一种通用型两阶段图像水印消除方法技术

本发明专利技术提供了图像处理技术领域的一种通用型两阶段图像水印消除方法，包括如下步骤：步骤S10、构建一文字水印数据集以及一logo水印数据集；步骤S20、基于神经网络构建一水印消除模型；步骤S30、利用所述文字水印数据集以及logo水印数据集对水印消除模型进行训练；步骤S40、获取待消除水印的水印图像，对所述水印图像进行分块得到若干块水印子图；步骤S50、将所述水印子图输入水印消除模型进行文字水印和logo水印的两阶段消除以得到优化子图，将各所述优化子图拼接得到优化图像，完成所述水印图像的水印消除。本发明专利技术的优点在于：极大的提升了水印消除的通用性。了水印消除的通用性。了水印消除的通用性。

【技术实现步骤摘要】
一种通用型两阶段图像水印消除方法


[0001]本专利技术涉及图像处理
，特别指一种通用型两阶段图像水印消除方法。

技术介绍

[0002]日常生活中带有水印的图像很常见，为了使图像看起来更加简洁美观，时常需要消除图像中的水印。把图像上的水印进行电子去除是一种图像还原技术，但即使是PS专家，也很难快速且不留痕迹的消除图像中的水印。
[0003]当前主流的水印消除方法是通过水印检测，并重新对水印区域进行像素填充来完成水印消除，此方法虽然简单便捷，但随着水印的种类越来越多，此方法不再适用于通用场景下的水印消除。
[0004]因此，如何提供一种通用型两阶段图像水印消除方法，实现提升水印消除的通用性，成为一个亟待解决的技术问题。

技术实现思路

[0005]本专利技术要解决的技术问题，在于提供一种通用型两阶段图像水印消除方法，实现提升水印消除的通用性。
[0006]本专利技术是这样实现的：一种通用型两阶段图像水印消除方法，包括如下步骤：
[0007]步骤S10、构建一文字水印数据集以及一logo水印数据集；
[0008]步骤S20、基于神经网络构建一水印消除模型；
[0009]步骤S30、利用所述文字水印数据集以及logo水印数据集对水印消除模型进行训练；
[0010]步骤S40、获取待消除水印的水印图像，对所述水印图像进行分块得到若干块水印子图；
[0011]步骤S50、将所述水印子图输入水印消除模型进行文字水印和logo水印的两阶段消除以得到优化子图，将各所述优化子图拼接得到优化图像。
[0012]进一步地，所述步骤S10中，所述文字水印数据集的构建过程为：
[0013]获取大量的第一目标图以及一文本文档，对所述文本文档进行随机化处理后，从所述文本文档中随机选取若干个文字以水印形式分别添加到各第一目标图上，得到若干张文字水印图；在水印添加的过程中，生成水印在所述第一目标图上的第一位置图，对所述第一位置图进行二值化处理得到文字水印掩码图；基于各所述第一目标图、文字水印图以及文字水印掩码图构建文字水印数据集。
[0014]进一步地，所述第一目标图为自然图像或者文档图像；所述文本文档包含所有的汉字、大写字母、小写字母以及阿拉伯数字；
[0015]所述对文本文档进行随机化处理具体为：
[0016]通过python脚本对所述文本文档的各字符进行随机组合、随机位置、随机大小、随机转动角度、随机透明度以及随机数量的随机化处理。
[0017]进一步地，所述步骤S10中，所述logo水印数据集的构建过程为：
[0018]通过网络爬虫获取大量的第二目标图以及logo图，对各所述logo图进行随机化处理后，随机选取若干个logo以水印形式分别添加到各第二目标图上，得到若干张logo水印图；在水印添加的过程中，生成水印在所述第二目标图上的第二位置图，对所述第二位置图进行二值化处理得到logo水印掩码图；基于各所述第二目标图、logo水印图以及logo水印掩码图构建logo水印数据集。
[0019]进一步地，所述第二目标图为自然图像或者文档图像；
[0020]所述对各logo图进行随机化处理具体为：
[0021]通过python脚本对各所述logo图进行随机位置、随机大小、随机转动角度、随机透明度以及随机数量的随机化处理。
[0022]进一步地，所述步骤S20中，所述水印消除模型设有一语义分割模块、一粗消除模块以及一精消除模块；
[0023]所述语义分割模块以及粗消除模块共用特征提取单元；所述精消除模块连接在粗消除模块之后；
[0024]所述语义分割模块以及粗消除模块均基于unet网络或者deeplabv3+网络构建，并在高级网络层里添加有ASPP单元；
[0025]所述精消除模块在底层里添加有自注意力单元。
[0026]进一步地，所述步骤S30具体包括：
[0027]步骤S31、对所述文字水印数据集以及logo水印数据集中包含的各图像进行图像增强和图像预处理；
[0028]步骤S32、将所述文字水印数据集中的第一目标图输入水印消除模型，生成第一掩码图和第三目标图，通过交叉熵损失函数计算所述第一掩码图和文字水印掩码图的第一损失值，通过平均绝对误差损失函数计算所述第三目标图和第一目标图的第二损失值，将所述第一损失值加上第二损失值得到第三损失值，训练直至所述第三损失值小于设定的第一阈值；
[0029]将所述logo水印数据集中的第二目标图输入水印消除模型，生成第二掩码图和第四目标图，通过交叉熵损失函数计算所述第二掩码图和logo水印掩码图的第四损失值，通过平均绝对误差损失函数计算所述第四目标图和第二目标图的第五损失值，将所述第四损失值加上第五损失值得到第六损失值，训练直至所述第六损失值小于设定的第二阈值，完成所述水印消除模型一阶段的训练；
[0030]步骤S33、将所述第一目标图输入水印消除模型，生成第五目标图，通过PSNR损失函数计算所述第五目标图和第一目标图的第七损失值，训练直至所述第七损失值小于设定的第三阈值；
[0031]将所述第二目标图输入水印消除模型，生成第六目标图，通过PSNR损失函数计算所述第六目标图和第二目标图的第八损失值，训练直至所述第八损失值小于设定的第四阈值，完成所述水印消除模型二阶段的训练。
[0032]进一步地，所述步骤S31具体为：
[0033]对所述文字水印数据集以及logo水印数据集中包含的各图像进行包括随机旋转、随机翻转、亮度变换以及灰度化的图像增强和图像分块的图像预处理。
[0034]进一步地，所述步骤S40具体为：
[0035]获取待消除水印的水印图像，基于预设的尺寸对所述水印图像进行分块得到若干块水印子图，依次记录各所述水印子图的顺序编号。
[0036]进一步地，所述步骤S50具体为：
[0037]将所述水印子图输入水印消除模型进行文字水印和logo水印的两阶段消除以得到优化子图，将各所述优化子图基于顺序编号拼接得到优化图像，完成所述水印图像的水印消除。
[0038]本专利技术的优点在于：
[0039]1、通过构建文字水印数据集以及logo水印数据集对基于神经网络构建的水印消除模型进行训练，再获取待消除水印的水印图像并进行分块得到若干块水印子图，将水印子图输入水印消除模型进行文字水印和logo水印的两阶段消除以得到优化子图，将各优化子图拼接得到优化图像，以完成水印图像的水印消除；由于对水印消除模型进行训练的文字水印数据集以及logo水印数据集的图像经过随机化处理、图像增强和图像预处理，极大的提升了样本数据的质量，并扩展了数据集，以保障训练后的水印消除模型具有良好的泛化能力，且具备去除文字水印和logo水印的能力；通过在水印消除模型中添加ASPP单元和自注意力单元，扩展了感受野，进而极大的提升了特征提取能力，保证可用有效识别图像中各种类型的水印，最终极大的提升本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通用型两阶段图像水印消除方法，其特征在于：包括如下步骤：步骤S10、构建一文字水印数据集以及一logo水印数据集；步骤S20、基于神经网络构建一水印消除模型；步骤S30、利用所述文字水印数据集以及logo水印数据集对水印消除模型进行训练；步骤S40、获取待消除水印的水印图像，对所述水印图像进行分块得到若干块水印子图；步骤S50、将所述水印子图输入水印消除模型进行文字水印和logo水印的两阶段消除以得到优化子图，将各所述优化子图拼接得到优化图像。2.如权利要求1所述的一种通用型两阶段图像水印消除方法，其特征在于：所述步骤S10中，所述文字水印数据集的构建过程为：获取大量的第一目标图以及一文本文档，对所述文本文档进行随机化处理后，从所述文本文档中随机选取若干个文字以水印形式分别添加到各第一目标图上，得到若干张文字水印图；在水印添加的过程中，生成水印在所述第一目标图上的第一位置图，对所述第一位置图进行二值化处理得到文字水印掩码图；基于各所述第一目标图、文字水印图以及文字水印掩码图构建文字水印数据集。3.如权利要求2所述的一种通用型两阶段图像水印消除方法，其特征在于：所述第一目标图为自然图像或者文档图像；所述文本文档包含所有的汉字、大写字母、小写字母以及阿拉伯数字；所述对文本文档进行随机化处理具体为：通过python脚本对所述文本文档的各字符进行随机组合、随机位置、随机大小、随机转动角度、随机透明度以及随机数量的随机化处理。4.如权利要求1所述的一种通用型两阶段图像水印消除方法，其特征在于：所述步骤S10中，所述logo水印数据集的构建过程为：通过网络爬虫获取大量的第二目标图以及logo图，对各所述logo图进行随机化处理后，随机选取若干个logo以水印形式分别添加到各第二目标图上，得到若干张logo水印图；在水印添加的过程中，生成水印在所述第二目标图上的第二位置图，对所述第二位置图进行二值化处理得到logo水印掩码图；基于各所述第二目标图、logo水印图以及logo水印掩码图构建logo水印数据集。5.如权利要求4所述的一种通用型两阶段图像水印消除方法，其特征在于：所述第二目标图为自然图像或者文档图像；所述对各logo图进行随机化处理具体为：通过python脚本对各所述logo图进行随机位置、随机大小、随机转动角度、随机透明度以及随机数量的随机化处理。6.如权利要求1所述的一种通用型两阶段图像水印消除方法，其特征在于：所述步骤S20中，所述水印消除模型设有一语义分割模块、一粗消除模块以及一精消除模块；所述语义...

【专利技术属性】
技术研发人员：杨辉，黄家昌，赵宝华，
申请(专利权)人：福建亿能达信息技术股份有限公司，
类型：发明
国别省市：