[发明专利]一种基于深度学习的抗屏摄文本图像水印嵌入和提取方法

说明书

本发明公开了一种基于深度学习的抗屏摄文本图像水印嵌入和提取方法，该方法具体为：步骤1：准备训练集与测试集；步骤2：建立抗屏摄文本图像水印模型，步骤3：对抗屏摄文本图像水印模型进行训练；步骤4：将测试集中的图像按张输入至步骤3中训练好的抗屏摄文本图像水印模型中，检测模型的正确率；步骤5：将需要进行水印嵌入的载体图像输入至训练好的抗屏摄文本图像水印模型中，得到水印嵌入后的载体图像，和水印信息。本发明的方法具有水印容量高、鲁棒性高和实用性强的特点。在实际使用过程中，成本更低、检测精度更高、耗时更短。

技术领域

本发明属于数字媒体版权保护领域。

背景技术

随着商业化进程的加速，商业秘密泄露事件频繁发生，导致商业秘密的泄露源跟踪越来越受到关注。对于传统的窃取信息的方式，如扫描和使用电子邮件发送商业文件或复制电子文件等，人们可以通过使用传统鲁棒图像水印方案来跟踪泄漏源。然而，随着智能手机的普及，拍摄已经成为最简单、最有效的信息传输方式，给泄露源跟踪带来了新的挑战。任何有权访问文件的人(如授权员工)可以简单地通过拍照泄露信息，而不留下任何记录。抗屏摄文本图像水印方案可作为泄露源跟踪的有力保证。我们可以在文本图像中嵌入设备标识或员工标识等信息。当偷偷拍摄这些图像时，我们可以从照片中提取相应的信息。然后根据信息查找泄露的设备或员工编号，缩小调查范围，实现问责流程。

现有的抗屏摄文本图像水印算法主要是通过寻找变换不变域，将水印信息嵌入到不变域内，以期望抵抗屏幕拍摄带来的一系列图像失真，如亮度失真，对比度失真，饱和度失真和图像压缩等失真。通过寻找变换不变域方法来嵌入水印，图像质量取得了一定的效果。然而，这些算法并未考虑文本图像纹理简单的特点，水印信息易受屏摄过程影响，提取精度较低，并不能适用于现实场景。

发明内容

发明目的：为了解决上述现有技术存在的问题，本发明提供了一种基于深度学习的抗屏摄文本图像水印嵌入和提取方法。

技术方案：一种基于深度学习的抗屏摄文本图像水印嵌入和提取方法，其特征在于，具体包括如下步骤：

步骤1：准备训练集与测试集；

步骤2：建立抗屏摄文本图像水印模型，所述抗屏摄文本图像水印模型包括依次连接的水印嵌入网络，屏幕拍摄模拟网络和水印提取网络；

步骤3：对抗屏摄文本图像水印模型进行训练：每次训练时，在训练集中选取n张载体图像作为一组载体数据，同时随机生成n个水印信息作为一组水印数据，将该载体数据和水印数据输入至抗屏摄文本图像水印模型中，水印信息通过水印嵌入网络嵌入至相应的载体图像中，得到含水印图像，并通过屏幕拍摄模拟网络对含水印图像进行噪声攻击，得到含水印的噪声图像，最后采用水印提取网络提取噪声图像中的水印；

步骤4：将测试集中的图像按张输入至步骤3中训练好的抗屏摄文本图像水印模型中，首先测试含水印图像在屏摄情况下的水印信息提取的正确率，若正确率大于预设的阈值，则保留步骤3中训练好的抗屏摄文本图像水印模型；否则采用训练集对步骤3中训练好的抗屏摄文本图像水印模型中的参数进行优化。

步骤5：将需要进行水印嵌入的载体图像输入至训练好的抗屏摄文本图像水印模型中，得到水印嵌入后的载体图像，和水印信息。