学位论文简介

图像隐写技术通过利用载体图像的冗余与统计特征，将秘密信息隐蔽地嵌入图像中，是保障信息安全与个人隐私的重要技术。近年来，深度学习的发展推动了图像深度隐写技术的快速进步，但现有方法仍存在载体图像特征利用不充分、载体类型有限，以及图像质量与安全性有待提升等问题。针对上述问题，本文围绕不同类型载体图像的特征建模与利用，设计相应的网络模型，以提升图像深度隐写的质量与安全性，并拓展载体图像类型。主要研究内容如下：

(1) 空域噪声残差特征保持的灰度空域图像对抗隐写。针对对抗载体图像生成易破坏局部统计特征并引入额外伪影的问题，利用自然图像不同子区域间噪声残差特征的相似性，设计孪生生成器进行联合建模与保持，并通过与代理隐写分析器的交替对抗训练，降低伪影影响，提升隐写安全性。

(2) 跨尺度空频协同与非可逆机制联合的彩色空域图像隐藏。针对可逆神经网络在特征建模尺度、特征域及非线性表达方面的局限，设计跨尺度可逆模块，结合像素重排与Haar小波变换实现空频特征协同建模，并引入非可逆交叉密集连接模块，增强网络的非线性表达能力。

(3) 细粒度DCT特征驱动的彩色JPEG图像隐藏。针对现有方法难以直接处理彩色JPEG图像的问题，直接在量化DCT系数域进行信息隐藏与恢复，避免解码与重新压缩造成的信息损失，并结合子频带特征增强模块与Transformer可逆模块，挖掘有助于隐藏和恢复的细粒度DCT特征。

(4) 多范围–多粒度DCT特征融合的彩色JPEG图像对抗隐写。针对隐藏容量与安全性难以兼顾的问题，融合卷积神经网络的局部特征提取能力与Transformer的全局依赖建模能力，并结合粗、细粒度频率分解，实现多范围、多粒度DCT特征的协同建模。同时，设计特征角度–范数解纠缠损失，约束载密图像与载体图像在隐写分析特征空间中的差异，提升隐写安全性。

主要学术成果

[1] Junxue Yang, Xin Liao*. Exploiting fine-grained DCT representations for hiding image-level messages within JPEG images. Proceedings of the ACM International Conference on Multimedia, 2023: 7373-7382. (CCF A，第一作者，对应学位论文第五章)

[2] Junxue Yang, Xin Liao*, Weixuan Tang, Jianhua Yang, Zhen Xia*, Zheng Qin. Towards imperceptible color JPEG image hiding: Multi-Range representations-driven adversarial stego generation. IEEE Transactions on Circuits and Systems for Video Technology, 2026, doi: 10.1109/TCSVT.2026.3702774. (中科院一区，第一作者，对应学位论文第六章)

[3] Junxue Yang, Xin Liao*. ACGIS: Adversarial cover generator for image steganography with noise residuals features-preserving. Signal Processing: Image Communication, 2023, 113: 116927. (中科院三区，第一作者，对应学位论文第三章)

[4] Junxue Yang, Xin Liao*. An embedding strategy on fusing multiple image features for data hiding in multiple images. Journal of Visual Communication and Image Representation, 2020, 71: 102822. (中科院三区，第一作者)

[5] Junxue Yang, Xin Liao*. Efficient cross-scale invertible hiding network with spatial-frequency collaboration and non-invertible mechanism. Submitted to IEEE Transactions on Big Data. (已投，第一作者，对应学位论文第四章)