[发明专利]基于深度学习的水印添加、提取方法、设备及存储介质

说明书

本申请涉及一种基于深度学习的水印添加、提取方法、设备及存储介质，属于图像处理技术领域，该方法包括：获取待添加水印的水印信息；将水印信息和待添加水印对应的目标图像输入预先训练的编码器，得到水印嵌入图像；该编码器是使用样本水印信息、多张样本图像和预设损失函数对第一神经网络模型进行训练得到，预设损失函数包括基于最小可觉差建立的第一损失函数；可以解决使用现有的编码器编码得到的水印嵌入图像存在斑点或纹理的问题；编码器使用基于最小可觉差建立的第一损失函数的训练得到，可以保证该编码器编码得到的水印嵌入图像与目标图像之间满足人眼的最小可觉差，可以提高编码器的编码效果，从而提高水印嵌入图像的显示效果。

技术领域

本申请涉及一种基于深度学习的水印添加、提取方法、设备及存储介质，属于图像处理技术领域。

背景技术

为了保证图像内容的安全性，常常需要在视频或者照片中加入一些水印来表征对应图像内容的一些属性。比如：图像内容的拍摄地点、拍摄时间、所属人(单位)等。为了避免水印被去除，现有技术提供一种隐形水印的相关方案，即在图像内容中加入一些肉眼看不到的水印信息。

一种典型的隐形水印添加方法包括：使用编码器将水印信息嵌入图像，得到水印嵌入图像。相应地，隐形水印提取方法包括：使用解码器对水印嵌入图像进行解码，得到水印信息。其中，编码器和解码器均由卷积神经网络构成。

然而，现有的编码器得到的水印嵌入图像会出现明显的斑点或者波纹，从而导致水印嵌入图像的显示效果不佳的问题；同时，水印嵌入图像经过转拍、转录等操作后，现有的解码器提取得到的水印信息可能存在随机错误，导致该水印信息与原始的水印信息不符的问题。

发明内容

本申请提供了一种基于深度学习的水印添加、提取方法、设备及存储介质，可以解决使用现有的编码器编码得到的水印嵌入图像存在斑点或纹理、解码器解码得到的水印信息误准确率较低的问题。本申请提供如下技术方案：

第一方面，提供了一种基于深度学习的水印添加方法，所述方法包括：

获取待添加水印的水印信息；

将所述水印信息和所述待添加水印对应的目标图像输入预先训练的编码器，得到水印嵌入图像；所述编码器是使用样本水印信息、多张样本图像和预设损失函数对第一神经网络模型进行训练得到，所述预设损失函数包括基于最小可觉差建立的第一损失函数。

可选地，所述将所述水印信息和所述待添加水印对应的目标图像输入预先训练的编码器，得到水印嵌入图像之后，还包括：

获取所述编码器运行过程中得到的水印编码图像；

将所述水印编码图像与所述目标图像之后的n帧图像分别进行叠加，得到每帧图像对应的水印嵌入图像，所述n为正整数。

可选地，所述将所述水印信息和所述待添加水印对应的目标图像输入预先训练的编码器，得到水印嵌入图像之前，还包括：

获取所述样本图像；

获取所述样本水印信息；

将所述样本图像和所述样本水印信息输入U-Net网络模型，得到第一模型输出结果；

将所述第一模型输出结果与所述样本图像输入所述预设损失函数，得到第一函数结果；

使用所述第一函数结果对所述U-Net网络模型进行训练，得到所述编码器。

所述基于最小可觉差建立的第一损失函数通过下式表示：

其中，表示亮度适应的视觉阈，表示空间掩码；M_r为所述第一神经网络模型的第一模型输出结果；L₂表示对计算结果进行行L₂归一化。