买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利一种基于强化学习的图像隐写方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118628329B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410805849.X，技术领域涉及：G06T1/00；该发明授权一种基于强化学习的图像隐写方法是由卢晓珍;刘智博;陈雨欣;杨荣健设计研发完成，并于2024-06-21向国家知识产权局提交的专利申请。

本一种基于强化学习的图像隐写方法在说明书摘要公布了：本发明提供一种利用强化学习算法和GAN模型提高图片隐写效率和图片隐写安全性的方法，包括以下步骤：利用GAN模型进行图片隐写预训练。利用Div2K数据集作为原始封面图片和选取随机信息集，使模型得到与原图相似的隐写图片；利用强化学习算法对隐写参数进行优化。初始的参数随机确认，再根据预训练效果选取最优参数进行替换；GAN模型训练和图片隐写效果评估。结合预训练模型和最优参数进行图片隐写实现，并基于隐写性能和隐写安全来评估性能。本发明通过对包括嵌入信息和原始图片特征在内的任务情况的分析，选择适合的隐写方式，有效的提高了隐写任务的效率。

本发明授权一种基于强化学习的图像隐写方法在权利要求书中公布了：1.一种基于强化学习的图像隐写方法，其特征在于，包括： 初始化SteganoGAN模型与隐写方式，利用Div2K数据集作为原始封面图片集，对原始封面图片进行处理，准备隐写信息； 初始化强化学习智能体，利用强化学习算法选择隐写工作模式，并进行隐写操作；对隐写后的图片与原始图片进行隐写效果评估，并构建经验序列，并放入经验回放缓冲池；具体包括：每一个通信轮次k传输消息bk∈B，长度为lk，单位为比特，并从原始图片集U中选取Uk作为原始封面图片，原始封面图片的像素数为pk，并计算图像频率ξk，构成第k轮的图像隐写任务tk＝bk,Uk； 根据隐写任务tk，构建当前任务状态向量其中为前一状态的隐密图片RS分析结果，为前一状态原始图片与隐密图片的相对熵，并输入强化学习算法的深度Q网络中，其中，平均嵌入容量代表上一轮通信中信息隐写的密集程度，通用图像质量指数其中，μu和μv分别代表原始封面图片隐密图片信号的均值，和分别代表两图像信号的方差，σuv是两图像信号的标准差，ρ∈[-1,1]，图像的相似度越高取值越大； 根据深度Q网络预估的当前状态-动作对的价值，为当前任务选择隐写方式mk与嵌入信息深度dk，在选择执行动作ak＝[mk,dk]时，有ε的概率进行随机选择，1-ε的概率选择价值最大的动作，即A是可选动作集合，其中，为当前状态下，使得Q值最大的动作，即选择的隐写工作模式，包括隐写方式和嵌入比特深度，θk为智能体深度Q网络参数； 根据选择的工作模式ak将信息嵌入原始封面图片中，得到隐密图片Vk； 将原始封面图片与隐密图片进行对比，并对隐密图片进行安全性分析，并通过奖励函数，计算选择这一动作进行隐写的所得到的奖励； 对比结果通过计算两图片的峰值信噪比和结构相似度来表示，峰值信噪比其中，是当前图像点颜色的最大数值， 是原始封面图片与隐密图片的均方误差，pk,qk分别代表行和列像素点个数，峰值信噪比的值越高，隐写效果越好；结构相似度其中，h1,h2是防止出现除0错误的偏置常数，结构相似度越高，隐写效果越好，安全性分析采用RS分析和计算两图片的相对熵两种方式，分析得到的结果分别更新和为了平衡安全性与隐写效率，奖励函数为其中τk是mk对应的计算复杂程度，ω1,ω2,ω3是对应的权重参数；构建经验序列ηk＝{sk,ak,rk}，并将其存入经验回放缓冲池D中； 从经验回放缓冲池中抽取样本，对强化学习智能体网络参数进行更新。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：213300 江苏省常州市溧阳市滨河东路29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。