基于端到端深度学习网络的大容量图像隐写算法OA

图像具有纹理复杂、冗余空间大、应用普遍广泛等特点,以图像为载体的隐写算法是隐写术的主流方向。近年来,基于深度学习网络的图像隐写算法获得了越来越好的隐写性能,成为图像隐写领域的研究热点。基于此,基于生成对抗网络(GAN)提出了一种大容量的图像隐写算法。算法设计了以预处理模块、卷积神经网络(CNN)模块和U-Net为主体的信息嵌入提取网络,通过损失函数的约束,联合训练嵌入、提取和判别网络,实现了良好的隐写视觉效果。实验结果表明:所提算法的嵌入容量达到24 bit/像素。在此大容量嵌入的前提下,所提算法生成的载密图像和提取的秘密图像无论在主观视觉质量还是客观视觉指标峰值信噪比(PSNR)上都高于其他同类算法,说明了设计的端到端隐写网络的整体优越性。