基于复杂度匹配和注意力机制的图像隐写分析算法

摘要

近年来，图像隐写分析算法快速发展，一系列先进的基于深度学习的隐写分析模型不断被提出.然而，现有隐写分析算法无法对图像纹理复杂和纹理平滑区域实现精准权重分配，阻碍了其进一步发展.为了解决隐写分析算法特征提取和分析不稳定的问题，本文提出一种基于复杂度匹配和注意力机制的隐写图像检测算法.首先，利用隐写算法倾向于在纹理复杂区域嵌入的特点，设计复杂度匹配策略，独立提取纹理复杂块和纹理平滑块特征，聚集强隐写信号区域，提高模型对于微弱隐写信号的提取能力；然后，通过卷积注意力分配模块，有效合理分配对于不同图像区域的注意力，提高网络对于重要特征和纹理区域的关注度.实验结果表明，在BOSSBase v1.01和ALASKA2两个公开数据集上，相对于现有模型，所提出的算法对多个隐写算法的隐写分析性能均有提升.

关键词

图像隐写 / 隐写分析 / 孪生网络 / 复杂度匹配 / 注意力机制