引言:图像隐写将秘密图像嵌入到载体图像,并尽可能少地修改图像的内容和统计特征,秘密信息可以在两个domain中嵌入:spatial domain 和 frequency domain.空域隐写微量修改像素值,频域隐写通常应用于JPEG图像,通过改变离散余弦变换(DCT)系数来实现。LSB算法将秘密信息嵌入到像素值的最低有效位,算法简单但改变了图像的统计特征。目前提出了许多自适应隐写算法(如空域的那三种),自适应算法是将秘密信息嵌入到图像中纹理复杂的区域。自适应隐写算法的主要方法是定义失真函数,计算像素变化的代价来估计像素是否适合修改。自适应隐写算法保持了图像的高阶统计特征。早期隐写分析是基于简单的低维统计特征,为检测自适应隐写算法,提出了使用高阶统计特征的分析算法,例如SRM和几种模型。
QIan2015 提出高斯神经元CNN,采用高通滤波(HPF)层增强隐写噪声,并使用高斯函数作为激活函数。Xu2016提出的网络,在第一卷积层后添加绝对激活层ABS,以提升后续层的统计建模,在前两层使用TanH激活函数避免过拟合。使用BN以防止网络训练陷入较差的局部极小值,并且optimize scales and biases for feature maps. Yedroudj2018受Xunet和Yenet的启发,提出新的网络,利