基于密集连接网络的图像隐写分析

摘要：

针对目前传统的隐写分析技术对特征集要求越来越高的问题,构建了一个密集连接网络模型(Steganalysis-Densely Connected Convolutional Networks,S-DCCN)进行图像隐写分析,避免了人工提取特征,提高了隐写分析效率.首先,在网络层之前添加高通滤波层(HPF)进行滤波,加快模型训练速度.经过滤波后的图像进入两层卷积层进行特征提取,在卷积层之后使用了5组密集连接模块来解决网络加深带来的梯度消失问题,密集连接模块之间通过过度层来控制整个网络的宽度.实验结果表明,相比传统的图像隐写分析算法和卷积神经网络技术,该模型有效提高了隐写分析的准确率和泛化性能.

关键词：隐写分析、神经网络、密集连接、梯度消失

所属期刊栏目：54

分类号：TP309.7(计算技术、计算机技术)

资助基金：国家自然科学基金61403417;国家重点研发计划2017YFB0802002

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：74-77,146