摘要
本发明公开了一种基于多特征融合和深度学习的隐写分析方法,包括以下步骤:步骤(1)、制作预处理所需的数据集;步骤(2)、分别使用SRM、maxSRM、maxSRMd2三种特征提取方法对步骤(1)的数据集进行特征提取;步骤(3)、对步骤(2)提取的三种特征进行融合获得固定大小的特征矩阵;步骤(4)、步骤(3)的数据使用RepVGG模块和SE模块构建的模型进行训练和测试。本发明使用三种特征提取方法对图像提取特征并合成特征矩阵,使得该特征矩阵能够包含多种类型的特征,能够提高模型的通用性和鲁棒性,提高模型对不同隐写算法的学习性能,避免了隐写分析网络对图像大小的依赖性,大大提高的本发明的实用性。