一种基于神经网络的图像盲水印嵌入及检测的方法及系统技术方案

一种基于神经网络的盲水印嵌入及检测的方法，盲水印嵌入：首先对原始图像进多次离散小波变换，之后将其最后一次小波变换的低频分量进行量化处理，然后将二值水印图像嵌入低频分量中；盲水印提取方法，提取二值图像后，利用深度神经网络判断被测图像是否含有水印；1)将宿主图像X(M,N)从RGB色彩空间转换到YCbCr空间，再对其Y分量进行三层离散小波变换(DWT)；2)将待嵌入的水印图像W缩放，接着转化为二值图像B(i,j)；3)将新的低频分量与其余子带图像依次进行三层逆小波变换，重构亮度分量Y，再把图像从YCbCr色彩空间转换为RGB空间。

【技术实现步骤摘要】
一种基于神经网络的图像盲水印嵌入及检测的方法及系统
本专利技术涉及计算机深度学习领域，特别是涉及一种基于神经网络的图像盲水印嵌入及检测的方法及系统。
技术介绍
随着多媒体和计算机网络技术的飞速发展，人们能够很容易的复制、传递、分发和存储信息，导致数字媒体的版权问题变得越来越突出。数字盲水印技术作为数字版权保护的一种新途径引起来人们高度的重视。CN111008923A公开了一种水印嵌入方法，包括：1)获得载体对象及待嵌入所述载体对象的水印信息；2)根据所述水印信息生成至少一个包含水印信息的编码区域；所述编码区域包括模板点阵；3)根据所述编码区域，得到点阵水印图像；/n将所述点阵水印图像嵌入到所述载体对象中。数字水印技术中,按照水印的检测过程可以为盲水印和非盲水印,盲水印是指只需要密钥,不要原始数据的参与；非盲水印是指需要原始数据的。本专利技术针对数字盲水印的嵌入及检测问题进行了方法和系统的设计。二值图像(也叫单色图像)是将每个像素点存放在一个bit空间(0或者1)的图像。YCbCr是世界数字组织视频标准研制过程中作为ITU-RBT.601建议的一部分，其实是YUV经过缩放和偏移的翻版。其中Y与YUV中的Y含义一致,Cb,Cr同样都指色彩，只是在表示方法上不同而已。在YUV家族中，YCbCr是在计算机系统中应用最多的成员，其应用领域很广泛，JPEG、MPEG均采用此格式。Y就是所谓的流明(luminance)，表示光的浓度且为非线性。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的不足，提供一种基于神经网络的图像盲水印嵌入及检测的方法及系统。盲水印嵌入时，通过离散小波变换在原图像的低频分量中嵌入二值水印图像，并通过小波逆变换，得到嵌入盲水印后的图像；水印检测时，通过小波变换提取低频分量，再利用量化处理得到二值图像，送入深度神经网络训练水印识别模型，判定其是否含有的水印。该方法和系统不仅能够在图像中快速添加盲水印，并能高效准确的判断被测图像是否含有水印。为解决上述技术问题，本专利技术技术方案是，一种基于神经网络的盲水印嵌入及检测的方法，水印嵌入方法，首先对原始图像进多次离散小波变换，之后将其最后一次小波变换的低频分量进行量化处理，然后将二值水印图像嵌入低频分量中，通过逆小波变换恢复图像。水印提取方法是水印嵌入方法的逆过程，提取二值图像后，利用深度神经网络判断被测图像是否含有水印。水印嵌入方法的具体步骤是：步骤一：将宿主图像X(M,N)从RGB色彩空间转换到YCbCr空间，再对其Y分量进行三层离散小波变换(DWT)，可得到3x3+1个子带图像，取出其中低频分量LL3；低频分量LL3其矩阵大小为(M/8,N/8)，设其系数值为L(i,j)，选取合适的步长Qstep对L中所有系数进行量化取整。步骤二：将待嵌入的水印图像W缩放至的形状，接着转化为二值图像B(i,j)；并将LL3中每个系数与2取余，若L(i,j)与B(i,j)不相等，将L(i,j)的系数做出改变，同时利用Qstep反量化得到新的低频分量。步骤三：将新的低频分量与其余子带图像依次进行三层逆小波变换，重构亮度分量Y，再把图像从YCbCr色彩空间转换为RGB空间，完成盲水印的嵌入。水印检测方法的具体步骤是：步骤a：将宿主图像X(M,N)从RGB色彩空间转换到YCbCr空间，对其Y分量进行三层小波变换(DWT)，得到低频分量LL3的系数值为L(i,j)。步骤b：利用量化步长Qstep对L(i,j)进行量化取整得到q(i,j)，并对q(i,j)中每一个系数与2取余，得到二值图像W′。步骤c：将上述得到的若干宿主图像X(M,N)的数据集划分为两个部分，嵌入水印图像及未嵌入水印图像；对每张图像进行水印提取，利用提取后的二值图像训练一个深度神经网络，从而用来判断二值图像是否含有水印；步骤d：将二值图像W′送入神经网络进行水印检测；所述步骤一中，所述Qstep＝δ*2l，其中l为小波分解的层数，δ为量化步长控制参数(或称阈值)，可由实验确定。所述步骤c中，训练深度神经网络还包括如下步骤：步骤1：设计多种攻击模式：添加明水印、图像缩放、图像裁剪、添加背景及多种攻击结合的组合攻击；在嵌入水印的图像中，对图像进行攻击后利用水印提取方法提取二值图像标签设为1，标记为水印存在；在未嵌入水印的图像中，对图像进行攻击后利用水印提取方法提取二值图像标签设为0，标记为水印不存在。步骤2：构建深度神经网络模型，把做好标签的二值图像送入神经网络，训练分类模型。本专利技术的基于神经网络的图像盲水印嵌入及检测的系统，其特征在于：包括：水印嵌入模块、水印提取模块和神经网络检测模块。所述水印嵌入模块，用于将水印图像嵌入宿主图像，主要包括宿主图像区域的提取，水印图像的适配，嵌入水印及宿主图像的还原。所述水印提取模块，用于对待检测图像中提取二值图像，主要包括宿主图像处理，量化提取二值图片。所述神经网络检测模块，用于检测提取的二值图像是否含有水印。离散小波变换是对基本小波的尺度和平移进行离散化。在图像处理中，常采用二进小波作为小波变换函数，即使用2的整数次幂进行划分。连续小波变换时当尺度离散成2的幂次时就由连续小波变换变为二进小波变换。离散小波变换解决了余弦变换对于非平稳过程中的诸多不足。小波变换是现代谱分析工具，既能考察局部时域过程的频域特征，又能考察局部频域过程的时域特征，因此即使对于非平稳过程，处理起来也得心应手。能将图像变换为一系列小波系数，这些系数可以被高效压缩和存储，此外，小波的粗略边缘可以更好地表现图像，因为离散小波变换消除了DCT压缩普遍具有的方块效应。有益效果:通过离散小波变换及量化的方式在图像中嵌入盲水印，低频分量LL3是对原图象的近似,所以在该频段中所加入的水印具有较强的鲁棒性；对图像的改变较小，尤其是利用深度神经网络训练水印检测模型对提取出的二值图像做水印检测，能准确高效的检测出图像是否含有水印，不依赖人工判断，通过利用神经网络做水印检测，不仅减少了检测的时间，也能较好地满足实际需求。附图说明图1为本专利技术的示例性实施例中盲水印嵌入及检测方法的流程示意图；图2为本专利技术的示例性实施例中盲水印嵌入及检测系统的结构示意图。具体实施方式下面结合附图和示例性实施例对本专利技术作进一步的说明：如图1所示，本专利技术公开一种基于神经网络的图像盲水印嵌入及检测的方法，包括：水印嵌入和水印检测两部分。第一部分水印嵌入具体实施步骤如下：步骤11：提取宿主图像中水印嵌入的区域及量化处理，包括：步骤111：将宿主图像X(M,N)从RGB色彩空间转换到YCbCr空间，对其Y分量进行三层离散小波变换(DWT)，可得到3x3+1个子带图像，取其低频分量LL3，其矩阵大小为设其系数值为L(i,j)。步骤112：确定量化步长Qstep＝δ*2l，其中l为小波分解的层数，δ为量化步长控本文档来自技高网...

【技术保护点】
1.一种基于神经网络的盲水印嵌入及检测的方法，其特征是，盲水印嵌入方法，首先对原始图像进多次离散小波变换，之后将其最后一次小波变换的低频分量进行量化处理，然后将二值水印图像嵌入低频分量中，通过逆小波变换恢复图像；盲水印提取方法是水印嵌入方法的逆过程，提取二值图像后，利用深度神经网络判断被测图像是否含有水印；/n盲水印嵌入方法的具体步骤是：/n步骤一：将宿主图像X(M,N)从RGB色彩空间转换到YCbCr空间，再对其Y分量进行三层离散小波变换(DWT)，可得到3x3+1个子带图像，取出其中低频分量LL3；M,N是图像的宽、高；/n步骤二：将待嵌入的水印图像W缩放至

【技术特征摘要】
1.一种基于神经网络的盲水印嵌入及检测的方法，其特征是，盲水印嵌入方法，首先对原始图像进多次离散小波变换，之后将其最后一次小波变换的低频分量进行量化处理，然后将二值水印图像嵌入低频分量中，通过逆小波变换恢复图像；盲水印提取方法是水印嵌入方法的逆过程，提取二值图像后，利用深度神经网络判断被测图像是否含有水印；
盲水印嵌入方法的具体步骤是：
步骤一：将宿主图像X(M,N)从RGB色彩空间转换到YCbCr空间，再对其Y分量进行三层离散小波变换(DWT)，可得到3x3+1个子带图像，取出其中低频分量LL3；M,N是图像的宽、高；
步骤二：将待嵌入的水印图像W缩放至的形状，接着转化为二值图像B(i,j)；并将LL3的系数值L(i,j)中每个系数与2取余，若L(i,j)与B(i,j)不相等，将L(i,j)的系数做出改变，同时利用Qstep反量化得到新的低频分量。
步骤三：将新的低频分量与其余子带图像依次进行三层逆小波变换，重构亮度分量Y，再把图像从YCbCr色彩空间转换为RGB空间，完成盲水印的嵌入；
水印检测方法的具体步骤是：
步骤a：将宿主图像X(M,N)从RGB色彩空间转换到YCbCr空间，对其Y分量进行三层小波变换(DWT)，得到低频分量LL3的系数值为L(i,j)。
步骤b：利用量化步长Qstep对L(i,j)进行量化取整得到q(i,j)，并对q(i,j)中每一个系数与2取余，得到二值图像W′；
步骤c：将上述得到的若干宿主图像X(M,N)的数据集划分为两个部分，嵌入水印图像及未嵌入水印图像；对每张图像进行水印提取，利用提取后的二值图像训练一个深度神经网络，从而用来判断二值图像是否含有水印；

【专利技术属性】
技术研发人员：王永哲，张冬，房鹏展，
申请(专利权)人：焦点科技股份有限公司，
类型：发明
国别省市：江苏;32