[发明专利]一种基于自编码网络的可视化图片信息嵌入方法

权利要求书

1.一种基于自编码网络的可视化图片信息嵌入方法，其特征在于采用深度神经网络提取可视化图表的视觉显著性特征，计算出嵌入信息的非显著区域，然后将文本信息分割并转换成二维码，利用自编码网络将二维码编码进图片非显著区域，将编码结果输入解码网络，即可恢复出原始嵌入的文本信息，其可视化图片信息的具体嵌入包括以下步骤：

步骤1：输入可视化图片I_c和待嵌入文本信息T_s；

步骤2：在可视化图表显著性数据集上训练一个U-Net神经网络模型，所述U-Net神经网络包括特征提取部分、上采样部分以及Tanh激活函数；

步骤3：将可视化图片I_c输入已训练的U-Net神经网络模型，提取的显著性特征从U-Net神经网络的最后一层输出显著图V(I_c)，所述显著图V(I_c)为表示每个像素点的显著性值的矩阵，其大小为h*w；

步骤4：构造可视化图表与二维码的数据集；

步骤5：在上述构造的数据集上训练一个编码-解码网络，所述编码网络的训练使用两层卷积核分别为3×3和4×4的卷积层，对输入为h*w的可视化图片I_c和h'*w'的二维码图片I_s提取特征，然后将得到的两个特征向量经两层卷积核为3×3的卷积层和一层卷积核为4×4的转置卷积层连接在一起，最后经两层卷积核为3×3的卷积层和Tanh激活函数，输出与原始可视化图片I_c视觉差异很小的编码结果I_c'，其大小为h*w；所述解码网络的训练将编码结果I_c'使用四层卷积核为3×3的卷积层和一层卷积核为3×3的转置卷积层，最后经一层卷积核为3×3的卷积层和Tanh激活函数，输出与原始二维码图片I_s的存储的信息一致的恢复二维码图片I_s'，其大小为h'*w'；

步骤6：对输入的文本信息T_s进行分割，将分割完的字符串一一转换为对应的二维码图片，并根据可视化图表的显著性特征，计算出适合嵌入信息的非显著区域，然后将可视化图片I_c的非显著区域与二维码图片一起输入训练得到的解码网络中，输出编码结果图片集合，其编码结果个数与输入的二维码图片个数相同，最后将编码结果集合替换掉原始可视化图片I_c的非显著区域，得到与I_c视觉差异很小的编码结果图片I_c'；

步骤7：用户可以对编码结果I_c'进行网络传输与分享，其他用户收到嵌入信息的可视化图片后，将该图片输入解码网络，即可恢复出原始嵌入的文本信息。

2.根据权利要求1所述基于自编码网络的可视化图片信息嵌入方法，其特征在于所述可视化图片I_c的大小为h*w，其中：h为可视化图片I_c横向每行像素数；w为图片I_c纵向每列像素数。

3.根据权利要求1所述基于自编码网络的可视化图片信息嵌入方法，其特征在于所述U-Net神经网络的特征提取部分包括：五层用于提取可视化图片显著性特征的卷积层，每个卷积核都使用3×3的大小，每两次卷积后进行最大化池化处理；所述U-Net神经网络的上采样部分使用转置卷积在不同尺度的特征图上采样到原始分辨率，然后与特征提取部分对应的特征图进行连接，最后为一层1×1卷积核的卷积层，得到所有像素点的显著性值预测结果。

4.根据权利要求1所述基于自编码网络的可视化图片信息嵌入方法，其特征在于所述可视化图表中选取不同类型的柱状图、饼图或散点图。

5.根据权利要求1所述基于自编码网络的可视化图片信息嵌入方法，其特征在于所述二维码采用ISO/IEC 18004标准，随机生成不同长度的文本信息后转换为相应的二维码。