1.基于SE‑ResNet的图像隐写方法，其特征在于：具体包括如下步骤：步骤1，获取秘密图像Memb，将秘密图像Memb进行通道分离，获得分离后的三张图像为：B通道图像、R通道图像和G通道图像，B通道图像即为载体图像Icover的B通道Icover‑B；

步骤2，将步骤1中的得到的秘密图像Memb和载体图像Icover的B通道Icover‑B分别输入到编码网络中，获取级联后的特征图；

步骤3，将步骤2中得到的级联特征图经过3个SE‑ResNet块和2个卷积层得到最终的隐写图像的B通道Istego‑B；

步骤4，将步骤3得到的隐写图像B通道Istego‑B和步骤1中载体图像的R通道与G通道合并，得到隐写图像Istego；

步骤5，将步骤4中得到的隐写图像Istego进行通道分离，得到3张图像：隐写图像的B通道图像、隐写图像的R通道图像和隐写图像的G通道图像；将隐写图像的B通道图像输入到解码网络中，提取得到秘密图像Mext。

2.根据权利要求1所述的基于SE‑ResNet的图像隐写方法，其特征在于：所述步骤1的具体过程为：

步骤1.1，在网络上分别下载CIFAR10、ImageNet、PASCAL‑VOC2012和LFW数据集；

步骤1.2，将步骤1.1中数据集的图像尺寸统一为H×W；分别选取n张灰度图像和n张彩色图像，组成n对图像对，其中尺寸为H×W的灰度图像即为秘密图像Memb；将尺寸为H×W的3通道彩色图像分离成B通道图像、R通道图像和G通道图像，其中B通道图像即为载体图像Icover的B通道Icover‑B。

3.根据权利要求2所述的基于SE‑ResNet的图像隐写方法，其特征在于：所述步骤2的具体过程为：

步骤2.1，将步骤1.2中得到的H×W大小的灰度秘密图像Memb输入到编码网络的Guest网络分支中，进行特征提取，得到特征图；

步骤2.2，将步骤1.2中得到的H×W大小的载体图像B通道Icover‑B输入编码网络的Host网络分支中，进行特征提取；且每经过两个卷积层和ReLU层，会对Guest网络分支的Memb特征图和Host网络分支的Icover‑B特征图进行级联操作，即将Guest网络分支提取的特征叠加到Host网络分支提取的特征上，得到级联的特征图。

4.根据权利要求3所述的基于SE‑ResNet的图像隐写方法，其特征在于：所述步骤3的具体过程为：

Host网络分支将得到的级联特征图经过3个SE‑ResNet块和2个卷积层操作，得到最终的隐写图像的B通道Istego‑B；

编码网络的损失函数如下公式(1)所示：LE＝MSE(Icover‑B，E(θE，Icover‑B，Memb))＝MSE(Icover‑B，Istego‑B)       (1)；

其中LE表示编码网络的损失函数，Icover‑B表示载体图像的B通道，θE表示编码网络中的参数，Memb表示要嵌入的秘密图像；E(θE，Icover，Memb)表示载体图像Icover的B通道和秘密图像Memb经过编码网络后的输出，其输出为Istego‑B即隐写图像的B通道。

5.根据权利要求4所述的基于SE‑ResNet的图像隐写方法，其特征在于：所述步骤5的具体过程为：

步骤5.1，将步骤4得到的隐写图像Istego通道分离，分离成B、G和R通道，得到的隐写图像的B通道Istego‑B；

步骤5.2，将步骤5.1中得到的隐写图像Istego‑B输入到解码网络中，经过3个SE‑ResNet块和2个卷积层提取得到秘密图像Mext：解码网络的损失函数如下公式(2)所示：LD＝MSE(Memb，D(θD，Istego‑B))＝MSE(Memb，Mext)      (2)；

其中，LD表示解码网络的损失函数，Istego‑B表示隐写图像的B通道，θD表示解码网络中的参数，Memb表示要嵌入的秘密图像；D(θD，Istego‑B)表示隐写图像Istego的B通道经过解码网络后的输出，其输出为Mext即解码网络提取出来的秘密图像；

整个模型的损失函数如下公式(3)所示：LBas＝LE+LD     (3)；

式中，LE表示编码网络的损失函数，LD表示解码网络的损失函数。