FIIH: Fully Invertible Image Hiding for Secure and Robust

图像隐藏是一种隐蔽存储和传输技术的研究，它将秘密图像嵌入到容器图像中，并生成隐写图像，使其外观类似于普通图像。然而，现有的图像隐藏方法存在一个严重问题，即隐藏和揭示过程不能完全可逆，这导致揭示网络无法无损地恢复秘密图像，从而使在不安全的网络环境下同时实现高保真和安全传输秘密图像变得不可能。为了解决这个问题，本文提出了一种基于可逆神经网络的完全可逆图像隐藏架构，旨在实现秘密图像的可逆隐藏，该方法在数据和网络上都是可逆的。基于这种巧妙的架构，该方法可以抵御基于深度学习的图像隐写分析。此外，我们提出了一种新的方法来增强传输过程中隐写图像的鲁棒性。实验表明，本文提出的完全可逆图像隐藏方法在隐藏单个图像方面明显优于其他最先进的图像隐藏方法，并且在鲁棒性和安全性方面也明显优于其他最先进的方法。

论文旨在解决现有图像隐藏方法中无法实现完全可逆的问题，即隐藏和揭示过程不能完全可逆，导致揭示网络无法无损地恢复秘密图像，从而无法在不安全的网络环境下同时实现高保真度和安全传输。

论文提出了一种基于可逆神经网络的完全可逆图像隐藏架构，旨在实现秘密图像的可逆隐藏，该方法在数据和网络上都是可逆的。该方法可以抵抗基于深度学习的图像隐写分析，并提出了一种增强隐写图像在传输过程中干扰鲁棒性的新方法。

论文提出的FIIH在单个图像隐藏方面明显优于其他最先进的图像隐藏方法，并且在鲁棒性和安全性方面也明显优于其他最先进的方法。实验使用了哪些数据集和设计如何，是否有开源代码，以及哪些工作值得进一步研究。

最近的相关研究包括：《基于深度神经网络的图像隐写分析综述》、《基于卷积神经网络的图像隐写分析方法》、《基于深度学习的图像隐写分析综述》等。