(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210997421.0 (22)申请日 2022.08.18 (71)申请人 浙江工商大 学 地址 310018 浙江省杭州市西湖区教工路 149号 (72)发明人 张心怡　宋佳维　刘春晓　 (74)专利代理 机构 杭州中成专利事务所有限公 司 33212 专利代理师 朱莹莹 (51)Int.Cl. G06T 1/00(2006.01) G06T 3/40(2006.01) G06T 9/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06V 10/24(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01) (54)发明名称 一种基于最小依赖隐藏的抗盗摄暗水印嵌 入和提取网络 框架及其使用方法 (57)摘要 本发明涉及数字水印的多媒体技术领域和 信息安全领域， 特别是基于深度学习的抗盗摄暗 水印技术， 具体为基于最小依赖隐藏的抗盗摄暗 水印嵌入和提取网络框架及其使用方法。 本发明 适用于桌面应用环境， 并具有很高的水印嵌入效 率、 含水印图像质量和屏幕拍摄鲁棒性。 本发明 创新性地采用概率判定模块有序组合不同攻击 的扰动模块， 大大加强了用于网络优化的训练样 本多样性和均衡性， 大大提高了水印在多种攻击 情形下的鲁棒 性。 权利要求书4页 说明书12页 附图1页 CN 115293950 A 2022.11.04 CN 115293950 A 1.基于最小依赖隐藏的抗盗摄暗水印嵌入和提取的网络框架， 由具有U型网络结构的 预处理网络WP、 具有边缘提取算子k和多重卷积结构的编码网络WE以及由6个卷积层组成的 解码网络WD级联而成。 2.根据权利要求1所述 的网络框架， 其特征在于： 在编码网络WE与解码网络WD之间应用 了一组可微的图像扰动层NL， 扰动层NL中主要包括图像几何变换和图像像素变换两大类变 换； 图像几何变换包括放大、 缩小、 旋转以及图像扭曲， 均使用仿射变换来 实现； 图像像素变 换包括高斯模糊、 JPEG可微压缩、 亮度和饱和度调节以及高斯噪声。 3.权利要求1 ‑2任一所述网络 框架在桌 面防盗摄中的应用。 4.一种基于最小依赖隐藏的抗盗摄暗水印嵌入方法， 包括如下步骤： 首先， 将秘密信 息 S进行数据标准化， 将其颜色值标准化到方差和均值均为0.5， 并将标准化的秘密信息S ′输 入预处理网络WP得到单通道特征图像Fe at1； 接着， 将 单通道特征图像Feat1和载体图像C一 起输入编码网络WE得到残差图R， 从而获得含水印图像 5.根据权利要求 4所述的抗盗摄暗水印嵌入方法， 其特 征在于： 具体包括如下步骤： (1)首先， 将秘密信息S进行数据标准化， 将其颜色值标准化到方差和均值均为0.5， 得 到经过标准化的秘密信息S ′； 然后， 将经过标准化的秘密信息S ′输入预处理网络WP得到单 通道特征图像Feat1； Feat1＝WP(S′)    (1) 其中， S′表示经过标准化的秘密信息， Feat1表示预处理网络WP输出的单通道特征图像， WP(·)表示预处 理网络WP的运算函数； (2)将载体图像C输入编码网络WE； 先将载体图像C由RGB颜色空间转化到YUV颜色空间， 接着使用边缘提取算子k提取载体图像C的Y通道 边缘特征(edge)； 边缘提取算子k的具体表 达方式如下 然后， 将载体图像C的Y通道边缘特征(edge)与单通道特征图像Feat 1堆叠， 进行两次卷 积， 获得三通道特征图Feat2； 最后将三通道特征图Feat2与载体图像C的RGB通道进行堆叠， 进行一次卷积 操作之后得到残差图R， 从而获取含水印图像 R＝WE(C， Feat1)    (3) 其中， R表示残差图， C表示载体图像， WE(·)表示编码网络WE的运算函数， Feat1表示预 处理网络WP输出的单通道特 征图像； 其中， 表示含水印图像， R表示残差图， C表示载体图像； 使用图像质量损失LC约束含水印图像 的图像质量， 即 其中， λLPIPS、 λSSIM分别表示视觉相似度LPIPS损失LLPIPS、 二范数损失 和结构相似 性度量指标S SIM损失LSSIM的权重大小， 分别取值0.1、 0.1、 0.5； LLPIPS表示视觉相似度LPIP S损失， 具体公式如下权　利　要　求　书 1/4 页 2 CN 115293950 A 2其中， C表示载体图像， 表示含水印图像， 表示含水印图像 在LPIPS特征计算网络 中第l层上像素坐标点(i， j)处的特征向量， 表示载体图像C在特征计算网络中第l层上 像素坐标点(i， j)处的特 征向量， wl表示LPIPS特征计算网络中第l层特 征向量的权 重， Hl 表示载体图像C的宽度， Wl表示载体图像C的长度， ∑为求和 运算符， L2(·)表示二范数 函数； 表示二范数损失， 具体公式如下 其中， C表示载体图像， 表示含水印图像， L2(·)表示二范数函数； LSSIM表示结构相似性度量指标S SIM损失， 具体公式如下 其中C表示载体图像， 表示含水印图像， μ( ·)表示均值运算函数， σ( ·)表示标准差运 算函数， δ(·，·)表示协方差运 算函数。 c1、 c2是两个常数， 其中c1＝(k1*L)2， c2＝(k2*L)2， k1＝0.01， k2＝0.03， L＝255。 6.基于最小依 赖隐藏的抗 盗摄暗水印提取方法， 将待 提取图像直接输入解码网络WD， 获 得水印提取结果Sr； 设置训练参数， 构建损失函数， 借助载体图像C约束含 水印图像 的图像 质量， 并借助秘密信息S约束水印提取 结果Sr的准确性， 优化神经网络模型参数。 7.根据权利要求5所述的抗盗摄暗水印提取方法， 其特征在于： 所述待提取图像为含水 印图像 或受到拍摄等攻击后的失真含水印图像 所述失真含水印图像 通过在编码网络 WE与解码网络WD之间应用一组可微的图像 扰动层NL获取。 8.根据权利要求6所述的抗盗摄暗水印提取 方法， 其特 征在于： 具体步骤如下： (1)将含水印图像 或受到拍 摄等攻击后的失真含水印图像 直接输入解码网络WD， 获 得水印提取 结果Sr； 其中， 表示含水印图像， Sr表示水印提取结果， WD(·)表示解码网络WD的运算函数， 表示失 真含水印 图像。 在编码网络WE与解码网络WD之间， 对含水印图像 应用一组可微的图像扰动 层NL获取失真含水印图像 训练水印的拍摄鲁棒 性； 其中， 表示含水印图像， 表示失真含水印图像， N L(·)表示图像 扰动层运 算函数。 (2)使用水印复原损失LR约束解码网络WD输出的水印提取 结果Sr， 具体公式如下 LR＝ λIE*LIE+λWCE*LWCE    (22) 其中， λIE和λWCE分别表示信息熵损失LIE和带权重的交叉熵损失LWCE的权重， 分别取值 0.1、 1；权　利　要　求　书 2/4 页 3 CN 115293950 A 3