摘要：图像具有纹理复杂、冗余空间大、应用普遍广泛等特点，以图像为载体的隐写算法是隐写术的主流方向。近年来，基于深度学习网络的图像隐写算法获得了越来越好的隐写性能，成为图像隐写领域的研究热点。基于此，基于生成对抗网络（GAN）提出了一种大容量的图像隐写算法。算法设计了以预处理模块、卷积神经网络（CNN）模块和U形卷积网络（U-Net）为主体的信息嵌入提取网络，通过损失函数的约束，联合训练嵌入、提取和判别网络，实现了良好的隐写视觉效果。实验结果表明，在嵌入容量上，所提算法达到了24bpp，是目前容量最大的图像隐写算法之一。在此大容量嵌入的前提下，所提算法生成的载密图像和提取的秘密图像，无论在主观视觉质量还是客观视觉指标峰值信噪比（PSNR）上都高于其他同类算法，说明了设计的端到端隐写网络的整体优越性。
文章目录
1算法流程
2端到端图像水印网络的设计
2.1 嵌入网络设计
2.2 提取网络设计
2.3判别网络设计
2.4网络约束函数
3实验结果与分析
3.1实验配置
3.2隐写算法的嵌入容量对比
3.3图像的主观视觉质量
3.4客观视觉质量的对比与分析
3.5分辨率对PSNR的影响
4结论
