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: 2025102525375
申请人: 华侨大学
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:

1.一种基于扩散模型和扩频技术的数字图像水印方法,其特征在于,包括:S1,获取载体图像与水印信息;

S2,使用变分自编码器对所述载体图像进行下采样与正向扩散,得到第一潜在向量;具体为:对输入的所述载体图像进行下采样处理,以将所述载体图像下采样为低维表示,得到初始潜在向量;

对所述初始潜在向量逐步添加高斯噪声,以将清晰的数据逐渐过渡到完全噪声化的数据;并使用扩散反演,对在预设时间步长内有高斯噪声的潜在向量进行采样,得到第一潜在向量,即从初始潜在向量到第一潜在向量的采样过程,公式为:;

其中,为第T步的潜在向量,即第一潜在向量;为所述初始潜在向量;为第t步的潜在向量;为第t+1步预测的潜在向量;,表示第t步控制噪声权重的参数;为第i步对应的超参数,表示噪声幅度;T表示总步数,t、i表示变量;为预训练的U-net去噪网络;

S3,对所述第一潜在向量进行通道维度划分,选取其中的一维通道通过离散余弦变换技术进行频域变换后,提取出高频系数,得到嵌入矩阵;具体为:对所述第一潜在向量沿通道维度进行张量切片,得到对应通道数量的通道维度张量,公式为:;

每个通道维度张量表示为:=1××;

其中,为第T步的潜在向量,即第一潜在向量;T表示总步数;表示第i个通道维度张量;d表示通道总数;H、W分别表示图像高度和宽度;f表示缩放因子;

选取其中的一维通道张量,对其使用离散余弦变换,以提取出离散余弦变换后每个图像块中的一个高频系数构成嵌入矩阵,嵌入矩阵表示为:;

其中,n为所述水印信息的长度的两倍;表示提取出的第n个高频系数;

S4,使用正交码对所述水印信息进行扩频调制,获得扩频水印,表达式为:;

其中,为所述扩频水印,;n为所述水印信息的长度的两倍;表示所述水印信息,,k为水印信息长度;表示随机生成的正交码;

S5,结合强度因子,将所述扩频水印嵌入所述嵌入矩阵,得到水印潜在向量;

S6,利用去噪网络对所述水印潜在向量进行反向去噪后,通过变分自编码器还原成水印图像,并结合所述载体图像,得到最终水印图像。

2.根据权利要求1所述的一种基于扩散模型和扩频技术的数字图像水印方法,其特征在于,所述变分自编码器包括编码器与解码器;所述编码器用于将输入的载体图像进行下采样,得到对应的潜在空间;所述解码器用于将潜在空间表示还原为对应的图像表示;其中,所述编码器包括:卷积层,用于通过卷积操作提取输入图像的低级特征;

下采样模块,用于通过卷积和池化操作对图像进行降维,提取出重要特征;

残差块,用于对输入的特征进行处理,确保低级特征不会被高层次的网络抑制;

中间块,用于对降维后的特征进行全局信息整合,通过自注意力机制捕捉数据中的长距离特征;

GSC模块,用于通过组归一化对特征进行标准化处理,并结合Swish 激活函数,得到紧凑的潜在空间表示;

所述编码器中包含若干个连续的下采样模块;

所述解码器包括:

卷积层,用于提取输入的潜在空间表示的初始特征;

中间块,包含残差块和自注意力层,用于处理特征;

上采样模块,包括残差块、插值与卷积层,用于逐步恢复图像的分辨率,生成与所述载体图像的分辨率相同的特征图;

残差块,用于对输入的特征图进行处理,以捕捉数据的复杂结构,恢复数据的细节;

GSC模块,与编码器的GSC模块相同,用于调整生成的特征;

所述解码器中包含若干个连续的上采样模块。

3.根据权利要求1所述的一种基于扩散模型和扩频技术的数字图像水印方法,其特征在于,所述S5具体为:使用强度因子对调制好的扩频水印进行信号增强,并与所述嵌入矩阵进行加性操作后进行离散余弦逆变换,则选中的通道维度变成嵌有水印的通道;

将嵌有水印的通道与其余通道维度的张量进行连接,得到所述水印潜在向量。

4.根据权利要求2所述的一种基于扩散模型和扩频技术的数字图像水印方法,其特征在于,所述S6具体为:初始化图像生成文本提示词的输入;

采用去噪网络U-net对输入的所述水印潜在向量进行噪声预测,并使用隐式去噪模型DDIM采样器进行采样,设置DDIM采样器的采样时间步长;

使用变分自编码器的解码器对去噪网络输出的潜在向量进行上采样处理,以将低维的潜在特征表示重构为图像域,生成水印图像;

根据所述水印图像与所述载体图像,得到最终水印图像,公式为:;

其中,表示最终水印图像;为所述载体图像,为所述水印图像;为设置的比例系数。

5.根据权利要求1所述的一种基于扩散模型和扩频技术的数字图像水印方法,其特征在于,还包括采用损失函数优化所述水印图像与所述载体图像的差异,以提升所述水印图像的质量,减少嵌入损失;其中,所述损失函数包括距离损失、SSIM损失与感知损失,公式为:;

其中,L为所述损失函数;、、为权重因子;

为所述距离损失,用于计算所述水印图像与所述载体图像之间的差异程度,以最小化水印嵌入生成过程中产生的质量损失,公式为:;

其中,C、H、W分别表示图像的通道数、高度和宽度;为所述载体图像,为所述水印图像;

为所述SSIM损失,用于量化所述水印图像与所述载体图像之间的SSIM损失,以提升水印的隐蔽性,降低嵌入水印对视觉质量的影响,公式为:;

其中,SSIM表示两张图像之间的结构相似度;

为所述感知损失,用于计算所述水印图像与所述载体图像在深度网络中不同层次的特征图之间的差异,以模拟人类的感知系统,提升图像的保真度,公式为:;

其中,、、分别为第j层输出特征图的通道数、高度和宽度;表示第j层预训练的VGG模型网络输出。

6.根据权利要求1-5任意一项所述的一种基于扩散模型和扩频技术的数字图像水印方法,其特征在于,还包括对所述最终水印图像进行水印提取,具体步骤为:通过变分自编码器对所述最终水印图像进行降维,得到逆向初始潜在向量;

对所述逆向初始潜在向量进行正向扩散,得到第二潜在向量;

对所述第二潜在向量进行通道划分,选择其中一个通道维度进行离散余弦变换,得到若干个图像子块;

提取每个图像子块中的高频系数构成检测矩阵;

使用正交码对所述检测矩阵进行解调,还原得到原始的水印信息;其中,在解调时,通过判断正交码与所述检测矩阵的内积运算结果的正负得到;若内积运算结果为正数,则水印信息对应的水印位为1;若为负数,则对应的水印位为0,公式为:;

其中,表示水印信息的第i个水印位;表示内积运算;为所述检测矩阵,为正交码。

7.一种基于扩散模型和扩频技术的数字图像水印装置,其特征在于,包括:获取单元,用于获取载体图像与水印信息;

第一潜在向量单元,用于使用变分自编码器对所述载体图像进行下采样与正向扩散,得到第一潜在向量;具体为:对输入的所述载体图像进行下采样处理,以将所述载体图像下采样为低维表示,得到初始潜在向量;

对所述初始潜在向量逐步添加高斯噪声,以将清晰的数据逐渐过渡到完全噪声化的数据;并使用扩散反演,对在预设时间步长内有高斯噪声的潜在向量进行采样,得到第一潜在向量,即从初始潜在向量到第一潜在向量的采样过程,公式为:;

其中,为第T步的潜在向量,即第一潜在向量;为所述初始潜在向量;为第t步的潜在向量;为第t+1步预测的潜在向量;,表示第t步控制噪声权重的参数;为第i步对应的超参数,表示噪声幅度;T表示总步数,t、i表示变量;为预训练的U-net去噪网络;

嵌入矩阵单元,用于对所述第一潜在向量进行通道维度划分,选取其中的一维通道通过离散余弦变换技术进行频域变换后,提取出高频系数,得到嵌入矩阵;具体为:对所述第一潜在向量沿通道维度进行张量切片,得到对应通道数量的通道维度张量,公式为:;

每个通道维度张量表示为:=1××;

其中,为第T步的潜在向量,即第一潜在向量;T表示总步数;表示第i个通道维度张量;d表示通道总数;H、W分别表示图像高度和宽度;f表示缩放因子;

选取其中的一维通道张量,对其使用离散余弦变换,以提取出离散余弦变换后每个图像块中的一个高频系数构成嵌入矩阵,嵌入矩阵表示为:;

其中,n为所述水印信息的长度的两倍;表示提取出的第n个高频系数;

水印扩频单元,用于使用正交码对所述水印信息进行扩频调制,获得扩频水印,表达式为:;

其中,为所述扩频水印,;n为所述水印信息的长度的两倍;表示所述水印信息,,k为水印信息长度;表示随机生成的正交码;

嵌入单元,用于结合强度因子,将所述扩频水印嵌入所述嵌入矩阵,得到水印潜在向量;

生成单元,用于利用去噪网络对所述水印潜在向量进行反向去噪后,通过变分自编码器还原成水印图像,并结合所述载体图像,得到最终水印图像。