基于图像频域的盲水印处理方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114418821A(43)申请公布日2022.04.29(21)申请号202210055434.6(22)申请日2022.01.18(71)申请人杭州缦图摄影有限公司地址310018浙江省杭州市经济技术开发区科技园路65号10层1001号(72)发明人蔡星宇吴祥辉王铎皓夏俊卢海峰丘炎欣(74)专利代理机构浙江亿维律师事务所33319代理人王乃苍(51)Int.Cl.G06T1/00(2006.01)权利要求书3页说明书7页附图2页(54)发明名称基于图像频域的盲水印处理方法(57)摘要本发明公开了基于图像频域的盲水印处理方法，包括以下步骤：S1、图像盲水印编码；S2、图像盲水印解码；S3、图像盲水印匹配；本发明通过以上步骤，能够很好地适应照相馆等对图像质量较高的场景，提升了盲水印的适应范围。CN114418821ACN114418821A权利要求书1/3页1.基于图像频域的盲水印处理方法，其特征在于：包括以下步骤：S1、图像盲水印编码：S11、取待编码图像，获取所述待编码图像的UUID信息，从所述UUID信息中抽取2进制uuid信息片段并组合成信息码，将信息码排列成图像矩阵；S12、通过神经网络将图像矩阵映射成2048*2048像素的位图；S13、将待编码图像转换到傅里叶频域，得到待编码频域图像；S14、对所述2048*2048像素的位图中的低频信息通过mask掩码进行屏蔽后以直接相加的方式逐次加到待编码频域图像的全图上以及待编码频域图像的角落区域，得到已编码频域图像；S15、将已编码频域图像转换到空域，得到已编码图像；S16、将已编码图像与待编码图像进行融合后进行去噪处理，得到添加盲水印后的图像；S2、图像盲水印解码：S21、将输入图像转换到傅里叶频域，得到待解码频域图像；S22、取待解码频域图像的全图以及待解码频域图像的角落区域构成图像组，缩放到统一尺寸；S23、将缩放好的图像组输入神经网络，得到图像解码值，其中，图像解码值是0‑1实数范围的向量；S3、图像盲水印匹配：S31、将图像解码值进行二值化，阈值位为0.5，并采用贝叶斯概率算法得到2进制uuid信息片段解码值。S32、将2进制uuid信息片段解码值在数据库中进行搜索，检索数据库中相近的图像，并通过图像匹配搜索算法与这些图像逐一进行匹配。2.根据权利要求1所述的基于图像频域的盲水印处理方法，其特征在于：所述图像盲水印编码以及图像盲水印解码步骤中的神经网络的训练过程为：Q1、随机取一张训练图像，并使所述训练图像完整经历步骤S1的图像盲水印编码过程；Q2、对Q1得到的添加盲水印后的训练图像进行随机修改，所述随机修改包括随机裁剪处理、高斯模糊处理、图像压缩处理、随机噪声处理中的一种或几种，得到修改后图像；Q3、使所述修改后图像完整经历步骤S2的图像盲水印解码过程，得到训练过程的图像解码值；Q4、计算训练过程的图像解码值和步骤Q1中训练图像对应的信息码之间的loss损失函数一以及添加盲水印后的训练图像与训练图像之间的loss损失函数二，并对loss损失函数一、loss损失函数二进行反向传播，修改所述神经网络的参数；Q5、重复Q1‑Q4步骤，直到神经网络收敛。3.根据权利要求2所述的基于图像频域的盲水印处理方法，其特征在于：所述图像盲水印解码步骤中的神经网络的训练过程还包括：Q6、冻结神经网络的编码网络权重，将训练图像经由步骤Q1时得到的训练频域图像叠加到步骤Q1过程中生成的2048*2048像素的位图上的权重由100调整到10‑30；Q7、重复Q1‑Q4步骤，直到神经网络收敛。2CN114418821A权利要求书2/3页4.根据权利要求2所述的基于图像频域的盲水印处理方法，其特征在于：所述loss损失函数一的计算方法为：C1.计算训练过程的图像解码值和步骤Q1中训练图像对应的信息码之间的BCEloss，计算时的权重为100；C2.计算训练过程的图像解码值的均值与训练图像对应的信息码的均值之间的L1loss，计算时的权重为1，从而得到loss损失函数一。5.根据权利要求2所述的基于图像频域的盲水印处理方法，其特征在于：所述loss损失函数二的计算方法为：D1.计算添加盲水印后的训练图像与训练图像之间的L1loss的平方，计算时的权重为10；D2.计算添加盲水印后的训练图像与训练图像之间的L2loss，计算时的权重为204800；D3.计算添加盲水印后的训练图像与训练图像差异最大13个像素的loss，计算时的权重为13，从而得到loss损失函数二。6.根据权利要求1所述的基于图像频域的盲水印处理方法，其特征在于：所述图像盲水印匹配步骤中的贝叶斯概率算法具体过程为：E1、将所述图像解码值分组，得到多个