一种基于条件生成对抗网络的图像隐写方法研究与实现

摘要

通过纹理图像合成实现隐写是一类常见的载体合成隐写方法,但纹理图像不具有语义特征,这类方法容易在多次传输后引起攻击者注意.生成对抗网络(Generative Adversarial Networks,GAN)利用博弈策略让生成器和判别器对抗,理论上训练达到最优的生成器能使生成样本的分布与真实数据相同.因此,在理想情况下用GAN实现合成隐写能构造出自然的含密图像.目前基于GAN的载体合成图像隐写方法的问题之一是无法控制生成图像的内容.针对该问题,文章提出了一种基于条件生成对抗网络的图像隐写方法,该方法用随机噪声和条件信息的组合作为隐空间的表示来训练生成器,使生成图像受条件信息控制;用生成图像和条件信息的组合作为概率空间的表示来训练提取器,使提取噪声与驱动噪声一致.实验结果表明,该方法可完成含密图像生成与消息提取的功能,在生成含密图像时能利用条件信息控制图像内容的生成,同时保证生成的含密图像质量和消息提取正确率不降低.