结合高效特征融合的可变尺寸图像隐写分析

摘要：

为提升隐写分析的效率和准确率,并适应多尺寸输入图像,提出一个基于高效特征融合的可变尺寸图像隐写分析模型.在预处理层中,将经空域富模型的多阶高通滤波器初始化的多尺寸卷积核加入网络学习中,以提升模型的收敛效率和检测性能;在特征提取层中,采用特征融合思想,设计两个由Ghost瓶颈层、残差模块、密集连接模块组成的子网络,并融合输出的抽象隐写语义特征和非线性的高维隐写特征,以获得隐写特征的依赖性信息,增强模型的特征表达能力;采用改良版空间金字塔池化以自适应可变尺寸的图像样本,并丰富隐写特征的多样性.经仿真分析可知,模型能正确捕获关键的隐写信号,具备较高的收敛效率,在嵌入率为0.2、0.4的WOW隐写算法的检测准确率分别为82.6％和96.5％,在嵌入率为0.2、0.4的S-UNIWARD隐写算法的检测准确率分别为81.4％和95.2％,显著高于SRM和YedroudjNet隐写分析模型.

关键词：隐写分析;特征融合;空间金字塔;Ghost;残差模块;密集连接模块

所属期刊栏目：57

分类号：TP309.7(计算技术、计算机技术)

资助基金：河北省创新能力提升计划No.20550902D

在线出版日期：2021-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：126-134