基于深度学习的数字图像隐写分析的研究与实现
发布时间：2021-10-31 13:15
近年来,随着互联网信息技术的快速发展和应用,人们开始习惯以互联网的方式传递信息,因此信息安全问题得到越来越人们的重视。数字信息隐写技术是一种保护安全通信的有效手段,其采用将信息隐写到载体中的方法来实现信息的安全传送。然而,这种技术像一把双刃剑,它在保障我们安全通信的同时,也可能被那些不法分子利用——利用到非法活动中去。因此,检测信息是否被应用的隐写分析技术显然具有重大的研究意义。卷积神经网络借助高性能的GPU训练,使得很多基于机器学习和深度学习的算法能够应用到各个行业。其中图像领域中使用深度学习方法已经成为的近阶段研究的热门。因此将深度学习在图像分类领域的成功案例,应用到图像隐写分析中成为信息安全行业的趋势。结合图像隐写自身的特点和通用深度学习图像分类的优势。在结合了近些年深度学习在图像隐写分析领域的成功,引出了本文的研究课题,基于深度学习的数字图像隐写分析的研究与实现,并且针对隐写分析的特点展开了如下的具体研究:（1）对现有的几种主要的图像隐写术和图像隐写分析方法以及算法做了简单的介绍,之后较为深入的介绍了几种典型的深度学习的模型。紧接着又简单介绍几种深度学习方法解决图像隐写问题的思...
【文章来源】：江苏科技大学江苏省
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究的背景和意义
1.2 国内外研究现状和发展趋势
1.3 本文的主要工作
1.4 本文的组织结构
1.5 本章小结
第2章 相关研究综述
2.1 引言
2.2 图像隐写术相关研究概述
2.2.1 图像隐写性能衡量标准
2.2.2 图像隐写相关研究
2.3 图像隐写分析
2.3.1 图像隐写分析相关研究概述
2.3.2 图像隐写分析性能衡量标准
2.3.3 图像隐写分析的研究现状
2.4 深度学习
2.4.1 深度学习相关概述
2.4.2 人工神经网络
2.4.3 卷积神经网络
2.5 本章小结
第3章 基于深度学习的经典隐写分析框架
3.1 引言
3.2 隐写分析预处理
3.2.1 批正则化预处理
3.2.2 高通滤波器预处理图像
3.3 卷积神经网络隐写分析框架
3.3.1 经典卷积神经网络模型
3.3.2 隐写分析的卷积神经模型
3.3.3 迁移学习隐写分析模型
3.4 本章小结
第4章 基于卷积神经网络的通用隐写分析的实现
4.1 网络结构
4.2 实验平台与数据集
4.2.1 实验平台
4.2.2 实验数据集
4.3 数据处理
4.3.1 数据增强
4.3.2 隐写算法嵌入
4.3.3 网络框架
4.4 实验结果与分析
4.5 本章小结
第5章 迁移学习的通用隐写分析的实现
5.1 研究目标
5.2 网络结构的改造
5.2.1 网络微调
5.2.2 辅助分类器
5.3 训练不同卷积层的实验与分析
5.3.1 网络结构和参数
5.3.2 不同训练层的训练时间
5.4 带辅助分类器的实验
5.5 本章小结
总结与展望
参考文献
攻读硕士学位期间发表论文
致谢
【参考文献】：
期刊论文
[1]基于密集连接网络的图像隐写分析[J]. 高培贤,魏立线,刘佳,刘明明. 计算机工程与应用. 2018(15)
[2]一种异步执行改进三维重构的并行方法[J]. 刘镇,孟腾腾,徐克辉. 江苏科技大学学报(自然科学版). 2018(03)
[3]一种基于浅层卷积神经网络的隐写分析方法[J]. 刘明明,张敏情,刘佳,高培贤. 山东大学学报(理学版). 2018(03)
[4]图像隐写分析技术综述[J]. 张军,熊枫,张丹. 计算机工程. 2013(04)
[5]基于纹理复杂度和差分的抗盲检测图像隐写算法[J]. 陶然,张涛,平西建. 计算机应用. 2011(10)
[6]改进的双线性插值算法在信息隐藏中的应用[J]. 任洪娥,常春武,张健. 计算机应用研究. 2010(11)
[7]一种针对MB数字隐写的改进隐写分析方法[J]. 伊兵哲,平西建,许漫坤. 信息工程大学学报. 2007(03)
[8]安全隐写系统的信息理论分析[J]. 吕欣,马智,冯登国. 计算机科学. 2006(06)
博士论文
[1]基于深度学习的图像隐写分析方法研究[D]. 钱银龙.中国科学技术大学 2017
硕士论文
[1]基于内容的图像通用盲检测技术研究[D]. 李侃.解放军信息工程大学 2012
本文编号：3468200
【文章来源】：江苏科技大学江苏省
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究的背景和意义
1.2 国内外研究现状和发展趋势
1.3 本文的主要工作
1.4 本文的组织结构
1.5 本章小结
第2章 相关研究综述
2.1 引言
2.2 图像隐写术相关研究概述
2.2.1 图像隐写性能衡量标准
2.2.2 图像隐写相关研究
2.3 图像隐写分析
2.3.1 图像隐写分析相关研究概述
2.3.2 图像隐写分析性能衡量标准
2.3.3 图像隐写分析的研究现状
2.4 深度学习
2.4.1 深度学习相关概述
2.4.2 人工神经网络
2.4.3 卷积神经网络
2.5 本章小结
第3章 基于深度学习的经典隐写分析框架
3.1 引言
3.2 隐写分析预处理
3.2.1 批正则化预处理
3.2.2 高通滤波器预处理图像
3.3 卷积神经网络隐写分析框架
3.3.1 经典卷积神经网络模型
3.3.2 隐写分析的卷积神经模型
3.3.3 迁移学习隐写分析模型
3.4 本章小结
第4章 基于卷积神经网络的通用隐写分析的实现
4.1 网络结构
4.2 实验平台与数据集
4.2.1 实验平台
4.2.2 实验数据集
4.3 数据处理
4.3.1 数据增强
4.3.2 隐写算法嵌入
4.3.3 网络框架
4.4 实验结果与分析
4.5 本章小结
第5章 迁移学习的通用隐写分析的实现
5.1 研究目标
5.2 网络结构的改造
5.2.1 网络微调
5.2.2 辅助分类器
5.3 训练不同卷积层的实验与分析
5.3.1 网络结构和参数
5.3.2 不同训练层的训练时间
5.4 带辅助分类器的实验
5.5 本章小结
总结与展望
参考文献
攻读硕士学位期间发表论文
致谢
【参考文献】：
期刊论文
[1]基于密集连接网络的图像隐写分析[J]. 高培贤,魏立线,刘佳,刘明明. 计算机工程与应用. 2018(15)
[2]一种异步执行改进三维重构的并行方法[J]. 刘镇,孟腾腾,徐克辉. 江苏科技大学学报(自然科学版). 2018(03)
[3]一种基于浅层卷积神经网络的隐写分析方法[J]. 刘明明,张敏情,刘佳,高培贤. 山东大学学报(理学版). 2018(03)
[4]图像隐写分析技术综述[J]. 张军,熊枫,张丹. 计算机工程. 2013(04)
[5]基于纹理复杂度和差分的抗盲检测图像隐写算法[J]. 陶然,张涛,平西建. 计算机应用. 2011(10)
[6]改进的双线性插值算法在信息隐藏中的应用[J]. 任洪娥,常春武,张健. 计算机应用研究. 2010(11)
[7]一种针对MB数字隐写的改进隐写分析方法[J]. 伊兵哲,平西建,许漫坤. 信息工程大学学报. 2007(03)
[8]安全隐写系统的信息理论分析[J]. 吕欣,马智,冯登国. 计算机科学. 2006(06)
博士论文
[1]基于深度学习的图像隐写分析方法研究[D]. 钱银龙.中国科学技术大学 2017
硕士论文
[1]基于内容的图像通用盲检测技术研究[D]. 李侃.解放军信息工程大学 2012
本文编号：3468200
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3468200.html
