[论文解读] End-to-end Trained CNN Encode-Decoder Networks for Image Steganography

Atique ur Rehman, Rafia Rahim+2 more|arXiv (Cornell University)|Nov 20, 2017

Advanced Steganography and Watermarking Techniques参考文献 7被引用 24

一句话总结

本文提出一种端到端训练的CNN编码器-解码器网络用于图像隐写术，直接将一幅图像（载荷）嵌入另一幅图像（载体）中，无需依赖手工设计的特征。通过与新颖损失函数联合训练，该方法实现了最先进性能，在33.3%容量（8 bpp）下实现高保真度嵌入，ImageNet及其他数据集上的平均PSNR分别为32.9 dB（载体）和36.6 dB（恢复的载荷）。

ABSTRACT

All the existing image steganography methods use manually crafted features to hide binary payloads into cover images. This leads to small payload capacity and image distortion. Here we propose a convolutional neural network based encoder-decoder architecture for embedding of images as payload. To this end, we make following three major contributions: (i) we propose a deep learning based generic encoder-decoder architecture for image steganography; (ii) we introduce a new loss function that ensures joint end-to-end training of encoder-decoder networks; (iii) we perform extensive empirical evaluation of proposed architecture on a range of challenging publicly available datasets (MNIST, CIFAR10, PASCAL-VOC12, ImageNet, LFW) and report state-of-the-art payload capacity at high PSNR and SSIM values.

研究动机与目标

• 解决现有隐写术方法依赖手工设计特征进行二进制载荷嵌入的局限性。
• 开发一种通用的、可端到端训练的深度学习架构，能够将真实图像作为载荷嵌入载体图像中。
• 设计一种新颖的损失函数，实现编码器与解码器网络的联合训练，以获得最优的隐写性能。
• 在ImageNet、CIFAR10和PASCAL-VOC12等多样且具有挑战性的数据集上，通过实证验证该方法的鲁棒性与泛化能力。

提出的方法

• 该方法采用类似U-Net的编码器-解码器CNN架构，为载体和载荷图像共享特征提取分支。
• 编码器通过堆叠的卷积层（带ReLU激活）处理载体图像（3通道）和载荷图像（1通道）。
• 在将特征传递给解码器进行重建前，通过拼接层合并来自载体和载荷分支的特征。
• 解码器利用转置卷积和跳跃连接，从含密图像中重建原始载荷图像。
• 新颖的损失函数结合感知损失（L1）、PSNR与SSIM，联合优化嵌入质量与重建保真度。
• 网络在ImageNet、CIFAR10和MNIST等数据集上通过反向传播进行端到端训练，训练周期为50至150轮。

实验结果

研究问题

• RQ1 基于深度学习的编码器-解码器网络是否能在不依赖手工设计图像特征的前提下实现高容量图像隐写？
• RQ2 所提出的联合损失函数在端到端训练中对嵌入与重建性能的提升效果如何？
• RQ3 当模型在ImageNet等多样化数据集上训练并在未见数据上测试时，载荷容量与重建质量（PSNR/SSIM）如何？
• RQ4 该模型在内容与背景多样的复杂真实图像上泛化能力如何？
• RQ5 该方法是否能在保持高视觉保真度的同时实现最先进的载荷容量性能？

主要发现

• 在ImageNet、CIFAR10和PASCAL-VOC12数据集上，该模型实现了33.3%的载荷容量（8 bpp），含密图像的平均PSNR为32.92 dB，恢复载荷图像的平均PSNR为36.58 dB。
• 在ImageNet数据集上，经过150轮训练后，该方法保持33.3%的载荷容量，同时将含密图像的PSNR从29.6 dB提升至32.92 dB。
• 恢复的载荷图像平均SSIM达到0.96，表明其与原始图像具有高度结构相似性。
• 该模型在未见数据集上泛化良好：在PASCAL-VOC12和LFW数据集上测试时，即使未进行微调，仍保持较高的PSNR与SSIM值。
• 该方法在载荷容量与视觉保真度方面优于现有隐写技术，尤其在复杂自然图像上表现更优。