[發明專利]一種基于關鍵點檢測和深度學習的高分辨率圖像魯棒數字水印方法

在審

• 申請號: 202011022189.6
• 申請日: 2020-09-25
• 公開（公告）號: CN114255151A
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 竺樂慶;莫凌強
• 申請（專利權）人: 浙江工商大學
• 主分類號: G06T1/00
• 分類號: G06T1/00;G06T7/136;G06T5/30;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于關鍵點檢測和深度學習的高分辨率圖像盲水印方法。首先在尺度歸一化后的載體圖像中確定若干個固定大小的嵌入區域，再將它們映射到原圖像。水印被隱藏于每一個嵌入區域的內切圓的內接正方形內，從而使圖像在經歷幾何變換后水印仍位于確定的嵌入區域內。水印用一種改進的ResNet進行嵌入和提取，網絡去掉了ResNet中的所有池化層，在殘差模塊的殘差連接中引入空洞卷積，并采用了多尺度融合的結構。訓練時采用了多尺度交叉訓練和課程學習的策略，在訓練過程中對含水印圖像施加攻擊，攻擊由少到多，由弱到強變化。該方法對常見的信號處理操作和幾何變換攻擊均有較理想的魯棒性。

技術領域

本發明屬于圖像安全認證技術領域，具體涉及一種基于關鍵點檢測和深度學習的高分辨率圖像數字水印嵌入與提取方法。

背景技術

隨著網絡技術和媒體記錄設備的發展，越來越多的多媒體信息通過網絡和存儲設備發布和分享。未經授權的個人或組織可以方便地復制、修改或轉發這些信息，這就可能造成侵犯版權問題，迫切需要一種方便快捷的可行技術來保護數字媒體的版權，為數字媒體生產者維持健康的生產環境。數字水印是一種將版權信息隱藏在數字媒體中，并可在需要時提取的版權保護技術，以檢測和認證數字媒體的版權是否合法。明水印會影響圖像本身的內容，并且其顯著的存在性使其易被惡意篡改，透明的隱水印可以對抗版權侵犯并保持媒體的內容完整性。早期的空域水印技術如最低有效位修改(LSB)可以簡單有效地在圖像中隱藏數據，但對JPEG壓縮、濾波、加噪等圖像處理敏感；變換域水印技術在離散傅立葉變換(DFT)、離散余弦變換(DCT)、離散小波變換(DWT)等變換域隱藏水印，對JPEG壓縮及其他信號處理操作有較好的魯棒性，然而多數變換域水印技術是基于分塊和偽隨機置亂的，仍然對幾何攻擊和位置變化敏感。

自2012年以來，基于卷積神經網絡(CNN)的深度學習技術發展迅速，在圖像模式識別、對象檢測和目標分割等計算機視覺任務中性能超過了傳統算法，研究者們也將CNN應用到了數字水印領域，Kandi等提出了一種基于學習的自編碼CNN實現非盲提取圖像數字水印，該方法雖然對高斯噪聲、椒鹽噪聲、壓縮、裁切、濾波等攻擊比較魯棒，但是在含水印圖像旋轉角度超過0.4度時，就無法有效提取水印了，對縮放和平移攻擊的魯棒性也未有報道。Mun等提出一種稱為WMNet的魯棒的盲水印方法，其結構相似度指標(StructureSimilarity Index Measure，SSIM)和歸一化相關系數(Normalized Correlation,NC)都要優于四元離散傅立葉變換(QDFT)和DCT的方法；Li等則將水印嵌入在DCT域，然后用CNN提取水印，但該方法的魯棒性未有報道；Ahmadia等提出了一種叫ReDMark的盲水印模型，可以在512×512大小的灰度圖像中嵌入1024位的水印，ReDMark對JPEG壓縮、加噪、濾波以及縮放后還原等操作魯棒，但對旋轉、縮放、平移等幾何變換沒有魯棒性。隨著圖像采集技術的發展，圖像的尺寸和分辨率正變得越來越大，一個實用的水印方法應該可以應用到高分辨率圖像上。然而受限于計算資源，目前大多數的深度學習框架并不能直接用在高分辨率圖像的隱寫中。本發明充分發掘了深度學習框架的計算能力并將之與傳統圖像處理技術無縫集成，實現一種魯棒高效的高分辨率圖像數字水印方法。

發明內容

本發明設計了一種基于關鍵點檢測的多區域圖像隱水印嵌入方法，用深度學習模型在選擇的圖像區域中進行透明水印的嵌入與提取，所設計的高分辨率圖像隱水印方法可以實現盲提取，并且可以對抗JPEG壓縮、椒鹽噪聲、高斯噪聲、高斯濾波、均值濾波、中值濾波、對比度調整等信號處理操作以及旋轉、縮放、平移、裁剪等幾何變換攻擊，表現出非常好的魯棒性。具體包括如下步驟：

(1)獲取足夠數量的樣本圖像，并對樣本圖像進行歸一化處理，以512×512大小的輸入圖像為例，如果樣本圖像大于該尺寸，則進行隨機裁剪得到，如果樣本圖像大小比該尺寸小，則進行等比例放大后再裁剪得到；對于水印圖像，首先轉換成灰度圖，然后用Ostu(大津法)計算全局閾值對該灰度圖進行二值化，并進一步用先膨脹后腐蝕的方法對二值圖像進行閉運算，最后從該二值圖像中移除面積過小的連通區域得到二值水印圖像集。