基于GAN与分离卷积的高解码精度图像隐写

从提高秘密图像安全性、解码精度和缩短编解码时间3个方面进行考虑,提出一个基于GAN和分离卷积的高解码精度图像隐写方案。在嵌入秘密信息前使用基于Residual-Rep结构、Inception-SCS结构的预处理网络自动学习载体图像高维特征并以数据驱动方式使用特征表示,全面获取通道和空间的特征信息,降低图像失真,引入残差连接,降低秘密信息损失,通过缩短编码和解码时间降低模型复杂度。在基于稠密结构的解码网络引入了纠错层、纠错函数和沃瑟斯坦度量,提升秘密信息恢复精度。在典型环境下,获得了平均0.89的解码精度,结构相似性平均为0.95,在提高解码精度的同时也降低了图像失真,编码时间比SteganoGAN、Hidden方法均缩短一半,可在更短时间内完成编码任务。