[发明专利]基于水印数据增强的图片隐形水印检测方法在审

专利信息
申请号: 202211087893.9 申请日: 2022-09-07
公开(公告)号: CN115393647A 公开(公告)日: 2022-11-25
发明(设计)人: 田辉;刘其开;郭玉刚;张志翔 申请(专利权)人: 合肥高维数据技术有限公司
主分类号: G06V10/764 分类号: G06V10/764;G06V10/80;G06V10/82;G06V10/774;G06N3/04;G06N3/08;G06T1/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 230088 安徽省合肥市高新区*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 水印 数据 增强 图片 隐形 检测 方法
【权利要求书】:

1.一种基于水印数据增强的图片隐形水印检测方法,其特征在于:包括如下步骤:

获得训练好的水印增强网络和分类网络;

将待检测图片输入训练好的水印增强网络中得到水印概率图;

将待检测图片和水印概率图进行通道融合,并将融合后的四通道图输入至训练好的分类网络中得到分类结果,分类结果为有水印或无水印。

2.如权利要求1所述的基于水印数据增强的图片隐形水印检测方法,其特征在于:所述的获得训练好的水印增强网络和分类网络包括:

构建水印增强网络和分类网络;

分别准备第一样本数据集和第二样本数据集;

分别确定两个网络的损失函数;

利用第一样本数据集训练水印增强网络得到训练好的水印增强网络,利用第二样本数据集训练分类网络得到训练好的分类网络。

3.如权利要求2所述的基于水印数据增强的图片隐形水印检测方法,其特征在于:所述的分别准备第一样本数据集和第二样本数据集包括如下步骤:

准备无水印的图片作为负样本图片,负样本图片对应的水印概率图中任一像素均标记为0;

根据水印生成算法,对无水印的图片进行水印嵌入操作,得到带隐形水印的正样本图片,并根据生成算法直接生成正样本图片的水印概率图,正样本图片对应的水印概率图中含水印的像素区域标记为1、无水印的像素区域标记为0;

将正样本图片、负样本图片分别与其对应的水印概率图进行通道融合得到四通道图;

正样本图片及其对应的水印概率图构成第一样本数据集;四通道图及其对应的类别标签构成第二样本数据集。

4.如权利要求3所述的基于水印数据增强的图片隐形水印检测方法,其特征在于:对所述的正样本图片和负样本图片按如下任一种方法进行处理:图像剪裁拼接处理、边缘镜像填充处理、压缩处理、高斯噪音以及高斯模糊滤波处理。

5.如权利要求1所述的基于水印数据增强的图片隐形水印检测方法,其特征在于:所述的水印增强网络以Unet网络为基础,并按如下步骤进行改进:

将Unet网络中的max pool操作替换为空洞抽样池化加第一1*1的卷积层,空洞抽样池化将C1×H1×W1大小的特征图处理成(4×C1)×(H1/2)×(W1/2)大小,第一1*1卷积层将(4×C1)×(H1/2)×(W1/2)大小的特征图降低为C1×(H1/2)×(W1/2)大小;

将Unet网络中的上采样操作替换为第二1*1卷积层加空洞上采样操作,第二1*1卷积层用于扩充特征图的通道数至原通道数的4倍,空洞上采样操作为空洞抽样池化操作的逆处理。

6.一种计算机可读存储介质,其特征在于:其上存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-5中任一项所述的基于水印数据增强的图片隐形水印检测方法。

7.一种电子设备,其特征在于:包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-5中任一项所述的基于水印数据增强的图片隐形水印检测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥高维数据技术有限公司,未经合肥高维数据技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211087893.9/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top