本發(fā)明涉及數(shù)字水印，具體涉及一種基于可逆神經(jīng)網(wǎng)絡的小波域抗屏攝魯棒水印方法。

背景技術：

1、數(shù)字水印技術是一種常用的將信息隱藏到載體媒介中的方法，并且在隱藏后不影響原載體的使用價值，也不容易被人覺察或注意到。通過這些隱藏在載體中的信息，可以達到確認內(nèi)容創(chuàng)建者、購買者、傳送隱秘信息或者判斷載體是否被篡改等目的。數(shù)字水印的各類應用給人們生活方方面面帶來了便利，幾乎所有類型的智能手機中，都安裝有微型照相機，通過手機上簡單的操作，就可以拍下精彩的瞬間，或是掃描二維碼，快速獲取網(wǎng)頁地址等額外信息，在手機應用中使用。

2、隨著智能便攜攝影設備擁有越來越高的拍照性能和普及率，拍照成為了日常生活中最簡單高效的信息傳遞方式之一。人們只需要對顯示在屏幕上的多媒體內(nèi)容進行拍照就可以實現(xiàn)信息的獲取且不會留下任何記錄痕跡。因此，屏幕拍攝過程中的信息泄露問題亟需解決。抗屏攝數(shù)字水印的目標是在多媒體數(shù)據(jù)中嵌入水印信息，使得顯示在屏幕上的多媒體數(shù)據(jù)即使被相機所捕獲，水印信息仍然能夠保證可提取，從而達到版權保護和追蹤溯源的目的。

技術實現(xiàn)思路

1、本發(fā)明所要解決的技術問題是針對背景技術的不足提供一種基于可逆神經(jīng)網(wǎng)絡的小波域抗屏攝魯棒水印方法；有效提升抗屏攝噪聲攻擊的魯棒性。

2、本發(fā)明為解決上述技術問題采用以下技術方案：

3、一種基于可逆神經(jīng)網(wǎng)絡的小波域抗屏攝魯棒水印方法，添加完水印信后的圖像，經(jīng)過屏攝以及數(shù)字噪聲攻擊后仍能準確的提取信息，具體包含如下步驟：

4、步驟1，根據(jù)載體圖像io和水印信息m，對其進行預處理，生成含有水印信息的殘差圖像ir；

5、步驟2，把載體圖像io和殘差圖像ir通過haar離散小波變化轉換到小波域，得到原始圖像特征fo和殘差圖像特征fr；

6、步驟3，根據(jù)步驟2中得到的原始圖像特征fo和殘差圖像特征fr，作為可逆神經(jīng)網(wǎng)絡正向過程的兩個輸入，獲得含有水印圖像特征的輸出fe和含原始圖像特征的輸出ft；

7、步驟4，將步驟3得到的含水印圖像特征的輸出fe，經(jīng)過強度因子s縮放并添加到原始圖像特征的輸出ft中；

8、步驟5，將步驟4中的得到的輸出通過逆haar離散小波變換得到含水印圖像ie；

9、步驟6，將步驟5中得到的含水印圖像ie通過噪聲池添加隨機添加噪聲得到噪聲圖像id；

10、步驟7，對步驟6生成的噪聲圖像id經(jīng)過矯正模塊等到矯正后的矯正圖像ip；

11、步驟8，把步驟7生成的矯正圖像ip經(jīng)過haar離散小波變換轉換到haar小波域，得到含水印圖像的特征信息fd1；

12、步驟9，把步驟8得到的特征信息復制一份得到fd2；將fd1和fd2作為可逆神經(jīng)網(wǎng)絡逆向過程的兩個輸入，得到恢復殘差圖像特征fr’，和恢復圖像特征fo’；

13、步驟10，根據(jù)步驟9得到的恢復殘差圖像特征fr’，通過逆haar離散小波變換得到恢復殘差圖像ir’；

14、步驟11，將步驟10,得到恢復殘差圖像ir’通過信息提取模塊得到恢復信息m’。

15、作為本發(fā)明一種基于可逆神經(jīng)網(wǎng)絡的小波域抗屏攝魯棒水印方法的進一步優(yōu)選方案，所述步驟1具體包含如下步驟；

16、步驟1.1，預處理網(wǎng)絡將水印信息m∈(0,1)l通過全連接層形成c×h/4×w/4的張量；

17、步驟1.2，經(jīng)過上采樣操作生成與原始圖像io∈(0,255)c×h×w具有相同大小的張量；

18、步驟1.3，將該張量和原始圖像進行級聯(lián)并輸入到u-net中，得到含有水印信息的殘差圖像ir，具體計算如下：

19、ir＝fpm(m,io)＝fu(fus(ffc(m)),io)。

20、作為本發(fā)明一種基于可逆神經(jīng)網(wǎng)絡的小波域抗屏攝魯棒水印方法的進一步優(yōu)選方案，在步驟2中，大小為c×h×w的原始圖像io和殘差圖像ir經(jīng)過離散小波變換dwt后分別被轉換成大小為4c×h/2×w/2的張量，得到原始圖像特征fo和殘差圖像特征fr：

21、fr＝fdwt(ir)

22、fo＝fdwt(io)。

23、作為本發(fā)明一種基于可逆神經(jīng)網(wǎng)絡的小波域抗屏攝魯棒水印方法的進一步優(yōu)選方案，在步驟3中，將原始圖像特征fo和殘差圖像特征fr輸入到可逆神經(jīng)網(wǎng)絡的正向傳播過程中，獲得含水印圖像特征fe和原始圖像特征fo的輸出ft：

24、

25、作為本發(fā)明一種基于可逆神經(jīng)網(wǎng)絡的小波域抗屏攝魯棒水印方法的進一步優(yōu)選方案，在步驟5中，將步驟3得到的水印圖像特征的輸出fe，經(jīng)過強度因子s縮放并添加到原始圖像特征的輸出ft中，其中φ(·)，ρ(·)和η(·)是任意函數(shù)，將步驟4中的得到的輸出通過逆haar離散小波變換得到含水印圖像ie，具體計算如下：

26、

27、作為本發(fā)明一種基于可逆神經(jīng)網(wǎng)絡的小波域抗屏攝魯棒水印方法的進一步優(yōu)選方案，在步驟6中，將步驟5中得到的含水印圖像ie通過噪聲池被隨機可微的數(shù)字噪聲以及不可微的屏攝噪聲攻擊得到噪聲圖像id：

28、id＝fnp(ie)＝a(ie)+z。

29、作為本發(fā)明一種基于可逆神經(jīng)網(wǎng)絡的小波域抗屏攝魯棒水印方法的進一步優(yōu)選方案，在步驟7中，對步驟6生成的噪聲圖像id采用了deeplabv3+語義分割模型實現(xiàn)目標區(qū)域的定位和分割，基于中值濾波的canny檢測方法和hough變換對分割區(qū)域的邊緣進行平滑處理以及角點定位，通過已定位角點對得到的分割圖像進行透視變換處理，獲得矯正圖像ip：

30、ip＝fcn(is)＝(fhough(fcanny(fdm(is))))。

31、作為本發(fā)明一種基于可逆神經(jīng)網(wǎng)絡的小波域抗屏攝魯棒水印方法的進一步優(yōu)選方案，在步驟9中，噪聲圖像id通過dwt后得到噪聲圖像特征fd1，將其復制并作為輔助變量fd2，同時輸入到可逆神經(jīng)網(wǎng)絡的反向傳播過程中，得到恢復殘差圖像特征fr，和恢復圖像特征fo，：

32、fr′＝fd1！φ(fo′)

33、fo'＝(fd2！η(fd1))⊙exp(-ρ(fd1))。

34、作為本發(fā)明一種基于可逆神經(jīng)網(wǎng)絡的小波域抗屏攝魯棒水印方法的進一步優(yōu)選方案，在步驟11中，根據(jù)步驟9得到的恢復殘差圖像特征fr’，通過逆haar離散小波變換得到恢復殘差圖像ir’。將步驟10得到恢復殘差圖像ir’通過信息提取模塊得到恢復信息m’：

35、m′＝fie(i′r)。

36、本發(fā)明采用以上技術方案與現(xiàn)有技術相比，具有以下技術效果：

37、1、本發(fā)明通過增加一個預處理網(wǎng)絡，把水印信息和原始圖像進行預處理提高水印信息與原始圖像的耦合性，利用可逆神經(jīng)網(wǎng)絡參數(shù)共享機制，提出在haar小波域內(nèi)利用可逆神經(jīng)網(wǎng)絡實現(xiàn)水印信息的嵌入和提取，提升模型的訓練效率和含水印圖像的不可感知性；

38、2、本發(fā)明還提出了一個集成有數(shù)字攻擊和真實屏攝攻擊的噪聲池，提升抵抗各類噪聲攻擊的能力。