基于可逆网络的轻量化图像隐写方案

TP309.2; 目前,基于深度学习的隐写模型的隐写容量有所提高,但由于网络结构复杂,需要大量的时间来训练.为此,提出轻量化的可逆神经网络结构,并以此设计了高效图像隐写方案,采用基于密集连接的可逆神经网络实现图像的隐藏与恢复,在减少可逆块数量的同时,增加每个可逆块中可逆函数f(·)、r(·)和y(·)的卷积块数量来保证图像质量.这样能够显著降低计算和存储开销,使得模型在计算资源有限的设备上运行更加高效,模型开发和迭代的过程更加高效,有效地节省了宝贵的计算资源.载体图像与秘密图像通过正向隐藏可逆变换生成含密图像,含密图像与随机变量通过反向恢复可逆变换得到恢复图像.实验结果表明,与Hi-Net 算...

Full description

Saved in:
Bibliographic Details
Published in计算机应用研究 Vol. 41; no. 1; pp. 266 - 271
Main Authors 孙文权, 刘佳, 钮可, 董炜娜, 陈立峰
Format Journal Article
LanguageChinese
Published 武警工程大学网络与信息安全武警部队重点实验室,西安 710086 2024
Subjects
conceal
steganography efficiency
recover
可逆神经网络
恢复
隐写效率
隐藏
invertible neural network
Online AccessGet full text
ISSN1001-3695
DOI10.19734/j.issn.1001-3695.2023.05.0215

Cover

More Information
Summary:TP309.2; 目前,基于深度学习的隐写模型的隐写容量有所提高,但由于网络结构复杂,需要大量的时间来训练.为此,提出轻量化的可逆神经网络结构,并以此设计了高效图像隐写方案,采用基于密集连接的可逆神经网络实现图像的隐藏与恢复,在减少可逆块数量的同时,增加每个可逆块中可逆函数f(·)、r(·)和y(·)的卷积块数量来保证图像质量.这样能够显著降低计算和存储开销,使得模型在计算资源有限的设备上运行更加高效,模型开发和迭代的过程更加高效,有效地节省了宝贵的计算资源.载体图像与秘密图像通过正向隐藏可逆变换生成含密图像,含密图像与随机变量通过反向恢复可逆变换得到恢复图像.实验结果表明,与Hi-Net 算法相比,轻量级网络结构能够得到良好的图像质量且更具安全性,同时训练时间缩短了46％,隐写时间缩短了28％.
ISSN:1001-3695
DOI:10.19734/j.issn.1001-3695.2023.05.0215