深層学習に基づく画像ステガノグラフィアルゴリズムは通常、空間領域または周波数領域の特徴を用いて訓練されます。しかし、単一領域の特徴だけでは画像全体の内容を完全に表現することは難しく、ステガノグラフィは通常マルチタスクであり、これがしばしば性能の低下を招きます。そこで、本稿では特徴スコアマップに基づく頑健な画像ステガノグラフィアルゴリズム「SRIS-Net（安全かつ頑健な画像ステガノグラフィネットワーク）」を提案します。まず、提案手法は空間領域のステガノグラフィのみを用いるのではなく、畳み込みニューラルネットワークを利用して浅層空間領域特徴を取得します。これらの特徴はラプラシアンピラミッドの周波数領域分解（LPFDD）により処理され、進行的補助隠蔽戦略で異なる周波数サブバンドに秘密情報を隠蔽し、秘密情報がカバー画像に与える影響を著しく低減して、顕著な不可視性と頑健性を効果的に実現します。さらに、画像の全体構造と局所ディテールを考慮して埋め込みを実現する全局−局所埋め込みモジュール（GLEM）と、多尺度再構成を行いカバー画像の品質を向上させる二重多尺度集約サブネットワーク（DMSubNet）を提案します。安全性を確保するため、画像の真偽判定を行うとともに、カバー画像の関心領域（ROI）の特徴スコアマップを生成し、埋め込みモジュールにより高い隠蔽性と検出不能性を持つ隠し画像の生成を促す二重タスク識別器構造を提案します。BOSSBase上の実験結果は、提案するSRIS-Netが不可視性と頑健性の面で他の主要手法を上回り、視覚品質はそれぞれ9.2dBおよび3.4dB以上向上し、容量は約72〜96bppまで増加可能であることを示しています。

画像ステガノグラフィ;頑健性;不可視性;二重タスク識別器