欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023109395602
申请人: 南京信息工程大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于CNN的HVS-JND谱残差网络鲁棒水印方法,其特征在于,针对载体图像和原始水印,执行如下步骤S1-步骤S5,完成水印的嵌入和提取:步骤S1:将载体图像和原始水印输入由添加谱残差的CNN的水印编码器中,生成嵌入水印的编码图像;

步骤S2:将嵌入水印的编码图像与载体图像输入HVS-JND感知分类鉴别器中,以判别所输入的嵌入水印的编码图像是否为无感损失编码图像,若嵌入水印的编码图像不是无感损失编码图像,则计算编码图像与载体图像的损失函数,采用随机梯度下降方法更新水印编码器参数,直至获得无感损失编码图像,若嵌入水印的编码图像是无感损失编码图像,则进行下一步骤;

步骤S3:将无感损失编码图像输入由CNN组成的水印解码器中,提取解码水印;

步骤S4:根据步骤S3所获得的解码水印以及步骤S1中的原始水印,计算原始水印与解码水印的损失函数,采用随机梯度下降方法更新水印解码器的参数;

步骤S5:判断模型是否达到预期效果,如果没有达到预期效果,则返回步骤S1,重新训练整个模型,如果达到预期效果,则保留模型所有参数用于水印嵌入与提取。

2.根据权利要求1所述的基于CNN的HVS-JND谱残差网络鲁棒水印方法,其特征在于,步骤S1中生成嵌入水印的编码图像的过程为:将原始水印M分割为m*n个不重叠的图像块,其中m和n分别代表原始水印被分割的行数和列数,同时按照图像块的顺序生成待嵌入水印图像块MP,并将各图像块经过离散小波变换生成水印嵌入子带ML,所有水印嵌入子带相加后得到待嵌入水印IM,将待嵌入水印IM与载体图像I经过谱残差CNN编码器处理,生成水印掩码MASK加到载体图像I之上,得到编码图像IW,上述过程的表达式如下式:IM=ΣML

MASK=CNN(IM)

IW=I+α×MASK

其中,∑表示求和符号,CNN表示谱残差CNN运算,α表示嵌入强度因子。

3.根据权利要求2所述的基于CNN的HVS-JND谱残差网络鲁棒水印方法,其特征在于,步骤S2中将载体图像I和与其对应的编码图像IW分两路输入HVS-JND感知分类鉴别器中,HVS-JND感知分类鉴别器由一个输入部分、一个二值分类器、一个输出部分组成;输入部分包括载体图像I和编码图像IW,二值分类器用于鉴别编码图像IW是否相对于载体图像I有损耗,基于二值分类器的鉴别结果,通过sigmoid函数判断是否有损,当输出大于0.5时判定为有感损失编码图像,否则判定为无感损失编码图像IW′,根据载体图像I与编码图像IW计算损失LossC,并采用随机梯度下降方法更新水印编码器的参数,直至获得无感损失编码图像;

LossC如下式:

LossC=E(1,IW)

其中,LossC为载体图像I与编码图像IW之间的结构相似度损失;E表示谱残差CNN编码器。

4.根据权利要求3所述的基于CNN的HVS-JND谱残差网络鲁棒水印方法,其特征在于,步骤S3中将无感损失编码图像IW′输入基于CNN的水印解码器,基于CNN的水印解码器包括若干个CNN块,并在最后一个CNN块之后采用全局平均池化,最后经过全连接层输出提取的解码水印;将无感损失编码图像IW′输入水印解码器D,输出解码水印频带并经过逆离散小波变换得到解码水印M'并计算损失LossM,如下式:LossM=D(M,M′)

其中,LossM为原始水印M与解码水印M′之间的结构相似度损失。

5.根据权利要求4所述的基于CNN的HVS-JND谱残差网络鲁棒水印方法,其特征在于,步骤S4中采用随机梯度下降方法更新水印编码器、HVS-JND感知分类鉴别器、解码器参数的过程如下:分别计算出原始水印M与解码水印M′之间的损失LossM,载体图像I与无感损失编码图像IW′之间的损失LossJND,将以上损失加权求和计算总损失,用于更新编码器、HVS-JND感知分类鉴别器、解码器参数;

LossJND=D(IM',I)

Loss=βLossC+γLossM+δLossJND

其中,β、γ、δ分别表示对LossC、LossM、LossJND损失函数的权重。