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！

龙图腾网获悉宜宾格莱特科技有限公司申请的专利一种基于图片多语义融合的无嵌入信息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：CN115880124B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202211612756.2，技术领域涉及：G06T1/00；该发明授权一种基于图片多语义融合的无嵌入信息隐写方法是由杨楚欣;杨楚彬;赵鹏飙;秦臻设计研发完成，并于2022-12-15向国家知识产权局提交的专利申请。

本一种基于图片多语义融合的无嵌入信息隐写方法在说明书摘要公布了：本发明公开了一种基于图片语义混合的无嵌入隐写方法，其特征在于包括以下步骤：1.经过映射，放缩等操作，将二进制的秘密消息S转化为独立的图片载密像素，并置乱为具有遮盖层的载密图像；2.从参考图中随机抽样得到具有遮盖层的参考图像；3.将载密图像与遮盖层结合，得到具有多遮盖层的语义混合图像；4.构建生成器与判别器；5.构建损失函数，并使用梯度下降法训练模型。本发明的嵌入方案，基于秘密消息与像素的转换映射，将消息与图片进行语义融合，并训练生成对抗网络，具有信息嵌入率高，抗隐写分析能力强，实际应用场景广的优点。

本发明授权一种基于图片多语义融合的无嵌入信息隐写方法在权利要求书中公布了：1.一种基于图片多语义融合的无嵌入隐写方法，其特征在于，基于秘密消息与像素的转换映射，将消息与图片进行语义融合，并训练生成对抗网络；其训练过程包括如下步骤： S1：将秘密消息映射为独立的像素点，并置乱为有遮盖的消息图像； S2：从参考图像中随机抽样获得参考信息； S3：将S1得到的消息图像与S2得到的参考信息进行结合，获得具有多层遮盖的语义混合图像； S4：构建网络模型； S5：构建损失函数，并训练网络模型，得到载密图像； 所述步骤S1中，定义秘密消息S为二进制格式，按照转换方法进行片段划分与转换，得到载密像素pi；之后对载密像素pi进行置乱得到遮盖的消息图像； 所述的载密像素pi置乱过程中，可用Arnold变换，Fibonacci变换，Hilbert变换，幻方变换等算法进行置乱操作，并且可用数字0对遮盖部分进行填充； 所述步骤S2中，对参考图像Itruth进行随机抽样，其余部分使用0填充，其中可通过随机遮盖层进行随机抽样； 所述步骤S3中，需要按照上述步骤获得的不同遮盖层，将S1得到的消息图像与S2得到的参考信息进行语义混合操作； 所述步骤S4中，网络模型为生成对抗网络模型，分为生成器与判别器； 所述步骤S4中的生成器为U型卷积神经网络，分别包括8组下采样模块与8组上采样模块；下采样模块顺次连接，上采样模块依次连接并额外连接对应层次的下采样模块的输出；在下采样模块中，依次连接一个卷积层，一个批归一化层以及一个激活层，其中，卷积层的卷积核大小设置为3*3，步长为2，激活层采用带泄露修正线性单元函数作为激活函数；在上采样模块中，依次连接一个反卷积层，一个批归一化层以及一个激活层，同样的，卷积层的卷积核大小设置为3*3，步长为2，但是激活层采用线性整流函数作为激活函数，特别的，在最后一层的上采样模块中，采用双曲正切函数作为激活函数； 所述步骤S4中的判别器为顺序结构，依次连接6组下采样模块与一个全连接层；其中，下采样模块与生成器中的下采样模块结构相同，依次连接一个卷积层，一个批归一化层以及一个激活层；其中，卷积层的卷积核大小设置为3*3，步长为2，激活层采用带泄露修正线性单元函数作为激活函数； 所述步骤S5中的损失函数包含四个子损失函数，分别为对抗损失函数，消息损失函数，图像损失函数，总变分损失函数； 所述步骤S5中的网络模型的训练方法为根据损失函数并以梯度下降法训练生成对抗网络；首先固定生成器，运行网络模型，根据判别器的输出结果计算损失函数，更新判别器；之后固定判别器，运行网络模型，并计算损失函数，更新生成器；上述两个步骤交替进行，使生成器与判别器相互迭代训练。

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宜宾格莱特科技有限公司，其通讯地址为：644000 四川省宜宾市临港经济技术开发区长江北路西段附三段9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。