一种基于visiontransformer网络的图像隐藏方法

本发明属于数字图像隐写，具体的说是一种基于vision transformer网络的图像隐藏方法。

背景技术：

1、图像隐藏技术是一种利用图像的冗余性和人眼的视觉特性，将秘密信息嵌入到图像中，使其不被察觉的技术。图像隐藏技术的研究和应用具有重要的理论意义和实际价值，如隐蔽通信、数字版权管理、数字取证、图像认证、图像加密等。

2、随着科技的发展，图像隐藏技术逐渐从传统的物理媒介转移到数字媒介，如使用数字水印、数字签名、数字指纹等来保护图像的版权和完整性。数字媒介的优势在于可以提高隐藏信息的容量、安全性和鲁棒性，以及方便信息的传输和处理。随着深度学习的兴起，图像隐藏技术也开始利用神经网络来实现更高效和更隐蔽的信息隐藏和检测。

3、近年来，由于深度学习神经网络在图像特征提取和表达上的优势以及神经网络的不可逆性，数据隐藏算法开始引入神经网络。神经网络能够自动从数据中学习特征。在图像隐藏中，这种特性使得神经网络能够发现图像中的隐藏空间，有助于嵌入信息而不破坏图像的外观。它的学习能力和非线性特性有助于设计更具隐蔽性和鲁棒性的信息隐藏方法。这意味着嵌入的信息更不易被探测或损坏，即使在图像经过变换或攻击后仍能提取出隐藏的信息。神经网络的强大特性使其成为图像隐藏领域的重要工具，有助于提高信息隐藏的安全性、隐蔽性和鲁棒性，并简化了整个信息隐藏流程。随着神经网络技术的不断进步，它对图像隐藏领域的影响和应用也将持续扩展和深化。

4、然而现有技术中传统的图像信息隐藏方法及其依赖原始图像的像素冗余空间，在不同平滑度的图像中嵌入率差别较大，冗余空间的限制导致嵌入率较低，并且特征较为明显导致容易受到各种攻击，如统计分析、信息破坏或提取；而随后发展的神经网络结合的图像信息隐藏方法由于网络本身的不可逆性也会导致生成的或还原的图像失真，在视觉上可能不足以保持与原始图像的相似度，难以实现隐藏信息的隐蔽性。

技术实现思路

1、本发明是为了解决上述现有技术存在的不足之处，提出一种基于visiontransformer网络的图像隐藏方法，以期能通过vision transformer独特的自注意力机制使图像主体部分得到更好的隐藏效果，从而能提高还原图像的效果，并能大大降低失真率。

2、本发明为达到上述发明目的，采用如下技术方案：

3、本发明一种基于vision transformer网络的图像隐藏方法的特点在于，是按如下步骤进行：

4、步骤1、获取m张原始的灰度载体图像x＝{xi|i＝1,2,…m}，其中，xi表示第i张原始的灰度载体图像；获取m张原始的秘密图像y＝{yi|i＝1,2,…m}，其中，yi表示第i张原始的秘密图像；

5、通过中心裁剪的方式分别将xi和yi裁剪为一个长为h，宽为w的图像块，然后将两个图像块分别转化为通道数c为1的灰度图像，并以一定的概率将两个灰度图像分别进行水平翻转后，再进行归一化操作，得到的归一化后的两个图像在通道维c上进行叠加，从而得到第i张载密图像zi，进而得到m张载密图像z＝{zi|i＝1,2,…m}；

6、步骤2、构建隐藏器网络和提取器网络；

7、步骤2.1、构建基于改进transformer结构的隐藏器网络，包含：块嵌入层，位置编码层，注意力计算层和图像重构层，用于对zi进行处理，得到第i张载密图片si；

8、步骤2.2、构建提取器网络，包括：编码器和解码器，其中，所述编码器包含a层卷积层和a层激活函数，用于对si进行处理，得到第i张秘密图像特征s'i；所述解码器包含a层反卷积层和a层激活函数，用于对s'i进行处理，得到第i张还原的秘密图像ri；

9、步骤3、构建损失函数：

10、步骤3.1、利用式(5)构建隐藏器网络的损失函数lhid：

11、

12、步骤3.2、利用式(6)构建提取器网络的损失函数lext：

13、

14、步骤3.3、利用式(7)构建总损失函数ltol：

15、ltol＝(1-λ)lhid+λlext  (7)

16、式(7)中，λ表示权重；

17、步骤4、利用梯度下降法对所述隐藏器网络和提取器网络进行训练，并计算所述总损失函数ltol以优化网络参数，并通过调整权重λ以达到最优网络参数；从而得到训练后的图像隐藏器和提取器，用于实现对输入图像的隐藏和提取。

18、本发明所述的基于vision transformer网络的图像隐藏方法的特点也在于，所述步骤2.1是按如下步骤进行：

19、步骤2.1.1、所述块嵌入层将zi划分为长和宽均为p的n个图像块并进行归一化处理后，得到第i个图像块集合z'i＝{z'i,1,z'i,2,…,z'i,j,…,z'i,n}；其中，z'i,j表示zi中的第j个图像块，

20、步骤2.1.2、所述位置编码层创建一个m行n列的矩阵，其中，第i行向量中存储有zi中每个图像块的位置信息，将第i行向量中的第j个位置信息嵌入第j个图像块z'i,j，得到嵌入后的第j个图像块z”i,j，从而得到嵌入后的第i个图像块集合z”i＝{z”i,1,z”i,2,…,z”i,j,…,z”i,n}；

21、步骤2.1.3、所述注意力计算层利用式(1)-式(3)计算第i个注意力头的查询向量qi、第i个注意力头的键值向量ki、第i个注意力头的内容向量vi，从而得到查询矩阵q＝{qi|i＝1,2,3…,n}，键值矩阵k＝{ki|i＝1,2,3…,n}，内容矩阵v＝{vi|i＝1,2,3…,n}；

22、qi＝z”i·wq  (1)

23、ki＝z”i·wk  (2)

24、vi＝z”i·wv  (3)

25、式(1)-式(3)中，wq、wk、wv是待训练的三个参数矩阵；

26、所述注意力计算层利用式(4)计算z”i的自注意力atti：

27、

28、式(4)中，表示缩放因子，t表示转置；

29、步骤2.1.4、所述图像重构层对注意力atti进行加权后，得到加权注意力atti'；将atti'随机丢弃部分信息后，得到部分缺失注意力att_drop'i；然后将att_drop'i进行归一化操作后，得到归一化后的注意力att_drip″i；

30、将att_drip″i重构为维度为c×h×w的第i张载密图片si，从而得到隐藏有秘密图片的载密图片集合s＝{si|i＝1,2,…m}。

31、本发明一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行所述图像隐藏方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

32、本发明一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行所述图像隐藏方法的步骤。

33、与现有技术相比，本发明的有益效果在于：

34、1、本发明提出了一种基于vision transformer网络的图像隐藏方法，加强了信息的安全性，通过构建隐蔽的嵌入方式，使得隐藏的信息更难被识别和提取；生成的载密图像在视觉上更接近原始载体图像，质量更好；

35、2、本发明方法采用vision transformer网络作为核心，利用其在图像处理领域的优势，将传统的图像隐藏方法与深度学习结合，实现了更高效的信息隐藏和提取。

36、3、本发明方法对信息安全领域具有广泛应用潜力，可用于数据隐写、保密通信等场景，提升数据传输和存储的安全性。也可应用于隐私保护和图像加密技术，保护个人隐私和敏感信息，适用于各种隐私数据的传输和存储场景。