电子测量技术

作者：杜尤伟，曹燚

单位：1.南京信息工程大学计算机学院、网络空间安全学院 南京 210044;2.无锡学院物联网工程学院 无锡 214105

关键词：生成式隐写术;U-Net;状态空间模型;高频特征嵌入

基金：“太湖之光”科技攻关（基础研究）项目（K20241046）、2023年度高校哲学社会科学研究一般项目(2023SJYB0919)、国家传感网工程技术研究中心开放课题基金（2024YJZXKFKT02）、无锡学院引进人才科研启动专项经费(2022r043)项目资助

针对现有基于CNN的生成式隐写术存在生成图像质量差、抗隐写分析能力弱的问题，本文提出一种基于选择性状态空间模型的改进U-Net隐写架构——SSEU-Net，旨在实现高质量图像生成与高安全性隐写。方法核心包括：首先，设计了Res-SS2D模块，对输入图像进行四方向的全局空间建模，在保证线性计算复杂度的同时提升含密图像的视觉质量；其次，基于图像高频区域的微小扰动对整体统计特征影响更小的特性，提出高频特征强化策略，通过提取载体图像的边缘并融合至编码器，引导秘密图像优先嵌入高频区域，从而降低被隐写分析方法检测出的可能性；最后，设计多目标损失函数，结合PSNR与MS-SSIM优化生成质量，同时通过引入低频分量的L1范数损失，约束载体图像与含密图像的低频区域一致性，迫使秘密信息优先隐藏于高频分量。实验表明，SSEU-Net在COCO与ImageNet数据集上均优于现有方法：在ImageNet上，生成的含密图像PSNR平均达40.588 dB，恢复出的秘密图像的PSNR平均达41.863 dB，且对常见的隐写分析方法表现出较高的抵抗能力。

来源：2026年第4期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第4期