基于孪生网络和交叉注意力机制的空域和JPEG图像隐写分析.pdfVIP

第48卷第6期计算机学报Vol.48No.6

2025年6月CHINESEJOURNALOFCOMPUTERSJun.2025

基于孪生网络和交叉注意力机制的空域和JPEG

图像隐写分析

1），2），3）1）1）2），3）1）

张倩倩李浩张祎马媛媛罗向阳

1）

（信息工程大学河南省网络空间态势感知重点实验室郑州450001）

2）

（河南师范大学计算机与信息工程学院河南新乡453007）

3）

（河南师范大学河南省教育人工智能与个性化学习重点实验室河南新乡453007）

摘要近年来，深度学习在图像隐写分析任务中表现出了优越的性能。然而，此类方法在捕获图像中微弱的隐写

噪声时，往往会因下采样过程中大量关键细节信息的丢失，导致在检测空域和JPEG隐写图像时难以同时实现高检

测准确率。为此，本文基于孪生神经网络对图像进行分区域细粒度学习，同时利用交叉注意力机制进一步增强模型

全局信息感知能力，提出一种跨通道交叉注意力增强的隐写分析方法(CES-Net)。首先，采用孪生神经网络作为主

干网对图像进行分区域学习，以细致地感知空域和JPEG图像的像素信息和微弱的隐写噪声，同时，设计了多样化

的高通滤波器和多层卷积作为网络预处理层来获取丰富且高质量的隐写噪声残差；接着，改进了特征提取部分，提

出了跨通道交叉注意力网络，使模型提取到更多因隐写嵌入对图像像素相关性造成扰动的隐写特征，用于基于秘密

噪声残差等弱信息的隐写图像分类任务；最后，融合子网络学习到的不同区域图像的分类特征，并输入全连接层组

成的分类模块对载体和载密图像进行分类，提升检测效果。在隐写和隐写分析领域常用的图像数据集BOSSBase-

1.01和BOWs2上进行了大量实验，结果表明，CES-Net方法与现有方法相比，对于空域和JPEG图像的多种主流

隐写算法均能达到目前最优的检测准确率，其中，对多种空域隐写算法（WOW、S-UNIWARD和HILL）在不同嵌

入比率下生成的载密图像，检测准确率最高分别提升1.27%~25.61%、2.1%~21.73%和1.69%~23.46%；对

JPEG图像自适应隐写算法J-UNIWARD在不同嵌入比率下生成的载密图像，CES-Net方法对两种质量因子

（QF=75和QF=85）的JPEG图像隐写检测准确率最高分别提升2.34%和2.06%。

关键词隐写分析；隐写；孪生网络；交叉注意力机制；信息隐藏

中图法分类号TP391DOI号10.11897/SP.J.1016.2025.01305

SiameseNetworkandCross-AttentionforSpatialand

JPEGImageSteganalysis

1）,2）,3）1）1）2）,3）