高校大数据挑战赛优秀论文B题论文220727.pdfVIP

所在组别参赛编号

2022年第二届中国高校大数据挑战赛

（本科组）（bdc220727）

基于SRNet的图像隐藏信息提取算法

摘要

近年来，随着互联网的快速发展，让图像、视频的传播方式产生了巨大的变

化。而图像作为媒体的重要载体，每天都有大量的图像在互联网上交互传播。然

而，互联网的公开性也使得信息安全、图像版权等问题愈发严重。因此，如何保

护图像版权，利用技术手段给图像加上隐秘水印而不破坏原始图像成为当前图像

处理方向的研究热点。

信息隐藏技术是互联网发展的重要安全保障，而图像水印算法逐渐成为保护

图像版权的重要手段。一般的图像水印算法分为嵌入算法和提取算法。嵌入算法

将具有可辨识的信息融合到需要保护的图像中，同时不对保护图像造成大的影响；

提取算法能够在发生版权纠纷时提取出嵌入的信息，从而确定图像的版权归属。

基于以上背景，本文建立了SRNet检测模型，对给定图像进行检测，判断

其是否为还有隐藏信息的图像。并将判断为含有隐藏信息的图像进行进一步的特

征提取，恢复其原本的加密信息。

针对问题一，我们采用了多种图像质量评价的指标以衡量嵌入水印的图像与

原始图像之间的差异性。包括均方差MSE、峰值信噪比PSNR、结构相似性SSIM、

学习感知图像块相似度LPIPS、特征相似度指数FSIM，对嵌入水印图像与原始

图像的差异性进行细致的对比并发掘其规律。接下来我们在纹理特征和颜色特征

层面发掘差别图像之间的共同特征。对于纹理特征，我们使用LBP变换来分析

图像原始LBP特征、图像旋转不变LBP特征、图像等价模式LBP特征、图像等价模式

resolve_LBP特征，并获取统计直方图与特征图像以进一步挖掘差别图像之间的共

GLCM9统计量mean、std、contrast、dissimilarity、

同特征；还使用计算图像的个

homogeneity、ASM、energy、max、entropy，以此筛选并挖掘出差别图像之间的共同特

征。对于颜色特征，我们获取了差别图像的颜色直方图并与灰度直方图进行了对比，以

此Bpdf2

挖掘差别图像之间的共同特征。最后我们参考“题图像信息隐藏.”图

im10067jpgim10234jpg

的方式,展示了“.”和“.”两张图像的差别图像。

针对问题二，我们将嵌入水印图像与原始图像的差值图像作为输入，训练搭

LeNet62

建的神经网络，实现嵌入水印图像的分类。同时，我们推测了所给数

据集一中所有嵌入水印图像的信息，并计算其准确率以校验模型的好坏。

针对问题三，我们利用了SRNet模型，对待检测的图像进行分析检验。将

检验为有嵌入水印的图像作为分类再分类模型的输入，先将图像分为数字、大写

字母和小写字母三大类，然后将图像输入对应的再分类网络进行细分，从而推测

出嵌入图像的水印信息。

LeNetSRNet

关键词：图像隐藏信息提取、深度学习、、、分类再分类模型

1

一、问题背景与问题重述

1.1问题背景

互联网与大数据的发展，让图像视频的传播方式发生了巨大的变化，作为重

要的信息载体，图像的信息安全与版权保护问题受到了许多研究者的关注。其中，

图像信息隐藏技术成为了现代安全通信的重要手段，其基本思想是使秘密信息在

不改变信息载体的内