買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南京航空航天大學申請的專利一種基于強化學習的圖像隱寫方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118628329B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410805849.X，技術領域涉及：G06T1/00；該發明授權一種基于強化學習的圖像隱寫方法是由盧曉珍;劉智博;陳雨欣;楊榮健設計研發完成，并于2024-06-21向國家知識產權局提交的專利申請。

本一種基于強化學習的圖像隱寫方法在說明書摘要公布了：本發明提供一種利用強化學習算法和GAN模型提高圖片隱寫效率和圖片隱寫安全性的方法，包括以下步驟：利用GAN模型進行圖片隱寫預訓練。利用Div2K數據集作為原始封面圖片和選取隨機信息集，使模型得到與原圖相似的隱寫圖片；利用強化學習算法對隱寫參數進行優化。初始的參數隨機確認，再根據預訓練效果選取最優參數進行替換；GAN模型訓練和圖片隱寫效果評估。結合預訓練模型和最優參數進行圖片隱寫實現，并基于隱寫性能和隱寫安全來評估性能。本發明通過對包括嵌入信息和原始圖片特征在內的任務情況的分析，選擇適合的隱寫方式，有效的提高了隱寫任務的效率。

本發明授權一種基于強化學習的圖像隱寫方法在權利要求書中公布了：1.一種基于強化學習的圖像隱寫方法，其特征在于，包括： 初始化SteganoGAN模型與隱寫方式，利用Div2K數據集作為原始封面圖片集，對原始封面圖片進行處理，準備隱寫信息； 初始化強化學習智能體，利用強化學習算法選擇隱寫工作模式，并進行隱寫操作；對隱寫后的圖片與原始圖片進行隱寫效果評估，并構建經驗序列，并放入經驗回放緩沖池；具體包括：每一個通信輪次k傳輸消息bk∈B，長度為lk，單位為比特，并從原始圖片集U中選取Uk作為原始封面圖片，原始封面圖片的像素數為pk，并計算圖像頻率ξk，構成第k輪的圖像隱寫任務tk＝bk,Uk； 根據隱寫任務tk，構建當前任務狀態向量其中為前一狀態的隱密圖片RS分析結果，為前一狀態原始圖片與隱密圖片的相對熵，并輸入強化學習算法的深度Q網絡中，其中，平均嵌入容量代表上一輪通信中信息隱寫的密集程度，通用圖像質量指數其中，μu和μv分別代表原始封面圖片隱密圖片信號的均值，和分別代表兩圖像信號的方差，σuv是兩圖像信號的標準差，ρ∈[-1,1]，圖像的相似度越高取值越大； 根據深度Q網絡預估的當前狀態-動作對的價值，為當前任務選擇隱寫方式mk與嵌入信息深度dk，在選擇執行動作ak＝[mk,dk]時，有ε的概率進行隨機選擇，1-ε的概率選擇價值最大的動作，即A是可選動作集合，其中，為當前狀態下，使得Q值最大的動作，即選擇的隱寫工作模式，包括隱寫方式和嵌入比特深度，θk為智能體深度Q網絡參數； 根據選擇的工作模式ak將信息嵌入原始封面圖片中，得到隱密圖片Vk； 將原始封面圖片與隱密圖片進行對比，并對隱密圖片進行安全性分析，并通過獎勵函數，計算選擇這一動作進行隱寫的所得到的獎勵； 對比結果通過計算兩圖片的峰值信噪比和結構相似度來表示，峰值信噪比其中，是當前圖像點顏色的最大數值， 是原始封面圖片與隱密圖片的均方誤差，pk,qk分別代表行和列像素點個數，峰值信噪比的值越高，隱寫效果越好；結構相似度其中，h1,h2是防止出現除0錯誤的偏置常數，結構相似度越高，隱寫效果越好，安全性分析采用RS分析和計算兩圖片的相對熵兩種方式，分析得到的結果分別更新和為了平衡安全性與隱寫效率，獎勵函數為其中τk是mk對應的計算復雜程度，ω1,ω2,ω3是對應的權重參數；構建經驗序列ηk＝{sk,ak,rk}，并將其存入經驗回放緩沖池D中； 從經驗回放緩沖池中抽取樣本，對強化學習智能體網絡參數進行更新。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京航空航天大學，其通訊地址為：213300 江蘇省常州市溧陽市濱河東路29號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。