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：南京信息工程大学

摘要：本发明公开了基于U‑Net的生成概率模型的图像隐写方法及系统，涉及图像处理技术领域，方法包括以下步骤：接收封面图像，将封面图像输入至预先建立的双分支U‑Net模型的生成器中，输出得到嵌入位置概率；将嵌入位置概率转化成失真代价，将失真代价进行动态更新后嵌入生成含秘图像；将封面图像和含秘图像输入至双分支U‑Net模型的判别器中进行隐写分析，输出得到判别结果，其中，所述判别结果为分类图像的准确率。

主权项：1.基于U-Net的生成概率模型的图像隐写方法，其特征在于，方法包括以下步骤：接收封面图像，将封面图像输入至预先建立的双分支U-Net模型的生成器中，输出得到嵌入位置概率；所述预先建立的双分支U-Net模型的生成器包括编码器、解码器及输出层；其中包含：一个卷积块、一个反卷积块以及一个整体神经网络；所述卷积块sub_conv包括基本的卷积层与批归一化，以及使用LeakyReLU激活函数的卷积层，所述反卷积块sub_deconv包括基本的卷积层与批归一化，以及使用ReLU激活函数的反卷积层，所述整体神经网络采用U-Net模型；所述编码器由两个结构相同但参数不相同的分支组成，每个块中有两个卷积层，然后应用批量归一化层跟LeakyReLU层，卷积层中第一层和第二层的步幅分别为1和2，由这两个分支产生嵌入概率图，分别表示为和，分别表示像素值由于消息嵌入而增加+1或-1的概率；将嵌入位置概率转化成失真代价，将失真代价进行动态更新后嵌入生成含秘图像；所述将嵌入位置概率转化成失真代价的计算公式如下： 公式（1）中和分别代表像素点的正向嵌入概率和负向嵌入概率，和分别代表像素点的正向嵌入失真代价和负向嵌入失真代价；所述将失真代价进行动态更新后嵌入生成含秘图像的过程：将失真代价进行动态更新：聚合了某个像素的八个相邻像素，其中分为水平和竖直的四个像素以及主对角线和副对角线的四个像素，对失真代价成本进行动态更新，公式如下： 其中和分别代表像素处的正向修改失真代价和负向修改失真代价，和分别代表像素点处修正之后的正向修改失真代价和负向修改失真代价；正向失真代价和负向失真代价；模拟STC从正向失真代价和负向失真代价得到含秘图像，通过生成一个随机噪声，其中，接着通过模拟嵌入生成含秘图像；将封面图像和含秘图像输入至双分支U-Net模型的判别器中进行隐写分析，输出得到判别结果，其中，所述判别结果为分类图像的准确率。

全文数据：

权利要求：

百度查询： 南京信息工程大学 基于U-Net的生成概率模型的图像隐写方法及系统