水印提取方法、模型训练方法、装置、电子设备及介质制造方法及图纸

本申请涉及图像处理的领域，尤其是涉及水印提取方法、模型训练方法、装置、电子设备及介质，该方法包括获取待处理的目标图像，目标图像中嵌入有水印标识，然后将目标图像通过目标生成对抗网络中的生成器进行颜色特征增强以及边缘特征增强，得到增强处理后的目标图像，再对增强处理后的目标图像进行水印提取，得到水印标识。本申请的方案能够更准确地提取图像中的水印标识。中的水印标识。中的水印标识。

【技术实现步骤摘要】
水印提取方法、模型训练方法、装置、电子设备及介质


[0001]本申请涉及图像处理的领域，尤其是涉及水印提取方法、模型训练方法、装置、电子设备及介质。

技术介绍

[0002]在一些场景下，为了信息泄密后溯源的需求，电子设备的屏幕窗口上需要添加水印标识，以使得在通过截屏或摄屏获取屏幕窗口显示内容的图像时，水印标识能够存在于获取的图像中。
[0003]在添加水印标识时可以将水印标识设置较高的透明度，能降低少水印标识对屏幕显示内容的遮挡效果，但是，这也造成了提取图像中较高的透明度的水印标识的准确度较低的问题。并且，通过拍摄屏幕的方式得到带有水印标识的图像时，可能因为摩尔纹失真和/或光照不均衡等原因，使水印标识不清晰，这同样会使得水印的提取不准确。
[0004]因此，如何更准确地提取图像中的水印标识，是一个亟需解决的问题。

技术实现思路

[0005]为了更准确地提取图像中的水印标识，本申请提供一种水印提取方法、模型训练方法、装置、电子设备及介质。
[0006]第一方面，本申请提供一种水印提取方法，采用如下的技术方案：一种水印提取方法，包括：获取待处理的目标图像，所述目标图像中嵌入有水印标识；将所述目标图像通过目标生成对抗网络中的生成器进行颜色特征增强以及边缘特征增强，得到增强处理后的目标图像；对所述增强处理后的目标图像进行水印提取，得到所述水印标识。
[0007]通过采用上述技术方案，通过生成对抗网络的生成器得到的增强处理后的目标图像的颜色特征和边缘特征都得到了增强，进而使得增强处理后的目标图像的颜色表征更全面和真实且边缘表征更清晰，因而对增强处理后的目标图像进行水印提取时，可以更准确地得到目标图像中的水印标识。
[0008]在一种可能实现的方式中，述将所述目标图像通过目标生成对抗网络中的生成器进行颜色特征增强以及边缘特征增强，包括以下任一项：将所述目标图像依次通过N1个生成器进行颜色特征增强以及边缘特征增强，得到增强处理后的目标图像，N1≥2；将所述目标图像分别通过N2个生成器进行颜色特征增强以及边缘特征增强，得到各自对应的增强图像，并基于所述各自对应的增强图像确定所述增强处理后的目标图像，N2≥2。
[0009]通过采用上述技术方案，将目标图像依次通过N1个生成器，使得目标图像能够进行多级颜色特征增强以及边缘特征增强，进而使得增强处理后得到的目标图像的色彩特征
表达和边缘特征表达更好；而将目标图像分别通过N2个生成器进行颜色特征增强以及边缘特征增强，使得多个目标图像能够同时进行增强处理，进而便于同时得到多个增强处理后的目标图像，使得效率更高。
[0010]在一种可能实现的方式中，所述目标生成对抗网络是通过对原始生成对抗网络进行训练后得到的，所述原始生成对抗网络包括：原始生成器和原始判别器；所述将所述目标图像通过目标生成对抗网络中的生成器进行颜色特征增强以及边缘特征增强，之前还包括：获取训练样本，所述训练样本包含多个训练样本对，任一训练样本对是由第一图像和第二图像组成，所述第一图像和所述第二图像中水印标识相同，所述第一图像中水印标识的透明度高于所述第二图像中水印标识的透明度；确定第一损失以及第二损失，所述第一损失为每个所述第一图像通过所述原始生成器后的生成图像与对应的第二图像在颜色空间转换后的损失，所述第二损失为每个所述第一图像通过所述原始生成器后的生成图像通过所述原始判别器所带来的损失；基于所述第一损失和所述第二损失构建第一损失函数；基于所述第一损失函数对所述原始生成对抗网络进行训练，得到所述目标生成对抗网络。
[0011]在一种可能实现的方式中，确定第三损失，所述第三损失为每个所述第二图像通过原始判别器后所带来的损失；基于所述第二损失和所述第三损失构建第二损失函数；其中，所述基于所述第一损失函数对原始生成对抗网络进行训练，得到所述目标生成对抗网络，包括：基于所述第一损失函数和所述第二损失函数对原始生成对抗网络进行训练，得到所述目标生成对抗网络。
[0012]在一种可能实现的方式中，一种水印提取方法还包括：所述第一损失函数如公式A所示,公式A:L
G
＝α(
‑
E(D(G(z))))+(1
‑
α)MSE(f(G(z)),f(x))*d1；其中，其中G表示原始生成器，D表示原始判别器，E表示期望，α是一个预设系数，z表征第一图像，x表征第二图像；G(z)为第一图像通过原始生成器之后得到的生成图像，D(G(z))为生成图像相对于第二图像的真实性分数，f(G(z))为生成图像转换到目标颜色空间并提取一个或多个通道,f(x)为第二图像转换到目标颜色空间并提取一个或多个通道；MSE(f(G(z)),f(x))是生成图像和第二图像转换到同一个目标颜色空间的损失，M，N为生成图像或第二图像的宽和高，i，j为生成图像或第二图像的横坐标值和纵坐标值，n为目标颜色空间的通道数，c为通道序号；d1＝2*alpha/(a2
‑
a1)，其中alpha表征第二图像中水印标识的透明度，a1表征透明度的极小值，a2表征透明度的极大值；所述第二损失函数如公式B所示,公式B：L
D
＝E(max(0,1
‑
D(x)))*d1+E(max(0,1+D(G(z))))，其中，L
D
表示第二损失函数，D(x)为第二图像通过原始判别器得到的第二图像相对于第二图像本身的真实性分数。
[0013]在一种可能实现的方式中，所述原始生成对抗网络包括：原始判别器以及N1个级联的原始生成器；对原始生成对抗网络进行训练，得到所述目标生成对抗网络，包括：迭代下述步骤，直至满足停止条件，得到所述目标生成对抗网络：将多个第二图像依次通过N1个级联的原始生成器，得到各自对应的生成结果；将所述各自对应的生成结果以及各自对应的第一图像，通过所述原始判别器进行判别处理。
[0014]第二方面，本申请公开一种模型训练方法。
[0015]一种模型训练方法，包括：获取原始生成对抗网络；对所述原始生成对抗网络进行训练，得到目标生成对抗网络，所述目标生成对抗网络用于在对待处理的目标图像进行水印提取之前，对所述待处理的目标图像进行颜色特征增强以及边缘特征增强。
[0016]通过采用上述技术方案，通过生成对抗网络的生成器得到的增强处理后的目标图像的颜色特征和边缘特征都得到了增强，进而使得增强处理后的目标图像的颜色表征更全面和真实且边缘表征更清晰，因而对增强处理后的目标图像进行水印提取时，可以更准确地得到目标图像中的水印标识。
[0017]在一种可能实现的方式中，所述对所述原始生成对抗网络进行训练，得到目标生成对抗网络，包括：获取训练样本，所述训练样本包含多个训练样本对，任一训练样本对是由第一图像和第二图像组成，所述第一图像中水印标识的透明度高于所述第二图像中水印标识的透明度；获取第一损失以及第二损失，所述第一损失为所述第一图像通过原始生成器后的生成图像与第二图像在颜色空间转换后的损失，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水印提取方法，其特征在于，包括：获取待处理的目标图像，所述目标图像中嵌入有水印标识；将所述目标图像通过目标生成对抗网络中的生成器进行颜色特征增强以及边缘特征增强，得到增强处理后的目标图像；对所述增强处理后的目标图像进行水印提取，得到所述水印标识。2.根据权利要求1所述的方法，其特征在于，所述将所述目标图像通过目标生成对抗网络中的生成器进行颜色特征增强以及边缘特征增强，包括以下任一项：将所述目标图像依次通过N1个生成器进行颜色特征增强以及边缘特征增强，得到增强处理后的目标图像，N1≥2；将所述目标图像分别通过N2个生成器进行颜色特征增强以及边缘特征增强，得到各自对应的增强图像，并基于所述各自对应的增强图像确定所述增强处理后的目标图像，N2≥2。3.根据权利要求1所述的方法，其特征在于，所述目标生成对抗网络是通过对原始生成对抗网络进行训练后得到的，所述原始生成对抗网络包括：原始生成器和原始判别器；所述将所述目标图像通过目标生成对抗网络中的生成器进行颜色特征增强以及边缘特征增强，之前还包括：获取训练样本，所述训练样本包含多个训练样本对，任一训练样本对是由第一图像和第二图像组成，所述第一图像和所述第二图像中水印标识相同，所述第一图像中水印标识的透明度高于所述第二图像中水印标识的透明度；确定第一损失以及第二损失，所述第一损失为每个所述第一图像通过所述原始生成器后的生成图像与对应的第二图像在颜色空间转换后的损失，所述第二损失为每个所述第一图像通过所述原始生成器后的生成图像通过所述原始判别器所带来的损失；基于所述第一损失和所述第二损失构建第一损失函数；基于所述第一损失函数对所述原始生成对抗网络进行训练，得到所述目标生成对抗网络。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：确定第三损失，所述第三损失为每个所述第二图像通过原始判别器后所带来的损失，基于所述第二损失和所述第三损失构建第二损失函数；其中，所述基于所述第一损失函数对原始生成对抗网络进行训练，得到所述目标生成对抗网络，包括：基于所述第一损失函数和所述第二损失函数对原始生成对抗网络进行训练，得到所述目标生成对抗网络。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：所述第一损失函数如公式A所示：公式A:L
G
＝α(
‑
E(D(G(z))))+(1
‑
α)MSE(f(G(z)),f(x))*d1；其中，其中G表示原始生成器，D表示原始判别器，E表示期望，α是一个预设系数，z表征第一图像，x表征第二图像；G(z)为第一图像通过原始生成器之后得到的生成图像，D(G(z))为生成
图像相对于第二图像的真实性分数，f(G(z))为生成图像转换到目标颜色空间并提取一个或多个通道，f(x)为第二图像转换到目标颜色空...

【专利技术属性】
技术研发人员：张小亮，李茂林，贾福昌，戚纪纲，
申请(专利权)人：北京万里红科技有限公司，
类型：发明
国别省市：