【技术实现步骤摘要】
基于深度学习的大容量抗打印/拍摄盲水印系统及方法
本专利技术涉及多媒体内容安全
，更具体的，涉及一种基于深度学习的大容量抗打印/拍摄盲水印系统及方法。
技术介绍
在现有的抗打印拍摄盲水印方法采用的产品主要为StegaStamp，该方法主要包括编码器和解码器两部分，编码器和解码器均由卷积神经网络构成。但该方法可嵌入信息容量较小，在保证较好视觉质量的前提下，容量只有100比特。同时StegaStamp是对整张图进行嵌入，因此神经网络倾向于在全图搜索可嵌入水印的地方，而为了抵抗打印拍摄过程中较强的噪声和失真，会倾向于在多个区域嵌入重复信息以保证鲁棒性，导致一定程度上增加了过多的冗余信息，压缩了有效信息的空间，虽然鲁棒性得到了保证，但是容量空间却受到了压缩。其次，水印嵌入和提取速度还有进步的空间。StegaStamp是对整张图进行水印嵌入和提取的，而图片越大，神经网络的计算就越耗时，成为影响水印嵌入和提取效率的主要因素。最后，含水印图像检测方法不具备较好的实时性和鲁棒性。StegaStamp使用了语义分割网络的...
【技术保护点】
1.基于深度学习的大容量抗打印/拍摄盲水印系统，包括编码器和解码器，其特征在于：所述编码器中设置有水印嵌入网络和视觉保真网络；所述解码器中设置有水印恢复网络和水印提取网络；其中：/n所述编码器将待处理图像进行分块后由水印嵌入网络把水印嵌入图像分块中；/n所述编码器将嵌有水印的图像分块进行还原拼接后，由所述视觉保真网络进行图像视觉保真；/n所述解码器通过所述水印恢复网络将待处理图像恢复为未保真状态并对未保真状态的图像进行分块，由所述水印提取网络进行水印提取。/n
【技术特征摘要】
1.基于深度学习的大容量抗打印/拍摄盲水印系统，包括编码器和解码器，其特征在于：所述编码器中设置有水印嵌入网络和视觉保真网络；所述解码器中设置有水印恢复网络和水印提取网络；其中：
所述编码器将待处理图像进行分块后由水印嵌入网络把水印嵌入图像分块中；
所述编码器将嵌有水印的图像分块进行还原拼接后，由所述视觉保真网络进行图像视觉保真；
所述解码器通过所述水印恢复网络将待处理图像恢复为未保真状态并对未保真状态的图像进行分块，由所述水印提取网络进行水印提取。
2.根据权利要求1所述的基于深度学习的大容量抗打印/拍摄盲水印系统，其特征在于：所述水印嵌入网络包括下采样卷积模块、上采样卷积模块和全连接层；所述下采样卷积模块用于对图像分块进行下采样卷积计算，提取图像特征，再由所述上采样卷积模块进行上采样卷积计算，得到与待处理图像原图像大小一致的一系列残差图像；最后由全连接层将一系列残差图像分别加上对应的原图像块，得到含水印信息的图像块。
3.根据权利要求2所述的基于深度学习的大容量抗打印/拍摄盲水印系统，其特征在于：所述视觉保真网络为若干个Dense块组成的卷积神经网络；所述的Dense块包括四个卷积块，所述的卷积块由一个1x1卷积层和一个3x3卷积层组成；所述卷积块间通过密集连接，实现了对含水印信息的图像的图像视觉保真。
4.根据权利要求3所述的基于深度学习的大容量抗打印/拍摄盲水印系统，其特征在于：所述水印恢复网络与所述视觉保真网络结构相同，通过优化训练去除待处理图像的噪声和失真，再将图像恢复为未保真状态，并对未保真状态的图像进行分块处理；所述水印提取网络将输入的图像分块进行解码，得到每一块分块对应的比特序列，再按照顺序进行拼接，得到最终的二进制比特序列，再从中提取出水印信息，完成图像水印提取。
5.根据权利要求1～4任一项所述的基于深度学习的大容量抗打印/拍摄盲水印系统，其特征在于：还包括含水印图像检测模块，所述含水印图像检测模块采用Canny边缘检测算法、轮廓查找算法和多边形近似算法，完成含水印图像的检测。
6.应用如权利要求5所述的基于深度学习的大容量抗打印/拍摄盲水印系统的基于深度学习的大容量抗打印/拍摄盲水印方法，其特征在于：包括编码步骤和解码步骤，所述编码步骤具体包括：
A1：将待处理图像输入编码器中，由编码器将待处理图像进行分块将水印嵌入图像分块中；
A2：编码...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。