基于深度神经网络的图像隐写检测研究

发布时间：2023-04-28 01:23

　　图像隐写是指将秘密信息嵌入普通图像而不被察觉,是信息隐藏的常用手段之一。随着数字图像在日常生活中的普及,针对数字图像的隐写算法不断发展。在互联网海量图像中,通过隐写技术交换隐秘信息既高效又不易被发现,已经成为信息安全领域的研究热点之一。有迹象表明,近年来间谍机构、恐怖组织、贩毒团伙等利用图像隐写技术进行机密窃取、袭击策划、情报传递等违法活动的情况日益频繁,因此对于图像隐写检测技术的研究更显迫切和重要。以nsF5等算法为代表的JPEG图像频域隐写方法,将秘密信息使用特定方法嵌入到图像解压缩后的离散余弦变换系数矩阵中,且基本不改变各项统计指标,具有较高的隐蔽性,应用范围广泛。传统针对nsF5等隐写检测的方法主要依赖人工设计的特征,使用支持向量机等工具进行分类。近年来随着深度学习技术的发展,卷积神经网络被广泛应用于各类图像分类任务中。本文提出了一种基于卷积神经网络的隐写检测算法,能够有效地捕获nsF5等算法在隐写过程中留下的痕迹,实现对隐写图像的有效检测。本文所提出的深度学习网络模型针对JPEG隐写特点,在卷积神经网络的基础上引入了密集连接模块。在密集连接模块中,输入特征图与卷积后的特征图连...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究意义与目的
    1.2 隐写算法发展研究
    1.3 隐写检测算法国内外研究现状
    1.4 论文的主要内容与章节安排
第二章 相关背景理论简介
    2.1 JPEG图像压缩
        2.1.1 预处理
        2.1.2 DCT变换
        2.1.3 量化
        2.1.4 编码
    2.2 nsF5 隐写算法
        2.2.1 LSB算法
        2.2.2 矩阵编码
        2.2.3 湿纸编码
    2.3 卷积神经网络
        2.3.1 LeNet
        2.3.2 AlexNet
        2.3.3 VGGNet
        2.3.4 GoogLeNet
        2.3.5 ResNet
        2.3.6 DenseNet
    2.4 本章小结
第三章 基于CNN的隐写检测算法
    3.1 图像预处理
    3.2 网络结构模型
    3.3 网络特性分析
        3.3.1 网络模型各层分析
        3.3.2 密集连接模块
    3.4 本章小结
第四章 实验与分析
    4.1 实验环境
    4.2 网络模型训练
        4.2.1 训练次数
        4.2.2 梯度下降方法
        4.2.3 批量大小
        4.2.4 学习率设置
        4.2.5 各层参数初始化
        4.2.6 训练过程
    4.3 实验结果与分析
        4.3.1 检测准确率
        4.3.2 质量因子影响
        4.3.3 与传统方法比较
        4.3.4 其他隐写算法尝试
    4.4 本章小结
第五章 结束语
    5.1 主要工作与创新点
    5.2 后续研究工作
参考文献
致谢
攻读硕士学位期间已发表或录用的论文



本文编号：3803454