一种新的卷积神经网络图像隐写分析模型

针对现有卷积神经网络模型在图像隐写分析领域提取特征不充分、检测准确率不高的问题,提出一种融合转置卷积与普通卷积的图像隐写分析神经网络模型TCIS(Transposed Convolution-Convolutional Neural Network Image Steganalysis),包括四大模块:一是预处理模块,使用30个高通滤波器,从多个尺度提取图像噪声的残差信息,减少图像内容的影响;二是转置卷积模块,对特征图进行上采样,放大隐写特征;三是普通卷积模块,由卷积层、BN层和激活函数组成,卷积层包括5个,最后一层使用全局卷积的方式精简识别特征;四是分类模块,通过全连接层和Softmax层判断图像是否隐写。实验结果表明,相比于典型卷积神经网络图像隐写分析模型,TCIS模型在嵌入率0.4bpp情况下使用S-UNIWARD和HUGO算法的隐写分析准确率分别提升了2.94%~25.24%和3.92%~21.64%。