[发明专利]一种基于深度神经网络的陶瓷水印载体恢复方法

说明书

本发明公开了一种基于深度神经网络的陶瓷水印载体恢复方法，首先，基于Evo‑BiSeNet的图像分割网络，对预先获取的陶瓷三维图像进行检测，获取水印载体部位；其次，基于空间变换网络的水印载体平面化处理；最后，基于GAN的水印载体复原，恢复载体并提高水印的鲁棒性。本发明采用归一化激活层提高图像分割的实时性，利用卷积注意力机制对陶瓷表面不规则图像的细小边缘特征进一步优化提取，更有效的保留水印载体的信息；使用GAN对水印载体复原，其中包括对水印载体的鲁棒训练，提高水印的鲁棒性。

技术领域

本发明属于数字水印与图像处理结合的领域，具体涉及一种基于深度神经网络的陶瓷水印载体恢复方法。

背景技术

数字水印是一种数字保护的手段，在虚拟载体上添加数字水印即能证明版权，还能对版权的保护做出贡献。但是，由于陶瓷在生产制作过程中的各种外界条件约束，陶瓷很难作为水印的嵌入对象。每年因为赝品陶瓷而导致的经济损失高达几亿。陶瓷的版权保护问题已经迫在眉睫。将水印信息嵌入到陶瓷花纸中，然后在生产时将花纸嵌入到陶瓷上。然而，在瓷器经过高温烧制的过程中会伴有颜色的退化以及图案的变形。这些操作对水印的破坏程度很高，因此对水印的鲁棒性要求很高，在获取水印载体时，由于光线和设备的差异、成像设备与物体之间的相对运动等客观因素，获取到的载体图片和真实的载体之间差异性很大。

为了能够有效的提取水印信息，本专利需要将非平面的陶瓷印花图像无损的映射到二维平面图像上。而这面临两大挑战：一是如何将含水印的载体部分有效的获取，现有的获取方法在获取的时候常常会损失一些边缘信息从而很难获取完整的水印载体信息；二是图像恢复，在陶瓷的生产过程中，水印载体不可避免的出现扭曲和退化现象，针对质量降低或失真的载体。试图恢复其原始的内容或质量。为了应对这两大挑战，本专利提出了一种基于深度神经网络的陶瓷水印载体恢复的方法。

陶瓷的版权保护一直是世界关注的问题，由于真实世界的各种约束条件，现有的数字水印技术很难在真实世界中使用，摄像设备中光学系统的衍射、感光胶卷的非线性及物体之间的相对运动、感光胶卷的非线性及胶片颗粒噪声等引起的几何失真，陶瓷烧制生产的过程中，含有水印的贴纸印花不可避免的出现图像退化；数字水印很难应用到陶瓷上；本专利为陶瓷嵌入水印以起到版权保护的作用。

发明内容

发明目的：针对陶瓷水印载体恢复的准确性、实时性和完整性，提出了一种基于深度神经网络的陶瓷水印载体恢复方法。

技术方案：本发明提供一种基于深度神经网络的陶瓷水印载体恢复方法，具体包括以下步骤：

(1)基于Evo-BiSeNet的图像分割网络，对预先获取的陶瓷三维图像进行检测，获取水印载体部位；

(2)基于空间变换网络对获取的水印载体进行平面化处理；

(3)对经过步骤(2)处理后的水印载体基于GAN进行复原并进行鲁棒训练，提高水印的鲁棒性。

进一步地，所述步骤(1)包括以下步骤：

(11)图像分割网络采用归一化激活层提高图像分割的实时性，利用卷积注意力机制对陶瓷表面不规则图像的细小边缘特征进一步优化提取；

(12)在获取载体时，基于一个小步幅的空间路径用来保存空间信息，生成高分辨率特征；同时，采用快速下采样的上下文路径去获得更大的感受野；紧接着引入特征融合模块来有效的结合特征；这些模块中的归一化及激活函数采用归一化激活层EvoNorms进行统一。

进一步地，步骤(3)所述的对水印载体进行复原的实现过程如下：

构建用于生成图像的生成网络和用于鉴别生成图像是否与原图像一致的判别网络；在最后一层采用Sigmoid函数使得输出在0到1区间内；

所述生成网络采用十二层卷积网络对原始陶瓷印花贴纸进行编码，得到一张原图十六分之一大小的网格，再对该网格采用四层卷积网络进行解码，从而得到复原图像；