[发明专利]一种自动去除图片水印的方法及装置在审

专利信息
申请号: 201910729870.5 申请日: 2019-08-08
公开(公告)号: CN110599387A 公开(公告)日: 2019-12-20
发明(设计)人: 胡铮;张宸赫;张春红;唐晓晟 申请(专利权)人: 北京邮电大学
主分类号: G06T1/00 分类号: G06T1/00
代理公司: 11002 北京路浩知识产权代理有限公司 代理人: 吴欢燕
地址: 100876 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 水印图片 去除 神经网络 水印 预设 样本图片 神经网络分类器 神经网络生成器 平均绝对误差 输出结果 水印处理 图片水印 训练样本 自动去除 对抗 学习
【权利要求书】:

1.一种自动去除图片水印的方法,其特征在于,包括:

获取带水印图片;

将所述带水印图片输入训练好的预设神经网络,根据所述训练好的预设神经网络的输出结果,得到去水印图片。

2.根据权利要求1所述自动去除图片水印的方法,其特征在于,在所述获取带水印图片的步骤之后,所述方法还包括:

对带水印图片进行识别,确定水印类别信息。

3.根据权利要求2所述自动去除图片水印的方法,其特征在于,在将所述带水印图片输入训练好的预设神经网络的步骤之前,所述方法还包括:

获取无水印样本图片集信息和水印类别信息;

根据所述水印类别信息对无水印样本集图片信息进行水印添加处理,得到带水印样本图片集信息。

4.根据权利要求3所述自动去除图片水印的方法,其特征在于,在所述得到带水印样本图片信息的步骤之后,所述方法还包括:

获取无水印样本图片集信息和带水印样本图片集信息;

神经网络生成器对所述带水印样本图片集信息进行去水印处理,得到生成样本图片集信息;

神经网络分类器根据所述无水印样本图片集信息对所述生成样本图片集信息进行分类识别,得到分类结果;

根据所述神经网络生成器和神经网络分类器进行对抗学习,当满足预设条件时,得到训练好的预设神经网络。

5.根据权利要求3所述自动去除图片水印的方法,其特征在于,所述根据所述水印类别信息对无水印样本集图片信息进行水印添加处理,得到带水印样本图片集信息的步骤,具体包括:

根据Canny算法和水印类别信息,获取水印形状信息;

根据所述水印形状信息和水印添加算法得到水印特征信息;

根据所述水印特征信息对所述无水印样本集图片信息进行水印添加处理,得到带水印样本图片集信息。

6.根据权利要求5所述自动去除图片水印的方法,其特征在于,所述水印添加算法具体为:

其中,J(x,y)是生成的带有水印图片的(x,y)坐标颜色特征值,W是现有且待添加水印的图像矩阵,I是待添加水印特征矩阵,α则为水印与图片叠加的权重系数。

7.根据权利要求1所述自动去除图片水印的方法,其特征在于,所述方法还包括:

将带水印图片划分为多个带水印原始子图片;

将所述多个带水印原始子图片依次输入训练好的预设神经网络,根据所述训练好的预设神经网络的输出结果,得到多个去水印子图片;

将所述多个去水印子图片进行合成处理,得到去水印图片。

8.一种自动去除图片水印的装置,其特征在于,包括:

获取模块,用于获取带水印图片;

去除模块,用于将所述带水印图片输入训练好的预设神经网络,根据所述训练好的预设神经网络的输出结果,得到去水印图片。

9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述自动去除图片水印的方法的步骤。

10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述自动去除图片水印方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京邮电大学,未经北京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910729870.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top