申请/专利权人：四川大学

申请日：2024-03-22

公开（公告）日：2024-06-25

公开（公告）号：CN118250399A

主分类号：H04N1/32

分类号：H04N1/32;G06N3/02;G06N3/12

优先权：

专利状态码：在审-公开

法律状态：2024.06.25#公开

摘要：本发明公开了一种基于人工免疫的载密图像后处理方法。现有隐写方案大多关注如何定义合理的失真函数或如何优化现有隐写算法以提升其安全性，未充分考虑到载密图像针对基于神经网络的隐写分析器的抵抗性，存在一定的局限性。针对此问题，本发明将针对来自相同隐写过程的载密图像的免疫处理策略视为抗体，将受抗体保护的载密图像抵抗隐写分析器的性能视为抗体亲和度；基于免疫动态优化过程，动态搜索最优免疫处理策略，并将其执行于载密图像以实现进一步优化。本发明通过对免疫处理方向的限制实现提升载密图像对基于神经网络的目标隐写分析器的抵抗性。提升了隐写算法在多种隐写分析器检测下的全面安全性，具有实用价值。

主权项：1.一种基于人工免疫的载密图像后处理方法，用于数字图像信息隐藏处理，构建免疫处理框架并基于人工免疫算法对载密图像的免疫处理策略进行搜索，然后基于最优免疫处理策略对载密图像引入扰动以形成免疫载密图像，从而进一步提升隐写算法的安全性；包括以下主要步骤：步骤1，准备预训练隐写分析器所需的数据集，即收集载体图像集CT根据基本的隐写方法F，在给定的有效载荷β下获得对应的载密图像集ST；步骤1-1，使用现有隐写方法F来计算载体集CT中的每一个载体c的失真矩阵ρ；步骤1-2，利用校验子格编码Syndrome-trelliscodes，STCs根据失真代价矩阵ρ和给定嵌入率β将秘密信息m嵌入到载体c，形成含有秘密信息的载密图像s；步骤2，构建针对载密图像的免疫处理框架以进行免疫处理像素点的选择；步骤2-1，根据特定的隐写过程，给定嵌入率β下的隐写算法F，预训练一个基于神经网络的隐写分析器NT；步骤2-2，初步筛选出载密图像s中进行免疫处理的候选元素Candidates；步骤2-3，基于免疫处理代价函数，计算对步骤2-2中所得各候选元素的免疫处理代价；步骤2-4，基于步骤2-3中所得的免疫处理代价，采用Gibbs采样器实现最小化载密图像s的总体免疫处理代价；步骤3，基于人工免疫算法搜索基于免疫代价函数的最优免疫处理策略；步骤3-1，参数α1，α2，α3的组合{α1,α2,α3}被编码为抗体Abk，形成初始抗体群P0，其中，参数α1和α2分别表示根据梯度幅度和纹理信息所选择的免疫处理点数与总点数的比例，α3为免疫处理率；步骤3-2，计算每个抗体的亲和度AffAbk；步骤3-3，根据亲和力大小，选择比例为Ir的抗体进行克隆，根据设定的克隆率η，对选择的抗体进行克隆，以形成克隆池；步骤3-4，对所有克隆的抗体进行突变以生成新的抗体；步骤3-5，用亲和度较高的抗体和新生成的抗体替代原始抗体群以完成抗体群更新；步骤3-6，重复步骤3-2至3-5，直到满足设定的结束条件，输出具有最高亲和度的最优抗体作为对载密图像的最优免疫处理策略，和分别表示α1，α2和α3的最优取值；步骤4，根据步骤1中的免疫处理框架，使用步骤3中搜索出的最优免疫处理策略对载密图像执行免疫处理，以形成免疫载密图像；步骤4-1，基于步骤3中搜索得到的最优和按照步骤2-2初步筛选出载密图像s中进行免疫处理的候选元素Candidates；步骤4-2，按照步骤2-3计算Candidates中各元素的免疫处理代价；步骤4-3，基于步骤3中搜索得到的最优按照步骤2-4采用Gibbs采样器实现最小化载密图像s的总体免疫处理代价，从而选择最终用于免疫处理的元素；步骤4-4，对步骤4-3中选择出的元素，采用以下方式进行免疫处理，从而生成最终的免疫载密图像，

全文数据：

权利要求：

百度查询： 四川大学 一种基于人工免疫的载密图像后处理方法

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