1.基于生成对抗网络和多令牌的抗屏摄鲁棒水印方法,其特征在于,包括以下步骤:构建屏摄水印模型,该屏摄水印模型包括编码器、解码器、噪声层和鉴别器;
获取原始图像,构建成训练集和测试集;
利用训练集对屏摄水印模型进行训练,包括:将原始图像和水印信息输入至编码器中,得到水印图像;将水印图像输入至噪声层,得到噪声图像;将噪声图像输入至解码器,对图像中嵌入的水印信息进行解码;将水印图像输入至鉴别器中,判断水印图像是否包含水印信息;
训练完成后,将测试集中的原始图像和水印信息输入到编码器中,得到水印图像;拍照设备对屏幕中显示的水印图像拍照,得到屏摄图像,利用解码器对屏摄图像进行解码,获得解码率;
将原始图像和水印信息输入至编码器中,得到水印图像的步骤包括:将原始图像输入至ResDWC卷积的3×3的卷积中,提取图像特征;
然后通过三个密集块逐步融合图像特征和水印信息,其中每一级均采用特征拼接方式将原始水印信息与提取得到的图像特征跨层连接;
再通过两级卷积块,得到图像特征;
其中,每个密集块由依次设置的批量归一化、ReLU激活函数、1×1卷积、批量归一化、ReLU激活函数以及3×3卷积组成;
将原始图像和水印信息输入至编码器中,得到水印图像的步骤还包括:将原始图像输入至ResDWC卷积中,提取初始特征图F1;
将初始特征图F1与原始图像融合后,得到特征图F2;
将特征图F2经过层归一化后得到特征图,通过多令牌采样将特征图划分为多个令牌区域,结合多头自注意力机制,使用3×3卷积操作提取局部特征,通过矩阵运算计算像素与令牌的注意力权重,并通过多令牌映射将特征图从令牌空间映射回视觉令牌空间,得到多令牌特征图F3;
将特征图F2与多令牌特征图F3融合后,得到特征图F4;
将特征图F4经过批归一化和1×1卷积操作,然后使用包含1×1卷积和3×3深度卷积的MLP多层感知机进行特征变换,得到特征图F5;
将特征图F4和F5通过残差连接融合,得到与输入尺寸相同的特征图FM;
特征图FM通过依次设置的两个卷积块和Softmax激活函数,生成注意力掩码MA;
将注意力掩码MA与图像特征进行逐元素相乘操作,得到残差图Wr,将残差图Wr与原始图像融合,得到水印图像。
2.根据权利要求1所述的基于生成对抗网络和多令牌的抗屏摄鲁棒水印方法,其特征在于,在噪声层中,包括摩尔纹失真噪声;
将摩尔纹失真噪声添加到水印图像中,得到噪声图像,摩尔纹失真噪声表示为:,
式中,表示摩尔纹图形生成中特定像素的值,计算公式为:,
式中,和表示两组方向对称、频率不同的正弦波,计算公式分别为:
,
,
式中,为旋转角度,为水印图像中心的横坐标和纵坐标,为图像大小,分别为的频率。
3.根据权利要求2所述的基于生成对抗网络和多令牌的抗屏摄鲁棒水印方法,其特征在于,在噪声层中,还包括光照失真噪声、透视失真噪声和高斯失真噪声。
4.根据权利要求1所述的基于生成对抗网络和多令牌的抗屏摄鲁棒水印方法,其特征在于,编码器的损失函数表达式为:,
式中,表示图像重建损失,表示感知损失,和分别表示图像重建损失和感知损失的权重。
5.根据权利要求1所述的基于生成对抗网络和多令牌的抗屏摄鲁棒水印方法,其特征在于,解码器的损失函数表达式为:,
式中,解码器对噪声图像进行解码得到水印信息,为解码器的参数。
6.根据权利要求1所述的基于生成对抗网络和多令牌的抗屏摄鲁棒水印方法,其特征在于,鉴别器的损失函数表达式为:,
其中为真实数据分布,为先验噪声分布,表示水印图像包含水印信息的概率,表示通过采样一些随机噪声生成的水印图像。