Update DeepMIH.md

blog/DeepMIH.md

@@ -30,31 +30,37 @@
  <img src=./Fig2.png width=35% />
 </center>
 
-我们用现有算法做了一个简单的实验：将载体图片用小波变换分解为LL, LH, HL, HH四个频带，将四分之一原图大小的秘密图片分别藏进其中一个频带，然后再用小波逆变换得到“只有一个频带含有秘密信息”的隐秘图片。
-通过对PSNR和SSIM的测算，我们得到了如上的柱状图。分析可知，将信息藏在高频部分对隐秘图片的质量影响是最小的，PSNR和SSIM相对最高。这说明HH频带最适合进行图片隐藏，这个结论和我们在以往文章中得到的描述是一致的。针对这一点，我们设计了一个简单的频域Loss来辅助训练过程，提高了网络的性能。
+ 我们用现有算法做了一个简单的实验：将载体图片用小波变换分解为LL, LH, HL, HH四个频带，将四分之一原图大小的秘密图片分别藏进其中一个频带，然后再用小波逆变换得到“只有一个频带含有秘密信息”的隐秘图片。通过对PSNR和SSIM的测算，我们得到了如上的柱状图。
+
+ 分析可知，将信息藏在高频部分对隐秘图片的质量影响是最小的，PSNR和SSIM相对最高。这说明HH频带最适合进行图片隐藏，这个结论和我们在以往文章中得到的描述是一致的。针对这一点，我们设计了一个简单的频域Loss来辅助训练过程，提高了网络的性能。
 
 ### 2.2 隐藏容量分析
 
 <center>
  <img src=./Fig3.png width=70% />
 </center>
 
-在对现有单图像算法进行分析的过程中我们发现，当把已经藏有一张秘密图片的隐秘图片当作载体图片再进行隐藏时，会出现很明显的“视觉伪影”和“颜色失真”。
-从图中可以看出，当隐藏第一张秘密图像时，秘密图像的香蕉区域相对于载体图像的天空区域有很明亮的颜色和复杂的轮廓，将这个图案隐藏进去已经很困难了。在接下来隐藏第二张秘密图像时，如果还出现复杂的纹理区域，网络就难以再实现较好的隐藏了。
-从第二行结果中也能看到，有的隐秘图片中出现了骷髅头的轮廓，有的产生了颜色失真的问题。这个现象说明了如果忽略掉秘密图像之间的关联性，随着隐藏容量的增加(隐藏图片数量增加)，网络的隐藏效果将受到限制，甚至会产生明显的失真。这也说明现有的解决思路不能简单拓展到多图像隐藏领域，我们需要新的解决思路。
+ 在对现有单图像算法进行分析的过程中我们发现，当把已经藏有一张秘密图片的隐秘图片当作载体图片再进行隐藏时，会出现很明显的“视觉伪影”和“颜色失真”。
+
+ 从图中可以看出，当隐藏第一张秘密图像时，秘密图像的香蕉区域相对于载体图像的天空区域有很明亮的颜色和复杂的轮廓，将这个图案隐藏进去已经很困难了。在接下来隐藏第二张秘密图像时，如果还出现复杂的纹理区域，网络就难以再实现较好的隐藏了。
+
+ 从第二行结果中也能看到，有的隐秘图片中出现了骷髅头的轮廓，有的产生了颜色失真的问题。这个现象说明了如果忽略掉秘密图像之间的关联性，随着隐藏容量的增加(隐藏图片数量增加)，网络的隐藏效果将受到限制，甚至会产生明显的失真。这也说明现有的解决思路不能简单拓展到多图像隐藏领域，我们需要新的解决思路。
 
 ## 3. 方法
 
 ### 3.1 总体框架
 我们在文章中进行详细叙述时，都以两张图片的隐藏作为例子进行了阐述。多图像隐藏的整体机制也是一样的，在文章最后，我们将模型进行了扩展，讨论了多张图像隐藏的性能效果。
+
 我们的DeepMIH方法由一个框图说明：
 
 <center>
  <img src=./Fig4.png width=35% />
 </center>
 
 DeepMIH由两个子结构组成，分别是基于可逆网络、用于隐藏和恢复的网络结构IHNN和基于注意力机制、获取前级先验信息用于指导下级隐藏的重要性图模块IM。
+
 在进行正向隐藏过程时，首先给IHNN#1喂入载体图像$x_cover$和第一张秘密图像x_(secret-1)进行第一级隐藏，得到第一张隐秘图像x_(stego-1)。然后，将得到的隐秘图像当作载体图像和第二张秘密图像x_(secret-2)一起喂给IHNN#2，进行第二级的隐藏。与上一级不同的是，此时IM模块接收载体图像、秘密图像和隐秘图像，并生成一张重要性图，同时喂给IHNN#2，然后得到最终藏有两张图像的隐秘图像x_(stego-2)。
+
 在进行反向恢复时，整体的信号流程与正向过程完全相反。隐秘图像x_(stego-2)首先经过IHNN#2的反向过程进行恢复，得到恢复出的前级隐秘图像x_(cr-2)和秘密图像x_(sr-2)，将x_(cr-2)喂给IHNN#1的反向过程，恢复出x_(sr-1)。
 接着我们来分别看看组成DeepMIH的两个子结构。