文件名称：用卷积滤波器matlab代码-Steganalysis:卷积神经网络在隐写分析中的应用
文件大小：8.27MB
文件格式：ZIP
更新时间：2024-06-10 06:50:34
系统开源
用卷积滤波器matlab代码隐写分析 GBRAS-Net：用于空间图像隐写分析的卷积神经网络体系结构 深度学习（DL）的进步为解决各种复杂问题提供了替代方法，包括使用卷积神经网络（CNN）进行空间图像隐写分析的领域。 近年来，已经开发了几种CNN体系结构，这些体系结构提高了隐写图像的检测精度。 这项工作提出了一种新颖的CNN架构，其中包括使用滤波器组增强隐写噪声的预处理阶段，使用深度和可分离卷积层的特征提取阶段以及跳过连接。 使用具有不同实验设置的BOSSbase 1.01和BOWS 2数据集评估性能，包括自适应隐写算法，即WOW，S-UNIWARD，MiPOD，HILL和HUGO。 在所有实验环境中，我们的结果都优于过去几年发表的作品。 这项工作提高了所有算法和每像素比特数（bpp）的分类精度，在WOW达到0.2 bpp时达到80.3％，在WOW达到0.4 bpp时达到89.8％，在S-UNIWARD上达到73.6％和87.1％（分别为0.2和0.4 bpp），使用BOSSbase 1.01测试数据，MiPOD（0.2和0.4 bpp）分别为68.3％和81.4％，HILL（0.
【文件预览】：
Steganalysis-main
----images()
--------ConfusionMatrix_GBRAS-Net.pdf(17KB)
--------ClassificationReport_GBRAS-Net.pdf(18KB)
--------ClassPredictionError_GBRAS-Net.pdf(18KB)
----MV.py(11KB)
----ROC_AUC_CI.ipynb(512KB)
----SRM_Kernels1.npy(3KB)
----README.md(4KB)
----model.svg(55KB)
----GBRAS-Net.ipynb(582KB)
----Metrics_Visualization.ipynb(505KB)
----Trained_Models()
--------S-UNIWARD_0.2bpp.hdf5(2.15MB)
--------WOW_0.4bpp.hdf5(2.15MB)
--------S-UNIWARD_0.4bpp.hdf5(2.15MB)
--------WOW_0.2bpp.hdf5(2.15MB)
----MATLAB()
--------TIF2PGM.m(667B)
----Requirements.txt(667B)
----Trained_Models.ipynb(27KB)