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！

申请/专利权人：云南大学

摘要：本发明公开了一种基于双FLOW的生成式无嵌入隐写方法，设置两个FLOW模型，一个作为将秘密图像编码成高斯分布的编码器，另一个作为根据高斯分布生成隐写图像的生成器，采用训练样本集对编码器和生成器分别进行训练，将需要隐藏的秘密图像通过编码器生成高斯分布，根据生成器的先验知识采样得到高斯分布，采用秘密图像的高斯分布对先验高斯分布进行高维特征空间替换，生成器根据替换后的高斯分布生成隐写图像，然后采用逆操作从隐写图像中提取还原秘密图像。本发明利用流模型的可逆性在秘密图像和生成的隐写图像之间建立可逆的双射变换，不需要载体图像即可生成自然的隐写图像，同时提高了秘密图像的还原质量。

主权项：1.一种基于双FLOW的生成式无嵌入隐写方法，其特征在于，包括以下步骤：S1：设置两个FLOW模型，每个FLOW模型包括L级flow模块，前L-1个flow模块的输出按照通道平均分为2份，其中1份作为高斯分布输出，另外1份经压缩后输入下一级flow模块进行运算，第i级flow模块所输出的高斯分布Zi的大小为Wi×Hi×Ci，i＝1,2,…,L，Wi,Hi分别表示长、宽，Ci表示通道数量，Ci＝Ci-12，C0为输入图像的通道数；将两个FLOW模型的其中一个作为编码器Modelse，用于将秘密图像编码成L个高斯分布，另一个作为生成器Modelst，用于采用逆操作根据L个高斯分布生成隐写图像；根据实际需要设置若干组图像和高斯分布作为训练样本集，分别对编码器Modelse和生成器Modelst进行训练，得到训练完成的编码器Modelse和生成器Modelst；S2：将需要隐藏的N幅秘密图像Ise,n分别输入训练完成的编码器Modelse，n＝1,2,…,N，得到每幅秘密图像每级flow模块输出的高斯分布得到高斯分布序列S3：根据生成器Modelst训练时的先验知识采样得到L个高斯分布，得到高斯分布序列{Zst,1,Zst,2,…,Zst,L}；S4：将高斯分布序列{Zst,1,Zst,2,…,Zst,L}中最后Q个高斯分布Zst,L-q作为待替换分布，q＝0,1,…,Q-1；选取每幅秘密图像的前P个高斯分布按照预设顺序和Q个待替换分布的大小，将N×P个高斯分布重构为Q个替换分布Z′st,L-q；P和Q的数值根据实际情况设置；采用Q个替换分布Z′st,L-q替换待替换分布zst,L-q，得到高斯分布序列{Zst,1,…,Zst,L-Q,Z′st,L-Q+1,…,Z′st,L}；S5：训练完成的生成器Modelst根据高斯分布序列{Zst,1,…,Zst,L-Q,Z′st,L-Q+1,…,Z′st,L}中的L个高斯分布生成隐写图像Ist；S6：当用户将隐写图像发送至其他用户时，接收方采用如下方法从隐写图像Ist中提取出N幅秘密图像采用生成器Modelst根据隐写图像Ist进行逆操作得到高斯分布序列提取出最后Q个高斯分布按照步骤S4中替换高斯分布的重构方式逆向还原出N幅秘密图像的前P个高斯分布然后通过高斯随机采样得到每幅秘密图像的后L-P个高斯分布从而得到每幅秘密图像的高斯分布序列编码器Modelse根据每幅秘密图像的高斯分布序列中的L个高斯分布进行逆操作得到秘密图像

全文数据：

权利要求：

百度查询： 云南大学 基于双FLOW的生成式无嵌入隐写方法