摘要
数字图像的内容丰富多彩，在商业、政治、军事等诸多领域得到广泛应用。云计算和互联网的迅速发展使大量的图像在网络中存储和传输，然而这些图像往往包含私人信息、企业的重要数据和军事机密信息等，因此防止图像信息泄露成为一个迫在眉睫的问题，图像隐写成为信息隐藏领域的研究热点。目前，深度神经网络在诸多领域取得良好的成果，正逐步向图像隐写领域渗透，并表现出其潜在的应用价值。本文主要从载体修改和无载体信息隐藏两方面展开研究。针对载体修改的信息隐藏提出基于深度卷积神经网络的图像隐写，利用深度卷积神经网络构建的隐藏网络和提取网络，使隐写图像的分布接近原始载体图像的分布，通过传输隐写图像实现秘密图像的安全传输。针对无载体信息隐藏提出基于WGAN-GP(Improved Training of Wasserstein GANs)模型的无载体图像隐写，通过传输无修改的伪装图像来实现秘密图像的安全传输。 (1)针对传统信息隐藏容量低和抗隐写分析能力弱的问题，本文提出一种基于深度卷积神经网络的图像隐写方案。首先，利用卷积神经网络构建隐藏网络和提取网络，为提高隐写效果，在隐藏网络中加入残差块。然后，发送方把秘密图像和载体图像输入到隐藏网络中生成隐藏有秘密图像的隐写图像。最后，接收方接收隐写图像输入到提取网络中，提取网络从隐写图像中提取出秘密图像并显示出来。该方法不仅在抵抗隐写分析算法检测方面有很好的效果，并且提高信息隐藏的容量。 (2)为了有效避免隐写分析算法的检测、提高信息隐藏的安全性能，提出基于WGAN-GP模型的无载体图像隐写研究方案。在该方法中首先需要构建WGAN-GP模型，将传输的伪装图像输入到生成网络中，原始秘密图像输入到判别网络中。然后，使用伪装图像和秘密图像对WGAN-GP模型进行对抗训练，直到生成模型生成的图像和原始秘密图像感观上相同时保存生成模型，构建生成模型数据库。最后，利用伪装图像和相应的生成网络模型生成秘密图像。在该方法中传输的是没有经过任何修改的伪装图像，在传输过程中不会引起攻击者的怀疑，实现秘密图像安全传输的同时提高了信息隐藏容量。
NETL