[发明专利]一种纸媒输出的防伪半色调智能数字水印制作方法

权利要求书

1.一种纸媒输出的防伪半色调智能数字水印制作方法，其特征在于，具体步骤为：

S1：将宿主图像进行二值化处理，同时对嵌入的水印图像也进行二值化处理，形成二进制数码串，作为可嵌入的水印编码信息；

S2：使用随机数种子作为密钥，产生一系列二维随机数对，作为嵌入水印编码信息的嵌入位置，将S1中形成的水印编码信息嵌入到筛选的嵌入位置中；

S3：使用视觉迭代算法对嵌入水印编码信息的宿主图像进行优化，以保持嵌入位置的水印编码信息不变，改变邻域的网点分布情况，使宿主图像嵌入水印编码信息之后与未嵌入水印编码信息之前的图像之间的视觉感知差异达到尽量小；

S4：使用多张520x520的灰度图像，训练神经网络，将所使用的灰度图像用多种拜耳模式加网，形成图库，将多张520x520的灰度图像分割成8x8的图片，每一个图片对应一种拜耳模式加网方式，将已经加网的灰度图像打印输出，扫描仪重新采用格式化，重新得到520x520的二值图像，将得到的二值图像分割成8x8的小图片，形成网络训练数据集，网络训练数据集的标注数据就是每一个小片的加网方式编码，在这些训练数据上训练神经网络用于加网方式的识别模型，利用训练的神经网络模型提取嵌入的二维水印二值图像；

所述S1中，形成二进制数码串时，使用无损压缩编码的方式，有利于形成尽量少的二进制数码串；

所述S3中，视觉迭代算法按照原来的连续图像做参照，在每个像素的邻域探索几种像素对交换方式，每次迭代都朝着局部均方差降低的方向进行，全部像素处理完得到的是阶段性优化结果，然后进行下一轮逐点优化，直到半色调图像与原来连续调图像之间均方差合不再继续下降为止；

所述S4中的具体方法为：1)将加入水印图像的宿主图像经过打印机输出；2)输出的图像经过扫描仪重新采样；3)对采样的图像预处理，调整方向，缩放尺寸，用适当的阈值二值化，得到与打印前带水印的宿主图像具有同样分辨率的520x520二值图像；4)将得到的520x520二值图像按顺序划分成8x8的小片，每一个小片顺序输入训练好的神经网络模型，神经网络模型预测出每一个图片的加网方式，经图像组装得到嵌入的二维水印二值图像；

使用15张520x520的灰度图像建立训练神经网络模型的图库；将15张520x520的灰度图像用24种拜耳模式加网，形成了一个24*15的图库；将这些图像分割成8x8的小图片，每一个小图片对应一种加网方式；本申请中选择使用两种实验效果较好的拜耳抖动模式，分别标注为0,1，对这15张灰度图像产生2*15种加网图像，这些加网图像经过打印输出，扫描仪重新采样，格式优化，重新得到520x520的二值图像；以这些打印扫描后的二值图像为基础，分割8x8的小片，形成网络训练数据集，网络训练数据集的标注数据就是每一个小片的加网方式编码，在这些训练数据集上训练神经网络用于识别加网方式的识别模型；将训练好的神经网络保存成一个模型数据，使用14副图像对神经网络进行训练，用第15幅图验证神经网络识别模型的效果，使用第15副图像作为检测图像，进行水印嵌入实验：

第15幅图像在加网的过程中使用0,1两种加网模式按照水印二进制信息的排列一次嵌入水印信息；加入水印的半调图像经过打印机输出，输出的图像经过扫描仪重新采样，对采样的图像预处理，调整方向，缩放尺寸，用适当的阈值二值化，得到与打印前带水印的半调图像同样分辨率的520x520二值图像；该图像按顺序划分成8x8的小片，每一个小片顺序输入训练好的神经网络识别模型，神经网络识别模型能够预测出每一个图片的加网方式，图像组装后便得到嵌入的二维水印二值图像。

2.如权利要求1所述的一种纸媒输出的防伪半色调智能数字水印制作方法，其特征在于，所述S1中对水印图像进行二值化处理之前，先对水印图像进行可逆置乱，增加保密性。

3.如权利要求1所述的一种纸媒输出的防伪半色调智能数字水印制作方法，其特征在于，所述S2中，水印图像是二值化图，每一个像素的值是0，或1将此二值水印图像转变为一个二值序列，在随机产生的嵌入位置上，依次嵌入水印序列值。