[发明专利]一种基于GAN网络的图像数字水印生成及鉴别系统及方法

说明书

本发明提供一种基于GAN网络的图像数字水印生成及鉴别系统及方法，属于涉及数字水印、信息隐藏、深度学习和神经网络技术领域，本发明采用GAN网络高效快速的产生难以察觉的图像数字水印，并能有效鉴别出水印；通过反复训练数字水印生成器和辨别器，逐步提高数字水印质量。

技术领域

本发明涉及数字水印、信息隐藏、深度学习和神经网络技术，尤其涉及一种基于GAN网络的图像数字水印生成及鉴别系统及方法。

背景技术

生成对抗网络(Generative Adversarial Network,GAN)是最初由IanGoodfellow提出的一类神经网络，通过轮流训练判别器(Discriminator)和生成器(Generator)，令其相互对抗，来从复杂概率分布中采样，已经广泛应用于各类应用场景。

近年来，随着互联网的快速发展，数字版权保护的重要性越来越受到大家的重视，在保证合法授权用户对数字信息(如数字图像、音频、视频等)正常使用的同时，保护数字信息创作者和拥有者的版权。数字版权保护技术就是对各类数字内容的知识产权进行保护的一系列软硬件技术，用以保证数字内容在整个生命周期内的合法使用，平衡数字内容价值链中各个角色的利益和需求。数字水印是实现数字版权保护的有效办法，也是信息隐藏技术研究领域的重要分支和研究方向，其中关注比较多的是图像的不可见水印。

图像不可见水印是将一些人类视觉系统难以察觉的标识信息(即数字水印)嵌入到图像当中，不会影响到原数字图像的使用价值，但可以被版权所有者识别和辨认。然而数字水印的评价方法、识别方法以及抗攻击能力有待提高，在这种情况下，如何有效利用GAN网络技术，高效快速的产生难以察觉的图像数字水印，并能有效鉴别出水印成为亟须解决的问题。

发明内容

为了解决以上技术问题，本发明提出了一种基于GAN网络的图像数字水印生成及鉴别系统，逐步提高数字水印质量。

本发明的技术方案是：

一种基于GAN网络的图像数字水印生成及鉴别系统，利用GAN网络为图像增加数字水印，GAN网络由生成器G和辨别器D两部分构成，

其中，生成器包含产生标识生成网络GN1和产生水印生成网络GN2两部分，判别器包含图像辨别网络DN1、水印辨别网络DN2和辨别融合网络DN3；

针对用户的需求，通过反复训练GAN网络生成器和辨别器模型，最终生成满足要求的数字水印生成器和辨别器。整个GAN网络的训练过程就是数字水印生成器和辨别器的创建过程。

进一步的，

所述的数字水印GAN网络生成器是Image-to-Image解释器，将原始图像转换成带数字水印的图像；所述的产生标识生成网络GN1是一个神经网络，负责将用户标识进行变换，根据原始图像要求的水印大小将其进行扩展变换，得到与原始图像大小相同的张量；所述的产生水印生成网络GN2是一个CNN卷积神经网络，将产生的标识张量和原始图像进行融合，并加入噪声数据，混合生成带数字水印的图像；所述的数字水印GAN网络辨别器相当于是二元分类器，判断图像是否包含特定标识的数字水印。

所述的图像辨别网络DN1用来区分原始图像与带水印图像的差异程度，输入带水印图像，期待生成的水印图像与原始图像无法区分，水印越明显，返回数值越小；所述的水印辨别网络DN2负责区分给定标识与带水印图像的符合程度，返回数值表示图像包含给定标识的可能性；所述的辨别融合网络DN3将DN1和DN2进行融合，得到最终辨别值。

本发明还提供了一种基于GAN网络的图像数字水印生成及鉴别方法，利用GAN网络生成数字水印生成器和辨别器，充分考虑原始图像的特征，个性化为其产生数字水印，同时加入随机噪声，增加图像数字水印的多样性，提高其抗攻击能力。另外，通过收集数据，持续优化数字水印模型，提高数字水印图像生成质量。

具体步骤包括：