图像水印制造技术

涉及从图像中提取数字水印而不考虑引入到这些图像中的失真的方法、系统和编码在计算机存储介质上的计算机程序。方法可以包括将第一数据项输入到可生成第一编码数据项的信道编码器中，该第一编码数据项的长度大于第一数据项，并且包括(1)输入数据项和(2)作为输入数据项的冗余的新数据。基于第一编码数据项和第一图像，编码器模型可以生成第一编码数据作为数字水印嵌入其中的第一编码图像。解码器模型可以对第一编码数据项进行解码以生成第二数据，该第二数据可以由信道解码器解码以生成被预测为第一数据的数据。预测为第一数据的数据。预测为第一数据的数据。

【技术实现步骤摘要】
【国外来华专利技术】图像水印

技术介绍

[0001]本说明书总体上涉及提取嵌入在图像中的数字水印，而不管可能已经引入到这些图像中的失真。
[0002]图像水印(在本说明书中也称为数字水印)是将数字水印嵌入到图像中的过程——即将信息嵌入到图像中以使得具有数字水印的图像与不包括数字水印的原始图像在视觉上无法区分。尽管图像水印具有若干应用，但是在传统上它已经用于识别图像中的版权的所有权或者以其他方式识别图像的来源。作为一个示例，图像的来源可以在分发图像之前将数字水印嵌入到图像中。随后，当接收者接收到图像时，接收者可以从图像中提取数字水印，并且如果所提取的数字水印与由该来源嵌入到图像中的数字水印相同，则接收者可以确认接收到的图像源自该来源。
[0003]然而，从来源分发图像的时间直到它被目标实体接收，一种或多种不同类型的失真可能被引入到图像中。这种图像失真的示例包括但不限于裁剪、旋转、模糊和JPEG压缩。这样，当接收者接收到图像时，图像可能包括一个或多个这种失真。在一些情况下，失真可能破坏图像，使得数字水印的全部或一部分不再能够被提取。结果，图像的接收者可能无法确认图像的来源。

技术实现思路

[0004]一般而言，本说明书中描述的主题的一个创新方面可以体现在包括以下操作的方法中：获得第一图像和要嵌入到第一图像中的第一数据项；将第一数据项输入到信道编码器中，其中，信道编码器将第一长度的输入数据项编码成冗余数据，该冗余数据隐式地或显式地包括(1)输入数据项和(2)作为输入数据项的至少一部分的冗余的新数据，并且具有大于第一长度的第二长度，其中新数据能够在存在信道失真的情况下恢复输入数据；从信道编码器并响应于将第一数据项输入到信道编码器中，获得第一编码数据项；将第一编码数据项和第一图像输入到编码器模型中，其中，编码器模型对输入图像和输入数据项进行编码以获得输入数据项已经作为数字水印嵌入其中的编码图像；以及从编码器模型并响应于将第一编码数据项和第一图像输入到编码器模型中，获得第一编码数据已经作为数字水印嵌入其中的第一编码图像。该方面的其他实施例包括被配置为执行方法的动作的相对应的系统、设备、装置和计算机程序。计算机程序(例如，指令)可以被编码在计算机存储设备上。
[0005]这些和其他实施例可以各自可选地包括一个或多个以下特征。
[0006]在一些实施方式中，方法可以包括以下操作：将第一编码图像输入到解码器模型中，其中，解码器模型对输入编码图像进行解码以获得被预测为作为数字水印嵌入输入编码图像内的数据；从解码器模型并响应于将第一编码图像输入到解码器模型中，获得被预测为第一编码数据的第二数据；将第二数据输入到信道解码器中，其中，信道解码器对输入数据进行解码以恢复先前由信道编码器进行编码以生成输入数据的原始数据；以及从信道解码器并响应于将第二数据输入到信道解码器中，获得被预测为第一数据的第三数据。
[0007]在一些实施方式中，方法可以包括以下操作：获得一组输入训练图像；获得第一组
训练图像，其中，第一组训练图像中的每个图像是通过使用编码器模型对输入训练图像和编码数据项进行编码而生成的，其中，编码数据项是通过使用信道编码器对原始数据项进行编码而生成的；将第一组训练图像输入到攻击网络中，其中，攻击网络使用一组输入图像来生成相对应的包括不同类型的图像失真的一组图像；以及使用攻击网络并响应于将第一组输入训练图像输入到攻击网络中，生成第二组训练图像，其中，第二组训练图像中的图像对应于第一组训练图像中的图像。
[0008]在一些实施方式中，方法可以包括以下使用第一组训练图像和第二组训练图像来训练攻击网络的操作，其中，训练包括：对于第一组训练图像中的每个训练图像和第二组训练图像中的相对应的训练图像：将来自第二组训练图像的训练图像输入到解码器模型中；从解码器模型并响应于将来自第二组训练图像的训练图像输入到解码器模型中，获得被预测为作为数字水印嵌入训练图像内的第一预测数据项；确定表示第一组训练图像中的训练图像与第二组训练图像中的相对应的训练图像之间的图像像素值差异的第一图像损失；确定表示第一预测数据项与嵌入到第一组训练图像中的训练图像中的编码数据项之间的差异的第一消息损失；以及使用第一图像损失和第一消息损失来训练攻击网络。
[0009]在一些实施方式中，方法可以包括训练编码器模型和解码器模型的操作，其中，训练包括：对于第一组训练图像中的每个训练图像：将训练图像输入到解码器模型中；从解码器模型并响应于将训练图像输入到解码器模型中，获得被预测为嵌入训练图像内的第二预测数据项；确定表示训练图像与相对应的输入训练图像之间的图像像素值差异的第二图像损失；确定表示第二预测数据项与嵌入到训练图像中的编码数据之间的差异的第二消息损失；以及使用第二图像损失、第二消息损失和第一消息损失来训练编码器模型和解码器模型中的每一个。
[0010]在一些实施方式中，攻击模型、编码器模型和解码器模型中的每一个可以是卷积神经网络。
[0011]在一些实施方式中，第二图像损失可以包括L2损失和GAN损失；并且第二消息损失可以包括L2损失。
[0012]在一些实施方式中，第一消息损失和第一图像损失中的每一个可以包括L2损失。
[0013]在一些实施方式中，方法可以包括训练信道编码器和信道解码器的操作，其中，训练包括：获得一组训练数据项；对于该组训练数据项中的每个训练数据项：使用信道编码器生成编码训练数据项；对于编码训练数据项，使用信道失真近似模型生成经修改训练数据项，其中，编码训练数据项使用信道失真近似模型失真来生成经修改训练数据项；确定表示编码训练数据项与相对应的经修改训练数据项之间的差异的信道损失；以及使用信道损失来训练信道编码器和信道解码器中的每一个。
[0014]本说明书中描述的主题的特定实施例可以被实施以实现一个或多个以下优点。本说明书中描述的创新能够提取嵌入编码图像内的水印消息，而不管在将数字水印嵌入到图像中的时间与从编码图像中提取数字水印的时间之间可能引入的失真的类型。传统的水印系统在特定类型的图像失真上进行训练。虽然这种传统系统可以以高水平的准确度从已经遭受这种系统被训练的失真的图像中提取数字水印，但是这些系统通常无法以相同水平的准确度从遭受不同类型的失真(即，这种系统未被训练的失真)的图像中提取数字水印。相比之下，本说明书中描述的技术可以(1)以与传统的水印系统相同的准确度从遭受已知类
型的失真(即，传统系统被训练的失真)的图像中提取数字水印，以及(2)以与传统的水印系统相比更高水平的准确度从遭受未知失真(即，传统系统未被训练的失真)的图像中提取数字水印。因此，本说明书中描述的技术可以允许对在噪声/失真信道上传输的图像中的水印(或其他隐藏数据)进行更可靠的编码。
[0015]相关地，本说明书中描述的创新不需要对特定失真的任何先验知识或暴露来实现从具有相同失真的图像中对数字水印的高准确度提取。传统的水印系统通常需要在训练期间对特定类型的失真的暴露，以便能够以高水平的准确度提取嵌入遭受这种失真的图像内的数字水印。相比之下本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种计算机实施的方法，包括：获得第一图像和要嵌入到所述第一图像中的第一数据项；将所述第一数据项输入到信道编码器中，其中，所述信道编码器将第一长度的输入数据项编码成冗余数据，所述冗余数据包括(1)所述输入数据项和(2)作为所述输入数据项的冗余的新数据，并且具有大于所述第一长度的第二长度，其中，所述新数据能够在存在信道失真的情况下恢复所述输入数据；从所述信道编码器并响应于将所述第一数据项输入到所述信道编码器中，获得第一编码数据项；将所述第一编码数据项和所述第一图像输入到编码器模型中，其中，所述编码器模型对输入图像和输入数据项进行编码，以获得所述输入数据项已经作为数字水印嵌入其中的编码图像；以及从所述编码器模型并响应于将所述第一编码数据项和所述第一图像输入到所述编码器模型中，获得所述第一编码数据已经作为数字水印嵌入其中的第一编码图像。2.根据权利要求1所述的计算机实施的方法，还包括：将所述第一编码图像输入到解码器模型中，其中，所述解码器模型对输入编码图像进行解码，以获得被预测为作为数字水印嵌入所述输入编码图像内的数据；从所述解码器模型并响应于将所述第一编码图像输入到所述解码器模型中，获得被预测为所述第一编码数据的第二数据；将所述第二数据输入到信道解码器中，其中，所述信道解码器对输入数据进行解码以恢复先前由所述信道编码器进行编码以生成所述输入数据的原始数据；以及从所述信道解码器并响应于将所述第二数据输入到所述信道解码器中，获得被预测为所述第一数据的第三数据。3.根据权利要求1所述的计算机实施的方法，还包括：获得一组输入训练图像；获得第一组训练图像，其中，所述第一组训练图像中的每个图像是通过使用所述编码器模型对输入训练图像和编码数据项进行编码而生成，其中，所述编码数据项是通过使用所述信道编码器对原始数据项进行编码而生成；将所述第一组训练图像输入到攻击网络中，其中，所述攻击网络使用一组输入图像来生成相对应的包括不同类型的图像失真的一组图像；以及使用所述攻击网络并响应于将所述第一组输入训练图像输入到所述攻击网络中，生成第二组训练图像，其中，所述第二组训练图像中的图像对应于所述第一组训练图像中的图像。4.根据权利要求1所述的计算机实施的方法，还包括使用所述第一组训练图像和所述第二组训练图像来训练所述攻击网络，其中，所述训练包括：对于所述第一组训练图像中的每个训练图像和所述第二组训练图像中的相对应的训练图像：将来自所述第二组训练图像的训练图像输入到所述解码器模型中；从所述解码器模型并响应于将来自所述第二组训练图像的训练图像输入到所述解码器模型中，获得被预测为作为数字水印嵌入所述训练图像内的第一预测数据项；
确定表示所述第一组训练图像中的训练图像与所述第二组训练图像中的相对应的训练图像之间的图像像素值差异的第一图像损失；确定表示所述第一预测数据项与嵌入到所述第一组训练图像中的训练图像中的编码数据项之间的差异的第一消息损失；以及使用所述第一图像损失和所述第一消息损失来训练所述攻击网络。5.根据权利要求4所述的计算机实施的方法，还包括训练所述编码器模型和所述解码器模型，其中，所述训练包括：对于所述第一组训练图像中的每个训练图像：将所述训练图像输入到所述解码器模型中；从所述解码器模型并响应于将所述训练图像输入到所述解码器模型中，获得被预测为嵌入所述训练图像内的第二预测数据项；确定表示所述训练图像与相对应的输入训练图像之间的图像像素值差异的第二图像损失；确定表示所述第二预测数据项与嵌入到所述训练图像中的编码数据之间的差异的第二消息损失；以及使用所述第二图像损失、所述第二消息损失和所述第一消息损失来训练所述编码器模型和所述解码器模型中的每一个。6.根据权利要求4所述的方法，其中，所述攻击模型、所述编码器模型和所述解码器模型中的每一个是卷积神经网络。7.根据权利要求5所述的方法，其中：所述第二图像损失包括L2损失和GAN损失；并且所述第二消息损失包括L2损失。8.根据权利要求5所述的方法，其中，所述第一消息损失和所述第一图像损失中的每一个包括L2损失。9.根据权利要求2所述的方法，还包括训练所述信道编码器和所述信道解码器，其中，所述训练包括：获得一组训练数据项；对于该组训练数据项中的每个训练数据项：使用所述信道编码器生成编码训练数据项；对于所述编码训练数据项，使用信道失真近似模型生成经修改训练数据项，其中，所述编码训练数据项使用所述信道失真近似模型进行失真以生成所述经修改训练数据项；确定表示所述编码训练数据项与相对应的经修改训练数据项之间的差异的信道损失；以及使用所述信道损失来训练所述信道编码器和所述信道解码器中的每一个。10.一种系统，包括：一个或多个存储设备，其存储指令；以及一个或多个数据处理装置，被配置为与所述一个或多个存储设备进行交互，并且在运行所述指令时执行包括以下的操作：获得第一图像和要嵌入到所述第一图像中的第一数据项；
将所述第一数据项输入到信道编码器中，其中，所述信道编码器将第一长度的输入数据项编码成冗余数据，所述冗余数据包括(1)所述输入数据项和(2)作为所述输入数据项的冗余的新数据，并且具有大于所述第一长度的第二长度，其中，所述新数据能够在存在信道失真的情况下恢复所述输入数据；从所述信道编码器并响应于将所述第一数据项输入到所述信道编码器，获得第一编码数据项；将所述第一编码数据项和所述第一图像输入到编码器模型中，其中，所述编码器模型对输入图像和输入数据项进行编码以获得所述输入数据项已经作为数字水印嵌入其中的编码图像；以及从所述编码器模型并响应于将所述第一编码数据项和所述第一图像输入到所述编码器模型中，获得所述第一编码数据已经作为数字水印嵌入其中的第一编码图像。11.根据权利要求10所述的系统，其中，所述一个或多个数据处理装置被配置为执行还包括以下的操作：将所述第一编码图像输入到解码器模型中，其中，所述解码器模型对输入编码图像进行解码以获得被预测为作为数字水印嵌入到所述输入编码图像中的数据；从所述解码器模型并响应于将所述第一编码图像输入到所述解码器模型中，获得被预测为所述第一编码数据的第二数据；将所述第二数据输入到信道解码器中，其中，所述信道解码器对输入数据进行解码以恢复先前由所述信道编码器进行编码以生成所述输入数据的原始数据；以及从所述信道解码器并响应于将所述第二数据输入到所述信道解码器中，获得被预测为所述第一数据的第三数据。12.根据权利要求10所述的系统，其中，所述一个或多个数据处理装置被配置为执行还包括以下的操作：获得一组输入训练图像；获得第一组训练图像，其中，所述第一组训练图像中的每个图像是通过使用所述编码器模型对输入训练图像和编码数据项进行编码而生成，其中，所述编码数据项是通过使用所述信道编码器对原始数据项进行编码而生成；将所述第一组训练图像输入到攻击网络中，其中，所述攻击网络使用一组输入图像来生成相对应的包括不同类型的图像失真的一组图像；以及使用所述攻击网络并响应于将所述第一组输入训练图像输入到所述攻击网络中，生成第二组训练图像，其中，所述第二组训练图像中的图像对应于所述第一组训练图像中的图像。13.根据权利要求10所述的系统，其中，所述一个或多个数据处理装置被配置为执行还包括使用所述第一组训练图像和所述第二组训练图像来训练所述攻击网络的操作，其中，所述训练包括：对于所述第一组训练图像中的每个训练图像和所述第二组训练图像中的相对应的训练图像：将来自所述第二组训练图像的训练图像输入到所述解码器模型中；从所述解码器模型并响应于...

【专利技术属性】
技术研发人员：R詹，杨峰，罗曦杨，P米兰法，H常，C刘，
申请(专利权)人：谷歌有限责任公司，
类型：发明
国别省市：