【技术实现步骤摘要】
基于视觉感知的鲁棒图像的水印嵌入方法、水印嵌入网络构建方法、系统及存储介质
[0001]本申请涉及图像水印嵌入提取的
,尤其是涉及一种基于视觉感知的鲁棒图像的水印嵌入方法、水印嵌入网络构建方法、系统及存储介质。
技术介绍
[0002]数字图像水印技术是一种信息隐藏技术,即在接收端利用编码技术将数字水印嵌入至图像载体,在接收端利用解码技术从接收到的水印图像中提取完整水印以供验证。因此便引申出两个要求,一是嵌入水印时保证载体图像的视觉质量不受影响,二是提取水印时保证水印的完整性,即水印的不可见性和鲁棒性。而水印的鲁棒性和不可见性两者相互矛盾,即水印在提高鲁棒性的同时会在一定程度上损害水印的不可见性;在构建水印嵌入方法时,需要同时兼顾水印的鲁棒性和不可见性。
[0003]现有的水印方法可以大致分为传统的鲁棒水印方法和基于神经网络的鲁棒水印方法。在传统的鲁棒水印方法中,可依据水印嵌入位置分为空间域方法和变换域方法。基于神经网络的水印方法中,可分为早期的神经网络方法和深度学习的方法。
[0004]早期的神经网络技术主要有SVM(Support Vector Machine)、SVR(Support Vector Regression)、RBFNN(Radial Basic Function Neural Network)等,一般将此类神经网络技术主要应用于水印的某一部分,例如利用SVM区分图像的嵌入区域和非嵌入区域、训练SVR预测几何攻击并在水印提取时进行修正、训练RBFNN在DCT(Discrete C ...
【技术保护点】
【技术特征摘要】
1.一种基于视觉感知的鲁棒图像的水印嵌入方法,其特征是:获取原始图像信息以及原始水印信息;根据原始图像信息以提取特征图像信息;所述特征图像信息包括浅层特征图像信息以及深层特征图像信息;分析特征图像信息中对应特征点的概率分布以形成视觉掩码信息;对原始水印信息进行空间复制的预处理方式以形成预处理水印信息;根据视觉掩码信息对预处理水印信息进行修正以形成待嵌入水印信息;将浅层特征图像信息、深层特征图像信息以及待嵌入水印信息进行图像融合以形成融合图像信息;将原始图像信息以及融合图像信息输入至所预设的残差结构以生成完成水印嵌入的最终图像信息。2.根据权利要求1所述的基于视觉感知的鲁棒图像的水印嵌入方法,其特征是:关于根据原始图像信息以提取特征图像信息的具体方法如下:具体包括密集连接的四个卷积层,分别定义为第一卷积层、第二卷积层、第三卷积层以及第四卷积层;将原始图像信息输入第一卷积层以提取浅层特征图像信息;将浅层特征图像信息输入第二卷积层以形成第二提取图像信息;将浅层特征图像信息与第二提取图像信息进行concat连接再输入第三卷积层以形成第三提取图像信息;将浅层特征图像信息、第二提取图像信息以及第三提取图像信息进行concat连接再输入第四卷积层以形成深层特征图像信息。3.根据权利要求1所述的基于视觉感知的鲁棒图像的水印嵌入方法,其特征是:关于视觉掩码生成方法具体包括:获取深层特征图像信息;对深层特征图像信息进行降维处理以形成第一视觉图像信息;将第一视觉图像信息所对应的数值限制于所预设的阈值范围内以形成第二视觉图像信息;根据第二视觉图像信息以计算深层特征图像信息中特征点的概率分布情况以形成视觉掩码信息。4.根据权利要求1所述的基于视觉感知的鲁棒图像的水印嵌入方法,其特征是:关于视觉掩码生成方法具体包括:获取浅层特征图像信息;对浅层特征图像信息进行降维处理以形成第三视觉图像信息;将第三视觉图像信息所对应的数值限制于所预设的阈值范围内以形成第四视觉图像信息;根据第四视觉图像信息以计算深层特征图像信息中特征点的概率分布情况以形成浅层视觉掩码信息;获取深层特征图像信息;对深层特征图像信息进行降维处理以形成第五视觉图像信息;
将第五视觉图像信息所对应的数值限制于所预设的阈值范围内以形成第六视觉图像信息;根据第六视觉图像信息以计算深层特征图像信息中特征点的概率分布情况以形成深度视觉掩码信息。5.根据权利要求4所述的基于视觉感知的鲁棒图像的水印嵌入方法,其特征是:根据视觉掩码信息对预处理水印信息进行修正以形成待嵌入水印信息的方法如下:根据浅层视觉掩码信息对预处理水印信息进行修正以形成浅层水印信息;根据深度视觉掩码信息对预处理水印信息进行修正以形成深层水印信息;将浅层水印信息、深层水印信息进行融合以形成待嵌入水印信息。6.根据权利要求2所述的基于视觉感知的鲁棒图像的水印嵌入方法,其特征是:关于提取特征图像信息的具体公式如下:其中,F1为浅层特征图像信息;F2为第二提取图像信息;F3为第三提取图像信息;F4为深层特征图像信息;Layer1、Layer2、Layer3、Layer4均为卷积层以对图像进行特征提取,且Layer1、Layer2、Layer3、Layer4四个卷积层的结构相同;Conv3×3表示为卷积核为3
×
3的卷积滤波;BN表示为Batch Normalization函数;LR表示LeakReLU激活函数;concat表示为concat函数;关于对原始水印信息进行空间复制的预处理方式的具体公式如下:其中,W'为预处理水印信息;W
in
为原始水印信息;H为原始图像信息的长度;W为原始图像信息的宽度;L为原始水印信息的长度;关于将浅层特征图像信息、深层特征图像信息以及待嵌入水印信息进行图像融合以形成融合图像信息的公式如下:F=Conv3×3(Layer6(Layer5(concat(F4,F1,W
en
)));其中,F为融合图像信息;Conv3×3表示为卷积核为3
×
3的卷积滤波;Layer5、Layer6均为卷积层以对拼接后的图像进行特征提取,且Layer5、Layer6两个卷积层的结构相同;concat(F4,F1,W
en
)表示为将F4、F1、W
en
三者进行拼接以形成新的图像;在根据特征图像信息以形成视觉掩码信息的过程中,关于根据深层特征图像信息形成对应的视觉掩码信息的具体公式如下:M=Layer
V
(F4)=SoftMax(Tanh(BN(Conv3×3(F4))));其中,F4为深层特征图像信息;Conv3×3(F4)表示为降维处理,即通过Conv3×3(F4)以形成第一视觉图像信息;BN表示为Batch Normalization函数;Tanh表示为Tanh激活函数,即通过Tanh(BN(Conv3×3(F4)))以将第一视觉图像信息所对应的数值限制于所预设的阈值范围
内以形成第二视觉图像信息;SoftMax表示为SoftMax激活函数,即通过SoftMax(Tanh(BN(Conv3×3(F4))))计算深层特征图像信息中特征点的概率分布情况以形成视觉掩码信息;X=BN(Conv3×3(F4));C
i
∈[C1,C
L
];Y
(H,W,C)
=Tanh(BN(Conv3×3(F4)));其中,Y
(H,W,C)
表示为到所有点的集合;表示为第i个点的数据;H、W、C分别表示为长度、宽度、通道数;表示为到所有的点的集合;关于对预处理水印信息进行修正以形成待嵌入水印信息的公式如下:W
en
=W'
×
M
×
L;其中,W
en
为待嵌入水印信息,M为视觉掩码信息;L为原始水印信息的长度;W'为预处理水印信息;或者根据浅层特征图像信息生成浅层视觉掩码信息,根据深层特征图像信息形成深层视觉掩码信息;将浅层视觉掩码信息与深层视觉掩码信息作为视觉掩码信息;具体公式如下:M1=Layer
V
(F1)=SoftMax(Tanh(BN(Conv3×3(F1))));M2=Layer
V
(F4)=SoftMax(Tanh(BN(Conv3×3(F4))));其中,F1为浅层特征图像信息;F4为深层特征图像信息;Conv3×3(F4)表示为降维处理,即通过Conv3×3(F1)以形成第三视觉图像信息,通过Conv3×3(F4)以形成第五视觉图像信息;BN表示为Batch No...
【专利技术属性】
技术研发人员:骆挺,黄江涛,徐海勇,何周燕,
申请(专利权)人:宁波大学科学技术学院,
类型:发明
国别省市:
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。