딥러닝 기반 이미지 스테가노그래피 알고리즘은 일반적으로 공간 도메인 또는 주파수 도메인 특징을 사용하여 학습합니다. 그러나 단일 도메인의 특징만으로는 전체 이미지 내용을 완전히 표현하기 어렵고, 스테가노그래피는 일반적으로 다중 작업으로 이루어져 있어 성능이 좋지 않은 경우가 많습니다. 이에 본 논문에서는 특징 점수 맵 기반의 강인한 이미지 스테가노그래피 알고리즘인 "안전하고 강인한 이미지 스테가노그래피 네트워크(SRIS-Net)"을 제안합니다. 먼저, 제안된 알고리즘은 공간 도메인 스테가노그래피를 사용하는 것이 아니라 합성곱 신경망을 이용해 얕은 공간 도메인 특징을 추출합니다. 이 특징들은 라플라스 피라미드 주파수 도메인 분해(LPFDD)를 통해 점진적 보조 은닉 전략으로 서로 다른 주파수 하위 대역에 비밀 정보를 숨겨 은닉 정보가 피복 이미지에 미치는 영향을 크게 줄여 뛰어난 은닉성과 강인성을 효과적으로 달성합니다. 또한 전체-국소 삽입 모듈(GLEM)을 제안하여 이미지의 전체 구조와 국소 세부 정보를 고려해 삽입을 수행하고, 이중 다중 스케일 집합 서브네트워크(DMSubNet)를 통해 다중 스케일 재구성을 수행하여 담체 이미지의 품질을 향상시킵니다. 보안성을 확보하기 위해 이미지의 진위 여부를 판단하고 담체 이미지 관심 영역(ROI)의 특징 점수 맵을 생성하는 이중 작업 판별기 구조를 제안하여 삽입 모듈이 더 높은 은닉성과 검출 불가능성을 가진 은닉 이미지를 생성하도록 안내합니다. BOSSBase에서의 실험 결과, 제안된 SRIS-Net은 은닉 불가능성과 강인성 측면에서 다른 주류 방법보다 우수하며, 시각적 품질은 각각 9.2 dB 및 3.4 dB 이상 향상되었고, 용량은 약 72–96 bpp까지 증가할 수 있음을 보여줍니다.

이미지 스테가노그래피;강인성;검출 불가능성;이중 작업 판별기