货币金融机构网络:多层次功能可逆网络图像隐藏技术.
Dapeng Cheng1, Minghui Zhu1, Bo Yang2
1School of Computer Science and Technology, Shandong Technology and Business University, Yantai, Shandong, China.
PeerJ. Computer science
|March 10, 2025
概括
本研究介绍了MFI-Net,这是一种新的深度学习方法,用于使用可逆网络进行安全的图像隐藏. 通过更好地利用图像特征和新的频率域损失,MFI-Net提高了信息隐藏质量.
科学领域:
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
- 信息安全 信息安全
背景情况:
- 深度学习和可逆网络提供安全的图像隐藏,但现有的方法在精确的区域选择和利用低级特征方面存在困难.
- 局限性包括降低发电质量,过度装配和不良概括.
研究的目的:
- 提出一种新的图像隐藏方法,MFI-Net,可以克服现有技术的局限性.
- 提高隐藏在图像中的信息的质量和安全性.
主要方法:
- 开发了MFI-Net,结合了新的上采样卷积块 (UCB) 和具有PReLU激活的残余密集块.
- 引入了一种新的频域损失 (FDL) 来引导秘密信息隐藏到合适的图像区域.
- 使用多级图像功能 (低级和高级).
主要成果:
- 在DIV2K,COCO和ImageNet数据集上,MFI-Net在最先进的方法上表现优越.
- 取得了卓越的图像质量指标,并成功应用于数字图像收集.
- 该方法有效地利用了多级特征,FDL提高了隐藏精度.
结论:
- 货币金融机构网络代表了使用可逆网络的安全图像隐藏的重大进步.
- 拟议的UCB,PReLU增强的剩余密集区块和FDL有助于提高质量,安全性和通用性.
- MFI-Net提供了一个强大的解决方案,可以有效地隐藏图像中的信息.


