隐写分析steganalysis深度学习Deep learning卷积神经网络CNN

 

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

  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 14
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 14
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值