一种基于虹膜特征水印的版权保护方法技术

本发明专利技术涉及一种基于虹膜特征水印的版权保护方法，该方法包括：网络构建：构建用于虹膜特征水印嵌入与提取的深度神经编解码网络，包括用于将虹膜特征水印嵌入待保护的数字图像的编码网络以及用于将嵌入的虹膜特征水印提取出来的解码网络；训练：训练所述的深度神经编解码网络；测试：利用训练的深度神经编解码网络进行虹膜特征水印的嵌入、提取，基于提出的虹膜特征进行特征匹配与身份验证。与现有技术相比，本发明专利技术不仅可以满足数字水印的强鲁棒性与更好的隐秘性要求，而且可以实现版权保护要求的身份验证的高准确性。要求的身份验证的高准确性。要求的身份验证的高准确性。

【技术实现步骤摘要】
一种基于虹膜特征水印的版权保护方法


[0001]本专利技术涉及生物特征识别、数字水印技术以及版权保护领域，尤其是涉及一种基于虹膜特征水印的版权保护方法。

技术介绍

[0002]版权保护是数字信息飞速发展时代所面临的一个严峻且具有挑战性的问题。版权保护的出发点是在最大限度上保护版权拥有者的合法权益，一个完整的图像版权保护系统是采用信息隐藏技术将某一机密信息秘密隐藏于公开的数字图像中，且不妨碍图像的正常使用，但它可以通过嵌入特定标识信息来跟踪和保护版权。对公开图像中所隐藏的机密信息的检测与提取可以作为版权保护的有力证据，数字水印就是信息隐藏的一个典型应用，其中生物特征信息可以作为隐藏的机密信息。而目前利用传统的嵌入生物特征的方法来实现版权保护存在着准确性低、抵抗干扰与噪声能力差以及嵌入水印图像质量不理想等问题，这让利用生物特征信息进行图像版权保护成为了图像处理方向的研究热点。其中相比于其他生物特征，如人脸，指纹，掌静脉等，虹膜特征信息具有准确性、防伪性，稳定性和唯一性的特点。
[0003]基于虹膜特征水印的版权保护系统是利用虹膜特征信息作为水印，将其嵌入到需要保护的数字图像中。它由虹膜特征与数字图像的融合、差分噪声层的联合训练、虹膜特征的提取和版权拥有者身份验证四个部分组成。其中虹膜特征与数字图像的融合、嵌入图像的虹膜特征的提取与版权拥有者的身份验证是实现版权保护的关键环节。虹膜特征与数字图像的融合是把数字图像与虹膜特征在一定约束条件下进行融合，使得嵌入虹膜特征后的数字图像与原来数字图像的差异尽可能小。嵌入图像的虹膜特征提取是把经过噪声后的水印嵌入图像进行特征的提取，利用注意力机制来提升特征提取能力。版权拥有者的身份验证则是利用汉明距离计算提取的虹膜特征与再次采集的虹膜图像生成的虹膜特征之间的相似度分数，再与得到的最佳阈值进行比较完成身份验证，实现版权保护功能。在传统算法上，大多是基于虹膜图像的生物特征和离散余弦变换的图像水印方法，这些算法局限于利用虹膜图像的特征模板或精度不高的数字模型来实现水印嵌入，对数字图像造成较大的影响，且受到攻击后，不能准确提取嵌入的水印，抗干扰能力不强。随着计算机与图像处理技术的快速发展，利用基于深度神经网络的数字水印嵌入算法来实现版权保护，可以胜任并超越传统算法的版权保护任务。
[0004]近些年来，利用基于深度学习的数字水印技术与虹膜特征相结合来实现图像版权保护的相关专利技术是还未被涉及到的。但是，已有公开专利介绍通过基于传统算法的技术实现虹膜水印的嵌入与检测，从而验证版权人的信息，实现版权保护。例如，中国专利文献：CN112949454A，一种嵌入、检测虹膜水印信息的装置，较好的解决了虹膜信息的嵌入与提取，不过该专利把拍照人的原始虹膜作为水印信息嵌入数字图像，这将会直接导致数字图像质量的下降。同时对于版权人信息的验证，该公开专利技术存在着虹膜水印一旦被攻击，不能被较好的提取导致虹膜信息验证准确性较低的问题。中国专利文献：
CN113658032A，基于深度学习和图像处理的图像水印加解密方法及系统，提出通过定位模块与无感知嵌入方法把加密字符嵌入到目标图像中，再定位到待解码的目标区域，解码得到二进制字符串并转译为标准字符串，得到译码信息。不过该公开专利技术需要对目标图像中文字密度最高的区域进行截取，得到待编码的目标区域图像，并且没有建立加密字符与目标图像的身份联系。中国专利文献：CN114170658A，一种结合水印和深度学习的人脸识别加密认证方法及系统，较好的解决了人脸图像数据来源的安全性，不过该专利主要是把水印图像嵌入到人脸图像中，通过提取水印图像与嵌入之前的水印图像进行对比验证，实现对人脸图像的保护，但未与某个身份信息绑定，无法实现特定身份的版权保护。

技术实现思路

[0005]针对现有关于图像版权保护任务的鲁棒性、隐秘性以及身份验证准确性的不足，本专利技术提供一种基于虹膜特征水印的版权保护方法，不仅可以满足数字水印的强鲁棒性与更好的隐秘性要求，而且可以实现版权保护要求的身份验证的高准确性。
[0006]本专利技术的目的可以通过以下技术方案来实现：
[0007]一种基于虹膜特征水印的版权保护方法，该方法包括：
[0008]网络构建：构建用于虹膜特征水印嵌入与提取的深度神经编解码网络，包括用于将虹膜特征水印嵌入待保护的数字图像的编码网络以及用于将嵌入的虹膜特征水印提取出来的解码网络；
[0009]训练：训练所述的深度神经编解码网络；
[0010]测试：利用训练的深度神经编解码网络进行虹膜特征水印的嵌入、提取，基于提出的虹膜特征进行特征匹配与身份验证。
[0011]优选地，所述的编码网络将虹膜特征水印嵌入待保护的数字图像的过程包括：
[0012]S11、把预处理的虹膜图像经过特征提取获取浮点特征向量，经过量化得到二进制虹膜特征；
[0013]S12、将二进制虹膜特征与待保护的数字图像进行金字塔特征融合编码得到嵌入虹膜特征水印的编码图像。
[0014]优选地，步骤S12具体包括：
[0015]首先，对数字图像进行n次下采样操作，获得一系列不同分辨率的图；
[0016]接着，对下采样的数字图像与归一化的虹膜特征进行上采样操作，完成第一次特征融合，将第一次的融合特征与归一化的虹膜特征进行上采样操作，获得第二次的融合特征，以此类推，将第i次的融合特征与归一化的虹膜特征进行上采样操作，获得第i+1次的融合特征，i＝1，2，
……
，n
‑
1；
[0017]最后，将数字图像与最后一次的融合特征进行特征融合，将融合结果进行归一化操作，得到嵌入虹膜特征水印的编码图像。
[0018]优选地，所述的解码网络提取嵌入的虹膜特征水印的具体过程包括：将待解码的图像输入至解码网络，首先对其进行归一化操作，然后通过CBAM注意力机制进行特征提取，得到解码后的二进制虹膜特征。
[0019]优选地，训练所述的深度神经编解码网络具体包括：
[0020]将训练的二进制虹膜特征与待保护的数字图像输入至所述的编码网络，编码网络
输出嵌入虹膜特征水印的编码图像；
[0021]随机从噪声层中选择一种噪声对嵌入虹膜特征水印的编码图像进行模拟攻击得到噪声图像；
[0022]将噪声图像输入至所述的解码网络提取嵌入的虹膜特征水印；
[0023]对编码网络和解码网络进行对抗联合训练。
[0024]优选地，编码图像和解码网络进行对抗联合训练的过程包括：
[0025]将编码网络输出的嵌入虹膜特征水印的编码图像与原始的数字图像输入到对抗鉴别器中，对抗鉴别器对这两种图像进行判断，判断为编码图像或者原始的数字图像，若对抗鉴别器将编码图像判断为原始的数字图像，则对抗鉴别器的损失将会增大，否则会变小；
[0026]利用水印模型的评价指标对解码网络提取的虹膜特征水印进行评价；
[0027]循环训练网络参数，直至水印模型的评价指标达到设定最优阈值且抗鉴本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于虹膜特征水印的版权保护方法，其特征在于，该方法包括：网络构建：构建用于虹膜特征水印嵌入与提取的深度神经编解码网络，包括用于将虹膜特征水印嵌入待保护的数字图像的编码网络以及用于将嵌入的虹膜特征水印提取出来的解码网络；训练：训练所述的深度神经编解码网络；测试：利用训练的深度神经编解码网络进行虹膜特征水印的嵌入、提取，基于提出的虹膜特征进行特征匹配与身份验证。2.根据权利要求1所述的一种基于虹膜特征水印的版权保护方法，其特征在于，所述的编码网络将虹膜特征水印嵌入待保护的数字图像的过程包括：S11、把预处理的虹膜图像经过特征提取获取浮点特征向量，经过量化得到二进制虹膜特征；S12、将二进制虹膜特征与待保护的数字图像进行金字塔特征融合编码得到嵌入虹膜特征水印的编码图像。3.根据权利要求2所述的一种基于虹膜特征水印的版权保护方法，其特征在于，步骤S12具体包括：首先，对数字图像进行n次下采样操作，获得一系列不同分辨率的图；接着，对下采样的数字图像与归一化的虹膜特征进行上采样操作，完成第一次特征融合，将第一次的融合特征与归一化的虹膜特征进行上采样操作，获得第二次的融合特征，以此类推，将第i次的融合特征与归一化的虹膜特征进行上采样操作，获得第i+1次的融合特征，i＝1，2，
……
，n
‑
1；最后，将数字图像与最后一次的融合特征进行特征融合，将融合结果进行归一化操作，得到嵌入虹膜特征水印的编码图像。4.根据权利要求1所述的一种基于虹膜特征水印的版权保护方法，其特征在于，所述的解码网络提取嵌入的虹膜特征水印的具体过程包括：将待解码的图像输入至解码网络，首先对其进行归一化操作，然后通过CBAM注意力机制进行特征提取，得到解码后的二进制虹膜特征。5.根据权利要求1所述的一种基于虹膜特征水印的版权保护方法，其特征在于，训练所述的深度神经编解码网络具体包括：将训练的二进制虹膜特征与待保护的数字图像输入至所述的编码网络，编码网络输出嵌入虹膜特征水印的编码图像；随机从噪声层中选择一种噪声对嵌入...

【专利技术属性】
技术研发人员：沈文忠，容基，刘颖峰，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：