申请/专利权人：上海理工大学

申请日：2023-05-29

公开（公告）日：2024-05-14

公开（公告）号：CN116743934B

主分类号：H04N1/32

分类号：H04N1/32;G06N3/0464;G06N3/048;G06N3/08;H04N19/467;H04N19/86

优先权：

专利状态码：有效-授权

法律状态：2024.05.14#授权;2023.09.29#实质审查的生效;2023.09.12#公开

摘要：本发明公开了一种基于深度学习和鬼成像的等分辨率图像隐藏加密方法，包括：S1、利用深度学习方法对若干图像样本进行训练，得到基于编码器‑解码器结构的等分辨率图像隐写模型ERIH‑Net；S2、将两幅测试图像明文图像和载体图像作为ERIH‑Net模型Hide‑Net图像隐藏网络的输入端，生成一幅含有明文图像特征信息的含密图像一级密文图像；S3、通过数字微镜装置DMD加载一系列哈达玛相位调制矩阵调制光场，生成一系列照明散斑；通过照明散斑照明含密图像，利用不具有空间分辨能力的桶探测器装置BD计算图像空间范围内光强信息，生成一系列光强值二级密文；S4、通过压缩感知图像重构算法，利用调制的光场信息和采集到的桶探测器值重构出含密图像；S5、将重构的含密图像作为ERIH‑Net模型图像提取网络Extract‑Net的输入端，成功地提取出明文图像信息。根据本发明，可以提升光学图像加密系统的安全性和信息隐藏容量，单位像素点隐藏信息量可达8bit。

主权项：1.一种基于深度学习和计算关联成像的等分辨率图像加密方法，其特征在于，包括以下步骤：S1、设计用于等分辨率图像隐藏的深度学习图像隐写模型ERIH-Net，等分辨率图像隐写模型ERIH-Net通过多个卷积层进行特征提取和下采样，得到高维特征图；在高维特征图的基础上通过反卷积层进行上采样和特征重建，得到与原始图像尺寸相同的成像结果；具体的通过python语言在pytorch深度学习框架上设计一种基于编码器解码器结构的等分辨率图像隐写模型ERIH-Net，ERIH-Net结构包括图像隐藏网络Hide-Net和图像提取网络Extract-Net两个子网络，其中，Hide-Net包括预处理卷积层、下采样卷积层、和转置卷积上采样层组成；Extract-Net由6个卷积层组成；通过预处理块能够将秘密图像的大小调整到和载体图像同分辨率，并且提取出原始图像的高维特征；卷积上采样块和转置卷积下采样块能够将两张图像拼接后的高维特征图进行特征融合，最后经过Tanh激活函数生成含有秘密图像信息的载密图像；将MSE损失函数设置为网络的损失函数，载体图像c与载密图像c'之间的均方差损失与秘密图像s与提取出的秘密图像s'之间的均方差损失的β倍之和作为等分辨率图像隐写网络的总损失函数进行训练迭代，S2、训练模型，通过预训练的ERIH-Net中的图像隐藏网络Hide-Net将一幅明文图像隐藏到非秘密图像中，生成一张含有明文图像特征信息的含密图像；S3、通过DMD加载4096个哈达玛矩阵用于调制光场并生成照明散斑，利用调制的照明散斑照明含密图像；通过桶探测器采集含密图像的总光强值，获得4096个光强值序列，即密文信息，光学鬼成像系统包括532.8nm波长的He-Ne激光器，设置于激光器一侧的扩束器Expander、光束准直透镜L、数字微镜装置DMD、设置于DMD一侧的聚焦透镜L、无空间分辨能力的桶探测器BD、计算机PC；具体的通过激光器发出的光束经过扩束、准直后将透射物体图像照明，携带了物体振幅信息的光束透过物体后又照射到加载了一系列随机相位调制矩阵的DMD激光器发出的光束经过扩束、准直后将透射物体图像照明，携带了物体振幅信息的光束透过物体后又照射到加载了一系列随机相位调制矩阵的DMD，光场的相位信息经过DMD调制后，反射的光强信息由桶探测器收集，记为Di，DMD依次加载N次随机相位调制矩阵，便会得到N个桶探测器值，发送者将其作为密文通过公共通道传输给接收者，将N个相位调制矩阵展平为N个一维向量作为密钥通过安全通道传送给接收者；S4、使用压缩感知图像重构算法通过密文序列和哈达玛调制模式（密钥）重构出含密图像信息，密文通过公共通道接收，密钥通过安全通道接收，压缩感知图像重构算法选用正交匹配追踪（OMP）算法，其中，图像稀疏系数设置为1.5，如果设置值大于1.5，图像重构结果质量将有所降低，可能导致图像提取网络Extract不能够完全恢复明文图像信息；若设置值小于1.5，将会大大增加计算量，成像时间慢；具体的接收者从公共通道和安全通道接收到密文和密钥后，可以根据菲涅尔衍射定理和密钥中的随机相位调制矩阵计算出相应的光场分布信息，接收者由解得的光场信息和密文信息进行二阶关联运算，即可获得解密图像信息；S5、将压缩感知重构出来的含密图像作为提取网络Extract-Net的输入端，提取出初始秘密图像信息，Extract-Net由6个不相同的卷积层构成，前5个卷积层接Relu激活函数，最后一个卷积层后面添加tanh激活函数。

全文数据：

权利要求：

百度查询： 上海理工大学 一种基于深度学习和鬼成像的等分辨率图像隐藏加密方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD