[发明专利]基于QR码和安全底纹的数字水印防伪方法

权利要求书

1.基于QR码和安全底纹的数字水印防伪方法，其特征在于，该防伪方法具体步骤如下：

(1)生成带有安全底纹的防伪水印LOGO图像：选定风格图像，并利用神经风格迁移算法将其生成安全底纹，同时获取需要防伪的原始LOGO图像，将其与所述安全底纹进行融合，生成带有安全底纹的防伪LOGO图像，同时将其存储于数据库中作为防伪参考图像；

(2)生成QR码：通过微信后台服务器生成一对一的QR码，并利用图像隐写方法将步骤(1)所述带有安全底纹的防伪LOGO图像隐写入QR码中，生成防伪QR码；

(3)防伪查询：通过微信小程序扫描防伪QR码，提取带有安全底纹的防伪LOGO图像，将其与数据库中的防伪参考图像进行肉眼一致性对比，观察其安全底纹纹理是否一致，同时将带有安全底纹的防伪LOGO图像与数据库中的防伪参考图像进行逐比特对比，若有一个像素点的偏差，则证明该防伪QR码经过人为伪造；

(4)查询次数验证：通过防伪QR码进入微信小程序的防伪验证界面获取查询次数以及商品基本信息，若查询次数显示大于0且消费者之前并没有进行查询验证防伪，则表明该防伪QR码受到人为伪造，若查询次数显示等于0，则表明该商品为正品；

其中，所述带有安全底纹的防伪LOGO图像采用VGG19模型训练生成，其具体生成过程如下：

SS1：初始化带安全底纹的LOGO图像为白噪声图像：设x是带有安全底纹的防伪LOGO图像，是LOGO图像，X^l是x在预训练好的VGG19的第l层的特征表示，是在预训练好的VGG19的第l层表示,其内容响应损失函数如下：

其内容响应误差的梯度公式如下：

定义内容损失函数公式如下：

其内容响应误差E_x的梯度公式如下：

SS2：对于风格误差，首先计算预训练好的VGG19第l层响应的特征图中(h,w)位置上第i个特征映射和第j个特征映射之间的内积，即为格拉姆矩阵其公式如下：

SS3：定义预训练好的VGG19第l层响应的风格响应损失和全局风格响应损失E_S,分别公式如下：

式中：其中N_l为预训练好的VGG19第l层响应的特征图通道数，M_l为预训练好的VGG19第l层响应的特征图的长与宽的乘积，为生成图像的格拉姆矩阵，为风格图的格拉姆矩阵，w_l为预训练好的VGG19第l层响应的特征图的权重，具体地，对于预训练好的VGG19神经网络conv1_1，conv2_1，conv3_1，conv4_1和conv5_1层为其他层为0，预训练好的VGG19第l层风格响应误差的梯度公式如下：

其全局损失函数公式如下：

式中：α和β为加权因子，实践中选择预训练好的VGG19神经网络conv5_2层输出作为内容响应特征，conv1_1，conv2_1，conv3_1，conv4_1和conv5_1层输出为风格响应特征，α取值为7，β取值为1；

SS4：对生成图像的像素运行L-BFGS最优化算法，减小全局损失函数损失值；

SS5：遍历原始LOGO图像，若二值图的像素值为255时，像素值替代为生成图的值，若二值图的像素值为0时，则保留原始像素值，最后得到带有安全底纹的LOGO图像。

2.根据权利要求1所述的基于QR码和安全底纹的数字水印防伪方法，其特征在于，步骤(1)所述原始LOGO图像包含两部分，一部分为LOGO像素点，一部分为白色和几乎白色像素点，所述安全底纹在白色和几乎白色像素点处插入生成，其具体过程如下：

S1：根据下列公式将原始LOGO图像转化为灰度LOGO图像；

Gray_m,n＝R_m,n*0.299+G_m,n*0.587+B_m,n*0.114    (1)

式中：Gray代表灰度图像像素值，R、G、B分别代表原始LOGO图像像素点在R、G、B通道上的值，Gray_m,n为灰度LOGO图像在(m,n)位置上的像素值；

S2：将灰度图转化为二值图，先计算灰度图所有像素点的平均值，再将此值作为阈值，大于该阈值的像素值设为255，小于该阈值的则设为0。