[发明专利]一种基于深度学习的图像水印的去除方法

权利要求书

1.一种基于深度学习的图像水印的去除方法，其特征在于，步骤如下：

收集得到不同类型的水印模板图像，并收集一定数量的无水印图像，利用二者生成数据集；

利用生成的数据集通过卷积神经网络学习训练得到水印模型；

利用得到的水印模型对待处理的水印图像进行去水印操作；

针对每一种水印模板图像，依次进行如下操作：

在收集的每一张无水印图像中均截取至少一个无水印区域图像，并将截取的无水印区域图像与该水印模板图像合成为水印区域图像，无水印区域图像与水印区域图像对应；

将不同类型的水印模板图像得到的水印区域图像和无水印区域图像作为数据集，用于训练水印模型。

2.根据权利要求1所述的基于深度学习的图像水印的去除方法，其特征在于，收集不同类型的水印图，通过PS工具获取相对应的水印模板图像。

3.根据权利要求1所述的基于深度学习的图像水印的去除方法，其特征在于，水印模型具体是由多个卷积层和池化层组成，训练时，将水印区域图像作为模型输入数据，通过调整模型参数，使获得的计算结果与水印区域图像所对应的无水印区域图像一致。

4.根据权利要求1或2或3所述的基于深度学习的图像水印的去除方法，其特征在于，在对待处理的水印图像进行去水印操作前，对待处理的水印图像，首先经过计算自动获取该图像的水印区域图像。

5.根据权利要求4所述的基于深度学习的图像水印的去除方法，其特征在于，获取待处理水印图像的水印区域图像的方法为：

获取待处理水印图像中水印的位置，分别计算待处理水印图像中x方向和y方向的梯度，提取两个方向梯度较大并且重合的位置，得到待处理水印对应位置，获取水印图像中的一个或者多个水印区域图像。

6.根据权利要求5所述的基于深度学习的图像水印的去除方法，其特征在于，待处理水印图像中具有多个水印时，则提取多个水印区域图像。

7.根据权利要求5所述的基于深度学习的图像水印的去除方法，其特征在于，所述梯度计算采用opencv的cv2.Sobel()函数进行。

8.根据权利要求5所述的基于深度学习的图像水印的去除方法，其特征在于，获取水印图像中的一个或者多个水印区域图像后，将其作为输入水印模型中，获取预测无水印区域图像；将预测无水印区域图像覆盖至待处理水印图像中的对应位置得到完成的处理后的无水印图像。