DeepMIH：用于多图像隐藏的深度可逆网络

多图像隐藏旨在将多个秘密图像隐藏到单个封面图像中，并完美恢复所有秘密图像。这种高容量的隐藏方法容易导致轮廓阴影或颜色失真，从而使多图像隐藏成为一项非常具有挑战性的任务。在本文中，我们提出了一种基于可逆神经网络的新颖多图像隐藏框架，即DeepMIH。具体而言，我们开发了一种可逆隐藏神经网络（IHNN），创新性地将图像的隐藏和揭示建模为其前向和反向过程，使它们完全耦合且可逆。IHNN高度灵活，可以根据需要级联多次以实现多个图像的隐藏。为了增强隐蔽性，我们设计了一个重要性映射（IM）模块，基于之前的图像隐藏结果指导当前图像的隐藏。此外，我们发现隐藏在高频子带中的图像往往能实现更好的隐藏性能，因此提出了一种低频小波损失，以约束低频子带中没有秘密信息。实验结果表明，我们的DeepMIH在隐蔽性、安全性和恢复准确性方面显著优于其他最先进的方法，适用于各种数据集。