[發明專利]一種基于卷積特征的水印嵌入方法

有效

• 申請號: 201810167872.5
• 申請日: 2018-02-28
• 公開（公告）號: CN110211016B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 周燕;袁常青;曾凡智;錢杰昌
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G06T1/00
• 分類號: G06T1/00;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 王國標

本公開提出了一種基于卷積特征的水印嵌入方法，將待水印嵌入圖像通過卷積深度網絡產生卷積特征圖，通過卷積特征圖組合形成水印信息，并將該水印信息嵌入待水印嵌入圖像中，生成水印嵌入圖像。在提取圖像水印時，利用篡改塊具有局部聚集的特性，通過統計及閾值剪切，去除大部分的誤判塊，達到誤判修正的目的。本公開生成的水印嵌入圖像在隱秘性和魯棒性均優于傳統方法生成的水印嵌入圖像并可對特征對象的類別進行保護。

技術領域

本公開涉及圖像處理技術，尤其涉及一種基于卷積特征的水印嵌入方法，適用于將卷積特征對象圖作為水印嵌入到圖像內。

背景技術

在目前擁有的基于內容的數字圖像水印的現有技術中，水印的方法可以分為三類，一類是直接在空間域中根據圖像內容特征產生水印，將水印嵌入到最低有效位(LSB)，第二類是進行域的變換，如DCT(離散余弦變換)，DWT(離散小波變換)，SVD(奇異值分解)等將圖像變換到頻率域，根據頻率域的特征產生水??；第三類是進行壓縮變換如壓縮感知，MPEG2(運動圖像壓縮編碼標準的工作組制定的視頻和音頻有損壓縮國際通用標準之一)等的壓縮，根據壓縮數據的特征產生水印。在水印的眾多水印產生的形式與方法中，都基于一個基本原則，那就是提取較為魯棒的特征作為水印，并且用一種魯棒的方法嵌入水印?，F有水印嵌入技術中，均無法提供對特征對象的類別進行保護。此外，現有方法生成的水印在其隱秘性和魯棒性的效果均不理想。

發明內容

本公開的目的是解決現有技術的不足，本公開提出了一種基于卷積特征的水印嵌入方法，由圖像內容產生卷積特征，并將卷積特征作為水印嵌入到圖像內，這樣嵌入水印可對特征對象的類別進行保護。本公開將待水印嵌入圖像通過深度網絡產生卷積特征圖，通過卷積特征圖組合形成水印信息，并將該水印信息嵌入待水印嵌入圖像中，生成水印嵌入圖像。

為了實現上述目的，本公開提出一種基于卷積特征的水印嵌入方法，具體包括以下步驟：

步驟1，對原始圖像分塊；

步驟2，生成卷積特征水?。?/p>

步驟3，對原始圖像分塊DCT變換，依次對原始圖像的RGB層的子層R層、G層、B層(紅、綠、藍三個通道的顏色層)每一個子塊進行DCT變換，并進行Zig-Zag掃描(“之”字形掃描，量化系數的Z行排序)；

步驟4，在原始圖像分塊高頻系數中嵌入卷積特征水印，依次在原始圖像的R層、G層、B層每一個子塊的高頻系數中嵌入卷積特征水印；

步驟5，對嵌入水印的圖像分塊水印檢測。

進一步地，在步驟2中，生成卷積特征水印包括以下子步驟：已訓練的深度網絡讀取原始圖像提取卷積特征圖，將卷積特征圖的所有像素點序列化，通過閾值將卷積特征像素序列分成兩個部分C₁和C₂，并且計算屬于每一個類的數量，根據C₁和C₂生成卷積特征水印w_i，按照公式生成水印信息，其中i＝1，2，3。

進一步地，在步驟2中，采用訓練好的深度網絡讀取原始圖像提取卷積特征圖包括以下子步驟：

步驟2.1，搭建基于BN層(批量歸一化層)的深度網絡；

步驟2.2，隨機初始化深度網絡參數；

步驟2.3，用候選區域(ROI)訓練集圖片作為訓練數據，分批次輸入搭建好的深度網絡；

步驟2.4，深度網絡對提取的候選區域數據集進行卷積操作；

步驟2.5，用候選區域訓練集圖片訓練深度網絡的批量歸一化層與其它所有層參數；

步驟2.6，獲得訓練好的深度網絡；

步驟2.7，測試圖片通過訓練好的深度網絡；