[发明专利]一种水下机器人图像隐秘字符嵌入与解码的方法

说明书

本发明公开了一种水下机器人图像隐秘字符嵌入与解码的方法，该方法包括以下步骤：原始图像I以及待编码信息M1合并四通道作为输入，经过U形网络，输出编码图O和残差图R，得到第一损失；输入编码图像O，增强模型的鲁棒性和泛化能力，计算交叉熵，得到第二损失；权重化第一、二损失函数，分析并获取编码能力强、感知损失低的函数模型；训练BiSeNet语义分割网络,生成大量的编码图O，预测可能出现编码图的备选图区域，再将备选图区域放入解码器检测判断。通过该方法，深度学习隐写术在仿生机器人隐秘信息编码，解码，检索的应用；全局视觉的个体ID的深度学习隐写术方式识别；消费级水下机器人的加密隐藏水印。

技术领域

本发明涉及图像隐秘字符技术领域，具体来说，涉及一种水下机器人图像隐秘字符嵌入与解码的方法。

背景技术

对于仿生机器人隐秘信息携带，全局视觉的个体ID识别，消费级水下机器人的加密隐藏水印这三个应用场景，基于自编码器的深度神经网络的高效应用是一次开创式的应用，目前没有同样场景的深度学习高效解决办法。

发明内容

针对相关技术中的上述技术问题，本发明提出一种水下机器人图像隐秘字符嵌入与解码的方法，能够克服现有技术的上述不足。

为实现上述技术目的，本发明的技术方案是这样实现的：

一种水下机器人图像隐秘字符嵌入与解码的方法，该方法包括以下步骤：

S1：原始图像I以及待编码信息M1合并四通道作为输入，经过U形网络，输出编码图O和残差图R，计算I和O瓦瑟斯坦损失，得到第一损失；

S2：解码网路，输入编码图像O，经过图像数据增强方式，增强模型的鲁棒性和泛化能力，通过稠密卷积网络输出预测信息M2，M2和M1对比做监督学习，计算交叉熵，得到第二损失；

S3：权重化第一、二损失函数，分析并获取编码能力强、感知损失低的函数模型；

S4：训练BiSeNet语义分割网络,用ImageNet数据集生成大量的编码图O，将编码图O嵌入到DIV2K数据集的采样图中作为合成数据集进行训练，预测可能出现编码图的备选图区域P，再将备选图区域P放入解码器检测判断。

进一步的，所述步骤S2中，图像数据增强方式包括透视变换、运动模糊、失焦模糊、颜色失真、光照偏差、高斯噪声、JPEG编码损失。

进一步的，所述步骤S1中，把计算I和O瓦瑟斯坦的损失作为第一损失。

进一步的，所述步骤S2中，把交叉熵作为第二损失。

本发明的有益效果：通过该方法，达到了：深度学习隐写术在仿生机器人隐秘信息编码，解码，检索的应用；全局视觉的个体ID的深度学习隐写术方式识别；消费级水下机器人的加密隐藏水印。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例所述的一种水下机器人图像隐秘字符嵌入与解码的方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，根据本发明实施例所述的一种水下机器人图像隐秘字符嵌入与解码的方法，包括以下步骤：