【技术实现步骤摘要】
一种基于深度学习的抗拍屏鲁棒水印系统及算法
[0001]本专利技术涉及多媒体信息安全的
，特别涉及一种基于深度学习的抗拍屏鲁棒水印算法系统及。
技术介绍
[0002]近年来，随着互联网的发展以及数字移动设备的普及，我们生活在一个信息爆炸的时代，人们已经习惯于出门携带手机作为数据处理的便携终端。借助智能手机的摄像功能，扫码付款、扫码点单、物品识别、物流信息查询等与数字图像处理技术息息相关的应用已经融入我们的生活中，成为不可分割的一部分。另一方面，由于数字媒体的获取变得几乎没有成本，这就导致数字媒体非法获得、盗取和篡改也愈演愈烈，不仅给媒体作品的作者带来困扰，有时甚至会影响国家信誉和安全，因此迫切的需要版权保护技术。
[0003]对打印的图像进行扫描，对打印或者显示在显示器上的图像进行拍摄，都是日常生活中常见的图像重获手段。然而当互联网中的图像经过这种重获过程，会引入多种复杂噪声，图像中的水印信息往往会丢失，从而导致无法正确提取信息。在这种情况下，如何设计能够抵抗现实世界中的复杂噪声的鲁棒性水印成为数字水印
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的抗拍屏鲁棒水印系统，其特征在于，包括：编码器、与所述编码器信号连接的鉴别器与噪声网络模块及与所述噪声网络模块信号连接的解码器；所述编码器用于用待嵌入的秘密信息构造信息膜；所述鉴别器用于来区分图像是否被编码；所述噪声网络模块用于对编码图像进行攻击；所述解码器用于利用被攻击的编码图像来恢复嵌入的秘密信息。2.如权利要求1所述的一种基于深度学习的抗拍屏鲁棒水印算法，其特征在于，包括以下步骤：S1、将随机二进制信息m0输入编码器，所述m0首先通过一个线性全连接层，处理成一个50*50*3的张量，再上采样成400*400*3的张量；S2、构建编码网络，编码网络的作用是生成一张用于附加在待编码图像上的信息膜；S3、将待编码图像与步骤S2中生成的信息膜相加即可得到水印图像；S4、构建噪声网络，用一系列数学模型来模拟由物理成像而引起的畸变；S5、将步骤S3生成的水印图像输入到步骤S4构建的噪声网络中；S6、构建解码网络，通过解码器将编码后的图像向下采样为一系列数字，然后分成二进制；S7、将步骤S5产生的加噪水印图像作为解码网络的输入，馈送入解码网络进行解码，得到嵌入的水印信息。3.如权利要求2所述的一种基于深度学习的抗拍屏鲁棒水印算法，其特征在于，所述步骤S4中包括透视变换、运动模糊、随机离散噪声、色彩失真、JPEG压缩噪声五种噪声，用于来模拟真实拍摄屏幕过程中会产生的噪声。4.如权利要求3所述的一种基于深度学习的抗拍屏鲁棒水印算法，其特征在于，所述透视变换为在拍摄屏幕过程中，摄像头没有对齐图像可能会造成图像发生形变，把一个图像投影到一个新的视平面的过程，通用的变换公式为：其中(u，v)为原始图像像素坐标，为变换之后的图像像素坐标，在训练过程中，将四个角的透视变换程度控制在图像长宽的10％以内，并且在变换时使用双线性插值法，对需要填充的区域进行补全，经过透视变换后的图像，记为I
a
。5.如权利要求4所述的一种基于深度学习的抗拍屏鲁棒水印算法，其特征在于，所述运动模糊为在拍摄屏幕过程中，由于相机运动或者不准确的对焦都可能导致拍摄出的图像模糊，设置了一个值来控制模糊核的方差，以生成7像素宽度的直...
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。