基于模板定位的抗屏摄鲁棒图像水印网络方法和系统
本发明涉及抗屏摄鲁棒图像水印网络方法和系统,具体涉及基于模板定位的抗屏摄鲁棒图像水印网络方法和系统,属于信息安全。
背景技术:
1、随着全球企业数字化转型进程加速,商业机密依托数字会议系统开展跨域展示的场景日益普遍,屏幕拍摄(简称屏摄)引发的信息泄密问题也愈发严峻。据verizon发布的《2023年数据泄露调查报告》统计,11%的物理安全类泄密事件,均由移动设备非法拍摄屏幕的行为导致。在此行业背景下,鲁棒水印技术凭借优秀的溯源追踪能力,成为抵御屏摄泄密、保护数字内容版权的核心技术手段。该技术通过向载体图像嵌入加密标识信息,可保证演示类图像即便历经屏摄、社交媒体传播等多重复杂场景,水印信息仍能完整提取,进而搭建起泄密即可溯源的主动安全防御体系。
2、目前,鲁棒水印技术已形成大量研究成果,传统实现方案主要分为空间域技术与变换域技术两大类。在空间域方案中,最低有效位修改算法凭借良好的视觉不可感知性得到广泛应用,但该算法抵御屏摄攻击与各类图像噪声的能力存在明显缺陷。基于变换域的主流方法包含奇异值分解、离散小波变换、离散余弦变换(discrete cosine transform,dct)等,此类技术通过调整变换域系数的统计特征,同步提升水印的隐蔽性与抗干扰能力。但传统变换域方法高度依赖人工设计特征,无法自适应挖掘图像能量分布规律;面对复杂纹理、高频图像区域时,特征表达能力存在明显局限,易造成水印嵌入区域与屏摄后图像有效区域错位,最终大幅降低水印整体鲁棒性。
3、卷积神经网络在计算机视觉领域的成熟应用,推动水印技术迈入深度学习发展阶段。依托网络自主特征学习能力,深度学习水印方案可挖掘数据内在表征规律,构建多尺度特征体系,有效提升水印系统的抗屏摄性能。但现阶段主流深度水印方案仍存在诸多亟待解决的问题:一方面,水印信息冗余度偏高、水印特征与载体图像特征融合不充分,造成语义关联薄弱;另一方面,现有方案大多未设计专用水印定位机制,当屏摄引发图像裁剪、视角偏移时,极易出现水印区域丢失、解码失效的问题。同时,屏摄过程伴随的各类不可微噪声与图像失真,也会严重干扰水印的正常提取。
4、当前主流端到端水印框架,在水印冗余控制、跨特征融合层面仍存在显著短板。多数方案采用机械式水印复制的方式实现水印全局分布,缺少自适应冗余调控机制,导致水印特征与图像本体特征融合效果较差,进一步削弱了抗屏摄能力。在特征融合环节,现有方法大多采用简单的通道拼接完成浅层融合,难以建立水印语义特征与图像结构特征的深度关联;且传统方案水印嵌入强度固定,无法根据训练状态动态平衡视觉隐蔽性与鲁棒性,也不能根据图像内容自适应调整水印状态,最终导致水印抵御屏摄攻击的性能持续下降。此外,多数网络架构将水印定位、解码等多项任务耦合在单一网络中,多任务相互干扰,进一步拉低定位与提取精度。
5、除此之外,现有水印方案大多侧重空间域特征运算,未能充分发挥频域技术的优势。频域方法依托图像能量压缩特性与人眼视觉敏感度规律,在应对屏摄引发的图像压缩、画面模糊、色彩失真等攻击时,具备更强的鲁棒性。在噪声模拟层面,现有模型仅模拟单一类型噪声,无法复现透视畸变、屏幕反光、摩尔纹等真实屏摄叠加失真;同时,社交媒体、拍摄设备自带的jpeg压缩操作,会通过离散余弦变换与量化运算阻断神经网络反向传播链路,制约编码器依据解码损失完成参数优化。现有模拟训练方案虽采用可微分dct近似模拟jpeg压缩以保证梯度传导,但在高压缩比的极端场景下,性能瓶颈依然突出。
技术实现思路
1、针对现有图像水印技术在面对复杂屏摄场景(如裁剪、视角偏移、图像压缩等复合失真)时,极易出现水印区域错位、丢失以及提取准确率低的技术问题,本发明提供了一种基于模板定位的抗屏摄鲁棒图像水印网络方法和系统。
2、本发明的技术方案按照以下流程依次实现:首先,将生成的结构化模板(包含定位单元与消息单元)与载体图像进行融合嵌入;其次,通过屏摄退化模拟层对含水印图像进行复合噪声模拟处理;然后,对退化图像进行自适应裁剪预处理;接着,利用解耦的定位器分支和解码器分支构成的双分支网络,对裁剪图像进行多裁剪独立定位与解码;最后,通过投票融合模块处理各个解码结果以输出最终水印信息。此外,辅以两阶段训练策略与自适应水印强度调整机制,最终在视觉不可感知性与抗屏摄鲁棒性之间取得最优平衡。
3、为实现上述目的,本发明提供基于模板定位的抗屏摄鲁棒图像水印网络方法,包括如下步骤:
4、步骤1:将载体图像与模板水印生成器输出的结构化模板进行融合,得到含水印图像;
5、步骤2:将含水印图像输入至屏摄退化模拟层进行处理,得到屏摄退化图像;
6、步骤3:对屏摄退化图像进行预处理,得到各个裁剪区域图像;
7、步骤4:将各个裁剪区域图像输入至对应的双分支解码器进行多裁剪独立解码,得到各个解码结果;
8、步骤5:将各个解码结果输入至投票融合模块进行处理,得到最终水印信息。
9、进一步地,所述步骤1包括:
10、定义模板结构参数,并设置定位单元与消息单元的坐标;
11、采用距离调制模式生成定位单元,计算公式为:
12、;
13、其中,为调制系数,为单个定位单元的像素值矩阵,为定位单元内当前像素点的水平坐标,为定位单元内当前像素点的垂直坐标;为该像素点到定位单元中心的欧氏距离;为基于欧氏距离计算的定位单元调制变量;为正值调制向量,为负值调制向量;
14、根据二值消息扩展为空间特征图,并通过正/负调制对红绿蓝三通道进行编码,生成消息单元;
15、将定位单元和消息单元按坐标组合为模板张量,并结合模板平铺模式将模板张量与载体图像进行融合,生成含水印图像,公式为:,
16、其中为模板张量,为载体图像,为水印强度系数,s为编码后的含水印图像。
17、进一步地,所述步骤2包括:
18、对含水印图像进行透视变换模拟,得到透视变换后的图像;
19、将透视变换后的图像、光照畸变模拟生成的光照掩码以及摩尔纹模拟生成的摩尔纹掩码进行加权组合,并将加权组合后的图像添加高斯噪声,得到噪声图像;
20、对噪声图像进行jpeg压缩模拟,通过调整质量因子得到jpeg压缩后的图像;
21、对jpeg压缩后的图像进行裁剪攻击模拟,通过调整裁剪比例得到裁剪攻击后的图像;
22、对裁剪后的图像进行像素丢失模拟,得到屏摄退化图像。
23、进一步地,所述步骤4中,双分支解码器包括定位器分支和解码器分支,所述双分支解码器处理图像的过程包括:
24、将输入图像输入定位器分支中,通过定位器进行特征处理,得到定位概率图;
25、利用定位概率图对输入图像进行裁剪处理,得到定位区域裁剪图像;
26、将定位区域裁剪图像输入解码器分支中,通过水印解码器进行特征处理,得到二值消息。
27、进一步地,所述双分支解码器的训练过程采用两阶段训练策略,具体为:
28、在定位器阶段,使用dice损失训练定位器识别水印模板位置,并采用分段式调整策略动态调整水印强度系数;当定位器dice系数达到阈值时切换到解码器阶段;
29、在解码器阶段,冻结定位器参数,使用二元交叉熵损失训练解码器从定位区域提取水印消息,并根据误码率动态调整水印强度系数。
30、进一步地,所述步骤5包括:
31、获取解码结果与对应的定位概率图;
32、根据输入图像的尺寸自适应确定裁剪数量和自适应多数投票阈值;
33、利用定位器分支输出的定位概率图对各个裁剪区域的解码结果进行置信度筛选;
34、对经过置信度筛选后保留的有效二值消息集合执行逐比特多数投票,并统计所有有效裁剪区域中每位比特值为1的总票数;
35、将每位的总票数与自适应多数投票阈值进行比较,若总票数大于等于自适应多数投票阈值,则判定最终提取的水印信息中该位比特值为1,否则判定为0;
36、遍历消息序列后,输出最终融合的水印信息。
37、基于模板定位的抗屏摄鲁棒图像水印网络系统,包括:
38、模板融合单元,用于将载体图像与模板水印生成器输出的结构化模板进行融合,得到含水印图像;
39、屏摄退化单元,用于将含水印图像输入至屏摄退化模拟层进行处理,得到屏摄退化图像;
40、裁剪处理单元,用于对屏摄退化图像进行预处理,得到各个裁剪区域图像;
41、双分支解码单元,用于将各个裁剪区域图像输入至对应的双分支解码器进行多裁剪独立解码,得到各个解码结果;
42、投票融合输出单元,用于将各个解码结果输入至投票融合模块进行处理,得到最终水印信息。
43、本发明还提供了一种电子设备,包括处理器和存储器,所述存储器存储有程序代码,当所述程序代码被所述处理器执行时,使得所述处理器执行所述的方法的步骤。
44、本发明还提供了一种存储介质,存储有计算机程序或指令,当所述计算机程序或指令在计算机上运行时,执行所述的方法的步骤。
45、与现有技术相比,本发明的有益效果为:
46、本发明利用模板定位机制实现了精准的水印位置识别,有效应对屏摄后的裁剪和视角变化。其原因在于,本发明将二值消息编码为包含四个边角定位单元和内部消息单元的结构化模板,并通过基于欧氏距离的正负调制构建特定的视觉特征,使得模型在面临视角偏移或局部图像裁剪时,依然能通过残存的定位单元特征快速锁定水印的有效区域。
47、本发明基于双分支解码架构,将定位与解码解耦,提升了整体系统的鲁棒性。这是因为传统的单网络多任务耦合极易造成特征提取时的相互干扰;而本发明采用独立的定位器分支专门生成概率图以指导目标区域精准裁剪,再送入独立的水印解码器分支提取二值消息,有效避免了语义冲突,极大抵消了透视畸变的影响。
48、本发明采用两阶段训练策略,降低了训练难度,提升了收敛速度。其原理是首阶段利用dice损失专门训练定位器,当达到预设阈值后则冻结定位器参数;随后进入第二阶段,利用二元交叉熵损失专职训练解码器提取消息。这种将复杂任务拆解、分步优化的策略,避免了联合训练时的梯度冲突,确保了各分支网络均能达到最优性能。
49、本发明设计自适应水印强度调整机制,在保证不可感知性的同时最大化鲁棒性。其实现方式是在训练过程中,根据定位损失值和实时误码率动态调整水印强度系数:当提取误码率较高时增加水印强度系数以抵抗强攻击,当误码率较低时减小水印强度系数以提升视觉隐蔽性,从而实现视觉质量与提取精度的自适应最优平衡。
50、本发明构建全面的屏摄退化模拟层,使模型在真实屏摄场景下表现优异。相较于现有技术仅模拟单一数字噪声,本发明综合运用了透视变换、光照畸变掩码、摩尔纹干涉生成、jpeg压缩及裁剪失真等多重不可微与可微噪声的加权组合,极大地丰富了训练数据的多样性,精准逼近了真实的跨设备复合失真环境。
51、本发明通过自适应投票裁剪机制,提高了消息提取的可靠性。具体而言,该机制能够根据输入图像的尺寸自适应决定奇数份的裁剪数量,并通过非网格采样的独立解码与逐比特多数投票规则,极大程度地抑制了屏摄造成的局部像素丢失与区域性严重失真,确保了最终水印信息的完整恢复。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com