一种使用聚频制造技术

本发明专利技术公开了一种使用聚频

【技术实现步骤摘要】
一种使用聚频DCT变换引导的抗多噪音水印方法


[0001]本专利技术涉及图像水印
，具体涉及一种使用聚频
DCT
变换引导的抗多噪音水印方法
。

技术介绍

[0002]近年来，基于可逆神经网络的数字水印方法得到了广泛研究，这些方法将水印的嵌入过程与提取过程视作一对互逆函数，由于共享一组参数，因此特征可以很好的耦合，从而提升整个方法的不可见性和鲁棒性
。
通用做法是将载体图像与水印信息作为两个分支送入可逆神经网络，该网络的正向过程对应水印的嵌入，以产生水印图像
。
在噪音层中引入模拟真实的噪音以提高鲁棒性
。
可逆神经网络的逆向过程对施加了噪音的水印图像进行水印信息的提取
。
可逆神经网络常基于标准化流的生成网络，通过精心设计的耦合层，可以直接计算网络分布的密度，从而使用最大似然法进行训练
。
给定一个目标图像实例
x
～
P
X
(x)
后，通过学习
f
θ
(x)
＝
z
，其中
f
θ
(
·
)
是网络学习的双射函数，变量
z
遵循一个简单分布
P
Z
(z)
，则可以使用进行图像的生成工作
。
但图像在网络中传输会遭遇复杂叠加噪音问题，例如图像在上传到微博会遭遇一系列的预处理操作
(/>有损压缩
、
裁剪等
)
，剽窃者若是知晓从社交媒体上下载的图像嵌有水印，可以再次施加一个二次噪音攻击以去除水印
。

技术实现思路

[0003]本专利技术的目的在于，提供一种使用聚频
DCT
变换引导的抗多噪音水印方法，有效应对剽窃者的二次噪音攻击，最大程度保证水印图像的安全
。
[0004]为实现上述目的，本申请的技术方案为：一种使用聚频
DCT
变换引导的抗多噪音水印方法，包括：
[0005]使用聚频
DCT
变换对载体图像进行处理，并得到聚频
DCT
系数；
[0006]通过扩散提取消息处理器生成与聚频
DCT
系数跨膜态一致的水印特征图；
[0007]基于可逆神经网络的正向过程将聚频
DCT
系数和水印特征图生成水印图像；
[0008]将水印图像输入噪声层，在噪声层中使用组合噪音或并行叠加噪音得到噪声图像；
[0009]使用高频预测网络获取正向过程中丢弃的高频内容；
[0010]基于可逆神经网络的逆向过程对噪声图像与高频内容进行提取处理；
[0011]通过扩散提取消息处理器得到恢复后的水印信息
。
[0012]进一步地，使用聚频
DCT
变换对载体图像进行处理，并得到聚频
DCT
系数，具体为：首先将载体图像的像素域分割成多个非重叠块，对每个非重叠块进行二维
DCT
变换得到
DCT
频域系数，然后将相同频率下
(
即每个非重叠块中的相同位置
)
的
DCT
频域系数聚合在一个通道；最后，按照
RGB
的顺序将通道依次叠加得到聚频
DCT
系数
。
[0013]进一步地，所述二维
DCT
变换方式为：
[0014][0015]其中，是
2D
‑
DCT
的基函数，
f
2d
是非重叠块，
H、W
分别是
f
2d
的高度和宽度；是该函数的输出，即
I
DCT
。
[0016]进一步地，通过扩散提取消息处理器生成与聚频
DCT
系数跨膜态一致的水印特征图，具体为：水印消息输入至扩散提取消息处理器内，首先将水印消息经过全连接引入冗余信息，从一维形式变换为二维形式，然后通过通道扩展卷积层得到第一种尺寸的水印特征张量，再将第一种尺寸的水印特征张量经过亚像素卷积得到与原始载体图像大小一致的水印特征张量，最后经过聚频
DCT
变换得到水印特征图；
[0017]所述扩散提取消息处理器实现过程如下：
[0018][0019]其中，
O
copy
、O
cat
、O
pixel
‑
shuffle
分别表示复制
、
通道连接
、
亚像素卷积，
Γ
fc
、
Γ
conv
分别表示全连接
、3
×
3ConvBNReLU
；是水印特征图张量
。
[0020]进一步地，基于可逆神经网络的正向过程将聚频
DCT
系数和水印特征图生成水印图像，具体为：聚频
DCT
系数和水印特征图被送入连续
n
个可逆块中，使用可逆块的前向过程进行水印嵌入；对水印特征图采用增强仿射变换后作为水印残差掩码，该水印残差掩码与原始载体图像进行跳跃连接后得到水印图像；对于聚频
DCT
系数，采用加性变换得到高频内容的潜在表征，高频内容将在前向过程中被丢弃
。
[0021]更进一步地，在噪声层中使用组合噪音或并行叠加噪音得到噪声图像，具体为：从噪音池中至少随机挑选
A、B
两种不同的噪音，并以
AB
和
BA
的顺序施加至水印图像和复制的水印图像副本上，得到两张噪声图像
。
[0022]更进一步地，所述高频预测网络以噪声图像作为输入，经过多个密集块后生成预测的高频冗余信息
。
[0023]更进一步地，所述可逆神经网络的逆向过程，以噪声图像的聚频
DCT
系数和高频冗余信息作为输入，经过可逆耦合层之间的逆加强仿射变换与逆加性变换得到输出
。
[0024]作为进一步地，扩散提取消息处理器使用逆聚频
DCT
变换对逆向过程的输出进行变换，同时使二维的变换结果变为一维，并使用全连接得到水印信息，将水印信息采用平均输出，公式如下
:
[0025][0026]其中，
O
avg
表示对三个通道特征图提取的水印进行平均操作，
Γ
fc
表示全连接；是水印特征图张量
。
[0027]作为进一步地，训练正向过程的损失函数为
L
ForwardI
，
L
ForwardI
用以辅助可逆神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种使用聚频
DCT
变换引导的抗多噪音水印方法，其特征在于，包括：使用聚频
DCT
变换对载体图像进行处理，并得到聚频
DCT
系数；通过扩散提取消息处理器生成与聚频
DCT
系数跨膜态一致的水印特征图；基于可逆神经网络的正向过程将聚频
DCT
系数和水印特征图生成水印图像；将水印图像输入噪声层，在噪声层中使用组合噪音或并行叠加噪音得到噪声图像；使用高频预测网络获取正向过程中丢弃的高频内容；基于可逆神经网络的逆向过程对噪声图像与高频内容进行提取处理；通过扩散提取消息处理器得到恢复后的水印信息
。2.
根据权利要求1所述一种使用聚频
DCT
变换引导的抗多噪音水印方法，其特征在于，使用聚频
DCT
变换对载体图像进行处理，并得到聚频
DCT
系数，具体为：首先将载体图像的像素域分割成多个非重叠块，对每个非重叠块进行二维
DCT
变换得到
DCT
频域系数，然后将相同频率下的
DCT
频域系数聚合在一个通道；最后，按照
RGB
的顺序将通道依次叠加得到聚频
DCT
系数
。3.
根据权利要求2所述一种使用聚频
DCT
变换引导的抗多噪音水印方法，其特征在于，所述二维
DCT
变换方式为：其中，是
2D
‑
DCT
的基函数，
f
2d
是非重叠块，
H、W
分别是
f
2d
的高度和宽度；是该函数的输出，即
I
DCT
。4.
根据权利要求1所述一种使用聚频
DCT
变换引导的抗多噪音水印方法，其特征在于，通过扩散提取消息处理器生成与聚频
DCT
系数跨膜态一致的水印特征图，具体为：水印消息输入至扩散提取消息处理器内，首先将水印消息经过全连接引入冗余信息，从一维形式变换为二维形式，然后通过通道扩展卷积层得到第一种尺寸的水印特征张量，再将第一种尺寸的水印特征张量经过亚像素卷积得到与原始载体图像大小一致的水印特征张量，最后经过聚频
DCT
变换得到水印特征图；所述扩散提取消息处理器实现过程如下：其中，
O
copy
、O
cat
、O
pixel
‑
shuffle
分别表示复制
、
通道连接
、
亚像素卷积，
Γ
fc
、
Γ
conv
分别表示全连接
、3
×
3ConvBNReLU
...

【专利技术属性】
技术研发人员：王宾，张伟，张强，魏小鹏，周士华，吕卉，
申请(专利权)人：大连大学，
类型：发明
国别省市：