Les algorithmes de stéganographie d'images basés sur l'apprentissage profond utilisent généralement des caractéristiques du domaine spatial ou fréquentiel pour l'entraînement. Cependant, il est difficile pour les caractéristiques d'un seul domaine d'exprimer complètement le contenu de l'image entière, et la stéganographie est souvent multi-tâches, ce qui conduit généralement à une performance médiocre. Pour cela, cet article propose un algorithme robuste de stéganographie d'images basé sur une carte de score de caractéristiques, nommé « SRIS-Net : réseau sécurisé et robuste de stéganographie d'images ». Tout d'abord, l'algorithme proposé n'utilise pas la stéganographie spatiale seule, mais exploite un réseau de neurones convolutionnel pour obtenir des caractéristiques spatiales de bas niveau. Ces caractéristiques sont décomposées dans le domaine fréquentiel via une décomposition en pyramide de Laplace (LPFDD), et les informations secrètes sont cachées progressivement dans différentes sous-bandes fréquentielles selon une stratégie d'aide progressive, réduisant ainsi considérablement l'impact des informations secrètes sur l'image porteuse, et assurant efficacement une invisibilité remarquable et une robustesse élevée. De plus, un module d'insertion global-locaux (GLEM) est proposé, qui réalise l'insertion en tenant compte de la structure globale de l'image et des détails locaux, et un sous-réseau d'agrégation multi-échelles double (DMSubNet) est mis en place pour une reconstruction multi-échelle améliorant la qualité de l'image porteuse. Pour garantir la sécurité, une structure de discriminateur multitâche double est proposée, qui évalue l'authenticité de l'image tout en générant une carte de score des caractéristiques de la région d'intérêt (ROI) de l'image porteuse pour guider le module d'insertion à produire une image cachée dotée d'une meilleure dissimulation et non détectabilité. Les résultats expérimentaux sur BOSSBase montrent que SRIS-Net proposé surpasse les autres méthodes principales en termes d'invisibilité et de robustesse, avec une amélioration de la qualité visuelle de plus de 9,2 dB et 3,4 dB respectivement, et une capacité pouvant atteindre environ 72–96 bpp.

stéganographie d'image;robustesse;indétectabilité;discriminateur multitâche