一种采用两阶段预编码和小波网络的鲁棒图像水印方法技术

本发明专利技术针对现有技术的局限性，提出了一种采用两阶段预编码和小波网络的鲁棒图像水印方法，将两阶段水印信息预处理方案与掩膜机制严密切合，能够通过冗余编码使得水印信息均匀地分布在图像中，同时结合掩膜机制，在图像富纹理区域嵌入强度更高的水印并且降低了水印在图像平滑区域的嵌入强度，保障了图像的视觉质量；而在水印容量上，一方面小波集成神经网络对鲁棒水印有所提升；另一方面，两阶段水印信息预处理方案的嵌入机制允许手动控制水印的冗余度，从而提升了容量。从而提升了容量。从而提升了容量。

【技术实现步骤摘要】
一种采用两阶段预编码和小波网络的鲁棒图像水印方法


[0001]本专利技术涉及多媒体内容安全
，具体地，涉及深度学习技术在该领域的应用；更具体的，涉及一种采用两阶段预编码和小波网络的鲁棒图像水印方法。

技术介绍

[0002]在图像水印的技术中，存在一种基于深度学习的抗打印拍摄鲁棒水印方法：StegaStamp，该方法主要包括编码器和解码器两部分，编码器和解码器均是由卷积神经网络构成。其中，编码器使用U
‑
Net风格的神经网络架构，输入为一张400
×
400大小的3通道RGB图像和100比特的二进制信息序列，该信息序列经过一层全连接层形成50
×
50
×
3的张量，再上采样成400
×
400
×
3的张量，和图像数据张量拼接形成400
×
400
×
6的张量，再送入编码器网络。输出为3通道RGB残差(residual)图像，该残差图像加上原图像即得到最终的含水印图像。而解码器首先使用了空间变换网络(Spatial Transformer Network,STN)，使解码器对较小的视角变化具备一定的鲁棒性，然后是卷积神经网络，最后的全连接输出层接sigmoid，以使输出在[0,1]范围内，最后取整得到二进制信息序列。解码器的输入是含水印图像经过打印拍摄后，由检测器检测得到的水印图像，该图像也为400
×
400大小的3通道RGB图像。解码器输出为100比特的二进制信息序列，表示从含水印图像中提取出的水印信息。
[0003]但是，上述现有技术有三个较为突出的缺点。
[0004]首先，可嵌入信息容量较小。StegaStamp在保证较好鲁棒性的前提下，对于400*400分辨率的载体图像，可以嵌入100比特，去除BCH纠错编码的监督比特后，有效负载只有56比特。StegaStamp为了抵抗几何变化攻击，一般将水印嵌入在图像低频分量上，而低频信息的整体容量本身就小，加上嵌入中本身存在的冗余，虽然鲁棒性得到了保证，但是容量空间却受到了压缩。
[0005]其次，视觉质量不佳。StegaStamp为了抵抗几何变化攻击，水印信息一般嵌入在低频分量，因此在水印图像的平滑区域形成肉眼可见的阴影。
[0006]最后，嵌入不灵活。StegaStamp是一种端到端的图像鲁棒水印解决方案。在使用中，它只存在唯一一种嵌入强度和嵌入容量。想要使用新的嵌入强度和嵌入容量，就必须重新训练模型。这使得它嵌入不够灵活。

技术实现思路

[0007]针对现有技术的局限，本专利技术提出一种采用两阶段预编码和小波网络的鲁棒图像水印方法，本专利技术采用的技术方案是：
[0008]一种采用两阶段预编码和小波网络的鲁棒图像水印方法，通过以下步骤进行水印信息的嵌入：
[0009]S11，获取载体图像以及水印信息；计算所述载体图像的掩膜；通过两阶段预编码将所述水印信息转换为消息图像；
[0010]S12，将所述载体图像以及消息图像，输入预设的鲁棒图像水印网络，通过所述鲁棒图像水印网络生成初步残差水印；所述鲁棒图像水印网络由鲁棒图像水印网络训练基础框架训练获得；所述鲁棒图像水印网络训练基础框架中包括分别由小波集成神经网络构成的编码器以及解码器；
[0011]S13，将所述载体图像的掩膜以及所述初步残差水印相乘获得最终残差水印；
[0012]S14，将所述最终残差水印与所述载体图像相加，获得嵌入水印后的图像。
[0013]相较于现有技术，本专利技术将两阶段水印信息预处理方案与掩膜机制严密切合，能够通过冗余编码使得水印信息均匀地分布在图像中，同时结合掩膜机制，在图像富纹理区域嵌入强度更高的水印并且降低了水印在图像平滑区域的嵌入强度，保障了图像的视觉质量；而在水印容量上，一方面小波集成神经网络对鲁棒水印有所提升；另一方面，两阶段水印信息预处理方案的嵌入机制允许手动控制水印的冗余度，从而提升了容量。
[0014]作为一种优选方案，在所述编码器中，包括以下处理过程：
[0015]输入编码器的载体图像经过一个二维卷积层提取特征后，通过三个离散小波变换模块逐步下采样得到所述载体图像的高维特征；
[0016]输入编码器的消息图像经过一个二维卷积层提取特征后，与所述载体图像的高维特征拼接；将拼接结果通过三个逆离散小波变换模块逐步上采样将拼接结果通过三个逆离散小波变换模块逐步上采样，每步上采样后都与对应下采样过程中相同大小的特征图进行拼接，最后再通过一个二维卷积层输出。
[0017]作为一种优选方案，在所述解码器中，输入解码器的图像在依序经过一个二维卷积层、三个离散小波变换模块后再通过一个二维卷积层输出解码结果。
[0018]作为一种优选方案，所述鲁棒图像水印网络训练基础框架的总损失函数按以下公式表示：
[0019][0020]其中，m1,m2,m3表示损失权重；Lpips(Cover,C')表示载体图像Cover与嵌入水印后的图像C`之间的Lpips视觉损失函数；均方误差损失函数W,H,C分别为张量的宽、高、通道数；Secret表示水印信息，S`表示解码信息。
[0021]作为一种优选方案，通过以下步骤对嵌入水印后的图像进行解码：
[0022]S21，计算嵌入水印后的图像的掩膜；
[0023]S22，将嵌入水印后的图像输入所述鲁棒图像水印网络，通过所述鲁棒图像水印网络得到初步的解码结果；
[0024]S23，以嵌入水印后的图像的掩膜作为权重与初步的解码结果相乘，获得加权的解码结果；
[0025]S24，在水平和垂直方向对加权的解码结果进行切分，对切分结果求平均后使用阶梯函数进行激活，获得最终的解码结果。
[0026]作为一种优选方案，在所述离散小波变换模块中，包括以下处理过程：
[0027]在所述离散小波变换模块的输入经过一个卷积层后，通过离散小波变换进行下采样把该卷积层得到的结果转化成LL，LH，HL，HH四个子带；将LL，LH，HL，HH的通道合并再送入一个卷积层后输出。
[0028]作为一种优选方案，在所述逆离散小波变换模块中，包括以下处理过程：
[0029]在所述逆离散小波变换模块的输入经过一个卷积层后，通过分离通道，得到等分的LL，LH，HL，HH四个子带；对LL，LH，HL，HH进行逆离散小波变换，将逆离散小波变换的结果送入一个卷积层后输出。
[0030]本专利技术还提供以下内容：
[0031]一种采用两阶段预编码和小波网络的鲁棒图像水印系统，包括水印信息嵌入单元，所述水印信息嵌入单元包括预处理子单元、初步残差水印获取子单元、最终残差水印获取子单元以及相加操作子单元；所述预处理子单元分别连接所述初步残差水印获取子单元、最终残差水印获取子单元以及相加操作子单元；所述初步残差水印获取子单元连接所述最终残差水印获取子单元；所述最终残差水印获取子单元连接所述相加操本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用两阶段预编码和小波网络的鲁棒图像水印方法，其特征在于，通过以下步骤进行水印信息的嵌入：S11，获取载体图像以及水印信息；计算所述载体图像的掩膜；通过两阶段预编码将所述水印信息转换为消息图像；S12，将所述载体图像以及消息图像，输入预设的鲁棒图像水印网络，通过所述鲁棒图像水印网络生成初步残差水印；所述鲁棒图像水印网络由鲁棒图像水印网络训练基础框架训练获得；所述鲁棒图像水印网络训练基础框架中包括分别由小波集成神经网络构成的编码器以及解码器；S13，将所述载体图像的掩膜以及所述初步残差水印相乘获得最终残差水印；S14，将所述最终残差水印与所述载体图像相加，获得嵌入水印后的图像。2.根据权利要求1所述的采用两阶段预编码和小波网络的鲁棒图像水印方法，其特征在于，在所述编码器中，包括以下处理过程：输入编码器的载体图像经过一个二维卷积层提取特征后，通过三个离散小波变换模块逐步下采样得到所述载体图像的高维特征；输入编码器的消息图像经过一个二维卷积层提取特征后，与所述载体图像的高维特征拼接；将拼接结果通过三个逆离散小波变换模块逐步上采样将拼接结果通过三个逆离散小波变换模块逐步上采样，每步上采样后都与对应下采样过程中相同大小的特征图进行拼接，最后再通过一个二维卷积层输出。3.根据权利要求1所述的采用两阶段预编码和小波网络的鲁棒图像水印方法，其特征在于，在所述解码器中，输入解码器的图像在依序经过一个二维卷积层、三个离散小波变换模块后再通过一个二维卷积层输出解码结果。4.根据权利要求1所述的采用两阶段预编码和小波网络的鲁棒图像水印方法，其特征在于，所述鲁棒图像水印网络训练基础框架的总损失函数按以下公式表示：其中，m1,m2,m3表示损失权重；Lpips(Cover,C')表示载体图像Cover与嵌入水印后的图像C`之间的Lpips视觉损失函数；均方误差损失函数W,H,C分别为张量的宽、高、通道数；Secret表示水印信息，S`表示解码信息。5.根据权利要求1所述的采用两阶段预编码和小波网络的鲁棒图像水印方法，其特征在于，通过以下步骤对嵌入水印后的图像进行解码：S21，计算嵌入水印后的图像的掩膜；S22，将嵌入水印后的图像输入所述鲁棒图像水印网络，通过所述鲁棒图像水印网络得到初步的解码结果；S23，以嵌入水印后的图像的掩膜作为权重与初步的解码结果相乘，获得加权的解码结果；
S24，在水平和垂直方向对加权的解码结果进行切分，对切分结果求平均后使用阶梯函数进行激活，获得最终的解码结果。6.根据权利...

【专利技术属性】
技术研发人员：种宜松，倪江群，
申请(专利权)人：中山大学，
类型：发明
国别省市：