DGANS:基于双重生成式对抗网络的稳健图像隐写模型

深度卷积神经网络可有效地应用于大容量图像信息隐写,然而其稳健性研究却鲜有报道。双重生成式对抗网络(DGANS)模型对深度学习框架应用于图像隐写时,针对小幅度几何变换攻击进行了优化设计,从而提高模型的稳健性。DGANS由2个串联的生成式对抗网络构成,可将灰度图像隐藏到相同大小的彩色或灰度图像中并还原。通过对生成的含密图像进行数据增强并进一步强化训练提取网络,使提取网络对输入图像的几何变换具有适应性。实验结果表明,DGAN不仅可以实现高容量的图像信息隐写,而且可以对抗一定范围内的几何攻击,比同类模型有更好的稳健性。