تعتمد خوارزمية الإخفاء المصور للصور العميقة على التدريب باستخدام ميزات المجال الزمكاني أو التردد. ومع ذلك ، من الصعب أن تعبر الميزات الفردية عن محتوى الصورة بأكملها ، ويكون الإخفاء عادةً متعددة المهام ، مما يؤدي عادةً إلى أداء سيئ للإخفاء. لهذا السبب ، نقدم في هذا البحث خوارزمية إخفاء الصور القوية والمعتمدة على خريطة تقييم الميزات ، وتسمى شبكة إخفاء الصور الآمنة والقوية (SRIS-Net). أولاً ، لا تعتمد الخوارزمية المقترحة على الإخفاء في المجال الزمكاني ، بل تستخدم شبكات الانفجار العصبي للحصول على ميزات سطحية في المجال الزمكاني. تختفي هذه الميزات من خلال تفكك هرم لابلاس في المجال الترددي ، باستخدام استراتيجية الإخفاء القاعدية التدريجية في مناطق النطاق الترددي المختلفة ، مما يقلل بشكل كبير من تأثير المعلومات السرية على الصورة المحضرة ، ويحقق بشكل فعال الخفاء البارز والأداء القوي. بالإضافة إلى ذلك ، نقترح وحدة تضمين عالمية - محلية (GLEM) ، تحقق هذه الوحدة التضمين من خلال النظر في الهيكل الكلي للصورة والتفاصيل المحلية ، ونقترح شبكة فرعية متعددة المقياس مزدوجة الأبعاد (DMSubNet) لإعادة بناء متعددة المقياس من أجل تحسين جودة الصورة الناقلة. لضمان الأمان ، نقترح هيكلًا مميزًا لمزدوج المهام ، يقوم بتقييم الصورة على أنها حقيقية أو مزيفة في نفس الوقت ، وينشئ خريطة تقييم ميزات منطقة الصورة الناقلة (ROI) ، لتوجيه وحدة التضمين في إنشاء صورة محملة بمزيد من الخفاء وعدم الكشف. أظهرت نتائج التجارب على BOSSBase أن SRIS-Net المقترحة تفوق الطرق الرئيسية الأخرى في عدم الكشف والقوة بنسبة أعلى من 9.2 ديسيبل و 3.4 ديسيبل على التوالي في الجودة البصرية ، ويمكن زيادة السعة إلى حوالي 72-96 بت لكل بكسل.

إخفاء الصور ؛ القوة ؛ عدم الكشف ؛ هيكل المميز المزدوج