本说明书实施例提供一种图像的水印去除方法、装置、电子设备及存储介质。所述方法包括：利用预设的检测器对原始图像执行检测操作，得到特征图和水印检测框，并对水印检测框中水印对应的水印类型进行判断，得到判断结果；根据判断结果，选择利用第一去除方式或者第二去除方式对水印进行去除，当选择利用第一去除方式去除水印时，将特征图及水印检测框输出到生成器中，其中生成器中包含多个级联的基于深度学习的编码器和解码器；利用编码器对特征图进行处理得到图像特征信息，并利用解码器基于图像特征信息对水印检测框中的水印进行去除，得到无水印图像。本公开能够实现水印的精准去除，使无水印图像的显示效果更加真实。使无水印图像的显示效果更加真实。使无水印图像的显示效果更加真实。
【技术实现步骤摘要】
图像的水印去除方法、装置、电子设备及存储介质
[0001]本公开涉及图像水印处理
，尤其涉及一种图像的水印去除方法、装置、电子设备及存储介质。
技术介绍
[0002]水印是一种通过计算机算法嵌入载体文件的保护信息，一些图片或者视频中通过嵌入水印来注明文件的归属或者来源。如今，水印已广泛地应用于海量的互联网图像中，针对水印的各种处理变得越来越重要，比如水印的检测和去除。由于水印在图像中的视觉显著性很低，而且有些水印结构复杂，颜色较浅，甚至可能是半透明的水印，并且当图像的背景图也较复杂时，直接去除水印的难度较大。
[0003]在传统的水印去除算法中，虽然传统水印去除算法的效率较高，并且能够有效去除一些颜色较为清晰的水印，然而对于一些具有复杂背景、颜色较浅、透明度较高的水印图像，不仅无法完全去除，水印去除的精度和效果比较差，甚至会对原始图像的资源造成损失。
[0004]鉴于以上现有技术中的问题，需要提供一种既能保证水印去除的效率，又能够对一些去除难度较大的水印实现精准去除，使去除水印后图像的显示效果更加真实的图像水印去除方法。
技术实现思路
[0005]有鉴于此，本公开实施例提供了一种图像的水印去除方法、装置、电子设备及存储介质，以解决现有技术存在的水印去除难度大，无法精准去除水印，水印去除效果差的问题。
[0006]本公开实施例的第一方面，提供了一种图像的水印去除方法，包括：利用预设的检测器对原始图像执行检测操作，得到特征图和水印检测框，并对水印检测框中水印对应的水印类型进行判断，得到判断结果；根据判断结果，选择利用第一去除方式或者第二去除方式对水印进行去除，当选择利用第一去除方式去除水印时，将特征图及水印检测框输出到生成器中，其中生成器中包含多个级联的基于深度学习的编码器和解码器；利用编码器对特征图进行处理得到图像特征信息，并利用解码器基于图像特征信息对水印检测框中的水印进行去除，得到无水印图像。
[0007]本公开实施例的第二方面，提供了一种图像的水印去除装置，包括：检测模块，被配置为利用预设的检测器对原始图像执行检测操作，得到特征图和水印检测框，并对水印检测框中水印对应的水印类型进行判断，得到判断结果；生成模块，被配置为根据判断结果，选择利用第一去除方式或者第二去除方式对水印进行去除，当选择利用第一去除方式去除水印时，将特征图及水印检测框输出到生成器中，其中生成器中包含多个级联的基于深度学习的编码器和解码器；去除模块，被配置为利用编码器对特征图进行处理得到图像特征信息，并利用解码器基于图像特征信息对水印检测框中的水印进行去除，得到无水印
图像。
[0008]本公开实施例的第三方面，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可在处理器上运行的计算机程序，处理器执行程序时实现上述方法的步骤。
[0009]本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0010]本公开实施例采用的上述至少一个技术方案能够达到以下有益效果：
[0011]通过利用预设的检测器对原始图像执行检测操作，得到特征图和水印检测框，并对水印检测框中水印对应的水印类型进行判断，得到判断结果；根据判断结果，选择利用第一去除方式或者第二去除方式对水印进行去除，当选择利用第一去除方式去除水印时，将特征图及水印检测框输出到生成器中，其中生成器中包含多个级联的基于深度学习的编码器和解码器；利用编码器对特征图进行处理得到图像特征信息，并利用解码器基于图像特征信息对水印检测框中的水印进行去除，得到无水印图像。本公开不仅能够保证水印去除的效率，对于一些背景复杂、颜色较浅、透明度较高的水印图像，也能够实现精准去除，使去除水印后图像的显示效果更加真实。
附图说明
[0012]为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0013]图1是本公开实施例提供的深度学习与传统水印去除算法相结合的网络结构示意图；
[0014]图2是本公开实施例提供的图像的水印去除方法的流程示意图；
[0015]图3是本公开实施例提供的图像的水印去除装置的结构示意图；
[0016]图4是本公开实施例提供的电子设备的结构示意图。
具体实施方式
[0017]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
[0018]随着水印技术在互联网领域的广泛应用，在投入使用的图像中，存在大量的水印，水印不仅影响美观，而且直接暴力去除的话，会对水印图像造成资源损失，例如数码图片的拍摄时间，利用不同软件拍摄所携带的logo等。
[0019]目前的传统水印去除算法虽然可以去除一部分水印，比如一些颜色较为清晰的水印，并且传统水印去除算法具有去除效率高的优点，但是，传统水印去除算法却难以去除一些具有复杂背景、颜色较浅或者透明度较高的水印，由于实际处理中大部分的水印是一些半透明的浅灰色水印，并且图片的背景图也比较复杂，使用传统水印去除算法直接去除的话难度较大。
[0020]由此可见，不同水印的类型会直接影响水印去除算法的效果，对于颜色浅、透明度高、内容复杂的这类水印，会导致带水印图像与无水印图像之间的差异很小，导致区分难度大，所以针对这类水印，想要以较高的精度要求去除水印的操作具有较高的实现难度。
[0021]因此，鉴于以上现有技术问题，为了规避使用水印数据，提出一种深度学习与传统方式相结合的水印识别和去除的算法，即提出一种将深度学习网络与传统算法相结合，从而实现水印识别与去除的方法。基于本公开实施例的技术方案，既能够保证水印去除的效率，又能够对一些去除难度较大的水印实现精准去除，并提升去水印图像的显示效果，使去水印图像更接近真实图像。
[0022]下面结合附图对本公开中深度学习与传统水印去除算法相结合的网络结构进行详细说明，图1是本公开实施例提供的深度学习与传统水印去除算法相结合的网络结构示意图；如图1所示，该网络结构具体可以包括：
[0023]本公开实施例的水印去除网络结构主要包括两大部分，即第一部分是基于深度学习的方式检测并去除水印，另一部分是基于传统的HSV颜色空间的方式去除水印。其中，基于深度学习的水印去除架构中，主要由三个模块组成，即检测模块、生成器模块和鉴别器模块，每一个模块对应各自的功能，并且具有不同的深度学习网络。检测模块主要用于对原始图像中水印的位置进行检测，确定水印位置对应的矩形框(即水印检本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像的水印去除方法，其特征在于，包括：利用预设的检测器对原始图像执行检测操作，得到特征图和水印检测框，并对所述水印检测框中水印对应的水印类型进行判断，得到判断结果；根据所述判断结果，选择利用第一去除方式或者第二去除方式对所述水印进行去除，当选择利用所述第一去除方式去除水印时，将所述特征图及所述水印检测框输出到生成器中，其中所述生成器中包含多个级联的基于深度学习的编码器和解码器；利用所述编码器对所述特征图进行处理得到图像特征信息，并利用所述解码器基于所述图像特征信息对所述水印检测框中的水印进行去除，得到无水印图像。2.根据权利要求1所述的方法，其特征在于，所述利用预设的检测器对原始图像执行检测操作，得到特征图和水印检测框，并对所述水印检测框中水印对应的水印类型进行判断，包括：将所述原始图像作为检测器的输入，利用所述检测器对所述原始图像进行检测，以便从所述原始图像中提取出特征，并利用所述特征生成特征图；利用所述检测器中的卷积层分别判断每个所述特征图中是否包含水印，当所述特征图中包含水印时，生成所述水印对应的水印检测框，并确定每个所述水印检测框中水印的水印类型；其中，所述检测器为采用十个具批归一化网络和Leaky ReLU激活函数的卷积层所组成的神经网络模型，所述水印类型包括浅色水印和清晰水印。3.根据权利要求2所述的方法，其特征在于，所述根据所述判断结果，选择利用第一去除方式或者第二去除方式对所述水印进行去除，包括：当判断所述水印的水印类型为浅色水印时，选择利用所述第一去除方式去除水印，其中，所述第一去除方式为基于深度学习模型的水印去除方式；当判断所述水印的水印类型为清晰水印时，选择利用所述第二去除方式去除水印，其中，所述第二去除方式为基于HSV颜色空间模型的水印去除方式。4.根据权利要求3所述的方法，其特征在于，所述当选择利用所述第一去除方式去除水印时，将所述特征图及所述水印检测框输出到生成器中，其中所述生成器中包含多个级联的基于深度学习的编码器和解码器，包括：当选择利用所述基于深度学习模型的水印去除方式时，将所述特征图及所述水印检测框作为所述深度学习模型的输入，以使所述深度学习模型中的生成器基于所述特征图执行编码和解码操作；其中，所述生成器由三个级联的基于深度学习的编码器和解码器组成。5.根据权利要求1所述的方法，其特征在于，所述利用所述解...
【专利技术属性】
技术研发人员：石雅洁，
申请(专利权)人：深圳集智数字科技有限公司，
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。