面向图像实例级局部区域的图像鲁棒水印方法、系统及介质技术方案

本发明专利技术公开了一种面向图像实例级局部区域的图像鲁棒水印方法、系统及介质。本发明专利技术将水印信息嵌入到图像的局部实例语义区域，所生成的局部含密图与原始图像在观感上无显著差异。此外，本发明专利技术将图像修复领域的部分卷积运用到局部水印信息的扩散上，提高了模型的鲁棒性，有助于水印提取网络对水印信息的提取。相比较于传统水印方案或使用基于CNN的一般方案，本发明专利技术创造适用于图像像素级的一个或多个实例区域的图像水印信息的嵌入和提取，使得一副图像所能承载的水印信息的更为多样。副图像所能承载的水印信息的更为多样。副图像所能承载的水印信息的更为多样。

【技术实现步骤摘要】
面向图像实例级局部区域的图像鲁棒水印方法、系统及介质


[0001]本专利技术属于图像信息隐藏领域的
，具体涉及一种面向图像实例级局部区域的图像鲁棒水印方法、系统及介质。

技术介绍

[0002]水印技术被广泛应用于数字图像和视频的知识产权保护。它将水印信息不可见地嵌入到在原始图像上，使得任何用户无法在观感上对含水印图像和原始图像产生明显差别，从而达到不对图像外观造成影响的前提下，提供版权保护等功能。此外，在现实应用场景下，由于图像在经过各种传输信道和物理成像管道时，无可避免的会遭到多种主动或被动的水印攻击，从而造成图像的失真，因此这种模式通常应该是鲁棒性的，能够抵抗水印攻击带来的失真。
[0003]随着深度卷积网络(CNN)的快速发展，出现了很多基于CNN的自动嵌入水印的方法，但是目前主流的基于CNN的水印方案，基本都是在整张原始图像进行水印信息的嵌入，然后捕获整张图片后再进行消息的提取，并没有针对图像局部区域的图像实例级局部区域的水印方法，这对于需要在超大型海报(难以捕获整张完整含水印图像)中提取完整的消息或对图像的不同实例级局部区域嵌入不同的消息时，现有的水印方案显然已不能满足这样的需求。

技术实现思路

[0004]本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种面向图像实例级局部区域的图像鲁棒水印方法、系统及介质。
[0005]为了达到上述目的，本专利技术采用以下技术方案：
[0006]本专利技术的一个方面，提供了一种面向图像实例级局部区域的图像鲁棒水印方法，包括下述步骤：
[0007]选择需要嵌入的水印信息和原始载体图像I
c
；
[0008]将载体图像I
c
输入实例分割网络1，得到载体图像I
c
对应的实例级二进制掩码，再从分割到的所有实例对象中根据需要选择一个或多个实例对象，得到对应的二进制掩码I
m1
；
[0009]将水印信息在空间上进行复制形成Sec，将Sec与原始载体图像I
c
逐像素进行拼接，并输入水印嵌入网络生成全局含密图；
[0010]依据二进制掩码I
m1
，掩码为0和掩码为1的部分分别用原始载体图和全局含密图进行填充得到实例级局部含密图I
res
；
[0011]通过鉴别器网络判断原始载体图像I
c
与实例级局部含密图I
res
的真假，提升水印嵌入网络生成的图像的质量；
[0012]对实例级局部含密图I
res
建立噪声层，进行现实应用场景噪声的模拟，得到对应的扭曲形变图I
warp
；
[0013]将扭曲形变图I
warp
输入实例分割网络2，得到含密区域对应的二进制掩码I
m2
，将纠正图I
rec
与二进制掩码I
m2
相乘，得到只含含密区域的图I
partial_sec
；
[0014]将二进制掩码I
m2
和只含含密区域的图I
partial_sec
输入水印提取网络进行水印信息的提取。
[0015]作为优选的技术方案，所述实例分割网络1和实例分割网络2为maskrcnn_resnet50_fpn预训练模型。
[0016]作为优选的技术方案，所述水印嵌入网络包括7层下采样编码卷积层，均采用ReLU激活函数，其中第1层下采样编码卷积层的卷积核数目为3，卷积步长为1，填充数为1，以I
c
和Sec的像素级拼接为输入；第2
‑
7层下采样编码卷积层的卷积核数目均为3，卷积步长均为2，填充数为1，且均进行BatchNorm批量归一化操作，每层以上一层下采样编码卷积层的输出作为输入；
[0017]所述水印嵌入网络还包括7层上采样编码卷积层，卷积核数目均为3，卷积步长均为1，填充数均为1；其中第1
‑
6层上采样编码卷积层均采用LeakyReLU激活函数，并进行BatchNorm批量归一化操作；其中第1层上采样编码卷积层以第7
‑
6层下采样编码卷积层的输出的像素级拼接作为输入，第2层上采样编码卷积层以第1层上采样编码卷积层和第5层下采样编码卷积层的输出的像素级拼接作为输入，第3层上采样编码卷积层以第2层上采样编码卷积层和第4层下采样编码卷积层的输出的像素级拼接作为输入，第4层上采样编码卷积层以第3层上采样编码卷积层和第3层下采样编码卷积层的输出的像素级拼接作为输入，第5层上采样编码卷积层以第4层上采样编码卷积层和第2层下采样编码卷积层的输出的像素级拼接作为输入，第6层上采样编码卷积层以第5层上采样编码卷积层和第1层下采样编码卷积层的输出I
c
以及Sec的像素级拼接作为输入，第7层上采样编码卷积层以第6层上采样编码卷积层的输出作为输入。
[0018]作为优选的技术方案，所述鉴别器网络包括5层鉴别器卷积层，每层以上一层鉴别器卷积层的输出作为输入，第1层鉴别器卷积层以水印嵌入网络的输出作为输入；其中第1
‑
3层鉴别器卷积层的卷积核数目均为3，卷积步长均为2，填充数为1；其中第4
‑
5层鉴别器卷积层的卷积核数目均为3，卷积步长均为1，填充数为1；其中第2
‑
4层鉴别器卷积层均进行BatchNorm批量归一化操作；其中第1
‑
4层鉴别器卷积层均采用LeakyReLU激活函数，第5层鉴别器卷积层采用Sigmoid激活函数。
[0019]作为优选的技术方案，所述噪声层对放缩、JPEG有损压缩、运动和散焦模糊、色彩偏移、高斯噪声以及扭曲形变进行模拟。
[0020]作为优选的技术方案，所述将二进制掩码I
m2
和只含含密区域的图I
partial_sec
输入水印提取网络进行水印信息的提取，具体为：
[0021]将二进制掩码I
m2
和只含含密区域的图I
partial_sec
输入水印提取网络的基于部分卷积的水印信息扩散网络，得到扩散的含密区域的图I
ext
；
[0022]将得到的扩散的含密区域的图I
ext
输入水印提取网络的基于普通卷积的提取网络，得到最初嵌入的水印信息。
[0023]作为优选的技术方案，所述基于部分卷积的水印信息扩散网络包括7层下采样编码卷积层，均采用ReLU激活函数；其中第1层下采样编码卷积层的卷积核数目为7，卷积步长为2，填充数为3，以I
partial_sec
和I
m2
的像素级拼接为输入；第2
‑
4层下采样编码卷积层的卷积
核数目均为5，卷积步长均为2，填充数为2；第5
‑
7层下采样编码卷积层的卷积核数目均为3，卷积步长均为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.面向图像实例级局部区域的图像鲁棒水印方法，其特征在于，包括下述步骤：选择需要嵌入的水印信息和原始载体图像I
c
；将载体图像I
c
输入实例分割网络1，得到载体图像I
c
对应的实例级二进制掩码，再从分割到的所有实例对象中根据需要选择一个或多个实例对象，得到对应的二进制掩码I
m1
；将水印信息在空间上进行复制形成Sec，将Sec与原始载体图像I
c
逐像素进行拼接，并输入水印嵌入网络生成全局含密图；依据二进制掩码I
m1
，掩码为0和掩码为1的部分分别用原始载体图和全局含密图进行填充得到实例级局部含密图I
res
；通过鉴别器网络判断原始载体图像I
c
与实例级局部含密图I
res
的真假，提升水印嵌入网络生成的图像的质量；对实例级局部含密图I
res
建立噪声层，进行现实应用场景噪声的模拟，得到对应的扭曲形变图I
warp
；将扭曲形变图I
warp
输入实例分割网络2，得到含密区域对应的二进制掩码I
m2
，将纠正图I
rec
与二进制掩码I
m2
相乘，得到只含含密区域的图I
partial_sec
；将二进制掩码I
m2
和只含含密区域的图I
partial_sec
输入水印提取网络进行水印信息的提取。2.根据权利要求1所述的面向图像实例级局部区域的图像鲁棒水印方法，其特征在于，所述实例分割网络1和实例分割网络2为maskrcnn_resnet50_fpn预训练模型。3.根据权利要求1所述的面向图像实例级局部区域的图像鲁棒水印方法，其特征在于，所述水印嵌入网络包括7层下采样编码卷积层，均采用ReLU激活函数，其中第1层下采样编码卷积层以I
c
和Sec的像素级拼接为输入；第2
‑
7层下采样编码卷积层，每层以上一层下采样编码卷积层的输出作为输入；所述水印嵌入网络还包括7层上采样编码卷积层；其中第1层上采样编码卷积层以第7
‑
6层下采样编码卷积层的输出的像素级拼接作为输入，第2层上采样编码卷积层以第1层上采样编码卷积层和第5层下采样编码卷积层的输出的像素级拼接作为输入，第3层上采样编码卷积层以第2层上采样编码卷积层和第4层下采样编码卷积层的输出的像素级拼接作为输入，第4层上采样编码卷积层以第3层上采样编码卷积层和第3层下采样编码卷积层的输出的像素级拼接作为输入，第5层上采样编码卷积层以第4层上采样编码卷积层和第2层下采样编码卷积层的输出的像素级拼接作为输入，第6层上采样编码卷积层以第5层上采样编码卷积层和第1层下采样编码卷积层的输出I
c
以及S
ec
的像素级拼接作为输入，第7层上采样编码卷积层以第6层上采样编码卷积层的输出作为输入。4.根据权利要求1所述的面向图像实例级局部区域的图像鲁棒水印方法，其特征在于，所述鉴别器网络包括5层鉴别器卷积层，每层以上一层鉴别器卷积层的输出作为输入，第1层鉴别器卷积层以水印嵌入网络的输出作为输入。5.根据权利要求1所述的面向图像实例级局部区域的图像鲁棒水印方法，其特征在于，所述噪声层对放缩、JPEG有损压缩、运动和散焦模糊、色彩偏移、高斯噪声以及扭曲形变进行模拟。6.根据权利要求1所述的一种面向图像实例级局部区域的图像鲁棒水印方法，其特征在于，所述将二进制掩码I
m2
和只含含密区域的图I
partial_sec
输入水印提取网络进行水印信
息的提取，具体为：将二进制掩码I
m2
和只含含密区域的图I
partial_sec
输入水印提取网络的基于部分卷积的水印信息扩散网络，得到...

【专利技术属性】
技术研发人员：何明锦，冯丙文，刘志全，魏凯敏，
申请(专利权)人：暨南大学，
类型：发明
国别省市：