.png){kind=icon}
返回
SRIS-Net: a robust image steganography algorithm based on feature score maps
.png){kind=icon}
PRE
AI
DOI：10.1631/FITEE.2400069.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于深度学习的图像隐写算法通常使用空间域或频域特征进行训练。单一域的特征难以全面表达整幅图像的内容，这通常会导致性能不佳，因为隐写通常是多任务处理。为了解决这个问题，本文提出了一种基于特征得分图的鲁棒图像隐写算法，称为安全鲁棒图像隐写网络（SRIS-Net）。首先，与空间域隐写不同，我们提出的算法利用卷积神经网络获取浅层空间域特征。这些特征通过拉普拉斯金字塔频域分解（LPFDD）进行分解，以在各个频域子带中隐藏秘密信息，并采用渐进式辅助隐藏策略，显著减少秘密信息对载体图像的影响，实现显著的隐蔽性和鲁棒性能。此外，我们提出了全局-局部嵌入模块（GLEM）以考虑图像的整体结构和局部细节来实现嵌入，并提出了双多尺度聚合子网络（DMSubNet）进行多尺度重建以提高载体图像的质量。为了安全性，我们提出了双任务判别器结构，在给出图像真伪判断的同时，能够生成载体图像感兴趣区域（ROI）的特征得分图，以指导嵌入模块生成隐蔽性和不可检测性更高的载体图像。在BOSSBase上的实验结果表明，我们的SRIS-Net在不可检测性和鲁棒性方面优于主流方法，视觉质量分别提升了9.2 dB和3.4 dB，容量可增加到每像素约72～96比特。
期刊
IF:
2.9
论文数:
129
被引数:
2.5K
机构
引用论文
Hiding an Image inside another Image using Variable-Rate Steganography使用变比特率信息隐藏技术将一张图像隐藏在另一张图像中
OAAI
OAAI分享收藏分享收藏SteganoCNN: Image Steganography with Generalization Ability Based on Convolutional Neural Network.png)
Entropy
OAAI
EntropyIF0
OAAI分享收藏
查看更多内容