[发明专利]一种基于神经网络的图像盲水印嵌入及检测的方法及系统

权利要求书

1.一种基于神经网络的盲水印嵌入及检测的方法，其特征是，盲水印嵌入方法，首先对原始图像进多次离散小波变换，之后将其最后一次小波变换的低频分量进行量化处理，然后将二值水印图像嵌入低频分量中，通过逆小波变换恢复图像；盲水印提取方法是水印嵌入方法的逆过程，提取二值图像后，利用深度神经网络判断被测图像是否含有水印；

盲水印嵌入方法的具体步骤是：

步骤一：将宿主图像X(M,N)从RGB色彩空间转换到YCbCr空间，再对其Y分量进行三层离散小波变换(DWT)，可得到3x3+1个子带图像，取出其中低频分量LL3；M,N是图像的宽、高；

步骤二：将待嵌入的水印图像W缩放至的形状，接着转化为二值图像B(i,j)；并将LL3的系数值L(i,j)中每个系数与2取余，若L(i,j)与B(i,j)不相等，将L(i,j)的系数做出改变，同时利用Qstep反量化得到新的低频分量。

步骤三：将新的低频分量与其余子带图像依次进行三层逆小波变换，重构亮度分量Y，再把图像从YCbCr色彩空间转换为RGB空间，完成盲水印的嵌入；

水印检测方法的具体步骤是：

步骤a：将宿主图像X(M,N)从RGB色彩空间转换到YCbCr空间，对其Y分量进行三层小波变换(DWT)，得到低频分量LL3的系数值为L(i,j)。

步骤b：利用量化步长Qstep对L(i,j)进行量化取整得到q(i,j)，并对q(i,j)中每一个系数与2取余，得到二值图像W′；

步骤c：将上述得到的若干宿主图像X(M,N)的数据集划分为两个部分，嵌入水印图像及未嵌入水印图像；对每张图像进行水印提取，利用提取后的二值图像训练一个深度神经网络，从而用来判断二值图像是否含有水印；

步骤d：将二值图像W′送入神经网络进行水印检测。

2.根据权利要求1所述的基于神经网络的盲水印嵌入及检测的方法，其特征是，低频分量LL3其矩阵大小为(M/8,N/8)，设其系数值为L(i,j)，选取合适的步长Qstep对L中所有系数进行量化取整。

3.根据权利要求1所述的基于神经网络的盲水印嵌入及检测的方法，其特征是，所述步骤一中，所述Qstep＝δ*2^l，其中l为小波分解的层数，δ为量化步长控制参数(或称阈值)一般取2的倍数，可由实验确定。

4.根据权利要求1所述的基于神经网络的盲水印嵌入及检测的方法，其特征是，所述步骤c中，训练深度神经网络还包括如下步骤：

步骤1：设计多种攻击模式：添加明水印、图像缩放、图像裁剪、添加背景及多种攻击结合的组合攻击；在嵌入水印的图像中，对图像进行攻击后利用水印提取方法提取二值图像标签设为1，标记为水印存在；在未嵌入水印的图像中，对图像进行攻击后利用水印提取方法提取二值图像标签设为0，标记为水印不存在；

步骤2：构建深度神经网络模型，把做好标签的二值图像送入神经网络，训练分类模型。

5.一种根据权利要求1所述的基于神经网络的图像盲水印嵌入及检测的方法得到的系统，其特征在于：包括：水印嵌入模块、水印提取模块和神经网络检测模块；

所述水印嵌入模块，用于将水印图像嵌入宿主图像，主要包括宿主图像区域的提取，水印图像的适配，嵌入水印及宿主图像的还原；

所述水印提取模块，用于对待检测图像中提取二值图像，主要包括宿主图像处理，量化提取二值图片；

所述神经网络检测模块，用于检测提取的二值图像是否含有水印。