DGANS:基于双重生成式对抗网络的稳健图像隐写模型

• 作者: 张大兴 竺乐庆 莫凌强 郭钰
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 图像隐写 稳健性 双重生成式对抗网络 深度学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 125-133
• 页数: 9页
• 分类号: TP391
• 字数: 5890字
• 语种: 中文
• DOI: 10.11959/j.issn.1000?436x.2020019

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	竺乐庆	浙江工商大学计算机与信息工程学院	15	183	7.0	13.0
2	张大兴	杭州电子科技大学计算机学院	27	106	6.0	8.0
3	郭钰	浙江工商大学计算机与信息工程学院	1	0	0.0	0.0
4	莫凌强	浙江工商大学计算机与信息工程学院	1	0	0.0	0.0