申请/专利权人：齐齐哈尔大学

申请日：2023-11-18

公开（公告）日：2024-03-01

公开（公告）号：CN117635407A

主分类号：G06T1/00

分类号：G06T1/00;G06V10/774;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明公开了一种基于DBN的鲁棒水印算法，所述算法先随机生成长度为L1的二进制水印信息，将载体图像放入嵌入网络中进行训练并且与水印信息融合；然后将原始载体图像I和嵌入水印信息的载体图像Ien传入判别器，进行判别图像是否含有水印信息，将含有水印信息的图像传入噪声层添加噪声，最后将含有噪声的图像传入提取网络中提取水印信息，实现在数字图像中嵌入数字水印的方法。本发明可以有效的抵抗高斯噪声、椒盐噪声、中值滤波等噪声，在一定程度上拥有基于HiDDeN算法的较高的不可见性和基于U‑net算法的较高鲁棒性的优点。

主权项：1.一种基于DBN的鲁棒水印算法，其特征在于所述算法包括如下步骤：步骤一、数据集的准备：从COCO数据集中选择10000张图片作为训练集，另选择1000张图片作为测试集；步骤二、数据预处理：将训练集和测试集的所有图片统一缩放为128*128的大小；步骤三、水印信息Min1的生成与编码：随机生成长度为L1的二进制序列Min1，将Min1作为水印信息，Min1进行BCH编码，得到经过BCH编码后长度为L2的水印信息Mbch，将Mbch作为嵌入网络的输入；步骤四、基础模块的构建：将卷积、批处理归一化和ReLU的组合表示为CBR模块，卷积核大小为3*3，步幅为1，填充为1；步骤五、嵌入网络的构建：所述嵌入网络包括细节信息网络分支和语义信息网络分支，其中：所述细节信息网络分支包括4个CBR模块，每一层输出通道数为64，每一层的输出数据与前面所有层的输出数据进行拼接，然后作为下一个模块的输入；所述语义信息网络分支是一个U-net结构，包括下采样阶段和上采样阶段，其中：下采样阶段包括两个下采样模块，每一个下采样模块包括两个连续的CBR模块和一个池化层；上采样阶段包括两个上采样模块，每一个上采样模块包括一个卷积核大小为2*2、步长为2、填充为0的转置卷积，与下采样阶段对应维度的输出结果进行拼接，然后将数据传入两个连续的CBR模块；步骤六、提取网络的构建：所述提取网络包括7个CBR模块和一个全局池化层，前6个CBR模块的输出通道数为64，最后一个CBR模块的输出通道为L；步骤七、判别器的构建：所述判别器包括1个高斯高通滤波器、3个CBR模块、一个全局池化层和一个全连接层，最后输出介于0到1之间的数据；步骤八、嵌入网络的训练：步骤八一、把载体图像I打上标签1，将载体图像I拷贝两份，分别放入嵌入网络的细节信息网络分支和语义信息网络分支中进行训练；步骤八二、获取载体图像I在细节信息网络分支的输出张量Iout1的形状B,C,H,W，将水印信息Mbch扩展成形状为B,L,H,W的张量Min2，将细节信息网络分支的输出张量Iout1、扩展后的水印信息张量Min2和原始载体图像I在通道维度进行拼接，得到含有水印信息的张量T1；步骤八三、获取载体图像I在语义信息网络分支下采样阶段的输出张量Iout2的形状B,C,H4,W4，将水印信息Mbch扩展成形状为B,L,H,W的张量Min3，将语义信息网络分支下采样阶段的输出张量Iout2和水印信息张量Min3在通道维度进行拼接，得到含有水印信息的张量T2；步骤八四、将含有水印信息的张量T2进行跳跃连接和上采样后，得到形状为B,C,H,W的含有水印信息的张量T3：步骤八五、将张量T1和T3拼接，得到含有水印信息的张量T4；步骤八六、对张量T4使用SENet进行水印信息的融合，输出含水印信息的图像Ien，将含水印信息的图像Ien打上标签0；步骤九、判别器的训练：将载体图像I和与之对应含水印信息的图像Ien输入判别器，让判别器判别输入的图片是否有水印信息，输出的结果越接近1，则表示判别器认为传入图像不含有水印信息的可能性越大，输出的结果越接近0，则表示判别器认为传入图像含有水印信息的可能性越大；步骤十、引入噪声攻击：将含水印信息的图像Ien放入噪声层进行噪声攻击，得到含噪声图像Ino；步骤十一、水印信息Mout的提取与Mout的BCH解码：将含噪声图像Ino放入提取网络，经过4次卷积之后，最后进行全局平均池化，提取水印信息Mout，并将水印信息进行如下的二值化处理； 将Mout进行BCH解码，得到解码之后的水印信息Mde_bch；步骤十二、双分支神经网络损失函数的设置：所述双分支神经网络由嵌入网络、提取网络和判别器构成，其损失函数包括嵌入损失函数LossC、提取损失函数LossS、对抗损失函数LossG三部分，公式如下：Losstotal＝lossC+lossS+lossG。

全文数据：

权利要求：

百度查询： 齐齐哈尔大学 基于DBN的鲁棒水印算法

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