基于亚像素上采样的全卷积盲水印添加、解析系统和方法技术方案

本发明专利技术公开了一种基于亚像素上采样的全卷积盲水印添加、解析系统和方法，其中盲水印添加系统包括载体图像编码模块、DWT单元和消息处理模块；DWT单元用于对载体图像进行小波变换，获取每次小波变换产生的LL频带；载体图像编码模块用于将消息特征嵌入载体图像中，得到编码图像I

【技术实现步骤摘要】
基于亚像素上采样的全卷积盲水印添加、解析系统和方法


[0001]本专利技术属于信息安全
，具体涉及一种在载体图像中添加盲水印的系统和方法，以及从添加盲水印图像中解析原始秘密信息的系统和方法。

技术介绍

[0002]盲水印是指将秘密信息嵌入图像中，且不破坏图像本身所展示的效果，也不破坏图像的识别结果的技术。在传统鲁棒盲水印方法中，通常借助一些变换来找到稳定的隐藏空间，以达到水印嵌入的鲁棒性。
[0003]由于深度学习广泛应用，研究者们提出了一些基于深度学习的盲水印方案。借助于深度学习网络寻找稳定的嵌入空间，并对各种攻击展开对抗学习，可建立获得鲁棒的水印编码器和解码器。
[0004]文献1：Jia Z,Fang H,Zhang W.Mbrs:Enhancing robustness of dnn
‑
based watermarking by mini
‑
batch of real and simulated jpeg compression[C]//Proceedings of the 29th ACM International Conference on Multimedia.2021:41
‑
49.中，Jia等人针对JPEG压缩提出了全新的模型MBRS，在每次添加噪声时，都会从真实JPEG、模拟JPEG和无噪层中选择一种噪声加入噪声层并且使用“消息处理器”对消息进行预处理，为了抵抗裁剪噪声，MBRS可以额外添加一个“消息扩散块”从而大大提升对裁剪的抗性，该模型的结果要远远优于目前所有的基于深度学习的盲水印方案，是现在的SOTA方案。
[0005]如图1所示，上述文献1中公开的MBRS网络架构分为5个部分：编码器Encoder、消息处理器Message Processor、判别器Discriminator、噪声层Noise Layer、解码器Decoder。编码器接收载体图像和消息处理器处理后的特征嵌入到载体图像中并输出含密图像。消息处理器接收秘密信息，先将消息进行重塑，然后利用反卷积进行上采样和SE blocks对信息进行扩散和整理，输出带有信息的特征图。判别器接收载体图像和含密图像，输出判断输入图像是否为含密图像的结果。噪声层接收含密图像，输出被噪声攻击过后的噪声图像。解码器接收噪声图像，输出解析出的秘密信息。
[0006]对MBRS进行如下消融实验：1、全卷积网络代替原先的SE blocks，结果是网络的性能并没有造成影响，造成这种结果的原因是，图像的特征提取主要体现在卷积层的局部特征提取中，而引入的SE blocks的注意力机制更多的是对每个通道的特征图的整体分配，这不仅不能获得更好的局部特征反而增加了计算复杂度；2、将消息处理器中的全部网络替换为HiDDeN中的简单复制——将m位的秘密信息M重复复制得到m
×
H
×
W大小的信息图之后，网络几乎无法收敛，误码率达到了惊人的50％左右。也就是说，MBRS的优秀很大程度上是因为消息处理器的存在。不仅如此，MBRS生成的水印图像很容易出现规律的棋盘效应，这使得水印更容易被发现和去除。

技术实现思路

[0007]专利技术目的：针对现有技术中存在的问题，本专利技术提供一种基于亚像素上采样的全
卷积盲水印添加系统，该系统对图像添加盲水印具有更高的鲁棒性和不可感知性。
[0008]技术方案：本专利技术一方面公开了一种基于亚像素上采样的全卷积盲水印添加系统，包括DWT单元、载体图像编码模块100和消息处理模块200；
[0009]所述DWT单元用于对载体图像进行小波变换，获取每次小波变换产生的LL频带；
[0010]所述载体图像编码模块100的输入为载体图像I
CO
，包括依次级联的第一多卷积单元101、第一连接单元102、第二卷积单元103、第二连接单元104、第三卷积单元105；所述第一多卷积单元101用于提取载体图像的特征，由级联的多个卷积单元构成，每个卷积单元由卷积层、批处理层和激活层级联构成；第一连接单元102用于将载体图像的特征和消息特征连接起来得到联合特征，所述第二卷积单元103用于提取联合特征的特征；所述第二连接单元104用于将载体图像和联合特征连接，经过第三卷积单元105得到编码图像I
EN
；
[0011]所述消息处理模块200的输入为原始秘密信息M，包括消息重塑层201、预处理单元202、多级上采样模块203和第二多卷积单元204；所述消息重塑层201用于将一维原始秘密信息M转为二维秘密信息M
′
，预处理单元202用于对二维秘密信息M
′
进行初步特征提取；所述多级上采样模块203用于对二维秘密信息的初步特征进行上采样，包括N个级联的上采样单元，从第2个上采样单元开始，每个上采样单元后接连接单元，其中第n个上采样单元后面的连接单元将第n个上采样单元的输出和载体图像第N
‑
n+1次小波变换产生的LL频带图像连接起来，作为第n+1个上采样单元的输入；所述上采样单元的结构为级联的卷积层、批处理层、激活层、亚像素卷积、批处理层和激活层；所述第二多卷积单元204用于对提取多级上采样模块输出的秘密信息特征图像的特征，得到消息特征M
″
，由级联的多个卷积单元构成，每个卷积单元由卷积层、批处理层和激活层级联构成。
[0012]进一步地，所述原始秘密信息的长度L、二维秘密信息M
′
的长h和宽w、载体图像的长H和宽W、多级上采样模块203中上采样单元的个数N具有如下关系：
[0013]L＝h
×
w＝(H/2
N
)
×
(W/2
N
)。
[0014]进一步地，所述载体图像编码模块100和消息处理模块200参数的训练过程包括：
[0015]S1、构建盲水印编解码系统，所述盲水印编解码系统包括：载体图像编码模块100、DWT单元、消息处理模块200、噪声层300、编码图像判别模块400、秘密信息判别模块500、解码模块600；
[0016]所述噪声层用于对编码图像I
EN
添加噪声，得到噪声图像I
NO
；
[0017]所述编码图像判别模块400的输入为载体图像I
CO
和编码图像I
EN
，用于判断编码图像I
EN
与载体图像I
CO
是否为同一图像，包括第三多卷积单元和一个平均池化层；所述第三多卷积单元包括级联的多个卷积单元构成，每个卷积单元由卷积层、批处理层和激活层级联构成；
[0018]所述秘密信息判别模块500的输入为原始秘密信息M和解码模块输出的解码秘密信息M
out
，用于判断解码秘密信息M
out
是否为原始秘密信息M，包括第四多卷积单元和一个线性层；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于亚像素上采样的全卷积盲水印添加系统，其特征在于，包括DWT单元、载体图像编码模块(100)和消息处理模块(200)；所述DWT单元用于对载体图像进行小波变换，获取每次小波变换产生的LL频带；所述载体图像编码模块(100)的输入为载体图像I
CO
，包括依次级联的第一多卷积单元(101)、第一连接单元(102)、第二卷积单元(103)、第二连接单元(104)、第三卷积单元(105)；所述第一多卷积单元(101)用于提取载体图像的特征，由级联的多个卷积单元构成，每个卷积单元由卷积层、批处理层和激活层级联构成；第一连接单元(102)用于将载体图像的特征和消息特征连接起来得到联合特征，所述第二卷积单元(103)用于提取联合特征的特征；所述第二连接单元(104)用于将载体图像和联合特征连接，经过第三卷积单元(105)得到编码图像I
EN
；所述消息处理模块(200)的输入为原始秘密信息M，包括消息重塑层(201)、预处理单元(202)、多级上采样模块(203)和第二多卷积单元(204)；所述消息重塑层(201)用于将一维原始秘密信息M转为二维秘密信息M
′
，预处理单元(202)用于对二维秘密信息M
′
进行初步特征提取；所述多级上采样模块(203)用于对二维秘密信息的初步特征进行上采样，包括N个级联的上采样单元，从第2个上采样单元开始，每个上采样单元后接连接单元，其中第n个上采样单元后面的连接单元将第n个上采样单元的输出和载体图像第N
‑
n+1次小波变换产生的LL频带图像连接起来，作为第n+1个上采样单元的输入；所述上采样单元的结构为级联的卷积层、批处理层、激活层、亚像素卷积、批处理层和激活层；所述第二多卷积单元(204)用于对提取多级上采样模块输出的秘密信息特征图像的特征，得到消息特征M
″
，由级联的多个卷积单元构成，每个卷积单元由卷积层、批处理层和激活层级联构成。2.根据权利要求1所述的盲水印添加系统，其特征在于，所述原始秘密信息的长度L、二维秘密信息M
′
的长h和宽w、载体图像的长H和宽W、多级上采样模块(203)中上采样单元的个数N具有如下关系：L＝h
×
w＝H/2
N
)
×
(W/2
N
)。3.根据权利要求1所述的盲水印添加系统，其特征在于，所述载体图像编码模块(100)和消息处理模块(200)参数的训练过程包括：S1、构建盲水印编解码系统，所述盲水印编解码系统包括：载体图像编码模块(100)、DWT单元、消息处理模块(200)、噪声层(300)、编码图像判别模块(400)、秘密信息判别模块(500)、解码模块(600)；所述噪声层用于对编码图像I
EN
添加噪声，得到噪声图像I
NO
；所述编码图像判别模块(400)的输入为载体图像I
CO
和编码图像I
EN
，用于判断编码图...

【专利技术属性】
技术研发人员：吴宇峰，王保卫，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：