基于数字水印的纺织品图像版权保护方法技术

本发明专利技术涉及数据处理技术领域，具体涉及基于数字水印的纺织品图像版权保护方法。该方法是一种应用电子设备进行识别的方法，利用生产领域人工智能系统完成对纺织品图像嵌入水印并对纺织品图像版权侵害进行判断。该方法首先通过相机识别图像，得到纺织品图像的梯度幅值直方图和方向梯度直方图，对梯度幅值直方图和方向梯度直方图进行数据处理得到数字水印和嵌入数字水印后的纺织水印图像，进一步对数字水印进行数据处理判断纺织品图像是否被侵权。本发明专利技术对纺织品图像的梯度幅值直方图进行大梯度区间直方图均衡化将数字水印嵌入，有效提高了数字水印的鲁棒性，减少图像转印对数字水印的影响，提高纺织品图像的版权可保护性和可追踪溯源性。追踪溯源性。追踪溯源性。

【技术实现步骤摘要】
基于数字水印的纺织品图像版权保护方法


[0001]本专利技术涉及数据处理
，具体涉及基于数字水印的纺织品图像版权保护方法。

技术介绍

[0002]日益频发的纺织品图像侵权案件给企业和个人带来了巨大的损失，一般防止纺织品图像侵权案件的发生，通过通过对纺织品图像添加水印的技术，以实现对纺织品图像的版权保护和追踪溯源。
[0003]目前，常见的对纺织品图像添加水印是通过直方图的修改和平移实现数字水印的嵌入，该方法虽然保证了图像质量，但是数字水印的嵌入容量会受到直方图峰值点的限制，且数字水印的嵌入量直接影响纺织品图像的版权可保护性和可追踪溯源性，且在图像转印的过程中，纺织品图像会受到自身纹理特征导致的噪声的影响，进而会影响数字水印的提取与验证。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供基于数字水印的纺织品图像版权保护方法，所采用的技术方案具体如下：获取纺织品图像，计算所述纺织品图像的梯度得到梯度图像、以及对应的梯度幅值直方图和方向梯度直方图；将所述方向梯度直方图分为多个单元，计算每个单元对应的梯度幅值之和，根据各所述梯度幅值之和与梯度幅值的均值的差异得到一个二进制数，作为所述纺织品图像的数字水印；对所述梯度幅值直方图进行阈值分割得到大梯度区间和小梯度区间；获取所述大梯度区间的概率均值，基于所述概率均值对所述梯度幅值直方图进行修正，将大于预设概率阈值的梯度幅值的概率更新为二倍的概率均值；将小于预设概率阈值大于零的梯度幅值的概率更新为所述概率均值；对修正后的所述梯度幅值直方图进行均衡化，得到均衡化后的梯度幅值直方图，基于所述均衡化后的梯度幅值直方图，重复对部分梯度幅值进行数字水印嵌入，得到纺织水印图像；提取待验证纺织图像的数字水印，比较所述待验证纺织图像的数字水印和所述纺织水印图像的数字水印，判断所述纺织品图像的版权是否被侵害。
[0005]优选的，所述计算所述纺织品图像的梯度得到梯度图像，包括：利用索贝尔算子计算所述纺织品图像中像素的梯度幅值和梯度方向，进行离散化处理，得到所述纺织品图像的梯度图像。
[0006]优选的，所述根据各所述梯度幅值之和与梯度幅值的均值的差异得到一个二进制数，包括：
比较每个单元的所述梯度幅值之和与梯度幅值的均值的大小，当所述梯度幅值之和大于等于所述梯度幅值的均值时，对应位置记为1；当所述梯度幅值之和小于所述梯度幅值的均值时，对应位置记为0，得到一个二进制数。
[0007]优选的，所述对所述梯度幅值直方图进行阈值分割得到大梯度区间和小梯度区间，包括：阈值分割的满足条件为：，其中，为梯度幅值直方图的梯度幅值对应的最大频率；为最优阈值分割处的梯度幅值；为最大的梯度幅值；基于最优阈值分割处的梯度幅值，对所述梯度幅值直方图进行阈值分割得到大梯度区间和小梯度区间。
[0008]优选的，所述基于所述均衡化后的梯度幅值直方图，重复对部分梯度幅值进行数字水印嵌入，得到纺织水印图像，包括：由概率大于预设概率阈值的梯度幅值构成梯度幅值验证集合；基于所述均衡化后的梯度幅值直方图，获取所述梯度幅值验证集合中梯度幅值对应的嵌入像素点，对嵌入像素点进行数字水印嵌入；数字水印嵌入的计算公式为：其中，为嵌入数字水印后的梯度幅值；为均衡化后的梯度幅值；为数字水印；根据嵌入数字水印后的梯度幅值直方图进行还原，得到嵌入水印后的纺织水印图像。
[0009]优选的，所述比较所述待验证纺织图像的数字水印和所述纺织水印图像的数字水印，判断所述纺织水印图像的版权是否被侵害，包括：由概率大于预设概率阈值的梯度幅值构成梯度幅值验证集合；结合所述梯度幅值验证集合内的梯度幅值和所述待验证纺织图像对应的多个梯度幅值，从所述待验证纺织图像中提取出待验证纺织图像的多个二进制序列；计算重复概率为Top
‑
k的二进制序列和纺织水印图像的数字水印的汉明距离，若得到的汉明距离大于预设距离阈值，则纺织品图像的版权被侵害。
[0010]本专利技术实施例至少具有如下有益效果：本专利技术实施例利用数据处理技术，该方法是一种应用电子设备进行识别的方法，利用生产领域人工智能系统完成对纺织品图像嵌入水印并对纺织品图像版权侵害进行判断。首先获取纺织品图像，计算纺织品图像的梯度得到对应的梯度幅值直方图和方向梯度直方图；根据纺织品图像的方向梯度直方图获得强鲁棒性的数字水印；对梯度幅值直方图进行阈值分割得到大梯度区间和小梯度区间；基于大梯度区间的概率均值对梯度幅值直方图进行修正，在进行直方图均衡化前，先对梯度幅值直方图进行概率修正，保证在直方图均衡化后，概率小的梯度幅值不被吞噬，概率大的梯度幅值均衡化程度较小，即使区间的概率分布更均匀。对修正后的梯度幅值直方图进行均衡化，得到均衡化后的梯度幅值直方图，基于均衡化后的梯度幅值直方图，重复对部分梯度幅值进行数字水印嵌入，得到纺织水印图像，通过对梯度幅值直方图的大梯度区间进行直方图平移嵌入数字水印，替代对直方图峰
值点进行平移嵌入数字水印，保证了数字水印的强鲁棒性，大梯度区间划分的结果决定了数字水印的嵌入量。提取待验证纺织图像的数字水印，比较待验证纺织图像的数字水印和纺织品图像的数字水印，判断纺织品图像的版权是否被侵害。本专利技术根据纺织品图像的方向梯度直方图获得强鲁棒性的数字水印，然后对纺织品图像的梯度幅值直方图进行大梯度区间直方图均衡化，实现直方图平移，将数字水印嵌入，最终通过数字水印技术实现纺织品图像的版权保护和追踪溯源。在保证数字水印高嵌入量的情况下，有效提高了数字水印的鲁棒性，并减少图像转印对数字水印的影响，提高纺织品图像的版权可保护性和可追踪溯源性。
附图说明
[0011]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0012]图1为本专利技术一个实施例所提供的基于数字水印的纺织品图像版权保护方法的方法流程图。
具体实施方式
[0013]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的基于数字水印的纺织品图像版权保护方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0014]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0015]本专利技术实施例提供了基于数字水印的纺织品图像版权保护方法的具体实施方法，该方法适用于纺织品图像嵌入水印和版权保护场景。该场景下在纺织品正上方放置有一相机，使相机的光轴垂直于纺织品，以采集得到纺织品图像。为了解决仅在峰值点嵌入水印会导致数字水印的嵌入容量受到直方图峰值点的限制的问题，本专利技术是一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于数字水印的纺织品图像版权保护方法，其特征在于，该方法包括以下步骤：获取纺织品图像，计算所述纺织品图像的梯度得到梯度图像、以及对应的梯度幅值直方图和方向梯度直方图；将所述方向梯度直方图分为多个单元，计算每个单元对应的梯度幅值之和，根据各所述梯度幅值之和与梯度幅值的均值的差异得到一个二进制数，作为所述纺织品图像的数字水印；对所述梯度幅值直方图进行阈值分割得到大梯度区间和小梯度区间；获取所述大梯度区间的概率均值，基于所述概率均值对所述梯度幅值直方图进行修正，将大于预设概率阈值的梯度幅值的概率更新为二倍的概率均值；将小于预设概率阈值大于零的梯度幅值的概率更新为所述概率均值；对修正后的所述梯度幅值直方图进行均衡化，得到均衡化后的梯度幅值直方图，基于所述均衡化后的梯度幅值直方图，重复对部分梯度幅值进行数字水印嵌入，得到纺织水印图像；提取待验证纺织图像的数字水印，比较所述待验证纺织图像的数字水印和所述纺织水印图像的数字水印，判断所述纺织品图像的版权是否被侵害。2.根据权利要求1所述的基于数字水印的纺织品图像版权保护方法，其特征在于，所述计算所述纺织品图像的梯度得到梯度图像，包括：利用索贝尔算子计算所述纺织品图像中像素的梯度幅值和梯度方向，进行离散化处理，得到所述纺织品图像的梯度图像。3.根据权利要求1所述的基于数字水印的纺织品图像版权保护方法，其特征在于，所述根据各所述梯度幅值之和与梯度幅值的均值的差异得到一个二进制数，包括：比较每个单元的所述梯度幅值之和与梯度幅值的均值的大小，当所述梯度幅值之和大于等于所述梯度幅值的均值时，对应位置记为1；当所述梯度幅值之和小于所述梯度幅值的均值时，对应位置记为0，得到一个二...

【专利技术属性】
技术研发人员：向双丽，钟胜良，
申请(专利权)人：南通东德纺织科技有限公司，
类型：发明
国别省市：