基于CNN的空域图像隐写分析方法研究

《基于CNN的空域图像隐写分析方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｏｆＴｅｃｈｎｏｌｏｙｇｙ硕士学位论文基于ＣＮＮ的空域图像隐写分析方法研究作者姓名谭华彬学科专业通信与信息系统指导教师余翔宇副教授所在学院电子与信息学院论文提交日期２０１７年４月ＩｍａｇｅＳｔｅｇａｎａｌｙｓｉｓｉｎＳｐａｔｉａｌＤｏｍａｉｎＢａｓｅｄｏｎＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋＡＤｉｓｓｅｒｔａｔｉｏｎＳｕｂｍｉｔｔｅｄｆｏｒｔｈｅＤｅｒｅｅｏｆＭａｓ

2、ｔｅｒｇＣａｎｄｉｄａｔｅ：ＴａｎＨｕａｂｉｎＳｕｐｅｒｖｉｓｏｒ：Ｐｒｏｆ．ＹｕＸｉａｎｇｙｕＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙＧｕａｎｚｈｏｕＣｈｉｎａｇ，分类号：ＴＰ３９１学校代号：１０５６１学号：２０１５２０１０９１０９华南理工大学硕士学位论文基于ＣＮＮ的空域图像隐写分析方法研究：作者姓名：谭华彬指导教师姓名余翔宇副教授、职称申请学位级别：硕士学科专业名称：通信与信息系统研究方向：数字图像处理与模式识

3、别论文提交曰期：年屮月曰论文答辩曰期：２０月Ｚ曰１７以年６学位授予单位：华南理工大学学位授予Ｂ期：年月日答辩委员会成员：主席：华南理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研宄所取得的研宄成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研宄做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：２０以年６月７

4、日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，艮Ｐ：研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部门或机构送交论文的复印件和电子版，允许学位论文被查阅（除在保密期内的保密论文外）；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位一论文。本人电子文档的内容和纸质论文的内容相致。本学位论文属于：□保密，（校保密委员会审定为涉密学位时间：年月日）＿＿＿于年解密后

5、适用本授权书。＿＿月＿日０不保密，同意在校园网上发布，供校内师生和与学校有共享协议Ｖ的单位浏览；同意将本人学位论文提交中国学术期刊（光盘版）电子杂志社全文出版和编入ＣＮＫＩ《中国知识资源总库》，传播学位论文的全部或部分内容。“”（请在以上相应方框内打Ｖ）、⑶曰作者签名２他１：谭年费曰期：年指导教师签名：危日期：２喵戽日作者联系电话：电子邮箱：联系地址（含邮编）：摘要一图像隐写是种将秘密信息嵌入到图像的元素中而使其不被发现的技术，而图像隐写分析作为它的对立

6、面，其目的是检测图像中是否有被嵌入秘密信息，主要是通过先提取特征再训练分类器的方式来实现。近年来，随着内容自适应的隐写算法成为主流，秘密信息能被自适应地嵌入到图像中内容复杂的区域，使得隐写嵌入的痕迹越来越隐蔽。而为了捕获图像中越来越隐蔽的隐写痕迹，图像隐写分析需要提取的特征越来越复杂，维度越来越高一，如何提取丰富有效的特征对研究者来说是个巨大的挑战。相比手工设计特征的方法，卷积神经网络（ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ，ＣＮＮ）不需过度依赖研究者的先验知识就能

7、自动地从训练数据中学习到有效的特征，而且在ＣＮＮ中一，特征提取和分类器的训练这两个步骤通常可以很容易地起进行优化。为了利用ＣＮＮ强大的特征学习和表达能力，本文基于ＣＮＮ对空域图像隐写分析方法进行研究，主要工作如下：一一１、提出了种简单的用于空域图像隐写分析的网络结构，该结构主要以个卷积一个池化层作为构建网络的基本模块小块和，很容易调整和扩展。通过借鉴其它相关基于ＣＮＮ的图像隐写分析算法的成功经验，该结构能得到很好的检测效果。２、提出了使用ＣＮＮ来估算选择信道的信息，即图像中各个像

8、素被修改以嵌入秘密信息的概率一一。同时，设计了个多任务学习的网络结构以进步提升图像隐写分析的性能一。该网络主要包含图像隐写分析的分支、估算选择信道信息的分支以及二者共用的个主干网络。在训练过程中让网络同时学习主任务图像隐写分析和辅助任务选择信道信息的估算，主任务能隐式地感知到包含在辅助任务训练信号中的有用信息，继而能获得更强的泛化能力。（Ｗ－ＵＮＩＷＡＲＤ为验证所提方法的有效性，本文在３种