【技術實現(xiàn)步驟摘要】
本專利技術涉及圖像水印，具體而言，涉及一種水印信息提取方法及電子設備。
技術介紹
1、基于乘性嵌入的圖像水印方法利用了watson熵掩碼視覺模型，選擇了圖像中熵值較大的圖像子塊作為水印嵌入?yún)^(qū)域，提出了一種簡單高效的圖像水印嵌入方法，在抵抗加性高斯噪聲、中值濾波、jpeg壓縮等攻擊下具有較好的魯棒性能。
2、但是，基于乘性嵌入的圖像水印方法根據(jù)人為經(jīng)驗選擇水印嵌入?yún)?shù)，需要不斷地調(diào)整該參數(shù)，難以實現(xiàn)水印的重同步檢測，導致水印抗全局幾何攻擊的魯棒性較弱，對于被幾何攻擊后的水印圖像，難以正常提取水印信息。
技術實現(xiàn)思路
1、有鑒于此，本專利技術實施例的目的在于，提供一種水印信息提取方法及電子設備以至少部分地改善上述問題。
2、為了實現(xiàn)上述目的，本專利技術實施例采用的技術方案如下：
3、第一方面，本專利技術實施例提供了一種水印信息提取方法，所述方法包括：
4、將原始圖像嵌入第一水印信息，得到第一水印圖像；
5、獲取所述第一水印圖像被幾何攻擊后的變形圖像；
6、將所述原始圖像和所述變形圖像輸入幾何校正網(wǎng)絡模型，得到校正后的第二水印圖像；
7、將所述第二水印圖像輸入水印提取模型，得到提取的第二水印信息。
8、可選地，所述幾何校正網(wǎng)絡模型包括特征提取網(wǎng)絡模塊以及匹配網(wǎng)絡模塊，所述將所述原始圖像和所述變形圖像輸入幾何校正網(wǎng)絡，得到校正后的第二水印圖像，包括：
9、將所述原始圖像和所述變形圖像
10、將各所述原始圖像子塊和各所述變形圖像子塊分別輸入特征提取網(wǎng)絡模塊，分別得到原始特征圖和變形特征圖；
11、將所述原始特征圖和所述變形特征圖通過通道級聯(lián)進行融合，得到融合特征圖；
12、將所述融合特征圖輸入所述匹配網(wǎng)絡模塊，得到幾何變換參數(shù)；
13、根據(jù)所述幾何變換參數(shù)，對所述變形圖像進行幾何逆變換，得到校正后的第二水印圖像。
14、可選地，所述特征提取網(wǎng)絡模塊包括n層第一網(wǎng)絡層，所述網(wǎng)絡層包括卷積層、批歸一化和線性修正單元，各所述網(wǎng)絡層之間用reshape連接；所述匹配網(wǎng)絡模塊包括m層第二網(wǎng)絡層以及全連接層，各所述第二網(wǎng)絡層之間按順序級聯(lián)。
15、可選地，所述將所述第二水印圖像輸入水印提取模型，得到提取的第二水印信息，包括：
16、根據(jù)似然率進行統(tǒng)計檢驗，得到假設檢驗式；
17、采用隱馬爾可夫模型對所述第二水印圖像的圖像系數(shù)分布進行統(tǒng)計建模，獲得水印分布函數(shù)；
18、根據(jù)所述水印分布函數(shù)以及極大似然函數(shù)，采用極大似然解碼方式提取出所述第二水印圖像的第二水印信息。
19、可選地，所述假設檢驗式為：
20、
21、其中，h1為備擇假設，h0為零假設；
22、所述水印分布函數(shù)為：
23、
24、其中，xij表示第j分解層上的第i個結點存在一個隱狀態(tài)sij，其中，xij服從多變量高斯分布，為xij的均值，為xij的協(xié)方差；
25、所述極大似然函數(shù)為：
26、
27、其中，表示嵌入水印信息“1”的系數(shù)的概率分布函數(shù)；表示嵌入水印信息“-1”的系數(shù)的概率分布函數(shù)。
28、可選地，所述將原始圖像嵌入第一水印信息，得到第一水印圖像，包括：
29、將所述原始圖像劃分成多個大小相等且互不重疊的圖像子塊；
30、計算各所述圖像子塊的能量值，并按所述能量值降序排序，選擇前預設個數(shù)的所述圖像子塊作為目標圖像子塊，其他所述圖像子塊作為非目標圖像子塊；所述目標圖像子塊表征水印嵌入?yún)^(qū)域；
31、對各所述目標圖像子塊進行輪廓波變換，計算出各所述目標圖像子塊中的低頻子帶系數(shù)向量以及高頻子帶平均能量；
32、根據(jù)所述高頻子帶平均能量，基于視覺顯著度模型，計算出各所述目標圖像子塊的嵌入?yún)?shù)；
33、根據(jù)所述低頻子帶系數(shù)向量以及各所述嵌入?yún)?shù)，對各所述目標圖像子塊進行水印嵌入，得到嵌入水印的水印圖像子塊；
34、將各所述水印圖像子塊與各所述非目標圖像子塊進行組合，得到第一水印圖像。
35、可選地，所述對各所述目標圖像子塊進行輪廓波變換，計算出各所述目標圖像子塊中的低頻子帶系數(shù)向量以及高頻子帶平均能量，包括：
36、對各所述目標圖像子塊進行1層輪廓波分解，得到1個低頻子帶圖像以及4個高頻子帶圖像；
37、將各所述低頻子帶圖像轉換為一維向量，分別得到低頻子帶系數(shù)向量；
38、針對每個所述目標圖像子塊，計算對應的各所述高頻子帶圖像的能量平均值；
39、根據(jù)各所述能量平均值，計算出高頻子帶平均能量。
40、可選地，所述能量平均值的計算公式為：
41、
42、
43、其中，ej表示第j個所述高頻子帶圖像的系數(shù)能量，為所述高頻子帶圖像，表示所述高頻子帶圖像在位置處的輪廓波系數(shù)。
44、可選地，所述嵌入?yún)?shù)的計算公式為：
45、
46、其中a取值為1.023，c取值為0.02，ξ設置為3.5×10-5，ehf為所述高頻子帶平均能量，d為各所述目標圖像子塊的顯著度距離，dmax表示各所述目標圖像子塊中最大的顯著度距離。
47、第二方面，本專利技術實施例提供了一種電子設備，包括存儲器、處理器及存儲在存儲器上并在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)上述任一項所述的方法。
48、本專利技術實施例提供的一種水印信息提取方法及電子設備，用幾何校正網(wǎng)絡模型來估計變形圖像的幾何變換參數(shù)，如包括旋轉角度、縮放尺度、以及平移參數(shù)等，然后根據(jù)估計的幾何變換參數(shù)恢復含水印圖像，最后在幾何校正后的含水印圖像中提取水印信息，實現(xiàn)了水印的重同步檢測，提高了水印抗幾何攻擊和組合攻擊的魯棒性；利用了圖像輪廓波系數(shù)統(tǒng)計分布的非高斯特性，采用了隱馬爾科夫模型對圖像的輪廓波系數(shù)進行統(tǒng)計建模，并結合最大似然估計方法，進一步提升了水印的檢測性能；結合了視覺顯著度模型，自適應嵌入?yún)?shù)，并將圖像輪廓波系數(shù)能量較大的區(qū)域作為水印嵌入空間，提高抗同步攻擊的能力。
49、為使本申請的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。
本文檔來自技高網(wǎng)...【技術保護點】
1.一種水印信息提取方法，其特征在于，所述方法包括：
2.根據(jù)權利要求1所述的方法，其特征在于，所述幾何校正網(wǎng)絡模型包括特征提取網(wǎng)絡模塊以及匹配網(wǎng)絡模塊，所述將所述原始圖像和所述變形圖像輸入幾何校正網(wǎng)絡，得到校正后的第二水印圖像，包括：
3.根據(jù)權利要求2所述的方法，其特征在于，所述特征提取網(wǎng)絡模塊包括N層第一網(wǎng)絡層，所述網(wǎng)絡層包括卷積層、批歸一化和線性修正單元，各所述網(wǎng)絡層之間用reshape連接；所述匹配網(wǎng)絡模塊包括M層第二網(wǎng)絡層以及全連接層，各所述第二網(wǎng)絡層之間按順序級聯(lián)。
4.根據(jù)權利要求1所述的方法，其特征在于，所述將所述第二水印圖像輸入水印提取模型，得到提取的第二水印信息，包括：
5.根據(jù)權利要求4所述的方法，其特征在于，所述假設檢驗式為：
6.根據(jù)權利要求1所述的方法，其特征在于，所述將原始圖像嵌入第一水印信息，得到第一水印圖像，包括：
7.根據(jù)權利要求6所述的方法，其特征在于，所述對各所述目標圖像子塊進行輪廓波變換，計算出各所述目標圖像子塊中的低頻子帶系數(shù)向量以及高頻子帶平均能量，包括：>
8.根據(jù)權利要求7所述的方法，其特征在于，所述能量平均值的計算公式為：
9.根據(jù)權利要求6所述的方法，其特征在于，所述嵌入?yún)?shù)的計算公式為：
10.一種電子設備，包括存儲器、處理器及存儲在存儲器上并在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述程序時實現(xiàn)權利要求1至9任一項所述的方法。
...【技術特征摘要】
1.一種水印信息提取方法，其特征在于，所述方法包括：
2.根據(jù)權利要求1所述的方法，其特征在于，所述幾何校正網(wǎng)絡模型包括特征提取網(wǎng)絡模塊以及匹配網(wǎng)絡模塊，所述將所述原始圖像和所述變形圖像輸入幾何校正網(wǎng)絡，得到校正后的第二水印圖像，包括：
3.根據(jù)權利要求2所述的方法，其特征在于，所述特征提取網(wǎng)絡模塊包括n層第一網(wǎng)絡層，所述網(wǎng)絡層包括卷積層、批歸一化和線性修正單元，各所述網(wǎng)絡層之間用reshape連接；所述匹配網(wǎng)絡模塊包括m層第二網(wǎng)絡層以及全連接層，各所述第二網(wǎng)絡層之間按順序級聯(lián)。
4.根據(jù)權利要求1所述的方法，其特征在于，所述將所述第二水印圖像輸入水印提取模型，得到提取的第二水印信息，包括：
5.根據(jù)權利要...
【專利技術屬性】
技術研發(fā)人員：劉金華，徐牡蓮，于鑰，吳佳韻，黃源源，茍建平，
申請(專利權)人：上饒師范學院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。