Bildsteganographiealgorithmen, die auf Deep Learning basieren, werden in der Regel mit Hilfe von Merkmalen des Raum- oder Frequenzbereichs trainiert. Die einzelnen Merkmale des Bereichs können jedoch nicht vollständig den gesamten Inhalt des Bildes ausdrücken, und die Steganographie ist in der Regel eine Multi-Tasking, was in der Regel zu einer schlechten Leistung der Steganographie führt. Aus diesem Grund schlägt dieser Artikel einen robusten Bildsteganographiealgorithmus auf der Grundlage eines Merkmalsbewertungsdiagramms vor, der als Sicheres und robustes Bildsteganographienetz (SRIS-Net) bezeichnet wird. Zunächst einmal hängt der vorgeschlagene Algorithmus nicht von der Steganographie im Raum ab, sondern verwendet faltende neuronale Netze, um oberflächliche räumliche Merkmale zu erhalten. Diese Merkmale verschwinden durch die Zerlegung der Laplace-Pyramide im Frequenzbereich unter Verwendung einer graduellen Versteckstrategie in verschiedenen Frequenzbändern, was den Einfluss geheimer Informationen auf das verarbeitete Bild deutlich reduziert und effektiv eine bemerkenswerte Unsichtbarkeit und robuste Leistung gewährleistet. Darüber hinaus wird ein globales-lokales Einbettungsmodul (GLEM) vorgeschlagen, dieses Modul erreicht die Einbettung durch Berücksichtigung der gesamten Bildstruktur und lokaler Details, und es wird ein doppelskaliges Aggregatunternetz (DMSubNet) vorgeschlagen, um eine Multiskalenrekonstruktion zur Verbesserung der Qualität des Trägerbildes durchzuführen. Um die Sicherheit zu gewährleisten, wird eine doppelte Aufgaben-Diskriminatorstruktur vorgeschlagen, die das Bild gleichzeitig als real oder falsch bewertet und eine Merkmalsbewertungskarte des Interessenbereichs des Trägerbildes (ROI) generiert, um das Einbettungsmodul bei der Erzeugung eines unsichtbareren und nicht unterscheidbaren Trägerbildes zu leiten. Die Ergebnisse der Experimente auf BOSSBase zeigen, dass das vorgeschlagene SRIS-Net in Bezug auf Unsichtbarkeit und Robustheit weitere wichtige Methoden um mehr als 9,2 dB bzw. 3,4 dB überragt, wobei das Leistungsniveau auf ca. 72-96 bpp erhöht werden kann.

Bildsteganographie; Robustheit; Unsichtbarkeit; doppelte Aufgaben-Diskriminatorstruktur