图像水印去除装置制造方法及图纸

本发明专利技术涉及图像处理技术领域，具体提供了一种图像水印去除装置，旨在解决如何提升恢复图像的图片质量和人脸验证准确率的技术问题。为此目的，本发明专利技术中的图像水印去除装置可以基于对抗生成网络模型对人脸图像进行去水印处理，其中，对抗生成网络模型中的生成器可以依据人脸图像生成对应的无水印图像，判别器可以判断无水印图像的整体图像和局部图像是否为真实图像，优化模块对生成器和判别器进行优化。进一步地，该装置还可以包括人脸识别模型，以提取无水印原始图像和生成器所生成的无水印图像的人脸特征，进一步优化生成器和判别器。本发明专利技术的技术方案，能够在获取高质量无水印图像的同时有效保护图像所包含的信息。

Image watermark removal device

The invention relates to the technical field of image processing, and specifically provides an image watermark removal device, which aims to solve the technical problems of how to improve the image quality of the restored image and the accuracy rate of face verification. To this end, the image watermark removal device in this invention can be used to watermark the face image based on the antagonistic generation network model, in which the generator in the antagonistic generation network model can generate the corresponding non watermark image according to the face image, and the discriminator can judge the whole image and the local image of the watermark image without the watermark. As for real images, the optimization module optimizes generator and discriminator. Further, the device can also include a face recognition model to extract the face features of the watermark - free image generated by the original watermark and the generator, and further optimize the generator and discriminator. The technical proposal of the invention can effectively protect the information contained in the image while obtaining high quality and no watermark image.

【技术实现步骤摘要】
图像水印去除装置
本专利技术涉及图像处理
，具体涉及一种图像水印去除装置。
技术介绍
人证比对指的是通过对比人的证件照和现场拍摄的照片，对人的身份进行验证。在一些场合，出于对用户隐私的考虑，常常会对证件照加上水印。尽管卷积神经网络在人脸识别上取得了非常大的突破，但是证件照上的水印，会对人脸造成遮挡，导致人证比对的准确率大幅度降低。传统的方法是训练全卷积网络，去除证件照的水印。但是这种方法，在去除水印的同时会丢失掉证件照的部分身份信息，恢复的人脸接近平均脸，导致人证比对的准确率不高。
技术实现思路
为了解决现有技术中的上述问题，即为了解决如何提升恢复图像的图片质量和人脸验证准确率的技术问题，本专利技术提供了一种图像水印去除装置。本专利技术中的图像水印去除装置，包括对抗生成网络模型，其配置为对人脸图像进行去水印处理；所述对抗生成网络模型包括生成器、判别器和优化模块；所述生成器，配置为依据所述人脸图像生成对应的无水印图像；所述判别器，配置为判断所述生成器所生成的无水印图像的整体图像和局部图像是否为真实图像；所述优化模块，配置为按照下式所示的对抗损失函数优化所述生成器和判别器：其中，所述lossg和lossd分别为所述生成器和判别器的损失函数，所述x1为带水印人脸图像，所述[G(x1)]+为对生成器G生成的无水印图像G(x1)进行裁剪后得到的局部图像，所述y1为所述带水印人脸图像x1对应的无水印原始图像，所述y2为所述无水印原始图像y1中与所述[G(x1)]+对应的局部图像，所述D1(y1)为判别器中全局判别单元D1的输出结果，所述D2(y2)为判别器中局部判别单元D2的输出结果，所述λ1和λ2均为预设的平衡系数。进一步地，本专利技术提供的一个优选技术方案为：所述装置还包括人脸识别模型；所述人脸识别模型，配置为提取所述无水印原始图像y1和所述生成器生成的无水印图像G(x1)中的人脸特征；所述优化模块，进一步配置为按照下式所示的组合损失函数优化所述生成器和判别器：其中，所述Gloss和Dloss分别为所述生成器和判别器的组合损失函数，所述lossfeature为依据所述人脸识别模型所提取的人脸特征构建的特征损失函数，所述losspixel为依据所述带水印人脸图像x1与无水印原始图像y1的像素差所构建的像素损失函数，所述γ1、γ2、γ3、γ4和γ5均为预设的平衡系数。进一步地，本专利技术提供的一个优选技术方案为：所述特征损失函数lossfeature如下式所示：lossfeature＝||φ(y1)-φG(x1)||2其中，所述φ(y1)为人脸识别模型φ对无水印原始图像y1提取得到的人脸特征，所述φG(x1)为人脸识别模型φ对无水印图像G(x1)提取得到的人脸特征，所述||||2表示2范数。进一步地，本专利技术提供的一个优选技术方案为：所述像素损失函数losspixel如下式所示：losspixel＝||y1-x1||2其中，所述||||2表示2范数。进一步地，本专利技术提供的一个优选技术方案为：所述生成器包括编码器和解码器；所述编码器包括串联的多个第一残差单元，其中，所述第一残差单元包括下采样残差块和尺度不变残差块，且所述下采样残差块的输入侧为第一残差单元的输入侧，所述尺度不变残差块的输出侧为第一残差单元的输出侧，所述下采样残差块的输出侧与所述尺度不变残差块的输入侧相连；所述解码器包括串联的多个第二残差单元，其中，所述第二残差单元包括上采样残差块和尺度不变残差块，且所述上采样残差块的输入侧为第二残差单元的输入侧，所述尺度不变残差块的输出侧为第二残差单元的输出侧，所述上采样残差块的输出侧与所述尺度不变残差块的输入侧相连。进一步地，本专利技术提供的一个优选技术方案为：所述判别器中的全局判别单元D1包括依次连接的第一卷积层、第一残差模块、第一池化层和第一线性层，其中，所述第一残差模块包括多个串联的第三残差单元；所述第三残差单元包括下采样残差块和上采样残差块，且所述下采样残差块的输入侧为第三残差单元的输入侧，上采样残差块的输出侧为第三残差单元的输出侧，所述下采样残差块的输出侧与所述上采样残差块的输入侧相连。进一步地，本专利技术提供的一个优选技术方案为：所述判别器中的局部判别单元D2包括依次连接的第二卷积层、第二残差模块、第二池化层和第二线性层，其中，所述第二残差模块包括多个串联的第三残差单元。进一步地，本专利技术提供的一个优选技术方案为：所述人脸识别模型为基于卷积神经网络的信息识别模型。与最接近的现有技术相比，上述技术方案至少具有以下有益效果：1、本专利技术中的生成器采用自动编码器结构，能够有效控制生成器的输出图像，具体地，通过编码器将输入到生成器的带水印图像编码为一定维度的向量，进而通过解码器对编码器编码得到的向量进行解码，得到无水印图像。2、本专利技术中的判别器包括全局判别单元和局部判别单元，其中，全局判别单元能够对生成器所生成的无水印图像整体进行真伪判断，局部判别单元能够对无水印图像中的部分区域，如眼睛进行真伪判断，基于上述结构能够提高无水印图像的质量和验证准确率。3、本专利技术中的人脸识别模型可以提取无水印原始图像和生成器所生成的无水印图像的人脸特征，进而依据人脸特征进一步地优化生成器，以降低无水印原始图像与无水印图像的特征差异性。4、本专利技术中的对抗生成网络模型采用残差块堆叠网络结构，其中，残差块主要包括上采样残差块、下采样残差块和尺度不变残差块，基于上述结构能够有效加强图像的边缘信息，提高生成器所生成的无水印图像的图像质量，还能够提高判别器的判别能力、鲁棒性和收敛速度。附图说明图1是本专利技术实施例中对抗生成网络模型的主要结构示意图；图2是本专利技术实施例中图像水印去除装置的主要结构示意图；图3是本专利技术实施例中尺度不变残差块的主要结构示意图；图4是本专利技术实施例中下采样残差块的主要结构示意图；图5是本专利技术实施例中上采样残差块的主要结构示意图；图6是本专利技术实施例中生成器的主要结构示意图；图7是本专利技术实施例中编码器和解码器的主要结构示意图；图8是本专利技术实施例中第一残差模块的主要结构示意图；图9是本专利技术实施例中第二残差模块的主要结构示意图；图10是本专利技术实施例中全局判别单元的主要结构示意图；图11是本专利技术实施例中局部判别单元的主要结构示意图。具体实施方式下面参照附图来描述本专利技术的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本专利技术的技术原理，并非旨在限制本专利技术的保护范围。下面结合附图，对本专利技术实施例中的一种图像水印去除装置进行说明。具体地，本实施例中图像水印去除装置主要包括对抗生成网络模型，该模型可以配置为对包含有水印的人脸图像进行去水印处理。参阅附图1，图1示例性示出了本实施例中对抗生成网络模型的主要结构。如图1所示，本实施例中对抗生成网络模型可以包括生成器11、判别器12和优化模块13。其中，生成器11可以配置为依据人脸图像生成对应的无水印图像。判别器12可以配置为判断生成器11所生成的无水印图像的整体图像和局部图像是否为真实图像。优化模块13可以配置为按照下式(1)所示的对抗损失函数优化生成器11和判别器12。公式(1)中各参数含义为：lossg和lossd分别为生成器11和判别器12的损失函数，x1为带水印人脸图像，[G(x1)]+本文档来自技高网...

【技术保护点】
一种图像水印去除装置，其特征在于，所述装置包括对抗生成网络模型，其配置为对人脸图像进行去水印处理；所述对抗生成网络模型包括生成器、判别器和优化模块；所述生成器，配置为依据所述人脸图像生成对应的无水印图像；所述判别器，配置为判断所述生成器所生成的无水印图像的整体图像和局部图像是否为真实图像；所述优化模块，配置为按照下式所示的对抗损失函数优化所述生成器和判别器：

【技术特征摘要】
1.一种图像水印去除装置，其特征在于，所述装置包括对抗生成网络模型，其配置为对人脸图像进行去水印处理；所述对抗生成网络模型包括生成器、判别器和优化模块；所述生成器，配置为依据所述人脸图像生成对应的无水印图像；所述判别器，配置为判断所述生成器所生成的无水印图像的整体图像和局部图像是否为真实图像；所述优化模块，配置为按照下式所示的对抗损失函数优化所述生成器和判别器：其中，所述lossg和lossd分别为所述生成器和判别器的损失函数，所述x1为带水印人脸图像，所述[G(x1)]+为对生成器G生成的无水印图像G(x1)进行裁剪后得到的局部图像，所述y1为所述带水印人脸图像x1对应的无水印原始图像，所述y2为所述无水印原始图像y1中与所述[G(x1)]+对应的局部图像，所述D1(y1)为判别器中全局判别单元D1的输出结果，所述D2(y2)为判别器中局部判别单元D2的输出结果，所述λ1和λ2均为预设的平衡系数。2.根据权利要求1所述的装置，其特征在于，所述装置还包括人脸识别模型；所述人脸识别模型，配置为提取所述无水印原始图像y1和所述生成器生成的无水印图像G(x1)中的人脸特征；所述优化模块，进一步配置为按照下式所示的组合损失函数优化所述生成器和判别器：其中，所述Gloss和Dloss分别为所述生成器和判别器的组合损失函数，所述lossfeature为依据所述人脸识别模型所提取的人脸特征构建的特征损失函数，所述lo...

【专利技术属性】
技术研发人员：雷震，石海林，李子青，吴锦林，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京,11