度的调整,还隐含相邻像素间的关系,因此,在根据第二联合失真将秘密信息嵌入第一载体图像,得到第一载密图像后,可以进一步提高第一载体图像的抗检测能力。
根据本发明的实施例,下面通过大量的实验结果证明本发明的实施例提供的基于联合失真的图像对抗隐写方法提高了隐写的安全性。
根据本发明的是实施例,隐写分析就是要把藏有秘密消息的载密图像和干净的载体图像区分开,而现有的隐写分析模型可以认为是如公式(9)所示的一个二分类器:
              (9)
其中,表示X被分类为载体图像()或者载密图像()的概率。
根据本发明的实施例,载体图像被错误分类成载密图像的情况被称作虚警,载密图像被错误分类成载体图像的情况被称作漏检。虚警率表征载体图像被错误分类成载密图像的概率,漏检率表征载密图像被错误分类成载体图像的概率。
根据本发明的实施例,虚警率可以用表示,漏检率可以用表示,最终的隐写方法的性能使用如公式(10)所示的检测错误率来衡量。
                  (10)
其中,表征检测错误率。
根据本发明的实施例,在实验中,第一预设数量为2个,第二预设数量的信息为一半数量的信息,基础失真函数选择HILL算法,在嵌入率为0.2bpp和0.4bpp下进行实验。
根据本发明的实施例,可以将操作S210~操作S240及公式(1)~(5)实现的基于联合失真的图像对抗隐写方法,作为本发明实施例的第一种方法,将操作S210~操作S240及公式(3)~(8)实现的基于联合失真的图像对抗隐写方法,作为本发明实施例的第二种方法。第一种方法表示没有结合方向一致性策略,第二种方法表示结合了方向一致性策略。
根据本发明的实施例,实验选取了数据库BOSSBase1.01中的数据集(包含10000张大小为的图像)和数据库BOWS2中的数据集(包含10000张大小为的图像),并且通过Matlab内置的图像缩放函数imresize()函数将这些图像变成像素尺寸大小为256×256的图像,组成了一个新的包含20000张图像的数据集BOSS256。
根据本发明的实施例,对于基于深度学习的分类器,一般随机选取14000张图像作为训练集,1000张图像作为验证集,剩余的5000张图像作为测试集。对于基于手工特征的分类器,一般随机选取10000张图像作为训练集,剩余的10000张图像作为测试集,并且重复进行十次实验把每次结果的平均值作为最终的结果。
1、抗检测性评估。
如表1及表2所示,实验使用了XuNet作为目标分类器,然后再将XuNet作为检测抗检测性能的分类器,还使用了YeNet作为目标分类器,然后再将YeNet作为检测抗检测性能的分类器,并且把实验结果与之前的方法HILL、ADV-EMB以及ITE-SYN进行了对比。
表1示出了XuNet及YeNet在没有经过训练的情况下,得出的多个隐写方法的虚警率和漏检率对比结果。表2示出了XuNet及YeNet在经过重复训练的情况下,得出的多个隐写方法的检测错误率对比结果。
根据本发明的实施例,表1及表2中的值越高表征对应的对抗隐写方法效果越好。
表1
 表2
表1中的实验结果表明,本发明提供的对抗隐写方法的漏检率稍低于ADV-EMB及ITE-SYN,即本发明对初始分类器(没有经过训练的分类器)的攻击性稍低于ADV-EMB及ITE-SYN,这是因为攻击性和像素相关性有矛盾导致的。而一般在实际应用中,主要使用经过重复训练的分类器对图像进行检测,所以单纯使用初始分类器对隐写方法的攻击性进行评价的意义不大,主要用于证明攻击性和像素相关性有矛盾。
表2中的实验结果表明,本发明实施例的第二种方法的检测错误率高于HILL、ADV-EMB及ITE-SYN,本发明实施例的第一种方法的检测错误率高于HILL、ADV-EMB,且在嵌入率为0.4比特的情况下,本发明实施例的第一种方法的检测错误率高于ITE-SYN,说明本发明实施例提供的对抗隐写方法在抵抗重训练后的分类器(经过重复训练的分类器)时取得了最好的抗检测性,这是更重要的检测指标。
2、迁移性评估。
迁移性指的是使用非目标分类器检测对抗载密图像时的检测错误率。因为无法假定隐写分析者只使用某一固定的分类器,所以迁移性也是评价隐写安全性的一个重要指标。
根据本发明的实施例,在表3与表4的实验中,将XuNet作为目标分类器,并且使用基于深度学习的分类器YeNet和基于手工特征的分类器maxSRMd2来对生成的载密图像进行检测,实验结果与ADV-EMB和ITE-SYN进行了对比,值越高表明对应的对抗隐写方法效果越好。
表3示出了YeNet和maxSRMd2在没有经过训练的情况下,得出的多个隐写方法的检测错误率对比结果。由表3可以看处本发明实施例提供的两种对抗隐写方法在抵抗两种分类器时都达到了较好的抗检测性。
表3
表4
表4示出了YeNet和maxSRMd2在经过重复训练的情况下,得出的多个隐写方法的检测错误率对比结果。
由表4可知,针对分类器YeNet,本发明实施例提供的第二种方法的检测错误率最高,说明在抵抗YeNet时,本发明实施例提供的第二种对抗隐写方法达到了最好的抗检测性。针对分类器maxSRMd2,本发明实施例提供的对抗隐写方法的检测错误率与性能较好的ITE-SYN方法相差较小,说明在抵抗maxSRMd2时,本发明实施例提供的对抗隐写方法也与性能较好的ITE-SYN方法抗检测效果相当。
以上实验结果表明,本发明实施例提供的基于联合失真的图像对抗隐写方法,可以有效提高载密图像的抗检测能力。
以上实验结果还表明,本发明实施例提供的基于联合失真的图像对抗隐写方法和方向一致性策略相结合,有效地提高了隐写方法的抗检测性。
需要说明的是,本发明实施例中的流程图所示的操作除非明确说明不同操作之间存在执行的先后顺序,或者不同操作在技术实现上存在执行的先后顺序,否则,多个操作之间的执行顺序可以不分先后,多个操作也可以同时执行。
基于上述基于联合失真的图像对抗隐写方法,本发明还提供了一种基于联合失真的图像对抗隐写装置。以下将结合图5对该装置进行详细描述。
图5示出了根据本发明实施例的基于联合失真的图像对抗隐写装置的结构框图。
如图5所示,该实施例的基于联合失真的图像对抗隐写装置500包括第一联合失真获取模块510、联合梯度计算模块520、第二联合失真得到模块530以及第一载密图像得到模块540。
第一联合失真获取模块510,用于获取第一载体图像中的第一预设数量的相邻像素的第一联合失真。
联合梯度计算模块520,用于计算第一载体图像的联合梯度,联合梯度表征与第一载体图像的第一联合失真对应的相邻像素位置处的梯度。
第二联合失真得到模块530,用于根据联合梯度调整第一联合失真,得到第二联合失真。
第一载密图像得到模块540,用于根据第二联合失真将秘密信息嵌入第一载体图像中,得到第一载密图像。
根据本发明的实施例,第二联合失真得到模块530包括求符号计算子模块以及第二联合失真得到子模块。
求符号计算子模块,用于计算联合梯度中的求符号,其中,求符号表征联合梯度中的值为正数、负数或0的标志;
第二联合失真得到子模块,用于根据求符号,调整第一联合失真,得到第二联合失真。
根据本发明的实施例,第二联合失真得到子模块包括第二失真第一得到单元以及第二失真第二得到单元。
第二失真第一得到单元,用于在与第一联合失真对应的修改操作的值与求符号大小相等,且符号相同的情况下,利用第一联合失真乘以目标迭代步长,得到第二联合失真,其中,目标迭代步长大于1,目标迭代步长随着调整次数的增加而增大,修改操作表征对与第一联合失真对应的相邻像素位置处增加信息的操作。
第二失真第二得到单元,用于在与第一联合失真对应的修改操作的值与求符号大小相等,且符号相反的情况下,利用第一联合失真除以目标迭代步长,得到二联合失真。
根据本发明的实施例,基于联合失真的图像对抗隐写装置500还包括单像素失真得到模块、第三联合失真得到模块以及第一载体图像得到模块。
单像素失真得到模块,用于在获取第一载体图像中的第一预设数量的相邻像素的第一联合失真之前:计算第二载体图像中的单个像素的失真,得到单像素失真。
第三联合失真得到模块,用于根据单像素失真,计算第二载体图像中的第一预设数量的相邻像素的联合失真,得到第三联合失真。
第一载体图像得到模块,用于根据第三联合失真,将秘密信息中的第二预设数量的信息嵌入到第二载体图像的奇数行中,得到第一载体图像。
根据本发明的实施例,第一联合失真获取模块510包括第一联合失真第一得到子模块。
第一联合失真第一得到子模块,用于根据与偶数行相邻的奇数行嵌入的信息,调整第一载体图像的偶数行的第三联合失真,得到第一联合失真。
根据本发明的实施例,第一联合失真第一得到子模块包括第一失真第一得到单元、第一失真第二得到单元以及第一失真第三得到单元。
第一失真第一得到单元,用于在与第j+1偶数行的第三联合失真对应的修改操作的值与第j奇数行的嵌入的信息大小相等,符号相同,且与第j+2奇数行的嵌入的信息大小不相等或符号不相同的情况下,利用第三联合失真乘以比例因子,得到第一联合失真,其中,j为大于等于1的奇数,比例因子大于0小于1,修改操作表征对与第一载体图像的第三联合失真对应的相邻像素位置处增加信息的操作。
第一失真第二得到单元,用于在与第j+1偶数行的第三联合失真对应的修改操作的值与第j+2奇数行的嵌入的信息大小相等,符号相同,且与第j奇数行的嵌入的信息大小不相等或符号不相同的情况下,利用第三联合失真乘以比例因子,得到第一联合失真。
第一失真第三得到单元,用于在与第j+1偶数行的第三联合失真对应的修改操作的值与第j+2奇数行的嵌入的信息大小相等,符号相同,且与第j奇数行的嵌入的信息大小相等,符号相同的情况下,利用第三联合失真乘以比例因子的平方,得到第一联合失真。
根据本发明的实施例,第一载密图像得到模块540包括第一载密图像得到子模块。
第一载密图像得到子模块,用于根据第二联合失真,将秘密信息中除第二预设数量的信息之外的其它信息嵌入到第一载体图像的偶数行中,得到第一载密图像。
根据本发明的实施例,第一联合失真获取模块510包括单像素失真得到子模块以及第一联合失真第二得到子模块。
单像素失真得到子模块,用于计算第一载体图像中的单个像素的失真,得到单像素失真。
第一联合失真第二得到子模块,用于根据单像素失真,计算第一载体图像中的第一预设数量的相邻像素的联合失真,得到第一联合失真。
根据本发明的实施例,第一联合失真第二得到子模块包括第一联合失真得到单元。
第一联合失真得到单元,用于利用与相邻像素对应的单像素失真的和乘以比例函数值,得到第一联合失真,其中,比例函数值根据与第一联合失真对应的修改操作的值之间的差的绝对值加预设值得到。
根据本发明的实施例,第一联合失真获取模块510、联合梯度计算模块520、第二联合失真得到模块530以及第一载密图像得到模块540中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。
根据本发明的实施例,第一联合失真获取模块510、联合梯度计算模块520、第二联合失真得到模块530以及第一载密图像得到模块540中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一联合失真获取模块510、联合梯度计算模块520、第二联合失真得到模块530以及第一载密图像得到模块540中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图6示出了根据本发明实施例的适于实现上文描述的方法的电子设备的方框图。
如图6所示,根据本发明实施例的电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中,存储有电子设备600操作所需的各种程序和数据。处理器 601、ROM602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意,上述程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在上述一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
根据本发明的实施例,电子设备600还可以包括输入/输出(I/O)接口605,输入/输出(I/O)接口605也连接至总线604。电子设备600还可以包括连接至I/O接口605的以下部件中的一项或多项:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
本发明还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本发明实施例的方法。
根据本发明的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本发明的实施例,计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
本发明的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本发明实施例所提供的基于联合失真的图像对抗隐写方法。
在该计算机程序被处理器601执行时执行本发明实施例的系统/装置中限定的上述功能。根据本发明的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分609被下载和安装,和/或从可拆卸介质611被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被处理器901执行时,执行本发明实施例的系统中限定的上述功能。根据本发明的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本发明的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本发明中。特别地,在不脱离本发明精神和教导的情况下,本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
以上对本发明的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本发明的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本发明的范围由所附权利要求及其等同物限定。不脱离本发明的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本发明的范围之内。

Claims (8)

1.一种基于联合失真的图像对抗隐写方法,其特征在于,所述方法包括:
获取第一载体图像中的第一预设数量的相邻像素的第一联合失真;
计算所述第一载体图像的联合梯度,所述联合梯度表征与所述第一载体图像的所述第一联合失真对应的所述相邻像素位置处的梯度;
根据所述联合梯度调整所述第一联合失真,得到第二联合失真;
所述根据所述联合梯度调整所述第一联合失真,得到第二联合失真包括:
计算所述联合梯度中的求符号,其中,所述求符号表征所述联合梯度中的值为正数、负数或0的标志;
根据所述求符号,调整所述第一联合失真,得到所述第二联合失真;
所述根据所述求符号,调整所述第一联合失真,得到所述第二联合失真包括:
在与所述第一联合失真对应的修改操作的值与所述求符号大小相等,且符号相同的情况下,利用所述第一联合失真乘以目标迭代步长,得到所述第二联合失真,其中,所述目标迭代步长大于1,所述目标迭代步长随着调整次数的增加而增大,所述修改操作表征对与所述第一联合失真对应的所述相邻像素位置处增加信息的操作;
在与所述第一联合失真对应的修改操作的值与所述求符号大小相等,且符号相反的情况下,利用所述第一联合失真除以目标迭代步长,得到所述二联合失真;
根据所述第二联合失真将秘密信息嵌入所述第一载体图像中,得到第一载密图像。
2.根据权利要求1所述的方法,所述方法还包括,在所述获取第一载体图像中的第一预设数量的相邻像素的第一联合失真之前:
计算第二载体图像中的单个像素的失真,得到单像素失真;
根据所述单像素失真,计算所述第二载体图像中的第一预设数量的相邻像素的联合失真,得到第三联合失真;
根据所述第三联合失真,将秘密信息中的第二预设数量的信息嵌入到所述第二载体图像的奇数行中,得到所述第一载体图像。
3.根据权利要求2所述的方法,其特征在于,所述获取第一载体图像中的第一预设数量的相邻像素的第一联合失真包括:
根据与偶数行相邻的所述奇数行嵌入的信息,调整所述第一载体图像的偶数行的所述第三联合失真,得到所述第一联合失真。
4.根据权利要求3所述的方法,其特征在于,所述根据与偶数行相邻的所述奇数行嵌入的信息,调整所述第一载体图像的偶数行的所述第三联合失真,得到所述第一联合失真包括:
在与第j+1所述偶数行的第三联合失真对应的修改操作的值与第j所述奇数行的嵌入的信息大小相等,符号相同,且与第j+2所述奇数行的嵌入的信息大小不相等或符号不相同的情况下,利用所述第三联合失真乘以比例因子,得到所述第一联合失真,其中,所述j为大于等于1的奇数,所述比例因子大于0小于1,所述修改操作表征对与所述第一载体图像的所述第三联合失真对应的所述相邻像素位置处增加信息的操作;
在与第j+1所述偶数行的第三联合失真对应的修改操作的值与第j+2所述奇数行的嵌入的信息大小相等,符号相同,且与第j所述奇数行的嵌入的信息大小不相等或符号不相同的情况下,利用所述第三联合失真乘以比例因子,得到所述第一联合失真;
在与第j+1所述偶数行的第三联合失真对应的修改操作的值与第j+2所述奇数行的嵌入的信息大小相等,符号相同,且与第j所述奇数行的嵌入的信息大小相等,符号相同的情况下,利用所述第三联合失真乘以比例因子的平方,得到所述第一联合失真。
5.根据权利要求2所述的方法,其特征在于,所述根据所述第二联合失真将秘密信息嵌入所述第一载体图像中,得到第一载密图像包括:
根据所述第二联合失真,将所述秘密信息中除所述第二预设数量的信息之外的其它信息嵌入到所述第一载体图像的偶数行中,得到所述第一载密图像。
6.根据权利要求1所述的方法,其特征在于,所述获取第一载体图像中的第一预设数量的相邻像素的第一联合失真包括:
计算所述第一载体图像中的单个像素的失真,得到单像素失真;
根据所述单像素失真,计算所述第一载体图像中的第一预设数量的相邻像素的联合失真,得到所述第一联合失真。
7.根据权利要求6所述的方法,其特征在于,所述根据所述单像素失真,计算所述第一载体图像中的第一预设数量的相邻像素的联合失真,得到所述第一联合失真包括:
利用与所述相邻像素对应的所述单像素失真的和乘以比例函数值,得到所述第一联合失真,其中,所述比例函数值根据与所述第一联合失真对应的修改操作的值之间的差的绝对值加预设值得到。
8.一种基于联合失真的图像对抗隐写装置,其特征在于,所述装置包括:
第一联合失真获取模块,用于获取第一载体图像中的第一预设数量的相邻像素的第一联合失真;
联合梯度计算模块,用于计算所述第一载体图像的联合梯度,所述联合梯度表征与所述第一载体图像的所述第一联合失真对应的所述相邻像素位置处的梯度;
第二联合失真得到模块,用于根据所述联合梯度调整所述第一联合失真,得到第二联合失真;
所述根据所述联合梯度调整所述第一联合失真,得到第二联合失真包括:
计算所述联合梯度中的求符号,其中,所述求符号表征所述联合梯度中的值为正数、负数或0的标志;
根据所述求符号,调整所述第一联合失真,得到所述第二联合失真;
所述根据所述求符号,调整所述第一联合失真,得到所述第二联合失真包括:
在与所述第一联合失真对应的修改操作的值与所述求符号大小相等,且符号相同的情况下,利用所述第一联合失真乘以目标迭代步长,得到所述第二联合失真,其中,所述目标迭代步长大于1,所述目标迭代步长随着调整次数的增加而增大,所述修改操作表征对与所述第一联合失真对应的所述相邻像素位置处增加信息的操作;
在与所述第一联合失真对应的修改操作的值与所述求符号大小相等,且符号相反的情况下,利用所述第一联合失真除以目标迭代步长,得到所述二联合失真;
第一载密图像得到模块,用于根据所述第二联合失真将秘密信息嵌入所述第一载体图像中,得到第一载密图像。
CN202211714075.7A 2022-12-30 2022-12-30 基于联合失真的图像对抗隐写方法与装置 Active CN115695673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211714075.7A CN115695673B (zh) 2022-12-30 2022-12-30 基于联合失真的图像对抗隐写方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211714075.7A CN115695673B (zh) 2022-12-30 2022-12-30 基于联合失真的图像对抗隐写方法与装置

Publications (2)

Publication Number Publication Date
CN115695673A CN115695673A (zh) 2023-02-03
CN115695673B true CN115695673B (zh) 2023-04-21

Family

ID=85057252

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211714075.7A Active CN115695673B (zh) 2022-12-30 2022-12-30 基于联合失真的图像对抗隐写方法与装置

Country Status (1)

Country Link
CN (1) CN115695673B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111131658A (zh) * 2020-01-19 2020-05-08 中国科学技术大学 图像隐写方法、装置、电子设备及介质
CN112767226A (zh) * 2021-01-15 2021-05-07 南京信息工程大学 基于gan网络结构自动学习失真的图像隐写方法和系统
CN113538202A (zh) * 2021-08-05 2021-10-22 齐鲁工业大学 一种基于生成式隐写对抗的图像隐写方法及系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7515733B2 (en) * 1993-11-18 2009-04-07 Digimarc Corporation Methods and arrangements employing digital content items
US6915432B1 (en) * 1999-01-29 2005-07-05 International Business Machines Corporation Composing a realigned image
US9928561B2 (en) * 2015-05-29 2018-03-27 Digimarc Corporation Serialized digital watermarking for variable data printing
CN108876691B (zh) * 2017-05-10 2022-03-08 北京大学 自适应可逆水印方法及系统
CN109257521B (zh) * 2018-12-06 2019-11-05 四川大学 一种stc信息隐藏算法
CN109920014B (zh) * 2019-02-27 2022-10-28 中国科学技术大学 3d网格模型隐写方法
CN110324634B (zh) * 2019-07-05 2021-10-01 中国科学技术大学 一种基于运动矢量嵌入失真分解的视频隐写方法
CN111260531A (zh) * 2020-01-09 2020-06-09 鹏城实验室 图像隐写方法、装置、设备及计算机可读存储介质
CN111681154B (zh) * 2020-06-09 2022-06-21 湖南大学 一种基于生成对抗网络的彩色图像隐写失真函数设计方法
CN112634118B (zh) * 2020-12-24 2022-09-30 中国科学技术大学 对抗批隐写方法
CN113222800B (zh) * 2021-04-12 2023-07-07 国网江苏省电力有限公司营销服务中心 一种基于深度学习的鲁棒图像水印嵌入与提取方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111131658A (zh) * 2020-01-19 2020-05-08 中国科学技术大学 图像隐写方法、装置、电子设备及介质
CN112767226A (zh) * 2021-01-15 2021-05-07 南京信息工程大学 基于gan网络结构自动学习失真的图像隐写方法和系统
CN113538202A (zh) * 2021-08-05 2021-10-22 齐鲁工业大学 一种基于生成式隐写对抗的图像隐写方法及系统

Also Published As

Publication number Publication date
CN115695673A (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
CN112766189B (zh) 深度伪造检测方法、装置、存储介质及电子设备
Wu et al. Image-into-image steganography using deep convolutional network
Wang et al. FE-YOLOv5: Feature enhancement network based on YOLOv5 for small object detection
CN111860398B (zh) 遥感图像目标检测方法、系统及终端设备
WO2023035531A1 (zh) 文本图像超分辨率重建方法及其相关设备
CN109977832B (zh) 一种图像处理方法、装置及存储介质
CN111444807B (zh) 目标检测方法、装置、电子设备和计算机可读介质
CN113222921A (zh) 一种图像处理方法及系统
CN116994044A (zh) 一种基于掩码多模态生成对抗网络的图像异常检测模型的构建方法
CN116503761A (zh) 高压线路异物检测方法、模型训练方法和装置
Li et al. NDNet: Spacewise multiscale representation learning via neighbor decoupling for real-time driving scene parsing
CN115695673B (zh) 基于联合失真的图像对抗隐写方法与装置
Zhong et al. A novel steganalysis method with deep learning for different texture complexity images
Wang et al. Collapsed building detection in high-resolution remote sensing images based on mutual attention and cost sensitive loss
Ding et al. AGIM-net based subject-sensitive hashing algorithm for integrity authentication of HRRS images
Singh et al. Real‐Time Implementation of Change Detection for Automated Video Surveillance System
Xiang et al. InvFlow: Involution and multi-scale interaction for unsupervised learning of optical flow
Long et al. Cascaded feature enhancement network model for real-time video monitoring of power system
CN103458154B (zh) 一种视频的超分辨率方法及装置
CN116070695B (zh) 图像检测模型的训练方法、图像检测方法及电子设备
Tan et al. BSIRNet: A road extraction network with bidirectional spatial information reasoning
EP4390871A1 (en) Video anonymization method and apparatus, electronic device, and storage medium
CN117314756B (zh) 基于遥感图像的验保方法、装置、计算机设备及存储介质
CN112884628B (zh) 一种针对空域富模型的图像隐写分析模型的攻击方法
CN116958887A (zh) 一种单围栏育肥猪检测计数的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant