基于倒残差结构的孪生卷积网络隐写分析装置

    公开(公告)号:CN114581645B

    公开(公告)日:2024-10-29

    申请号:CN202210189812.X

    申请日:2022-02-28

    Abstract: 本发明提供一种基于倒残差结构的孪生卷积网络隐写分析框架。该框架依次包括图像预处理模块、图像特征提取模块和图像分类模块;图像预处理模块,用于采用高通滤波结合深度可分离神经网络的方式预处理图像以获取图像的通道间残差的相关性;图像预处理模块包括两个结构相同的预处理分支;图像特征提取模块,用于提取图像特征;图像特征提取模块包括两个结构相同的特征提取分支;图像分类模块,用于对两个特征提取分支所提取的特征进行融合,根据融合后特征将图像分为载体图像和载密图像;图像分类模块包括分别连接两个特征提取分支的两个全局平均池化层,连接两个全局平均池化层的损失函数以及最后的全连接层。

    一种基于扩散模型的大容量生成式图像隐写方法

    公开(公告)号:CN118827875A

    公开(公告)日:2024-10-22

    申请号:CN202411091471.8

    申请日:2024-08-09

    Abstract: 本发明公开一种基于扩散模型的大容量生成式图像隐写方法,首先构建了一种将秘密信息映射为载密噪声的映射算法,并利用扩散模型DDIM将载密噪声生成初始的载密图像;接着,针对浮点图像转换为真实图像时产生的误差,使用映射规则提出了一种检错并纠错的机制;最后,应用DDIM加速采样并生成最终的载密图像。本发明提出的方法在FFHQ、Cat和Bedroom 3个大规模数据集上进行了实验与分析,实验结果表明,本发明的方法能够确保秘密数据被100%正确地提取,且具有更高的嵌入容量,此外,与基于扩散模型(DDPM)隐写方法的图像生成效率相比,提出方法的生成速度提升了65.92%。

    基于倒残差结构的孪生卷积网络隐写分析框架

    公开(公告)号:CN114581645A

    公开(公告)日:2022-06-03

    申请号:CN202210189812.X

    申请日:2022-02-28

    Abstract: 本发明提供一种基于倒残差结构的孪生卷积网络隐写分析框架。该框架依次包括图像预处理模块、图像特征提取模块和图像分类模块;图像预处理模块,用于采用高通滤波结合深度可分离神经网络的方式预处理图像以获取图像的通道间残差的相关性;图像预处理模块包括两个结构相同的预处理分支;图像特征提取模块,用于提取图像特征;图像特征提取模块包括两个结构相同的特征提取分支;图像分类模块,用于对两个特征提取分支所提取的特征进行融合,根据融合后特征将图像分为载体图像和载密图像;图像分类模块包括分别连接两个特征提取分支的两个全局平均池化层,连接两个全局平均池化层的损失函数以及最后的全连接层。

Patent Agency Ranking