【技术实现步骤摘要】
本专利技术涉及图像水印，具体而言，涉及一种水印信息提取方法及电子设备。
技术介绍
1、基于乘性嵌入的图像水印方法利用了watson熵掩码视觉模型，选择了图像中熵值较大的图像子块作为水印嵌入区域，提出了一种简单高效的图像水印嵌入方法，在抵抗加性高斯噪声、中值滤波、jpeg压缩等攻击下具有较好的鲁棒性能。
2、但是，基于乘性嵌入的图像水印方法根据人为经验选择水印嵌入参数，需要不断地调整该参数，难以实现水印的重同步检测，导致水印抗全局几何攻击的鲁棒性较弱，对于被几何攻击后的水印图像，难以正常提取水印信息。
技术实现思路
1、有鉴于此，本专利技术实施例的目的在于，提供一种水印信息提取方法及电子设备以至少部分地改善上述问题。
2、为了实现上述目的，本专利技术实施例采用的技术方案如下：
3、第一方面，本专利技术实施例提供了一种水印信息提取方法，所述方法包括：
4、将原始图像嵌入第一水印信息，得到第一水印图像；
5、获取所述第一水印图像被几何攻击后的变形图像；
6、将所述原始图像和所述变形图像输入几何校正网络模型，得到校正后的第二水印图像；
7、将所述第二水印图像输入水印提取模型，得到提取的第二水印信息。
8、可选地，所述几何校正网络模型包括特征提取网络模块以及匹配网络模块，所述将所述原始图像和所述变形图像输入几何校正网络，得到校正后的第二水印图像，包括：
9、将所述原始图像和所述变形图像
10、将各所述原始图像子块和各所述变形图像子块分别输入特征提取网络模块，分别得到原始特征图和变形特征图；
11、将所述原始特征图和所述变形特征图通过通道级联进行融合，得到融合特征图；
12、将所述融合特征图输入所述匹配网络模块，得到几何变换参数；
13、根据所述几何变换参数，对所述变形图像进行几何逆变换，得到校正后的第二水印图像。
14、可选地，所述特征提取网络模块包括n层第一网络层，所述网络层包括卷积层、批归一化和线性修正单元，各所述网络层之间用reshape连接；所述匹配网络模块包括m层第二网络层以及全连接层，各所述第二网络层之间按顺序级联。
15、可选地，所述将所述第二水印图像输入水印提取模型，得到提取的第二水印信息，包括：
16、根据似然率进行统计检验，得到假设检验式；
17、采用隐马尔可夫模型对所述第二水印图像的图像系数分布进行统计建模，获得水印分布函数；
18、根据所述水印分布函数以及极大似然函数，采用极大似然解码方式提取出所述第二水印图像的第二水印信息。
19、可选地，所述假设检验式为：
20、
21、其中，h1为备择假设，h0为零假设；
22、所述水印分布函数为：
23、
24、其中，xij表示第j分解层上的第i个结点存在一个隐状态sij，其中，xij服从多变量高斯分布，为xij的均值，为xij的协方差；
25、所述极大似然函数为：
26、
27、其中，表示嵌入水印信息“1”的系数的概率分布函数；表示嵌入水印信息“-1”的系数的概率分布函数。
28、可选地，所述将原始图像嵌入第一水印信息，得到第一水印图像，包括：
29、将所述原始图像划分成多个大小相等且互不重叠的图像子块；
30、计算各所述图像子块的能量值，并按所述能量值降序排序，选择前预设个数的所述图像子块作为目标图像子块，其他所述图像子块作为非目标图像子块；所述目标图像子块表征水印嵌入区域；
31、对各所述目标图像子块进行轮廓波变换，计算出各所述目标图像子块中的低频子带系数向量以及高频子带平均能量；
32、根据所述高频子带平均能量，基于视觉显著度模型，计算出各所述目标图像子块的嵌入参数；
33、根据所述低频子带系数向量以及各所述嵌入参数，对各所述目标图像子块进行水印嵌入，得到嵌入水印的水印图像子块；
34、将各所述水印图像子块与各所述非目标图像子块进行组合，得到第一水印图像。
35、可选地，所述对各所述目标图像子块进行轮廓波变换，计算出各所述目标图像子块中的低频子带系数向量以及高频子带平均能量，包括：
36、对各所述目标图像子块进行1层轮廓波分解，得到1个低频子带图像以及4个高频子带图像；
37、将各所述低频子带图像转换为一维向量，分别得到低频子带系数向量；
38、针对每个所述目标图像子块，计算对应的各所述高频子带图像的能量平均值；
39、根据各所述能量平均值，计算出高频子带平均能量。
40、可选地，所述能量平均值的计算公式为：
41、
42、
43、其中，ej表示第j个所述高频子带图像的系数能量，为所述高频子带图像，表示所述高频子带图像在位置处的轮廓波系数。
44、可选地，所述嵌入参数的计算公式为：
45、
46、其中a取值为1.023，c取值为0.02，ξ设置为3.5×10-5，ehf为所述高频子带平均能量，d为各所述目标图像子块的显著度距离，dmax表示各所述目标图像子块中最大的显著度距离。
47、第二方面，本专利技术实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的方法。
48、本专利技术实施例提供的一种水印信息提取方法及电子设备，用几何校正网络模型来估计变形图像的几何变换参数，如包括旋转角度、缩放尺度、以及平移参数等，然后根据估计的几何变换参数恢复含水印图像，最后在几何校正后的含水印图像中提取水印信息，实现了水印的重同步检测，提高了水印抗几何攻击和组合攻击的鲁棒性；利用了图像轮廓波系数统计分布的非高斯特性，采用了隐马尔科夫模型对图像的轮廓波系数进行统计建模，并结合最大似然估计方法，进一步提升了水印的检测性能；结合了视觉显著度模型，自适应嵌入参数，并将图像轮廓波系数能量较大的区域作为水印嵌入空间，提高抗同步攻击的能力。
49、为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种水印信息提取方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述几何校正网络模型包括特征提取网络模块以及匹配网络模块，所述将所述原始图像和所述变形图像输入几何校正网络，得到校正后的第二水印图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述特征提取网络模块包括N层第一网络层，所述网络层包括卷积层、批归一化和线性修正单元，各所述网络层之间用reshape连接；所述匹配网络模块包括M层第二网络层以及全连接层，各所述第二网络层之间按顺序级联。
4.根据权利要求1所述的方法，其特征在于，所述将所述第二水印图像输入水印提取模型，得到提取的第二水印信息，包括：
5.根据权利要求4所述的方法，其特征在于，所述假设检验式为：
6.根据权利要求1所述的方法，其特征在于，所述将原始图像嵌入第一水印信息，得到第一水印图像，包括：
7.根据权利要求6所述的方法，其特征在于，所述对各所述目标图像子块进行轮廓波变换，计算出各所述目标图像子块中的低频子带系数向量以及高频子带平均能量，包括：>
8.根据权利要求7所述的方法，其特征在于，所述能量平均值的计算公式为：
9.根据权利要求6所述的方法，其特征在于，所述嵌入参数的计算公式为：
10.一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至9任一项所述的方法。
...【技术特征摘要】
1.一种水印信息提取方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述几何校正网络模型包括特征提取网络模块以及匹配网络模块，所述将所述原始图像和所述变形图像输入几何校正网络，得到校正后的第二水印图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述特征提取网络模块包括n层第一网络层，所述网络层包括卷积层、批归一化和线性修正单元，各所述网络层之间用reshape连接；所述匹配网络模块包括m层第二网络层以及全连接层，各所述第二网络层之间按顺序级联。
4.根据权利要求1所述的方法，其特征在于，所述将所述第二水印图像输入水印提取模型，得到提取的第二水印信息，包括：
5.根据权利要...
【专利技术属性】
技术研发人员：刘金华，徐牡莲，于钥，吴佳韵，黄源源，苟建平，
申请(专利权)人：上饶师范学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。