CN114529442B 一种采用两阶段预编码和小波网络的鲁棒图像水印方法 （中山大学）

EP1679898A1,2006.07.12一种采用两阶段预编码和小波网络的鲁棒采用两阶段预编码和小波网络的鲁棒图像水印纹理区域嵌入强度更高的水印并且降低了水印信息预处理方案的嵌入机制允许手动控制水印2输入编码器的载体图像经过一个二维卷积层提取特征后，通过三个输入编码器的消息图像经过一个二维卷积层提取特征后，与所述波变换模块逐步上采样，每步上采样后都与对应下采样过程中相同大小的特征图进行拼在所述解码器中，输入解码器的图像在依序经过一个二维卷积2.根据权利要求1所述的采用两阶段预编码和小波网络的鲁棒图像水印方法，其特征;3.根据权利要求1所述的采用两阶段预编码和小波网络的鲁棒图像水印方法，其特征34.根据权利要求1所述的采用两阶段预编码和小波网络的鲁棒图像水印方法，其特征在所述离散小波变换模块的输入经过一个卷积层后，通过5.根据权利要求1所述的采用两阶段预编码和小波网络的鲁棒图像水印方法，其特征6.一种采用两阶段预编码和小波网络的鲁棒图像水权利要求1~5任一项所述的鲁棒图像水印方法，包括水印信息嵌入单元（1所述水印信息所述最终残差水印获取子单元（13）用于将所述载体图像的掩膜以时实现如权利要求1至5任一项所述的采用两阶段预编码和小波网络的鲁棒图像水印方法任一项所述的采用两阶段预编码和小波网络的鲁棒图像4[0002]在图像水印的技术中，存在一种基于深度学习的抗打印拍摄鲁棒水印方法：RGB图像和100比特的二进制信息序列，该信息序列经过一层全连接层形成50×50×3的张5的图像C`之间的Lpips视觉损失函数6[0031]一种采用两阶段预编码和小波网络的鲁棒图像水印系统，包括水印信息嵌入单取子单元以及相加操作子单元；所述预处理子单元分别连接所述初步残差水印获取子单[0032]所述预处理子单元用于获取载体图像以及水印信息；计算所[0034]所述最终残差水印获取子单元用于将所述载体图像的掩膜以及所述初步残差水述的采用两阶段预编码和小波网络的鲁棒图像水印方[0038]图1为本发明实施例1提供的采用两阶段预编码和小波网络的鲁棒图像水印方法[0039]图2为本发明实施例1提供的采用两阶段预编码和小波网络的鲁棒图像水印方法7[0044]图7为本发明实施例1提供的采用两阶段预编码和小波网络的鲁棒图像水印方法[0045]图8为本发明实施例1提供的采用两阶段预编码和小波网络的鲁棒图像水印方法[0046]图9为本发明实施例2提供的采用两阶段预编码和小波网络的鲁棒图像水印系统的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方段预编码将所述水印信息转换为消息图像Sec波集成神经网络构成的编码器P_Net以及解码器R_[0057]S13，将所述载体图像的掩膜mask以及所述初步残差水印residual相乘获得最终8膜，使用分块DCT系数量化后的L0范数作为图像局部复杂度的度量，后续实验表明：对于9[0074]1.首先将C通过色彩层分别替换成小波分解(DWT)和逆小波分解(IDWT)。小波集成神经网络通过引入离散小波[0089]本实施例使用的鲁棒图像水印网络训练基础框架请参阅图4，主要包括编码器和过三个DWT_Block离散小波变换模块逐步下采样得到50×50×32大小的高维特征。同时通[0097]IDWT_Block逆离散小波变换模块的结构请参阅图6，在所述逆离散小波变换模块[0099]所述鲁棒图像水印网络训练基础框架在网络训练的过程中，输入cover使用方误差损失函数(MeanSquareError,MSE)来约束嵌入水印信息Secret和解码信息S'相网络得到初步的解码结果S'；[0118]下表显示了本方法水印视觉效果与StegaStamp的对比(PSNR、SSIM越高越好，39.430.10.970.910.020.10入容量的条件下保持和StegaStamp相[0124]所述预处理子单元11用于获取载体图像以及水印信息；计算所述载体图像的掩[0126]所述最终残差水印获取子单元13用于将所述载体图像的掩膜以及所述初步残差[0131]所述加权解码子单元23用于以嵌入水印后的图像的掩膜作为权重与初步的解码施例1中的采用两阶段预编码和小波网络的鲁棒图像水印方处理器执行的计算机程序，所述计算机程序被处理器执行时实现实施例1中的采用两阶段