申请/专利权人：南京信息工程大学

申请日：2023-07-28

公开（公告）日：2023-10-27

公开（公告）号：CN116958690A

主分类号：G06V10/764

分类号：G06V10/764;G06T1/00;G06V10/74;G06N3/0464;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.11.14#实质审查的生效;2023.10.27#公开

摘要：本发明公开了基于CNN的HVS‑JND谱残差网络鲁棒水印方法，将载体图像与原始水印输入水印编码器中，生成嵌入水印的编码图像；将编码图像和载体图像分两路输入HVS‑JND感知分类鉴别器中，判别嵌入水印的编码图像是有损图像还是无损图像，若图像有损，计算损失函数，并更新水印编码器的参数，直至获得无感损失编码图像并输入水印解码器中，得到解码水印；根据原始水印与解码水印，计算损失函数，并更新水印编码器、HVS‑JND感知分类鉴别器、解码器的参数；本发明所设计的方法使载密图像拥有很高的不可见性和很好的视觉质量；通过引入谱残差网络，提升了水印的透明性和鲁棒性，具有现实意义和良好的应用前景。

主权项：1.基于CNN的HVS-JND谱残差网络鲁棒水印方法，其特征在于，针对载体图像和原始水印，执行如下步骤S1-步骤S5，完成水印的嵌入和提取：步骤S1：将载体图像和原始水印输入由添加谱残差的CNN的水印编码器中，生成嵌入水印的编码图像；步骤S2：将嵌入水印的编码图像与载体图像输入HVS-JND感知分类鉴别器中，以判别所输入的嵌入水印的编码图像是否为无感损失编码图像，若嵌入水印的编码图像不是无感损失编码图像，则计算编码图像与载体图像的损失函数，采用随机梯度下降方法更新水印编码器参数，直至获得无感损失编码图像，若嵌入水印的编码图像是无感损失编码图像，则进行下一步骤；步骤S3：将无感损失编码图像输入由CNN组成的水印解码器中，提取解码水印；步骤S4：根据步骤S3所获得的解码水印以及步骤S1中的原始水印，计算原始水印与解码水印的损失函数，采用随机梯度下降方法更新水印解码器的参数；步骤S5：判断模型是否达到预期效果，如果没有达到预期效果，则返回步骤S1，重新训练整个模型，如果达到预期效果，则保留模型所有参数用于水印嵌入与提取。

全文数据：

权利要求：

百度查询： 南京信息工程大学 基于CNN的HVS-JND谱残差网络鲁棒水印方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD