基于Y-Net的数字水印方法、装置及系统与流程

技术特征：
1.一种基于y
‑
net的数字水印方法，其特征在于，包括：将载体图像和水印图像输入到y
‑
net生成网络中，得到嵌入了水印图像的含水印图像；将所述含水印图像输入到经过预先训练的压缩损失模拟网络中，得到模拟压缩含水印图像；采用经过预先训练的判别网络对所述模拟压缩含水印图像进行判别，得到判别结果，所述判别结果包括将含水印图像识别为载体图像或含水印图像；将所述模拟压缩含水印图像输入到提取网络中，得到重构的水印图像；根据所述含水印图像、重构的水印图像以及判别网络结果，计算水印网络的总损失函数，以总损失函数最小为目标优化所述水印网络，当损失下降并保持稳定时认为训练结束；所述水印网络包括y
‑
net生成网络、压缩损失模拟网络、判别网络和提取网络，其中，在优化过程中，所述判别网络和压缩损失模拟网络的权重固定；使用训练好的水印网络，根据载体图像和水印图像生成含水印图像，将含水印图像进行压缩，从压缩后的含水印图像中重构出水印图像。2.根据权利要求1所述的一种基于y
‑
net的数字水印方法，其特征在于，所述y
‑
net生成网络为跳跃连接结构，包括：载体第一卷积操作组、载体第二卷积操作组、载体第三卷积操作组、载体第四卷积操作组、载体第五卷积操作组、载体第六卷积操作组、水印第一卷积操作化组、水印第二卷积操作组、水印第三卷积操作组、水印第四卷积操作组、水印第五卷积操作组、水印第六卷积操作组、第七卷积操作组、第一反卷积操作组、第二反卷积操作组、第三反卷积操作组、第四反卷积操作组、第五反卷积操作组、第六反卷积操作组、第七反卷积操作组、第八卷积操作组；所述载体第六卷积操作组及水印第六卷积操作组的输出与第一反卷积操作组的输出融合；所述载体第五卷积操作组及水印第五卷积操作组的输出与第二反卷积操作组的输出融合；所述载体第四卷积操作组及水印第四卷积操作组的输出与第三反卷积操作组的输出融合；所述载体第三卷积操作组及水印第三卷积操作组的输出与第四反卷积操作组的输出融合；所述载体第二卷积操作组及水印第二卷积操作组的输出与第五反卷积操作组的输出融合；所述载体第一卷积操作组及水印第一卷积操作组的输出的输出与第六反卷积操作组的输出融合；所述载体第六卷积操作组和水印第六卷积操作组进行通道拼接后输入到第七卷积操作组中，所述第七卷积操作组的输出端与所述第一反卷积操作组相连；所述第六反卷积操作组、第一载体卷积操作组、第一水印卷积操作组进行跳跃连接后的结果，输入到第七反卷积操作组中；所述第八卷积操作组的输入端与所述第七反卷积操作组相连，其输出为含水印图像；其中，一个卷积操作组包括依次设置的卷积层、激活层、批标准化层；一个反卷积操作组包括依次设置的反卷积层、激活层、批标准化层。
3.根据权利要求1所述的一种基于y
‑
net的数字水印方法，其特征在于，所述判别网络通过以下训练步骤获得：采集多个图像样本，确定各个样本图像的标签；所述标签包括相应样本图像包括水印图像的概率；以各个图像样本为输入，各个图像样本的标签为输出训练zhu
‑
net，得到判别网络。4.根据权利要求1所述的一种基于y
‑
net的数字水印方法，其特征在于：所述压缩损失模拟网络为u
‑
net网络。5.根据权利要求1所述的一种基于y
‑
net的数字水印方法，其特征在于：所述提取网络为u
‑
net 网络。6.根据权利要求1所述的一种基于y
‑
net的数字水印方法，其特征在于：所述判别网络为判别器，所述判别器中包含softmax函数。7.根据权利要求1所述的一种基于y
‑
net的数字水印方法，其特征在于，整个水印网络的总损失函数为：l＝αl
c
βl
s
δl
d
其中，l
c
为y
‑
net生成网络损失，l
s
为提取网络损失，l
d
为判别网络损失，α、β、δ为用于控制y
‑
net生成网络损失、提取网络损失以及判别网络损失的权值。8.根据权利要求7所述的一种基于y
‑
net的数字水印方法，其特征在于：所述y
‑
net生成网络损失的计算公式为：其中，n代表图像的总像素值，c
i
代表原始的载体图像，代表含水印图像；所述提取网络损失l
s
的计算公式为：其中，s
i
代表原始的水印图像，代表重构出的水印图像；所述判别网络损失l
d
的计算公式为：其中，y
′
i
代表真实标签，即输入判别网络的图像到底是载体图像还是含水印图像的真实结果；y
i
代表判别网络的输出。9.一种基于y
‑
net的强鲁棒数字水印装置，其特征在于，包括：第一处理单元，用于将载体图像和水印图像输入到y
‑
net生成网络中，得到嵌入了水印图像的含水印图像；第二处理单元，用于将所述含水印图像输入到经过预先训练的压缩损失模拟网络中，得到模拟压缩含水印图像；判别单元，用于采用经过预先训练的判别网络对所述模拟压缩含水印图像进行判别，得到判别结果，所述判别结果包括将含水印图像识别为载体图像或含水印图像；重构单元，用于将所述模拟压缩含水印图像输入到提取网络中，得到重构的水印图像；
训练单元，用于根据所述含水印图像、重构的水印图像以及判别网络结果，计算整个水印网络的总损失函数，以总损失函数最小为目标优化所述水印网络，当损失下降并保持稳定时认为训练结束；所述水印网络包括y
‑
net生成网络、压缩损失模拟网络、判别网络和提取网络，其中，在优化过程中，所述判别网络和压缩损失模拟网络的权重固定；水印单元，用于使用训练好的水印网络，根据载体图像和水印图像生成含水印图像，将含水印图像进行压缩，从压缩后的含水印图像中重构出水印图像。10.一种基于y
‑
net的强鲁棒数字水印系统，其特征在于，包括存储介质和处理器；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行根据权利要求1
‑
8中任一项所述的方法。

技术总结
本发明公开了一种基于Y


技术研发人员：胡欣珏 梁秀健 付章杰
受保护的技术使用者：南京信息工程大学
技术研发日：2021.07.12
技术公布日：2021/11/2