基于深度学习的Hadamard变换抗屏摄水印方法技术

本发明专利技术公开了一种基于深度学习的Hadamard变换抗屏摄水印方法，属于水印技术领域。本发明专利技术将卷积神经网络(CNN)和残差块相结合，在Hadamard域内实现了嵌入和提取水印的端到端过程。本发明专利技术通过模拟屏摄攻击，将其加入到嵌入层和提取层中间，以保证网络稳健嵌入水印。该方法能够根据偷拍者的照片高效提取水印信息，对数字媒体进行版权保护。本发明专利技术使用变换域来嵌入水印，使得水印扩散更广的图像范围，这种特性对水印算法的鲁棒性具有较好的提高效果。通过与相关技术的比较，证明了本发明专利技术在不可察觉性和鲁棒性方面的优越性。在不可察觉性和鲁棒性方面的优越性。在不可察觉性和鲁棒性方面的优越性。

【技术实现步骤摘要】
基于深度学习的Hadamard变换抗屏摄水印方法


[0001]本专利技术属于水印
，具体涉及一种基于深度学习的Hadamard变换抗屏摄水印方法，该方法能够根据偷拍者的照片高效提取水印信息，对数字媒体进行一个版权保护。

技术介绍

[0002]电子屏幕作为承载知识和传播信息的新型媒介，已经成为了人们日常生活必不可少的一部分，电子屏幕极大的改变了人们的阅读方式，当代人们更多的选择屏幕阅读代替纸质阅读。
[0003]同时随着智能手机的广泛使用，拍照过程变得简单易行。在信息安全领域，通过屏幕拍照、录像等手段窃取单位内部敏感信息已逐渐成为当前重要信息泄露的主要途径。
[0004]屏摄(即屏幕拍摄)泄密取证成为了热点问题。为了解决泄密问题，很多部门和公司需要部署屏摄溯源系统，对泄密行为进行取证，形成震慑能力，避免泄密事件的发射。具体来讲，主要分为事前主动防御，事后有据可查。在受控终端预先藏于溯源信息，并布置客户端进行警示，系统部署形成巨大震慑作用，有效降低泄密者意愿。另一方面当机要信息泄露后通过溯源系统找到泄密源头和责任人，让泄密者无法抵赖，有效追究关系人责任，这样保证机要所属机构的版权信息，保障信息安全。目前，深度学习技术在水印算法领域的应用正在迅速增长，因为它可以有效地解决水印嵌入和提取的过程。已有的数字水印技术能够有效解决多媒体数据版权保护等问题，但如何设计出能抵抗屏摄攻击的数字水印算法依然是个难题。传统的数字水印算法可以有效抵抗常见的攻击类型，如图像处理、几何变换等，但因为屏摄攻击是个复杂的过程，在拍摄显示在屏幕上的图像时，图像和水印都要经历一系列的模数转换和数模转换过程，这些过程会表现为受到的强大攻击组合。目前对于抗屏摄攻击的数字水印算法研究较少。因此，如何在数字水印算法中提高算法的抗屏摄鲁棒性，是目前亟待解决的技术问题。
[0005]由于机器学习工具和深度网络在各种计算机视觉和图像处理领域的快速发展，卷积神经网络在水印方面的应用最近出现了。

技术实现思路

[0006]本专利技术的目的是解决现有技术中数字水印算法难以抗屏摄攻击的问题，并提出了一种基于深度学习的Hadamard变换抗屏摄水印方法。本专利技术将卷积神经网络(CNN)和残差块相结合，在Hadamard域内实现嵌入和提取水印的端到端过程。此外本专利技术通过将模拟屏摄攻击的模块加入到水印嵌入层和提取层中间，以保证网络稳健嵌入水印能够从泄露的照片中提取水印信息，实现版权保护。
[0007]本专利技术具体采用的技术方案如下：
[0008]一种基于深度学习的Hadamard变换抗屏摄水印方法，其包括：
[0009]S1、构建由水印嵌入模块、攻击模拟模块和水印提取模块组成的水印模型框架；
[0010]所述水印嵌入模块由第一Hadamard变换层、第一卷积模块和Hadamard逆变换层级
联而成，其输入为待嵌入的水印以及需嵌入水印的原始图像；单通道的原始图像预先被切分为一系列相同尺寸的第一图像块，每个第一图像块输入第一Hadamard变换层中通过Hadamard变换从空域变换到频域，每个第一图像块的二维变换结果沿通道维度进行拼接后得到第一变换特征图，再将待嵌入的水印嵌入第一变换特征图中得到第二变换特征图，将第二变换特征图输入第一卷积模块中进行卷积操作，从而得到与第一变换特征图通道数相同的第三变换特征图，将第三变换特征图逐通道输入Hadamard逆变换层中通过Hadamard逆变换从频域变换回空域，每个通道的二维变换结果重新按切分顺序拼接还原得到与原始图像相同尺寸的中间图像，将中间图像与原始图像叠加后输出为单通道的含水印图像；
[0011]所述攻击模拟模块中内置包含屏摄攻击在内的多种攻击操作，其输入为所述含水印图像，每一种攻击操作均能够对所述含水印图像进行攻击，并生成单通道的受攻击后的含水印图像；且所述屏摄攻击中的moir
é
攻击由moir
é
攻击网络实现，所述moir
é
攻击网络由U
‑
Net网络训练得到，输入为含水印图像，输出为经过moir
é
攻击增加噪声后的含水印图像；
[0012]所述水印提取模块由第二Hadamard变换层和第二卷积模块级联而成，其输入为单通道的受攻击后的含水印图像；受攻击后的含水印图像预先被切分为一系列相同尺寸的第二图像块，每个第二图像块输入第二Hadamard变换层中通过Hadamard变换从空域变换到频域，每个第二图像块的二维变换结果沿通道维度进行拼接后得到第四变换特征图，再将第四变换特征图输入第二卷积模块中进行卷积操作，得到水印提取结果；
[0013]S2、利用训练数据，通过最小化总损失函数对所述水印模型框架进行迭代训练，且所述水印提取模块在不同训练轮次中选择不同攻击操作对所述水印嵌入模块输出的含水印图像进行攻击，每一轮训练选择一种攻击操作，所有训练轮次覆盖全部攻击操作；所述总损失函数由归一化互相关损失和结构相似性指数损失的带偏置倒数加权而成；
[0014]S3、在所述水印模型框架训练完毕后，利用水印嵌入模块进行水印嵌入，输出带有水印的含水印图像，而对于需要进行水印提取的图像，将其直接输入水印提取模块中进行水印提取。
[0015]作为优选，所述总损失函数的表达式如下：
[0016][0017]其中：L
w
表示原始嵌入水印和水印提取结果的归一化互相关系数，L
I
表示原始图像与含水印图像的结构相似性指数，C3和C4分别为两个用来稳定分母的弱变量。
[0018]作为优选，所述α和β均为大于0小于1的小数，且满足α+β＝1。
[0019]作为优选，所述C1、C2、C3、C4的值分别为10
‑4、9
×
10
‑4、10
‑2和3
×
10
‑2。
[0020]作为优选，所述待嵌入的水印嵌入第一变换特征图的方式为将待嵌入的水印与第一变换特征图沿通道维度进行拼接。
[0021]作为优选，所述第一卷积模块和第二卷积模块中分别包含5层卷积层。
[0022]作为优选，所述的屏摄攻击包括透视变换、光线畸变、JPEG畸变和moir
é
模式多种攻击操作。
[0023]作为优选，所述攻击模拟模块中还包括非屏摄攻击，具体包括对图像进行模糊、裁剪、高斯噪声、马赛克噪声、缩放、旋转、锐化、浮水印、显示失真、亮度和对比度多种攻击操作。
[0024]作为优选，所述moir
é
攻击网络的训练过程中，将一系列含水印图像样本x
i
及对应的经过moir
é
攻击增加噪声后的含水印图像y
i
作为输入样本，通过最小化损失函数L
m
对U
‑
Net网络进行训练；其中损失函数L
m
的形式为：
[0025][0026]式中：m本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的Hadamard变换抗屏摄水印方法，其特征在于，包括：S1、构建由水印嵌入模块、攻击模拟模块和水印提取模块组成的水印模型框架；所述水印嵌入模块由第一Hadamard变换层、第一卷积模块和Hadamard逆变换层级联而成，其输入为待嵌入的水印以及需嵌入水印的原始图像；单通道的原始图像预先被切分为一系列相同尺寸的第一图像块，每个第一图像块输入第一Hadamard变换层中通过Hadamard变换从空域变换到频域，每个第一图像块的二维变换结果沿通道维度进行拼接后得到第一变换特征图，再将待嵌入的水印嵌入第一变换特征图中得到第二变换特征图，将第二变换特征图输入第一卷积模块中进行卷积操作，从而得到与第一变换特征图通道数相同的第三变换特征图，将第三变换特征图逐通道输入Hadamard逆变换层中通过Hadamard逆变换从频域变换回空域，每个通道的二维变换结果重新按切分顺序拼接还原得到与原始图像相同尺寸的中间图像，将中间图像与原始图像叠加后输出为单通道的含水印图像；所述攻击模拟模块中内置包含屏摄攻击在内的多种攻击操作，其输入为所述含水印图像，每一种攻击操作均能够对所述含水印图像进行攻击，并生成单通道的受攻击后的含水印图像；且所述屏摄攻击中的moir
é
攻击由moir
é
攻击网络实现，所述moir
é
攻击网络由U
‑
Net网络训练得到，输入为含水印图像，输出为经过moir
é
攻击增加噪声后的含水印图像；所述水印提取模块由第二Hadamard变换层和第二卷积模块级联而成，其输入为单通道的受攻击后的含水印图像；受攻击后的含水印图像预先被切分为一系列相同尺寸的第二图像块，每个第二图像块输入第二Hadamard变换层中通过Hadamard变换从空域变换到频域，每个第二图像块的二维变换结果沿通道维度进行拼接后得到第四变换特征图，再将第四变换特征图输入第二卷积模块中进行卷积操作，得到水印提取结果；S2、利用训练数据，通过最小化总损失函数对所述水印模型框架进行迭代训练，且所述水印提取模块在不同训练轮次中选择不同攻击操作对所述水印嵌入模块输出的含水印图像进行攻击，每一轮训练选择一种攻击操作，所有训练轮次覆盖全部攻击操作；所述总损失函数由归一化互相关损失和结构相似性指数损失的带偏置倒数加权而成；S3、在所述水印模型框架训练完毕后，利用水印嵌入模块进行水印嵌入，输出带有水印的含水印图像，而对于需要进行水印提取的图像，将其直接输入水印提取模块中进行水印提取。2.如权利要求1所述的基于...

【专利技术属性】
技术研发人员：白瑞，李黎，涂克克，周陈倩，郑思雅，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：