[論文レビュー] Deep-learning-based optical image hiding

Jiaosheng Li, Yuhui Li+6 more|arXiv (Cornell University)|Mar 5, 2020

Digital Media Forensic Detection参考文献 23被引用数 5

ひとこと要約

本稿では、生成的対抗ネットワーク（GAN）を用いて干渉縞に秘密画像を埋め込むことで、高品質な再構成が可能なディープラーニングベースの光学的画像隠しフレームワークを提案する。逆回折パラメータの必要がないため、光学的逆回折処理を不要とし、位相シフト誤差やノイズに対して耐性を示す。光学実験により、実用的かつ安全な実現可能性が実証された。

ABSTRACT

A novel framework of optical image hiding based on deep learning (DL) is proposed in this paper, and hidden information can be reconstructed from an interferogram by using an end to end network with high-quality. By using the prior data between the hidden image and the object image, a generative adversarial network was trained so that it can learn the hiding model, which resulting in only an interferogram needs to be transmitted and recorded to reconstruct image. Moreover, reconstruction process can be obtained without the parameters in optical inverse diffraction and the reconstruction result will not be affected by the phase shifts deviation and noise, which is convenient for practical application. The feasibility and security of the proposed method are demonstrated by the optical experiment results.

研究の動機と目的

• 再構成に正確な光学パラメータに依存しない新しい光学的画像隠し手法の開発。
• データから隠しモデルを学習することで、ディープラーニングを活用し、画像隠しのセキュリティと耐性を向上。
• 位相シフトのキャリブレーションや逆回折処理を必要とせず、干渉縞からの高品質な画像再構成を実現。
• ノイズや位相ずれを含む実用的光学環境下での手法の実現可能性と耐性を検証。
• 送信に干渉縞データのみを用いるエンドツーエンドのディープラーニングソリューションとして、光学的画像隠しの実用的かつ包括的な解決策を提示。

提案手法

• 対応する物体画像と干渉縞のペアデータを用いて、GANを訓練し、光学的隠し変換を学習。
• GANフレームワークにより、送信および保存に干渉縞のみを用いるエンドツーエンドの隠しプロセスの学習を可能に。
• 生成器は元の画像を干渉縞にマッピングする学習をし、識別器は干渉縞が現実的かつ隠し可能であることを保証。
• 再構成プロセスは従来の逆回折アルゴリズムを回避し、隠し画像の回復に訓練済みのディープニューラルネットワークに依存。
• ネットワークがトレーニング中に摂動に一般化するように学習されるため、位相シフトのずれやノイズに対しても耐性を示す。
• 光学系のパラメータの知識が不要であるように設計されており、実世界への展開に適している。

実験結果

リサーチクエスチョン

• RQ1 物理的モデルを明示的に定義せずに、物体画像とその干渉縞の間の光学的隠し変換をディープラーニングモデルが効果的に学習できるか。
• RQ2 干渉縞がノイズや位相シフト誤差によって損傷を受けても、再構成画像の品質がどの程度保持されるか。
• RQ3 本手法が逆回折処理や光学パラメータのキャリブレーションを完全に不要にすることができるか。
• RQ4 GANベースのアプローチは、従来の光学的画像隠し手法と比較して、耐性および再構成忠実度の面で優れているか。
• RQ5 実際の光学実験条件下で、本手法の実用的実現可能性はどの程度か。

主な発見

• 提案手法は、逆回折処理や光学系パラメータを一切使用せず、干渉縞から隠し画像の高品質な再構成を達成した。
• 位相シフトのずれやノイズが加わっても再構成が正確に保たれ、実用的光学環境下での耐性を示した。
• 光学実験により、本手法の実現可能性とセキュリティが確認され、劣化を最小限に抑えて画像回復に成功した。
• GANフレームワークはデータから隠しモデルを効果的に学習し、干渉縞のみを用いたエンドツーエンドの送信・再構成を可能にした。
• 正確な光学キャリブレーションへの依存度が顕著に低減され、実世界応用における実用性が向上した。
• 結果から、ディープラーニングが安全な画像隠しに向けた複雑な光学干渉パターンを効果的にモデル化できることを示した。