[发明专利]一种基于对抗网络的图像去水印的方法

说明书

本发明特别涉及一种基于对抗网络的图像去水印的方法。该基于对抗网络的图像去水印的方法，将带水印图片输入到对抗网络的生成器中，生成消除水印的图片并将其送入判别器中，区分是生成的图片还是真实图片，计算损失；通过生成器和判别器的对抗过程逐渐优化对抗网络模型，将带水印图片输入到训练好的对抗网络的生成器中，生成消除水印的图片即可。该基于对抗网络的图像去水印的方法，不需要标注水印位置，减少了人工标注数据集位置的成本；模型简单，可以实现端到端的训练与推测；不仅采用三种损失函数大大提升了去水印效果，能够适应不同尺度的水印；而且对抗模型能够学习不同类别，不同样式水印的潜在先验知识，泛化性强。

技术领域

本发明涉及人工智能和去除图像水印技术领域，特别涉及一种基于对抗网络的图像去水印的方法。

背景技术

随着互联网的普及，通讯工具的快速发展，人们开始倾向于在互联网上发布照片和视频以保存珍贵的回忆，记录生活中的美好时刻。为了保护图片或视频的版权，诸多软件采取在图片上添加水印的方式。现如今人工智能开始逐渐普及到各个领域，人工智能的基础就是大规模数据的学习，水印会在一定程度上干扰或破坏数据内在的信息，对模型的学习存在巨大影响。同时各种水印技术不尽相同，水印技术的鲁棒性，抗干扰性需要得到测试。基于以上两点，水印去除技术逐渐成为目前计算机视觉领域一大热点。

由于水印类别，样式的多样性，水印去除技术目前依然是一个巨大的挑战。现有的方法大部分基于目标检测技术，先使用成熟的目标检测框架检测出水印的位置，然后裁剪出水印区域，利用先验知识进行图像转化。但这些先验知识大部分是针对特定样式水印设计的，例如只能去除某一种标志。这些技术不仅需要人工标注出水印在图片中的位置，还需要基于经验设计先验知识进行图像转化，耗时耗力，而且由于这些技术大多由多个阶段拼接而成，需要分别对每个阶段进行训练和学习，效率低。

随着人工智能的发展，深度学习逐渐应用到各种任务中，但是深度学习需要大量数据作为基础。网络上收集到的带水印的数据对于模型学习存在巨大影响，所以需要高效而且准确的水印去除技术对数据进行清洗。另外一方面为了测试不同水印技术的抗干扰性，水印去除技术提供了一个强有力的测试条件。然而以往的基于检测的技术需要大量的人力对原始数据进行标注，同时由于技术的多阶段性，训练起来非常耗时。随着对抗神经网络的出现，图像转化技术得到了长足的发展。对抗神经网络只需要输入原始图片和目标图片就可以自动学习图像中隐藏的先验知识，不仅节省了人力而且能够学到更具有区分性的信息，大大提升了图像转化的效果。

针对以上情况，本发明提出了一种基于对抗网络的图像去水印的方法。

发明内容

本发明为了弥补现有技术的缺陷，提供了一种简单高效的基于对抗网络的图像去水印的方法。

本发明是通过如下技术方案实现的：

一种基于对抗网络的图像去水印的方法，其特征在于，包括以下步骤：

第一步，给定一个包含带水印图片和相应真实图片的数据集，将带水印图片输入到对抗网络的生成器中，生成消除水印的图片；

第二步，接着将生成的消除水印的图片送入到对抗网络的判别器中，通过判别器区分是生成的图片还是真实图片，并在图片水平上评估生成器生成的去水印图片和真实图片的差距，计算损失；

第三步，通过生成器和判别器的对抗过程逐渐优化对抗网络模型，使得对抗网络模型能够生成高水平的去水印图片；

第四步，将带水印图片输入到训练好的对抗网络的生成器中，生成消除水印的图片即可。

所述生成器的目标是生成去水印图片，该图片尽量让判别器将其判别为真实图片；判别器的目标是尽量正确区分真实图片和生成图片。

所述第一步中，将数据集分为训练集和测试集，并标注带水印图片及其相应的真实图片。