一种基于关键点检测和深度学习的高分辨率图像鲁棒数字水印方法技术

本发明专利技术公开了一种基于关键点检测和深度学习的高分辨率图像盲水印方法。首先在尺度归一化后的载体图像中确定若干个固定大小的嵌入区域，再将它们映射到原图像。水印被隐藏于每一个嵌入区域的内切圆的内接正方形内，从而使图像在经历几何变换后水印仍位于确定的嵌入区域内。水印用一种改进的ResNet进行嵌入和提取，网络去掉了ResNet中的所有池化层，在残差模块的残差连接中引入空洞卷积，并采用了多尺度融合的结构。训练时采用了多尺度交叉训练和课程学习的策略，在训练过程中对含水印图像施加攻击，攻击由少到多，由弱到强变化。该方法对常见的信号处理操作和几何变换攻击均有较理想的鲁棒性。理想的鲁棒性。理想的鲁棒性。

【技术实现步骤摘要】
一种基于关键点检测和深度学习的高分辨率图像鲁棒数字水印方法


[0001]本专利技术属于图像安全认证
，具体涉及一种基于关键点检测和深度学习的高分辨率图像数字水印嵌入与提取方法。

技术介绍

[0002]随着网络技术和媒体记录设备的发展，越来越多的多媒体信息通过网络和存储设备发布和分享。未经授权的个人或组织可以方便地复制、修改或转发这些信息，这就可能造成侵犯版权问题，迫切需要一种方便快捷的可行技术来保护数字媒体的版权，为数字媒体生产者维持健康的生产环境。数字水印是一种将版权信息隐藏在数字媒体中，并可在需要时提取的版权保护技术，以检测和认证数字媒体的版权是否合法。明水印会影响图像本身的内容，并且其显著的存在性使其易被恶意篡改，透明的隐水印可以对抗版权侵犯并保持媒体的内容完整性。早期的空域水印技术如最低有效位修改(LSB)可以简单有效地在图像中隐藏数据，但对JPEG压缩、滤波、加噪等图像处理敏感；变换域水印技术在离散傅立叶变换(DFT)、离散余弦变换(DCT)、离散小波变换(DWT)等变换域隐藏水印，对JPEG压缩及其他信号处理操作有较好的鲁棒性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于关键点检测和深度学习的高分辨率图像数字水印方法，包括如下步骤：1) 获取足够数量的样本图像，并将样本图像分为两组，一组用作载体图像，另一组用作待隐藏的水印图像，水印图像用灰度化、二值化、闭合、孤岛移除等操作转换为二值图像，两组图像均用缩放和裁剪处理成正方形；2）用上述图像样本训练多尺度融合空洞卷积残差网络，其中包括用于将二值水印图像隐藏到载体图像中的隐藏网络，以及用于从含水印图像中提取水印的提取网络，网络用多尺度交叉训练及课程学习策略训练至收敛；3）将高分辨率图像转化成灰度图，并将该灰度图等比例缩放到一定大小，用关键点检测算法获取最显著关键点，基于这些关键点确定若干个一定大小无交叠的水印嵌入区域，然后将这些嵌入区域映射回原始图像；4）将二值水印图像进行缩放，使之面积为嵌入区域的1/2大小，即边长为嵌入区域边长的 然后在该水印图像四边进行填0扩充，扩充后的水印图像与嵌入区域大小相同，原始水印位于归一化后的水印图像中央；5）将每一个嵌入区域剪切出来，并从RGB（Red
–
Green
–
Blue）空间转换到YCrCb（亮度色度）空间，将其中的Y通道与上一步归一化后的水印图像进行通道连接，然后输入训练好的深度学习隐藏网络，将水印隐藏于Y通道，该隐藏网络将输出包含了透明水印的Y通道；6）将含水印Y通道与原来的CrCb通道合并转换回RGB空间，将得到含水印的嵌入区域，所有嵌入区域进行同样方式的水印隐藏，将得到若干个含水印的嵌入区域，最后将所有这些含水印的嵌入区域替换原图像对应区域，将得到隐藏了水印的高分辨率图像7）在水印提取时，只要按步骤 3）的方式提取嵌入区域，将嵌入区域的Y通道输入到提取网络，即可提取出隐藏于其中的二值水印图像；因图像在传输过程中可能遭遇变换或攻击，检测的特征点会产生波动，多区域嵌入可保障水印算法的鲁棒性，即只要能从若干个嵌入区域之一提取到隐藏的水印便能实现版权认证。2.根据权利要求1所述的高分辨率图像数字水印方法，其特征在于：在面积归一化图像中检测到的关键点按响应由强到弱排序，由强到弱逐一检查以关键点为中心的固定边长的正方形区域，若该区域有部分落在图像外或与其他已确定的嵌入区域有交叠，则删除该关键点，检测下一个关键点，如此重复确定若干个无交叠且在图像范围内的正方形嵌入区域。3.根据权利要求1所述的高分辨率图像数字水印方法，其特征在于：水印嵌入区域的大小正比于图像大小，因此实际的嵌入区域大小随图像本身尺寸大小变化而变化，水印隐藏网络和提取网络均采用全卷积结构，可接受可...

【专利技术属性】
技术研发人员：竺乐庆，莫凌强，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：