买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东北大学申请的专利一种基于生成对抗网络的图像隐写方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115731088B 。

龙图腾网通过国家知识产权局官网在2026-01-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211487022.6，技术领域涉及：G06T1/00；该发明授权一种基于生成对抗网络的图像隐写方法是由彭宇翔;付冲;曹桂兴;刘军设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本一种基于生成对抗网络的图像隐写方法在说明书摘要公布了：本发明的一种基于生成对抗网络的图像隐写方法，包括：使用大卷积核，并在不使用复杂网络结构与反卷积的条件下，构建基于U‑Net编码器‑解码器架构的生成器网络，以及用于对抗训练的判别器网络；将载体图像输入生成器生成嵌入概率模型，通过double‑tanh函数模拟理想嵌入得到模拟载密图像，使用交叉熵构建判别器损失函数训练判别器；基于判别器的交叉熵损失、嵌入容量、图像视觉相似性和高通滤波误差，设计生成器的损失函数并训练生成器；重复步骤上述步骤同时多次迭代生成器与判别器，直至完成整个训练；使用训练完成的网络和STC编码器，生成载密图像。

本发明授权一种基于生成对抗网络的图像隐写方法在权利要求书中公布了：1.一种基于生成对抗网络的图像隐写方法，其特征在于，包括： 步骤1：使用大卷积核，并在不使用复杂网络结构与反卷积的条件下，构建基于U-Net编码器-解码器架构的生成器网络，以及用于对抗训练的判别器网络； 步骤2：将载体图像输入生成器生成嵌入概率模型，通过double-tanh函数模拟理想嵌入得到模拟载密图像，使用交叉熵构建判别器损失函数训练判别器； 步骤3：基于判别器的交叉熵损失、嵌入容量、图像视觉相似性和高通滤波误差，设计生成器的损失函数并训练生成器； 步骤4：重复步骤2、3，同时多次迭代生成器与判别器，直至完成整个训练； 步骤5：使用训练完成的生成对抗网络和STC编码器，生成载密图像； 所述步骤3具体为： 步骤3.1：构建如下生成器的损失函数： l＝0.6932-lD+10-7×lC+120×lS+0.0003×lF 其中，lD为判别器的交叉熵损失，lC为嵌入信息的容量损失，lS为载体图像与模拟载密图像的视觉相似性损失，lF为载体图像与模拟载密图像高通滤波结果的均方差损失； 步骤3.2：通过下式计算嵌入信息的容量损失lC： 其中，和分别为嵌入+1、–1和不嵌入的概率，H和W分别为图像的宽和高，q为嵌入率； 步骤3.3：基于MS-SSIM计算载体图像与模拟载密图像的视觉相似性损失lS： 其中，c和s分别表示载体图像和模拟载密图像，LMx,y为亮度对比函数，Cjx,y为对比度对比函数，Sjx,y为结构对比函数，M为最大的下采样尺度，j为当前的尺度，αM、βj和γj分别用于调整各元素的权重； 其中，ux与uy分别表示载体图像和模拟载密图像的像素均值，σx和σy为载体图像和模拟载密图像像素的方差，σxy为协方差，C1、C2和C3为常数； 步骤3.4：在计算lF之前，要对载体图像与载密图像进行高通滤波，即将滤波器矩阵作为卷积核与图像做卷积运算；滤波器矩阵基于SRM隐写分析方法的34个高通滤波器设计，再将得到的滤波结果根据下式求均方误差作为损失； 其中，ci和si分别为载体图像和模拟载密图像的滤波结果,n为批次的大小。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东北大学，其通讯地址为：110169 辽宁省沈阳市和平区文化路3号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。