基于深度学习的水印添加、提取方法、设备及存储介质技术

本申请涉及一种基于深度学习的水印添加、提取方法、设备及存储介质，属于图像处理技术领域，该方法包括：获取待添加水印的水印信息；将水印信息和待添加水印对应的目标图像输入预先训练的编码器，得到水印嵌入图像；该编码器是使用样本水印信息、多张样本图像和预设损失函数对第一神经网络模型进行训练得到，预设损失函数包括基于最小可觉差建立的第一损失函数；可以解决使用现有的编码器编码得到的水印嵌入图像存在斑点或纹理的问题；编码器使用基于最小可觉差建立的第一损失函数的训练得到，可以保证该编码器编码得到的水印嵌入图像与目标图像之间满足人眼的最小可觉差，可以提高编码器的编码效果，从而提高水印嵌入图像的显示效果。

【技术实现步骤摘要】
基于深度学习的水印添加、提取方法、设备及存储介质
本申请涉及一种基于深度学习的水印添加、提取方法、设备及存储介质，属于图像处理

技术介绍
为了保证图像内容的安全性，常常需要在视频或者照片中加入一些水印来表征对应图像内容的一些属性。比如：图像内容的拍摄地点、拍摄时间、所属人(单位)等。为了避免水印被去除，现有技术提供一种隐形水印的相关方案，即在图像内容中加入一些肉眼看不到的水印信息。一种典型的隐形水印添加方法包括：使用编码器将水印信息嵌入图像，得到水印嵌入图像。相应地，隐形水印提取方法包括：使用解码器对水印嵌入图像进行解码，得到水印信息。其中，编码器和解码器均由卷积神经网络构成。然而，现有的编码器得到的水印嵌入图像会出现明显的斑点或者波纹，从而导致水印嵌入图像的显示效果不佳的问题；同时，水印嵌入图像经过转拍、转录等操作后，现有的解码器提取得到的水印信息可能存在随机错误，导致该水印信息与原始的水印信息不符的问题。
技术实现思路
本申请提供了一种基于深度学习的水印添加、提取方法、设备及存储介质，可以解决使用现有的编码器编码得到的水印嵌入图像存在斑点或纹理、解码器解码得到的水印信息误准确率较低的问题。本申请提供如下技术方案：第一方面，提供了一种基于深度学习的水印添加方法，所述方法包括：获取待添加水印的水印信息；将所述水印信息和所述待添加水印对应的目标图像输入预先训练的编码器，得到水印嵌入图像；所述编码器是使用样本水印信息、多张样本图像和预设损失函数对第一神经网络模型进行训练得到，所述预设损失函数包括基于最小可觉差建立的第一损失函数。可选地，所述将所述水印信息和所述待添加水印对应的目标图像输入预先训练的编码器，得到水印嵌入图像之后，还包括：获取所述编码器运行过程中得到的水印编码图像；将所述水印编码图像与所述目标图像之后的n帧图像分别进行叠加，得到每帧图像对应的水印嵌入图像，所述n为正整数。可选地，所述将所述水印信息和所述待添加水印对应的目标图像输入预先训练的编码器，得到水印嵌入图像之前，还包括：获取所述样本图像；获取所述样本水印信息；将所述样本图像和所述样本水印信息输入U-Net网络模型，得到第一模型输出结果；将所述第一模型输出结果与所述样本图像输入所述预设损失函数，得到第一函数结果；使用所述第一函数结果对所述U-Net网络模型进行训练，得到所述编码器。所述基于最小可觉差建立的第一损失函数通过下式表示：其中，表示亮度适应的视觉阈，表示空间掩码；Mr为所述第一神经网络模型的第一模型输出结果；L2表示对计算结果进行行L2归一化。可选地，所述预设损失函数还包括第二损失函数，所述第二损失函数包括：L2损失函数、感知损失PerceptualLoss函数、Wassersteinloss函数中的任意一项或任意多项。第二方面，提供了一种基于深度学习的水印提取方法，所述方法包括：获取水印嵌入图像；将所述水印嵌入图像输入预先训练的解码器，得到水印解码信息；所述解码器是使用多组样本数据对第二神经网络模型进行训练得到的，每组样本数据包括样本水印嵌入图像和所述样本水印嵌入图像对应的样本水印解码信息；使用纠错码对所述水印解码信息进行纠错，得到水印信息。可选地，所述使用纠错码对所述水印解码信息进行纠错，得到水印信息之后，还包括：获取m帧水印嵌入图像对应的水印信息的投票结果，得到所述水印嵌入图像的最终水印提取结果，所述m为大于1的整数。可选地，所述将所述水印嵌入图像输入预先训练的解码器，得到水印解码信息之前，还包括：获取原始水印嵌入图像和所述原始水印嵌入图像对应的样本水印解码信息；对所述原始水印嵌入图像进行随机光照变换，得到所述原始水印嵌入图像对应的样本水印嵌入图像；将所述样本水印嵌入图像输入所述第二神经网络模型，得到第二模型输出结果；将所述第二模型输出结果和所述样本水印解码信息输入交叉熵损失函数，得到第二函数结果；使用所述第二函数结果对所述第二神经网络模型进行训练，得到所述解码器。可选地，所述对所述原始水印嵌入图像进行随机光照变换，得到所述原始水印嵌入图像对应的样本水印嵌入图像，包括：基于光照理论随机生成所述原始水印嵌入图像的光照信息；使用所述光照信息对所述原始水印嵌入图像进行随机光照变换；其中，所述光照信息包括：入射光线、视觉观察方向、理想反射光和/或入射光强。第三方面，提供一种计算机设备，所述设备包括处理器和存储器；所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现第一方面所述的基于深度学习的水印添加方法；或者，实现第二方面所述的基于深度学习的水印提取方法。第四方面，提供一种计算机可读存储介质，所述存储介质中存储有程序，所述程序由所述处理器加载并执行以实现第一方面所述的基于深度学习的水印添加方法；或者，实现第二方面所述的基于深度学习的水印提取方法。本申请的有益效果在于：通过获取待添加水印的水印信息；将水印信息和待添加水印对应的目标图像输入预先训练的编码器，得到水印嵌入图像；该编码器是使用多张样本图像和预设损失函数对第一神经网络模型进行训练得到，预设损失函数包括基于最小可觉差建立的第一损失函数；可以解决使用现有的编码器编码得到的水印嵌入图像存在斑点或纹理的问题；由于编码器使用基于最小可觉差建立的第一损失函数的训练得到，因此，可以保证该编码器编码得到的水印嵌入图像与目标图像之间满足人眼的最小可觉差，即不存在人眼可察觉的斑点或纹理，可以提高编码器的编码效果，从而提高水印嵌入图像的显示效果。另外，通过获取水印嵌入图像；将水印嵌入图像输入预先训练的解码器，得到水印解码信息；解码器是使用多组样本数据对第二神经网络模型进行训练得到的，每组样本数据包括样本水印嵌入图像和样本水印嵌入图像对应的样本水印解码信息；使用纠错码对水印解码信息进行纠错，得到水印信息；可以解决解码器输出的水印解码信息可能存在随机错误的问题；由于使用纠错码可以对水印解码信息中的随机错误进行纠错，因此，可以提高得到的水印信息的准确性。上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，并可依照说明书的内容予以实施，以下以本申请的较佳实施例并配合附图详细说明如后。附图说明图1是本申请一个实施例提供的基于深度学习的水印添加方法的流程图；图2是本申请一个实施例提供的编码器的训练过程的流程图；图3是本申请一个实施例提供的样本图像的示意图；图4是本申请一个实施例提供的未使用JND损失函数训练的编码器输出的水印嵌入图像(右侧)和使用JND损失函数训练的编码器输出的水印嵌入图像(左侧)之间的比较示意图；图5是本申请一个实施例提供的水印编码图像的示意图；图6是本申请一个实施例提供的基于深度学习的水印提取方法本文档来自技高网...

【技术保护点】
1.一种基于深度学习的水印添加方法，其特征在于，所述方法包括：/n获取待添加水印的水印信息；/n将所述水印信息和所述待添加水印对应的目标图像输入预先训练的编码器，得到水印嵌入图像；所述编码器是使用样本水印信息、多张样本图像和预设损失函数对第一神经网络模型进行训练得到，所述预设损失函数包括基于最小可觉差建立的第一损失函数。/n

【技术特征摘要】
1.一种基于深度学习的水印添加方法，其特征在于，所述方法包括：
获取待添加水印的水印信息；
将所述水印信息和所述待添加水印对应的目标图像输入预先训练的编码器，得到水印嵌入图像；所述编码器是使用样本水印信息、多张样本图像和预设损失函数对第一神经网络模型进行训练得到，所述预设损失函数包括基于最小可觉差建立的第一损失函数。


2.根据权利要求1所述的方法，其特征在于，将所述水印信息和所述待添加水印对应的目标图像输入预先训练的编码器，得到水印嵌入图像之后，还包括：
获取所述编码器运行过程中得到的水印编码图像；
将所述水印编码图像与所述目标图像之后的n帧图像分别进行叠加，得到每帧图像对应的水印嵌入图像，所述n为正整数。


3.根据权利要求1所述的方法，其特征在于，所述将所述水印信息和所述待添加水印对应的目标图像输入预先训练的编码器，得到水印嵌入图像之前，还包括：
获取所述样本图像；
获取所述样本水印信息；
将所述样本图像和所述样本水印信息输入U-Net网络模型，得到第一模型输出结果；
将所述第一模型输出结果与所述样本图像输入所述预设损失函数，得到第一函数结果；
使用所述第一函数结果对所述U-Net网络模型进行训练，得到所述编码器。


4.根据权利要求1所述的方法，其特征在于，所述基于最小可觉差建立的第一损失函数通过下式表示：






其中，表示亮度适应的视觉阈，表示空间掩码；Mr为所述第一神经网络模型的第一模型输出结果；L2表示对计算结果进行行L2归一化。


5.根据权利要求1所述的方法，其特征在于，所述预设损失函数还包括第二损失函数，所述第二损失函数包括：L2损失函数、感知损失PerceptualLoss函数、Wassersteinloss函数中的任意一项或任意多项。


6.一种基于深度学习的水印提取方法，其特征在于，所述方法包括：
获取水印嵌入图像；
将所述水印嵌入图像输入预先训练的解码器，得到水印解码信息；所述解码器是使用多组样...

【专利技术属性】
技术研发人员：王江鹏，毛晓蛟，章勇，曹李军，
申请(专利权)人：苏州科达科技股份有限公司，
类型：发明
国别省市：江苏;32