基于CNN-Transformer的图像隐写分析.pdfVIP

第42卷第2期深圳大学学报理工版Vol.42No.2

2025年3月JournalofShenzhenUniversityScienceandEngineeringMar.2025

【电子与信息科学/ElectronicsandInformationScience】

基于CNN-Transformer的图像隐写分析

1，21，21，2

王嘉昊，阎红灿，谷建涛

1）华北理工大学理学院，河北唐山063210；2）河北省数据科学与应用重点实验室，河北唐山063210

摘要：现有的卷积神经网络（convolutionalneuralnetwork，CNN）隐写分析模型主要关注隐写图像的局

部特征，尽管CNN通过堆叠更深的卷积层来扩展感受野，但在全局特征提取方面仍较为薄弱，而对于大尺

寸图像，关注全局特征有助于提高隐写分析的效果．提出一种基于CNN-Transformer的图像隐写分析网络模

型（CNN-Transformerimagesteganalysisnetwork，CTS-Net），能够有效捕捉隐写信号局部特征与全局特征的依

赖关系．在预处理阶段，采用多尺度残差提取与信息融合，以提高信噪比；在特征提取阶段，结合CNN和

Transformer进行局部与全局特征提取，提高了对大尺寸隐写图像的检测精度；最后采用全连接层进行分

类．在公开数据集BOSSbase1.01上采用WOW、HILL和S-UNIWARD隐写算法，使用不同嵌入率进行检测，

结果表明，在低嵌入率（0.1bpp）下，CTS-Net模型的检测准确率最优；在公开数据集ALASKA#2上采用

WOW隐写算法，对16种图像尺寸的数据集进行隐写分析表明，CTS-Net模型在固定大小数据集与异构数据

集上能有效利用隐写信号的全局特征，检测准确率高于SRNet、SiaStegNet、CvTNet和CVTS模型．

关键词：人工智能；卷积神经网络；图像隐写分析；多尺度残差；全局特征；大尺寸图像

中图分类号：TP309文献标志码：ADOI：10.3724/SP.J.1249.2025.02233

ImagesteganalysisbasedonCNN-Transformer

WANGJiahao1,2,YANHongcan1,2,andGUJiantao1,2

1)CollegeofScience,NorthChinaUniversityofScienceandTechnology,Tangshan063210,HebeiProvince,P.R.China

2)KeyLaboratoryofDataScienceandApplicationofHebeiProvince,Tangshan063210,HebeiProvince,P.R.China

Abstract:Currentconvolutionalneuralnetwork(CNN)steganalysismodelsprimarilyfocusonthelocalfeaturesof

steganographicimages.AlthoughCNNsexpandtheirreceptivefieldbystackingdeeperconvolutionallayers,their

abilitytoextractglobalfeaturesre