图像信息隐写相关论文四

本文总结了三篇关于图像隐写的深度学习论文,涉及利用CNN编码解码结构、生成对抗网络(GAN)和残差网络实现秘密图像在彩色图像中的隐藏和恢复。研究关注点在于减少图像失真并提高隐写过程的不可见性。

今天主要整理三篇图像隐写的文章,即在cover image中隐写大小与cover image一样的payload image。

Hiding Images in Plain Sight: Deep Steganography(2017)

这篇文章目标是在另一个N×N×RGB的cover image中隐藏完整的N×N×RGB像素秘密图像,而对cover image的失真最小(每个颜色通道为8位)。 但是,与以前的研究(必须以完整的重构发送的隐藏文本消息)不同,这里放宽了无损接收秘密图像的要求。并且在载体和秘密图像的损失上找到可以接受的折中。
在这里插入图片描述
整个网络架构由三部分组成:Prep-Network,用于将secret image编码;HIding Network,将Prep-Network的输出和cover image作为输入,输出Container image,完成隐写;Reveal Network,他是接受者使用的网络,可以从Container image中提取出secret image。在这里插入图片描述

损失函数也比较简单,就是cover image隐写了信息后得到的Container image与cover image的像素平方差,以及secret image与接收方解码得到的secret image的像素平方差。

评论
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