10.16208/j.issn1000-7024.2021.06.007
基于改进生成对抗网络的图像自适应隐写模型
针对现有图像隐写模型存在网络训练不易收敛、梯度爆炸且生成样本质量差等问题,提出一种基于改进生成对抗网络的图像自适应隐写模型SWGAN-GP.将生成图像作为载体,使用HUGO自适应隐写算法进行信息隐藏;在损失函数中加入梯度惩罚,在网络结构中引入注意力机制,设置双判别器与生成器进行对抗训练.实验结果表明,该方法生成图像的IS值、PSNR值等均有提高,判别器分类效果明显改善.该模型可以提高收敛速度,使网络训练更稳定,载密图像更具安全性,有效抵御隐写分析算法的检测.
生成对抗网络、梯度惩罚、自适应隐写、高度不可检测隐写、信息隐藏、注意力机制
42
TP391(计算技术、计算机技术)
国家自然科学基金;青岛市社会科学规划研究基金项目;青岛市社会科学规划研究基金项目
2021-07-07(万方平台首次上网日期,不代表论文的发表时间)
共11页
1551-1561