基于逐像素概率预测的图像隐写定位研究

摘要：

为进一步增强图像隐写分析的实用性,对内容自适应隐写术和非内容自适应LSB matching的隐写像素定位问题展开研究,提出一种端到端的图像隐写定位网络PSL_NET,在输入端输入一张图像,输出端定位出图像的隐写像素的位置.在预处理层中,利用空域富模型的高通滤波器提取残噪图像;在深度残差层中,通过深度残差学习增强隐写特征的表达能力;在像素预测层中,利用标记出隐写像素实际位置的掩码图像进行有监督地学习,增强网络对局部隐写像素的感知能力,无区别对待平滑或者纹理区域的像素,逐一预测图像每位像素是真实位或是隐写位,最终预测出图像的隐写像素位;从目标函数层面解决正负样本的不均衡问题,提升检测精度.在基于BOSSbase v1.01数据源展开的实验中,该网络对经自适应隐写术S-UNIWARD在负载为0.4 BPP嵌入的隐写图像的像素检测准确度为0.98174,实验验证该网络同时适用于对经非内容自适应隐写术LSB matching嵌入后的隐写图像进行隐写像素定位.

关键词：图像隐写分析、内容自适应隐写术、LSB matching、深度学习、隐写定位

所属期刊栏目：58

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金61462013

在线出版日期：2022-06-28（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：85-93