改进SteGAN的嵌入式图像隐写方案

作者：杨忠鹏; 李启南

来源：兰州交通大学学报, 2022, 41(04): 48-57.

• 图像隐写
• 密集连接
• 卷积注意力
• 谱归一化

针对隐写生成对抗网络训练时图像特征信息丢失导致生成载密图像质量较低的问题，提出了一种基于改进隐写生成对抗网络的图像隐写模型.改进的模型采用密集连接方式将浅层网络的特征输送到深层网络结构的每一层，有效地保留图像结构信息；为了使模型更多关注图像复杂纹理区域，在网络中加入卷积注意力模块获取图像的深层次特征，并在判别器中引入谱归一化方法，以提高模型训练的稳定性.仿真实验结果表明：相比已有隐写算法0.4位/像素的嵌入容量，在保证隐写图像质量的前提下，改进的隐写生成对抗网络能够将嵌入容量提升至0.6位/像素的同时还能抵抗隐写分析器的检测.

• 出版日期2022
• 单位兰州交通大学