CN112241929B - 水印嵌入及水印检测方法、装置及电子设备 - Google Patents

Abstract

本申请公开了一种水印嵌入方法、水印检测方法，包括：获得需要嵌入到待嵌入图像中的噪声模板；获得所述待嵌入图像的像素的梯度特征值，根据所述梯度特征值生成置零掩模；根据所述置零掩模确定权重模板；根据所述权重模板和所述噪声模板，获得水印信息；将所述水印信息嵌入到所述待嵌入图像中。在水印检测方法中，包括：获得待检测图像的高频分量；对所述高频分量进行第一自相关处理，得到第一自相关结果；对所述第一自相关结果进行第二自相关处理，得到第二自相关结果；根据所述第二自相关结果，判断所述待检测图像是否含有水印模板。采用上述方法，使得数字图像嵌入水印后能够抵抗针对数字图像的拼图，抠图，换底等攻击。

Description

水印嵌入及水印检测方法、装置及电子设备

技术领域

本申请涉及计算机技术领域，具体涉及一种水印嵌入方法、装置及电子设备。本申请同时还涉及水印检测方法、装置及电子设备。本申请同时还涉及一种数据处理方法。

背景技术

在数字信息广泛传播的今天，数字图像的应用非常广泛。数字图像容易传播、容易复制、容易被篡改，这就导致了数字图像的版权问题难以解决。目前，常采用图像水印保护数字图像版权。所谓图像水印是指在图像中添加特定的信息，在需要的时候通过提取特定的信息用于所有权证明、盗版追踪和内容认证等应用的图像操作技术。

数字图像易得易篡改，在图像处理工具泛滥的今天，针对图像的拼贴，抠图、换底，不规则截屏等攻击变得越来越普遍。在电子商务网站中，经常会出现某一正规商家的商品展示图像被出售仿品的商家盗取使用。为了防止这些盗取的图像含有数字图像水印，这些盗图的商家会对盗取的图像进行处理(攻击)后再使用，处理的手段一般包括将盗取图像叠加在新的图像上，或是保留图像前景更换背景等等。这些攻击方法简单、常见又多样，但是对现有的数字图像的水印有极大的破坏性，会破坏水印提取的相对位置和顺序，也会破坏图像的统计特征。现有的数字图像水印常采用分块的方法或基于统计的方法，因此无法对抗上述攻击。

因此，现有技术中的图像水印嵌入方案存在无法抵抗拼图、抠图、换底等攻击的问题。

发明内容

本申请提供一种水印嵌入方法和水印检测方法，用以使得数字图像嵌入水印后能够抵抗针对数字图像的拼图，抠图，换底等攻击。

本申请提供一种水印嵌入方法，包括：

获得需要嵌入到待嵌入图像中的噪声模板；

获得所述待嵌入图像的像素的梯度特征值，根据所述梯度特征值生成置零掩模；所述置零掩模用于表示将梯度特征值满足预设阈值条件的像素的嵌入强度设置为零；

根据所述置零掩模确定权重模板；所述权重模板用于表示所述噪声模板在所述待嵌入图像中的嵌入强度；

根据所述权重模板和所述噪声模板，获得水印信息；

将所述水印信息嵌入到所述待嵌入图像中。

可选的，所述获得所述待嵌入图像的像素的梯度特征值，根据所述梯度特征值生成置零掩模，包括：

针对所述待嵌入图像的第一像素，使用所述第一像素邻域中的第二像素的信息，计算所述第一像素的梯度特征值；其中，所述第二像素为所述待嵌入图像中按照坐标位置与所述第一像素相邻的像素；

将所述第一像素的梯度特征值作为所述待嵌入图像的像素的梯度特征值，如果所述梯度特征值满足预设阈值条件，则将所述待嵌入图像的像素对应的置零掩模中的掩码位设置为0；否则，将所述掩码位设置为1。

可选的，所述针对所述待嵌入图像的第一像素，使用所述第一像素邻域中的第二像素的信息，计算所述第一像素的梯度特征值，包括：

如果所述第一像素为边界像素，则所述第一像素的梯度特征值为0；

如果所述第一像素为非边界像素，则获得所述第一像素的八邻域的第二像素的信息，使用所述第二像素的信息，计算所述第一像素的梯度特征值。

可选的，还包括：获得待嵌入图像的像素的亮度特征值；

所述根据所述置零掩模确定权重模板，包括：根据所述亮度特征值、所述梯度特征值以及所述置零掩模，确定所述权重模板。

可选的，所述根据所述亮度特征值、所述梯度特征值以及所述置零掩模，确定所述权重模板，包括：按照所述亮度特征值及预设亮度特征比例数值，所述梯度特征值及预设梯度特征比例数值，以及所述置零掩模，计算所述权重模板。

可选的，所述获得需要嵌入到待嵌入图像中的噪声模板，包括：

获得用于生成所述噪声模板的伪随机序列种子标识；

根据所述伪随机序列种子标识生成基础噪声模板；

将所述基础噪声模板进行不重叠拼接，生成所述需要嵌入到待嵌入图像中的噪声模板。

可选的，所述基础噪声模板为边长满足预设边长条件的正方形模板。

可选的，所述噪声模板以及所述权重模板具有与所述待嵌入图像相同的尺寸；

所述根据所述权重模板和所述噪声模板，获得水印信息，包括：将所述权重模板与所述噪声模板对应的元素相乘，得到所述水印信息；

所述将所述水印信息嵌入到所述待嵌入图像中，包括：将所述水印信息与所述待嵌入图像的对应元素相加，得到包含所述水印信息的图像。

可选的，还包括：

获得需要嵌入所述噪声模板的第一图像；

对所述第一图像进行去噪处理，得到第二图像；

将所述第二图像作为所述待嵌入图像。

可选的，还包括：获得所述第二图像相对于所述第一图像的变化程度数据；

所述将所述第二图像作为所述待嵌入图像，包括：如果所述变化程度数据满足去噪阈值条件，则将所述第二图像作为所述待嵌入图像。

可选的，所述获得所述第二图像相对于所述第一图像的变化程度数据，包括：获得所述第一图像与所述第二图像的峰值信噪比；

所述如果所述变化程度数据满足去噪阈值条件，则将所述第二图像作为所述待嵌入图像，包括：如果所述峰值信噪比低于预设信噪比阈值，则将所述第二图像作为所述待嵌入图像。

本申请还提供一种水印检测方法，包括：

获得待检测图像的高频分量；

对所述高频分量进行第一自相关处理，得到第一自相关结果；所述第一自相关结果为与所述高频分量具有相同尺寸的二维矩阵；

对所述第一自相关结果进行第二自相关处理，得到第二自相关结果；所述第二自相关结果为与所述第一自相关结果具有相同尺寸的二维矩阵；

根据所述第二自相关结果，判断所述待检测图像是否含有水印模板。

可选的，所述获得待检测图像的高频分量，包括：

获得待检测图像；

对所述待检测图像进行高通滤波处理，得到所述待检测图像的高频分量。

可选的，所述对所述高频分量进行第一自相关处理，得到第一自相关结果，包括：

对所述高频分量进行自相关操作，得到高频分量自相关结果；

针对所述高频分量自相关结果进行归一化操作、二值化操作以及检测处理，得到所述第一自相关结果。

可选的，针对所述高频分量自相关结果进行归一化操作、二值化操作以及检测处理，得到所述第一自相关结果，包括：

获得所述高频分量自相关结果中的元素的平均值；

使用所述平均值替换所述高频分量自相关结果的中心元素值，得到第一自相关处理的第一中间值；

针对所述第一自相关处理的第一中间值进行归一化操作，将归一化操作得到的元素映射到第一指定区间内，得到第一自相关处理的第二中间值；

针对所述第一自相关处理的第二中间值进行二值化操作，得到第一自相关处理的第三中间值；

针对所述第一自相关处理的第三中间值进行检测处理，得到所述第一自相关结果。

可选的，所述针对所述第一自相关处理的第二中间值进行二值化操作，得到第一自相关处理的第三中间值，包括：针对小于所述第一二值化阈值的元素，使用所述第一指定区间的第一端点值，设置所述小于所述第一二值化阈值的元素的元素值；针对大于预设的第一二值化阈值的元素，使用所述第一指定区间的第二端点值设置所述大于预设的第一二值化阈值的元素的元素值。

可选的，所述针对所述第一自相关处理的第三中间值进行检测处理，得到所述第一自相关结果，包括：

将所述第一自相关处理的第三中间值的指定中心区域，作为第一中心检测区域；

获得所述第一中心检测区域的峰值密度；

如果所述峰值密度大于第一峰值密度阈值，则将所述第一中心检测区域中对应位置的元素设置为0。

可选的，所述对所述第一自相关结果进行第二自相关处理，得到第二自相关结果，包括：

对所述第一自相关结果进行自相关操作，得到第二自相关处理的中间结果；

针对所述中间结果进行归一化操作、二值化操作，得到所述第二自相关结果。

可选的，所述针对所述中间结果进行归一化操作、二值化操作，得到所述第二自相关结果，包括：

获得所述中间结果中的元素的平均值；

使用所述平均值替换所述中间结果的中心元素值，得到第二自相关处理的第一中间值；

针对所述第二自相关处理的第一中间值进行归一化操作，将归一化操作得到的元素映射到第二指定区间内，得到第二自相关处理的第二中间值；

针对所述第二自相关处理的第二中间值进行二值化操作，得到所述第二自相关结果。

可选的，所述针对所述第二自相关处理的第二中间值进行二值化操作，得到第二自相关处理的第三中间值，包括：针对小于所述第二二值化阈值的元素，使用所述第二指定区间的第一端点值，设置所述小于所述第二二值化阈值的元素的元素值；针对大于预设的第二二值化阈值的元素，使用所述第二指定区间的第二端点值，设置所述大于预设的第二二值化阈值的元素的元素值。

可选的，所述根据所述第二自相关结果，判断所述待检测图像是否含有水印模板，包括：

将所述第二自相关结果的指定中心区域，作为第二中心检测区域；

将所述第二中心检测区域平均划分为多个子区域；

确定满足条件的子区域的数量，所述满足条件的子区域为含有元素值等于所述第二指定区间的第二端点值的元素的子区域；

如果所述满足条件的子区域的数量小于所述多个子区域中子区域的数量，则确定所述待检验图像未包含噪声模板。

可选的，还包括：如果所述满足条件的子区域的数量等于所述多个子区域中子区域的数量，则根据所述第二中心检测区域的峰值密度，判断所述待检验图像是否含有噪声模板。

可选的，还包括：计算所述第二中心检测区域的峰值密度；

如果所述峰值密度位于预设上限阈值和预设下限阈值范围内，则确定所述待检验图像包含有噪声模板。

可选的，还包括：如果所述待检测图像含有水印模板，则根据所述第二自相关结果，得到所述水印模板的缩放系数。

可选的，所述根据所述第二自相关结果，得到所述水印模板的缩放系数，包括：

在所述第二中心检测区域中，选择元素值等于所述第二指定区间的第二端点值的元素，作为缩放系数计算元素；

计算所述缩放系数计算元素中的每个元素与所述缩放系数计算元素中的其他元素的距离值；

从计算得到的距离值中获取出现次数最多的距离值，将所述出现次数最多的距离值与基础噪声模板的边长的比值，作为所述水印模板的缩放系数。

可选的，还包括：如果所述待检测图像含有水印模板，则根据所述第二自相关结果，得到所述水印模板的旋转角度。

可选的，所述根据所述第二自相关结果，得到所述水印模板的旋转角度，包括：

在所述第二中心检测区域中，选择元素值等于所述第二指定区间的第二端点值的元素，作为旋转角度计算元素；

计算所述旋转角度计算元素中的相邻元素的连线的角度值；

将出现次数最多的角度值，作为所述水印模板的旋转角度。

本申请还提供一种水印检测方法，包括：

获得含有噪声模板水印的待检测图像；

获得所述噪声模板水印的缩放系数和旋转角度；

获得需要检验的伪随机序列种子标识；

根据所述缩放系数以及所述旋转角度，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配。

可选的，所述根据所述缩放系数以及所述旋转角度，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配，包括：

使用所述伪随机序列种子标识生成基础噪声模板；

根据所述缩放系数以及所述旋转角度，分别对所述基础噪声模板进行缩放处理和旋转处理，得到噪声模板中间值；

对所述待检测图像进行高通滤波，得到所述待检测图像的高频分量；

针对所述高频分量和所述噪声模板中间值，进行互相关处理，得到互相关处理结果；

根据所述互相关处理结果，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配。

可选的，所述针对所述高频分量和所述噪声模板中间值，进行互相关处理，包括：

针对所述高频分量和所述噪声模板中间值，进行互相关操作，得到互相关图像；

对所述互相关图像的元素的元素值，进行归一化操作；

将归一化操作后的元素的元素值，映射到指定区间；

将映射到指定区间后得到的处理结果，作为所述互相关处理结果。

可选的，所述根据所述互相关处理结果，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配，包括：如果所述互相关处理结果包含规则点阵，则判断所述噪声模板水印与所述伪随机序列种子标识匹配；否则，判断所述噪声模板水印与所述伪随机序列种子标识不匹配。

可选的，还包括：使用卷积神经网络对所述互相关处理结果进行分类，判断所述互相关处理结果是否包含规则点阵。

本申请还提供一种数据处理方法，包括：

获得需要嵌入到载体对象中的第一模板，其中，所述第一模板为噪声信息；

获得第一值掩模；所述第一值掩模用于表示将满足预设特征条件的区域的嵌入强度设置为第一值；

获得所述载体对象的特征值；

根据所述第一值掩模以及所述载体对象的特征值，确定第二模板；所述第二模板用于表示所述第一模板在所述载体对象中的嵌入强度；

按照所述第二模板表示的嵌入强度，使用所述第一模板生成嵌入信息；

将所述嵌入信息嵌入到所述载体对象中。

本申请还提供一种水印嵌入装置，包括：

获得噪声模板单元，用于获得需要嵌入到待嵌入图像中的噪声模板；

获得置零掩模单元，用于获得所述待嵌入图像的像素的梯度特征值，根据所述梯度特征值生成置零掩模；所述置零掩模用于表示将梯度特征值满足预设阈值条件的像素的嵌入强度设置为零；

获得权重模板单元，用于根据所述置零掩模确定权重模板；所述权重模板用于表示所述噪声模板在所述待嵌入图像中的嵌入强度；

获得水印信息单元，用于根据所述权重模板和所述噪声模板，获得水印信息；

嵌入单元，用于将所述水印信息嵌入到所述待嵌入图像中。

本申请还提供一种水印检测装置，包括：

获得高频分量单元，用于获得待检测图像的高频分量；

第一次自相关处理单元，用于对所述高频分量进行第一自相关处理，得到第一自相关结果；所述第一自相关结果为与所述高频分量具有相同尺寸的二维矩阵；

第二次自相关处理单元，用于对所述第一自相关结果进行第二自相关处理，得到第二自相关结果；所述第二自相关结果为与所述第一自相关结果具有相同尺寸的二维矩阵；

检测单元，用于根据所述第二自相关结果，判断所述待检测图像是否含有水印模板。

本申请还提供一种水印检测装置，包括：

获得待检测图像单元，用于获得含有噪声模板水印的待检测图像；

获得系数单元，用于获得所述噪声模板水印的缩放系数和旋转角度；

获得种子标识单元，用于获得需要检验的伪随机序列种子标识；

检测单元，用于根据所述缩放系数以及所述旋转角度，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配。

本申请还提供一种电子设备，包括：

存储器，以及处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：

获得需要嵌入到待嵌入图像中的噪声模板；

获得所述待嵌入图像的像素的梯度特征值，根据所述梯度特征值生成置零掩模；所述置零掩模用于表示将梯度特征值满足预设阈值条件的像素的嵌入强度设置为零；

根据所述置零掩模确定权重模板；所述权重模板用于表示所述噪声模板在所述待嵌入图像中的嵌入强度；

根据所述权重模板和所述噪声模板，获得水印信息；

将所述水印信息嵌入到所述待嵌入图像中。

本申请还提供一种电子设备，包括：

存储器，以及处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：

获得待检测图像的高频分量；

对所述高频分量进行第一自相关处理，得到第一自相关结果；所述第一自相关结果为与所述高频分量具有相同尺寸的二维矩阵；

对所述第一自相关结果进行第二自相关处理，得到第二自相关结果；所述第二自相关结果为与所述第一自相关结果具有相同尺寸的二维矩阵；

根据所述第二自相关结果，判断所述待检测图像是否含有水印模板。

本申请还提供一种电子设备，包括：

存储器，以及处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：

获得含有噪声模板水印的待检测图像；

获得所述噪声模板水印的缩放系数和旋转角度；

获得需要检验的伪随机序列种子标识；

根据所述缩放系数以及所述旋转角度，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配。

与现有技术相比，本申请具有以下优点：

本申请提供的一种水印嵌入方法、装置及电子设备，通过获得需要嵌入到待嵌入图像中的噪声模板，根据置零掩模确定权重模板，根据噪声模板和权重模板获得水印信息，将所述水印信息嵌入到所述待嵌入图像中，引入置零掩模提升水印的不可感知性，从而提供能够抵抗拼图，抠图，换底等攻击的图像水印。

本申请提供的一种水印检测方法、装置及电子设备，通过获得待检测图像的高频分量；对所述高频分量进行第一自相关处理，得到第一自相关结果；对所述第一自相关结果进行第二自相关处理，得到第二自相关结果；根据所述第二自相关结果，判断所述待检测图像是否含有水印模板，进行两次自相关处理，能够更准确的提取图像特征，提升水印检测的正确率。

本申请提供的一种水印检测方法、装置及电子设备，通过对已知含有噪声模板水印的待检测图像，按照所述噪声模板水印的缩放系数和旋转角度，判断所述噪声模板是否与待检验的伪随机序列种子标识匹配，从而能够更准确的确定用于生成所述噪声模板水印的伪随机序列种子标识，为确定所述待检测图像的数字版权提供支持。

本申请提供的一种数据处理方法，通过获得需要嵌入到载体对象中的第一模板，根据第一值掩模以及载体对象的特征值生成用于表示所述第一模板在所述载体对象中的嵌入强度的第二模板，按照所述第二模板表示的嵌入强度，使用所述第一模板生成嵌入信息，将所述嵌入信息嵌入到所述载体对象中，引入第一值掩模控制嵌入信息的嵌入强度，从而提供能够抵抗拼图，抠图，换底等攻击的水印。

附图说明

图1A是本申请提供的方法的一种实际应用环境示意图；

图1是本申请第一实施例提供的一种水印嵌入方法的处理流程图；

图2是本申请第一实施例提供的一种噪声模板的构造示意图；

图3是本申请第一实施例提供的一种水印嵌入流程图；

图3A本申请提供的一种水印嵌入流程图；

图4是本申请第二实施例提供的一种水印检测方法的处理流程图；

图5是本申请第二实施例提供的一种水印存在性检测流程图；

图6是本申请第三实施例提供的一种水印检测方法的处理流程图；

图7是本申请第三实施例提供的一种水印模板检测流程图；

图8是本申请第四实施例提供的一种数据处理方法的处理流程图；

图9是本申请第五实施例提供的一种水印嵌入装置示意图；

图10是本申请第六实施例提供的一种水印检测装置示意图；

图11是本申请第七实施例提供的一种水印模板检测装置示意图；

图12是本申请提供的一种电子设备示意图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。

本申请提供一种水印嵌入方法、装置及电子设备。本申请还提供一种水印检测方法、装置及设备。本申请还提供另一种水印检测方法、装置及电子设备。本申请还提供一种数据处理方法。在下面的实施例中逐一进行详细说明。

为便于理解，首先给出涉及的相关概念以及一种实际应用环境。

本申请中，在图像中添加特定信息生成图像水印，在需要的时候检测图像中是否存在水印，检测结果可以用于所有权证明、盗版追踪和内容认证。其中，所谓图像，既可以为静态图像，也可以为包含多个视频帧的视频数据或者动态图像。常用图像水印从视觉上分有两种方式：一种是可见数字水印，另一种是不可见数字水印。可见数字水印最为直观也最容易操作，但是水印内容肉眼可以识别，影响数字图像本身的美观程度，也容易被恶意攻击篡改，例如通过图像剪切、涂抹等攻击方式进行攻击。不可见数字水印是通过相应算法将水印隐藏在肉眼不易察觉的数据中。针对不可见数字水印，水印的提取方法有盲提取和非盲提取之分，所谓盲提取是指在提取水印的时候不需要原始图像的辅助，而非盲提取则需要原始图像或原始图像相关信息(如原始图像尺寸，像素均值等信息)的辅助。相比于可见数字水印，不可见数字水印安全性更好，鲁棒性更强，在视觉上也不影响原有的数字图像内容。如果将噪声模板作为水印模板嵌入到图像中，则形成噪声模板水印，例如，形成肉眼可见噪声水印，或者形成肉眼不可见噪声水印，肉眼不可见噪声水印抗攻击性比较好。所谓噪声模板，为用于添加到图像中的特定噪声信息。所谓噪声是指图像噪声，即图像数据中不必要的或多余的干扰信息。

本申请中，所谓待嵌入图像为没有嵌入过水印模板的图像。待检测图像是指需要检测是否含有水印模板的图像。待嵌入图像和待检测图像可以是彩色图像，也可以是灰度图像。针对彩色图像的水印嵌入、水印检测以及水印模板检测，是指对彩色图像中的至少一个二维分量进行的嵌入或检测，例如RGB通道中的至少一个颜色通道，或是YCbCr分解中的至少一个二维分量(Y通道或Cb通道或Cr通道)，或是YUV分解中的至少一个二维分量(Y通道或U通道或V通道)。针对灰度图像的水印嵌入以及水印检测方法，与针对彩色图像的一个二维分量的水印嵌入方法、水印检测方法。

请参考图1A，终端101A用于上传所述待嵌入图像；水印嵌入服务器102A在所述待嵌入图像中嵌入噪声模板。在嵌入噪声模板前，也可以将所述待嵌入图像提供给水印检测服务器103A进行水印检测，水印检测服务器103A将获得的所述图像作为待检测图像进行水印检测，检测所述待检测图像中是否存在水印模板。如果检测结果为不存在水印模板，则由水印嵌入服务器102A在不包含水印的待嵌入图像中嵌入噪声模板；如果检测结果为存在水印模板，则进一步检测所述水印模板是否与特定的伪随机序列种子标识相匹配，如果检测结果为匹配，则确定所述水印模板由所述特定的伪随机序列种子标识产生。当然，水印嵌入和水印检测也可以部署在同一台服务器上。

本申请第一实施例提供一种水印嵌入方法，用于根据噪声模板和权重模板生成水印信息，并嵌入到待嵌入图像中。

以下结合图1至3对本申请第一实施例提供的所述水印嵌入方法进行说明。

图1所示的水印嵌入方法，包括：步骤S101至步骤S105。

步骤S101，获得需要嵌入到待嵌入图像中的噪声模板。

本实施例中，所谓待嵌入图像为没有嵌入过水印模板，需要嵌入水印的图像。一个实施方式中，可以对所述待嵌入图像进行预处理，例如进行去噪处理。具体包括：获得需要嵌入所述噪声模板的第一图像；对所述第一图像进行去噪处理，得到第二图像；将所述第二图像作为所述待嵌入图像。通过去噪处理，能够平滑待嵌入图像，加强水印模板的嵌入效果。其中，对于待嵌入图像是否要进行去噪，可以通过对去噪前后待嵌入图像的变化程度数据来判断，若变化程度数据表示去噪前后区别较大，则说明待嵌入图像含有噪声较多，可以进行去噪处理。

本实施例的一个实施方式中，包括下述处理：获得所述第二图像相对于所述第一图像的变化程度数据；如果所述变化程度数据满足去噪阈值条件，则将所述第二图像作为所述待嵌入图像。优选的，采用峰值信噪比表示变化程度。具体的，获得所述第一图像与所述第二图像的峰值信噪比；如果所述峰值信噪比低于预设信噪比阈值，则将所述第二图像作为所述待嵌入图像。

例如，去噪前图像I1与去噪后图像I2的峰值信噪比(Peak Signal toNoiseRatio，或PSNR)采用如下公式计算：

其中，X和Y为图像的高和宽尺寸，bd为像素位深度，一般为8；

设定一个阈值PSNR_THRESH，若计算去噪前后图像的PSNR<PSNR_THRESH，则进行滤波操作，反之不需要进行滤波操作。

本实施例中，所述噪声模板可以采用不同方法生成。一个实施方式中，指定伪随机序列种子标识(伪随机序列种子id)生成所述噪声模板。所述伪随机序列种子标识是用于产生伪随机数序列的基础数。具体包括下述处理得到需要嵌入到待嵌入图像中的噪声模板：

获得用于生成所述噪声模板的伪随机序列种子标识；

根据所述伪随机序列种子标识生成基础噪声模板；

将所述基础噪声模板进行不重叠拼接，生成所述需要嵌入到待嵌入图像中的噪声模板。

其中，所述基础噪声模板为边长满足预设边长条件的正方形模板。例如，基础噪声模板为边长为指定数值的正方形模板。在指定伪随机序列种子id后，相同的伪随机序列种子id一定会生成相同的小尺寸噪声模板，即所述基础噪声模板，例如边长为8的正方形模板。

请参考图2，图中示出了一种噪声模板的构造示意图，小尺寸噪声模板201为基础噪声模板，噪声模板202为由小尺寸噪声模板201不重叠拼接成的噪声模板图像。

步骤S102，获得所述待嵌入图像的像素的梯度特征值，根据所述梯度特征值生成置零掩模；所述置零掩模用于表示将梯度特征值满足预设阈值条件的像素的嵌入强度设置为零。

本实施例中，为了优化调整所述噪声模板在所述待嵌入图像中不同区域的嵌入强度，使用权重模板根据所述待嵌入图像中的区域的特征设置所述噪声模板的嵌入强度。为了降低所述噪声模板嵌入到所述待嵌入图像后的视觉效果的明显程度，引入置零掩模，后续步骤根据置零掩模生成所述权重模板。所述置零掩模为根据所述待嵌入图像的区域的特征生成的掩模。具体的，根据所述待嵌入图像的像素的梯度特征值生成置零掩模。

所述获得所述待嵌入图像的像素的梯度特征值，根据所述梯度特征值生成置零掩模，包括：

针对所述待嵌入图像的第一像素，使用所述第一像素邻域中的第二像素的信息，计算所述第一像素的梯度特征值；其中，所述第二像素为所述待嵌入图像中按照坐标位置与所述第一像素相邻的像素；

将所述第一像素的梯度特征值作为所述待嵌入图像的像素的梯度特征值，如果所述梯度特征值满足预设阈值条件，则将所述待嵌入图像的像素对应的置零掩模中的掩码位设置为0；否则，将所述掩码位设置为1。

其中，通过下述处理计算所述第一像素的梯度特征值：

如果所述第一像素为边界像素，则所述第一像素的梯度特征值为0；

如果所述第一像素为非边界像素，则获得所述第一像素的八邻域的第二像素的信息，使用所述第二像素的信息，计算所述第一像素的梯度特征值。

例如，采用下述公式计算待嵌入图像A的局部梯度特征：

其中，p(x,y)表示图像中位于x行y列的像素，p(r)代表p(x,y)周围的一个像素，针对一个p(x,y)的p(r)一共有8个(不包含边界像素点)，边界上的p(x,y)对应的G(x,y)＝0；

采用下述公式计算置零掩模：

其中，MaskThresh是预设的数值，例如10。

当然，实际实施中，步骤S101与步骤S102的先后顺序可以进行调换，即生成噪声模板和生成置零模板的先后顺序不进行限定，均在本申请保护范围内。

步骤S103，根据所述置零掩模，确定权重模板；所述权重模板用于表示所述噪声模板在所述待嵌入图像中的嵌入强度。

本实施例中，根据所述待嵌入图像的区域的特征，生成权重模板。具体为根据所述置零掩模，确定权重模板。其中，所述置零掩模为根据所述待嵌入图像的区域的特征生成，优选为根据所述待嵌入图像的像素的梯度特征值生成。使用权重模板的目的在于待嵌入图像中的不同区域有不同的特征，有的区域比较平滑，一旦嵌入噪声会有比较明显的视觉效果，降低噪声模板水印的安全性；有的区域比较明亮，嵌入噪声也会造成视觉影响，影响待嵌入图像的内容。因此，需要根据待嵌入图像不同区域的特征，在适合嵌入噪声模板的区域提升嵌入强度，在不适合嵌入噪声的区域降低嵌入强度，甚至不嵌入。从而，提升噪声模板水印的不可感知性，例如提升水印不可见性，不可见的数字水印有更好的安全性，鲁棒性更强，并且在视觉上也不影响原有的数字图像内容。

本实施例中，权重模板的计算方法不唯一，一个实施方式中，通过下述处理生成所述权重模板：获得待嵌入图像的像素的亮度特征值；根据所述亮度特征值、所述梯度特征值以及所述置零掩模，确定权重模板。优选的，按照所述亮度特征值及预设亮度特征比例数值，所述梯度特征值及预设梯度特征比例数值，以及所述置零掩模，计算所述权重模板，也就是，针对所述亮度特征值和所述梯度特征值分别设置不同的计算权值，在加权和的基础上得到权重模板。

实际应用中，还可以按照下述原则生成权重模板：在平滑的区域使用较小的权重，在纹理复杂的区域使用较大的权重。例如，设定滤波核k如式(1)所示：

使用滤波核k对图像进行滤波，得到滤波后的结果，将滤波后的结果作为权重模板。

沿用计算待嵌入图像A的局部梯度特征的例子。采用下述公式计算待嵌入图像的亮度特征：

B(x,y)＝abs(p(x,y)-2^bd/2)，

其中，bd代表像素的位深度，一般为8；

采用下述公式计算权重模板：

Weight(x,y)＝[w₁G(x,y)+w₂B(x,y)]Mask(x,y)，

其中，w1和w2分别为预设的比例数值，例如0.5和0.3。

本实施例的一个实施方式中，可以接收控制噪声模板的嵌入强度的参数信息的输入，通过所述参数信息控制权重模板的生成。例如，接收上述w1和w2的设置信息。

步骤S104，根据所述权重模板和所述噪声模板，获得水印信息。

本实施例中，根据所述权重模板和所述噪声模板，计算嵌入到所述待嵌入图像的嵌入内容，所述嵌入内容为所述水印信息。一个实施方式中，所述噪声模板以及所述权重模板具有与所述待嵌入图像相同的尺寸。具体的，将所述权重模板与所述噪声模板对应的元素相乘，得到所述水印信息。

步骤S105，将所述水印信息嵌入到所述待嵌入图像中。

本实施例中，将步骤S104中得到的嵌入内容嵌入到所述待嵌入图像中。一个实施方式中，包括：将所述水印信息与所述待嵌入图像的对应元素相加，得到包含所述水印信息的图像，从而得到含水印模板的图像，完成了噪声模板的嵌入过程。本实施例所得到的水印为抗拼贴水印，同时也是抗抠图水印。

本实施例中，根据嵌入的权重模板，实际嵌入水印的效果可以是肉眼不可见的水印，不影响图片原有的显示效果，又实际嵌入了水印以抵抗攻击。当然，根据实际需要的水印效果，也可以生成权重模板，得到肉眼可见的水印。例如，通过权重模板提升噪声模板的嵌入强度，使得噪声模板显现出来，呈现为可见水印。

实际应用中，所述待嵌入图像可以为需要嵌入水印的图像中的特定区域。在特定区域中使用所述方法嵌入水印，在特定区域之外的其他图像区域不嵌入水印。或者，使用所述方法中的步骤生成特定区域对应的权重模板，将特定区域之外的其他图像区域对应的权重模板设为0值权重，进一步按照步骤S104根据特定区域对应的权重模板以及特定区域之外的其他图像区域对应的权重模板，获得水印信息。

进一步，所述待嵌入图像可以为静态图像，也可以为包含多个视频帧的视频图像，还可以是动态图像。另外，所述方法也可以应用于针对多媒体格式的音频数据嵌入噪声模板水印。此应用场景中，将作为噪声模板水印的载体的待嵌入图像扩展为需要嵌入噪声模板水印的音频数据，具体包括：获得需要嵌入音频数据中的噪声模板；

获得所述音频数据中音频元素的梯度特征值，根据所述梯度特征值生成置零掩模；所述置零掩模用于表示将梯度特征值满足预设阈值条件的音频元素的嵌入强度设置为零；

根据所述置零掩模确定权重模板；所述权重模板用于表示所述噪声模板在所述音频数据中的嵌入强度；

根据所述权重模板和所述噪声模板，获得水印信息；

将所述水印信息嵌入到所述音频数据中。

所述方法可以用于对正规版权图像加入水印模板，例如，当正规商家上传展示图像到部署所述方法的平台后，平台对所述展示图像进行水印嵌入，这样后续如果嵌入水印的图像被抠图或拼贴或换底后，使用含有水印的图像上传到所述平台时，所述平台在进行水印检测过程中能检测出图像中已经含有水印模板，判断所述图像可能存在盗图内容，以便采取进一步措施进行所有权证明、盗版追踪和内容认证。

请参考图3，图中示出了一种水印嵌入流程，包括：

S301，获得待嵌入图像；所述待嵌入图像为未嵌入过水印，需要嵌入噪声模板水印的图像，进一步，可以是对原始图像进行过去噪预处理的图像。

S302，生成权重模板；根据所述待嵌入图像的不同区域的特征生成所述权重模板；具体还包括获得所述待嵌入图像的像素的亮度特征值，进一步根据所述待嵌入图像的像素的梯度特征值生成置零掩模，使用所述置零掩模、所述梯度特征值以及所述亮度特征值生成所述权重模板。

S303，生成噪声模板；具体为：指定伪随机序列种子id，根据所述伪随机序列种子id生成基础噪声模板，使用所述基础噪声模板不重叠拼接成所述噪声模板，所述噪声模板具有与所述待嵌入图像相同的尺寸。

S304，得到含有噪声模板水印的图像。具体的，使用所述噪声模板与所述权重模板的对应的元素相乘得到嵌入内容；将所述嵌入内容作为所述噪声模板水印，将所述嵌入内容的元素与所述待嵌入图像的元素对应相加得到所述含有噪声模板水印的图像，完成水印嵌入过程。

当然，图3中的步骤S302与步骤S303的先后顺序可以进行调换，即生成噪声模板和生成置零模板的先后顺序不进行限定，均在本申请保护范围内。

至此，对本申请第一实施例提供的水印嵌入方法进行了详细介绍。所述水印嵌入方法，用于根据权重模板和噪声模板得到要嵌入的水印信息，其中，权重模板中引入了置零掩模，置零掩模优选根据所述待嵌入图像的像素的梯度特征值生成，体现了所述待嵌入图像的不同区域的特征。根据所述待嵌入图像的不同区域的特征将所述噪声模板嵌入到所述待嵌入图像中，能够得到鲁棒性强的不可感知水印，并且，能够对抗拼贴及抠图攻击，安全性高，能帮助保护图像版权。

以上述实施例为基础，本申请第二实施例提供了一种水印检测方法。

以下结合图4和图5对本申请第二实施例提供的所述水印检测方法进行说明。

图4所示的水印检测方法，包括：步骤S401至步骤S404。

步骤S401，获得待检测图像的高频分量。

所述方法用于检测待检测图像中是否存在数字水印。例如，当商家上传图像到平台后，部署所述方法的平台对商家上传的图像进行检测，如果发现所述图像中国存在数字水印，则说明所述图像可能含有盗图的内容，则可以根据检测结果采取进一步的处理措施，如确定所述数字水印的具体水印模板的生成源，以进行所有权证明、盗版追踪和内容认证。

本实施例中，基于待检测图像的高频分量进行两次自相关处理。因此，需要先通过对待检测图像进行高通滤波，得到图像的高频分量H0。高通滤波的方法不唯一，包括且不限于高斯高通滤波，预设滤波核的高通滤波，维纳滤波等。具体包括下述处理：获得待检测图像；对所述待检测图像进行高通滤波处理，得到所述待检测图像的高频分量。

S402，对所述高频分量进行第一自相关处理，得到第一自相关结果；所述第一自相关结果为与所述高频分量具有相同尺寸的二维矩阵。

本实施例中，第一次自相关处理包括：对所述高频分量进行第一自相关处理，得到第一自相关结果。具体为：对所述高频分量进行自相关操作，得到高频分量自相关结果；针对所述高频分量自相关结果进行归一化操作、二值化操作以及检测处理，得到所述第一自相关结果。

其中，所述针对所述高频分量自相关结果进行归一化操作、二值化操作以及检测处理，得到所述第一自相关结果，包括：

获得所述高频分量自相关结果中的元素的平均值；

使用所述平均值替换所述高频分量自相关结果的中心元素值，得到第一自相关处理的第一中间值；

针对所述第一自相关处理的第一中间值进行归一化操作，将归一化操作得到的元素映射到第一指定区间内，得到第一自相关处理的第二中间值；

针对所述第一自相关处理的第二中间值进行二值化操作，得到第一自相关处理的第三中间值；

针对所述第一自相关处理的第三中间值进行检测处理，得到所述第一自相关结果。

优选的，通过下述处理得到第一自相关处理的第三中间值：针对小于所述第一二值化阈值的元素，使用所述第一指定区间的第一端点值，设置所述小于所述第一二值化阈值的元素的元素值；针对大于预设的第一二值化阈值的元素，使用所述第一指定区间的第二端点值设置所述大于预设的第一二值化阈值的元素的元素值。

本实施例的一个实施方式中，通过下述方式针对所述第一自相关处理的第三中间值进行检测处理：

将所述第一自相关处理的第三中间值的指定中心区域，作为第一中心检测区域；

获得所述第一中心检测区域的峰值密度；如果所述峰值密度大于第一峰值密度阈值，则将所述第一中心检测区域中对应位置的元素设置为0。其他元素的值保持不变，得到第一自相关处理结果。

以待检测图像Iw为例，对Iw的高频分量H0进行第一自相关处理。

首先，对高频分量H0做自相关操作，得到自相关结果AC1，AC1是一个二维矩阵，与H0有着相同的尺寸。其中，计算自相关的方法为：

其中，X和Y为图像Iw的高和宽的像素个数。

第二，作为高频分量H0的自相关结果，AC1中心元素的值极大，会影响到后续的操作，所以需要将AC1中心处的元素值重设为AC1的元素平均值。然后对处理过的AC1做归一化操作，再将其元素值映射到0-255区间内，得到的结果为AC1_UINT8。

第三，对AC1_UINT8做全局二值化操作，选取一个阈值BIN_THRESH_1，BIN_THRESH_1为第一二值化阈值。将AC1_UINT8中大于等于BIN_THRESH_1的元素设为255，将AC1_UINT8中小于BIN_THRESH_1的元素设为0，得到AC1_UINT8_BIN。BIN_THRESH_1的选取可以是经验值，例如100。

第四，针对AC1_UINT8_BIN，设置一个中心检测区域CENTER_AREA。CENTER_AREA是从AC1_UINT8_BIN中截取的一块中心区域，所述中心检测区域的高和宽的尺寸为H_CA，W_CA。其中，H_CA、W_CA的值可以根据实际情况和经验值指定，例如可以取为64、64。针对CENTER_AREA进行峰值密度检验，即CENTER_AREA中元素值为255的元素个数与CENTER_AREA中所有元素数量的比值，所述比值记为PEAK_DENSE。设定一个阈值PEAK_DENSE_THRESH，该阈值PEAK_DENSE_THRESH为第一峰值密度阈值。若PEAK_DENSE>PEAK_DENSE_THRESH，则将AC1_UINT8_BIN中CENTER_AREA对应位置的元素置为0，反之，不对AC1_UINT8_BIN做任何处理，PEAK_DENSE_THRESH是一个指定值，例如可以为0.8。

S403，对所述第一自相关结果进行第二自相关处理，得到第二自相关结果；所述第二自相关结果为与所述第一自相关结果具有相同尺寸的二维矩阵。

本实施例中，第二次自相关处理包括：对所述第一自相关结果进行第二自相关处理，得到第二自相关结果。具体为：对所述第一自相关结果进行自相关操作，得到第二自相关处理的中间结果；针对所述中间结果进行归一化操作、二值化操作，得到所述第二自相关结果。

优选的，所述针对所述中间结果进行归一化操作、二值化操作，得到所述第二自相关结果，包括：

获得所述中间结果中的元素的平均值；

使用所述平均值替换所述中间结果的中心元素值，得到第二自相关处理的第一中间值；

针对所述第二自相关处理的第一中间值进行归一化操作，将归一化操作得到的元素映射到第二指定区间内，得到第二自相关处理的第二中间值；

针对所述第二自相关处理的第二中间值进行二值化操作，得到所述第二自相关结果。

其中，通过下述处理得到第二自相关处理的第三中间值，包括：针对小于所述第二二值化阈值的元素，使用所述第二指定区间的第一端点值，设置所述小于所述第二二值化阈值的元素的元素值；针对大于预设的第二二值化阈值的元素，使用所述第二指定区间的第二端点值，设置所述大于预设的第二二值化阈值的元素的元素值。

沿用待检测图像Iw的例子继续第二次自相关处理。包括下述处理过程：

第一，对上述得到的AC1_UINT8_BIN做自相关操作，得到自相关结果为AC2。

第二，AC2的中心处的元素值极大，会影响后续操作，因此，将AC2中心处的元素值改为AC2的元素平均值。对处理过的AC2做归一化操作，再将其元素值映射到0-255区间内，得到AC2_UINT8。

第三，对AC2_UINT8做全局二值化操作，选取一个阈值BIN_THRESH_2，所述BIN_THRESH_2为第二二值化阈值。将AC2_UINT8中大于等于BIN_THRESH_2的元素设为255，将AC2_UINT8中小于BIN_THRESH_2的元素设为0，得到AC2_UINT8_BIN。其中，BIN_THRESH_2的选取可以是经验值，例如200。

S404，根据所述第二自相关结果，判断所述待检测图像是否含有水印模板。

本实施例中，根据第二自相关结果，判断水印模板的存在性。具体包括：

将所述第二自相关结果的指定中心区域，作为第二中心检测区域；

将所述第二中心检测区域平均划分为多个子区域；

确定满足条件的子区域的数量，所述满足条件的子区域为含有元素值等于所述第二指定区间的第二端点值的元素的子区域；

如果所述满足条件的子区域的数量小于所述多个子区域中子区域的数量，则确定所述待检验图像未包含噪声模板。

进一步，如果所述满足条件的子区域的数量等于所述多个子区域中子区域的数量，则根据所述第二中心检测区域的峰值密度，判断所述待检验图像是否含有噪声模板。具体的，计算所述第二中心检测区域的峰值密度；如果所述峰值密度位于预设上限阈值和预设下限阈值范围内，则确定所述待检验图像包含有噪声模板。

沿用待检测图像Iw的例子继续进行结果判断，包括下述处理过程：

第一，针对AC2_UINT8_BIN，设定一个中心检测区域JUDGE_AREA。JUDGE_AREA是从AC2_UINT8_BIN中截取的一块中心区域，高和宽的尺寸值为H_JA，W_JA。H_JA、W_JA的值可以根据实际情况和经验值指定，例如可以选取为128、128。

第二，将JUDGE_AREA平均分为N*N个子区域，然后检测每个子区域中是否都含有值为255的元素，对符合要求的子区域数量进行计数，记为CN。N是一个指定的大于1的数值，例如2。若CN小于N*N，则可以判断待检验图像不含有噪声模板；若CN等于N*N，则进入第三步继续进行判断。

第三，针对JUDGE_AREA进行峰值密度检验，即计算JUDGE_AREA中值为255的元素个数与JUDGE_AREA中所有元素数量的比值，所述比值记为JA_PEAK_DENSE。设定预设下限阈值JA_PDT_LOW和预设上限阈值JA_PDT_HIGH，若JA_PDT_LOW<JA_PEAK_DENSE<JA_PDT_HIGH，则可以判断该检验图像含有噪声模板，反之，可以判断待检验图像不含有噪声模板。其中，JA_PDT_LOW和JA_PDT_HIGH为指定值，例如可以为0.1和0.2。

本实施例中，还可以进一步确定是否存在下述针对水印模板的操作：所述待检测图像中含有的水印模板是否进行过缩放以及是否进行过旋转。具体通过下述处理得到待检测图像中水印模板的缩放系数：如果所述待检测图像含有水印模板，则根据所述第二自相关结果，得到所述水印模板的缩放系数。其中，所述根据所述第二自相关结果，得到所述水印模板的缩放系数，包括：

在所述第二中心检测区域中，选择元素值等于所述第二指定区间的第二端点值的元素，作为缩放系数计算元素；

计算所述缩放系数计算元素中的每个元素与所述缩放系数计算元素中的其他元素的距离值；

从计算得到的距离值中获取出现次数最多的距离值，将所述出现次数最多的距离值与基础噪声模板的边长的比值，作为所述水印模板的缩放系数。

具体通过下述处理得到待检测图像中水印模板的旋转角度：如果所述待检测图像含有水印模板，则根据所述第二自相关结果，得到所述水印模板的旋转角度。其中，所述根据所述第二自相关结果，得到所述水印模板的旋转角度，包括：

在所述第二中心检测区域中，选择元素值等于所述第二指定区间的第二端点值的元素，作为旋转角度计算元素；

计算所述旋转角度计算元素中的相邻元素的连线的角度值；

将出现次数最多的角度值，作为所述水印模板的旋转角度。

继续沿用待检测图像Iw的例子。需要统计并记录JUDGE_AREA中每个值为255的元素与其他值为255的元素的最近距离，选取拥有最多出现次数的距离值S_TS，则缩放系数为S_TS/TS，其中，TS为基础噪声模板(一种指定边长正方形)的边长。计算相邻的值为255的元素连起的线的角度，并且进行统计，选取最多出现次数的角度值R，即为模板的旋转角度。

请参考图5，图中示出了一种水印存在性检测流程，包括：

S501，获得待检测图像；例如，当商家将展示图像上传到部署所述方法的平台时，所述平台获取所述展示图像，作为待检测图像，以判断所述待检测图像中是否嵌入过水印。如果发现所述待检测图像中存在数字水印，则说明所述待检测图像中可能含有盗图内容，可以根据检测结果采取下一步处理措施，进行所有权证明、盗版追踪和内容认证。

S502，针对所述待检测图像进行高通滤波，获取高频分量，在高频分量基础上进行两次自相关处理。

S503，针对高频分量进行第一次自相关处理，包括：对高频分量进行自相关操作，针对自相关操作结果进行归一化处理，之后进行二值化处理，再进行检测处理，得到第一自相关结果。

S504，针对第一自相关结果进行第二次自相关处理。包括：针对第一自相关结果进行自相关操作，针对自相关操作结果进行归一化处理，之后进行二值化处理，得到第二自相关结果。

S505，根据第二自相关结果判断所述待检测图像中是否存在水印模板。

S506，如果所述待检测图像中存在水印模板，进一步获取针对水印模板的缩放系数以及旋转角度。

至此，对本申请第二实施例提供的水印检测方法进行了详细介绍。所述水印检测方法，用于根据待检测图像的高频分量进行二次自相关处理，从而判断所述待检测图像中是否存在水印模板。根据所述方法能够判断水印的存在性，从而帮助保护图像版权。

以上述实施例为基础，本申请第三实施例提供另一种水印检测方法，以下结合图6和图7对本申请第三实施例提供的所述水印检测方法进行说明。

图6所示的水印检测方法，包括：步骤S601至步骤S604。

步骤S601，获得含有噪声模板水印的待检测图像。

在对待检测图像进行检测后，如果确认所述待检测图像中含有噪声模板水印，则说明所述待检测图像中可能存在盗图内容。因而，需要进一步确定所述噪声模板水印的生成源，例如，是否由特定的随机种子生成，从而帮助确定所述待检测图像中的盗图内容的版权。所述方法用于针对含有噪声模板水印的待检测图像，进一步确定所述噪声模板水印是否匹配上需要检验的伪随机序列种子标识。

本实施例中，所述获得含有噪声模板水印的待检测图像，为获得进行水印存在性检测后判断含有噪声模板水印的图像。例如，商家上传展示图像后，用于检测图像中是否存在水印模板的设备确定含有噪声模板水印的待检测图像；部署所述方法的平台获取所述含有噪声模板水印的待检测图像，进一步检测所述噪声模板水印是否由需要检验的伪随机序列种子标识生成，以支持进行所有权证明、盗版追踪和内容认证。

步骤S602，获得所述噪声模板水印的缩放系数和旋转角度。

本实施例中，向用于检测图像中是否存在水印模板的设备请求提供所述水印模板的缩放系数和旋转角度。或者，由所述设备提供所述缩放系数和旋转角度。

步骤S603，获得需要检验的伪随机序列种子标识。

本实施例中，所述需要检验的伪随机序列种子标识，为需要检验确定是否为用于生成所述噪声模板水印的随机种子可以由嵌入水印的设备提供需要检验的伪随机序列种子标识，或者，指定需要检验的伪随机序列种子标识。

步骤S604，根据所述缩放系数以及所述旋转角度，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配。

本实施例中，所述根据所述缩放系数以及所述旋转角度，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配，包括：

使用所述伪随机序列种子标识生成基础噪声模板；

根据所述缩放系数以及所述旋转角度，分别对所述基础噪声模板进行缩放处理和旋转处理，得到噪声模板中间值；

对所述待检测图像进行高通滤波，得到所述待检测图像的高频分量；

针对所述高频分量和所述噪声模板中间值，进行互相关处理，得到互相关处理结果；

根据所述互相关处理结果，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配。

其中，一个实施方式中，不限定缩放处理和旋转处理的处理顺序。所述互相关处理，包括下述操作：

针对所述高频分量和所述噪声模板中间值，进行互相关操作，得到互相关图像；

对所述互相关图像的元素的元素值，进行归一化操作；

将归一化操作后的元素的元素值，映射到指定区间；

将映射到指定区间后得到的处理结果，作为所述互相关处理结果。

例如，根据要检验的伪随机序列种子id，生成对应的小尺寸模板，即基础噪声模板；根据缩放比例和旋转角度，对所述小尺寸模板进行相应的缩放和旋转，得到新的小尺寸模板NT。对待检测图像进行高通滤波，得到待检测图像的高频分量H0。计算H0与NT的互相关值，得到互相关图像CC。其中，以图像I1与I2为例说明互相关的计算方法如下：

其中，X和Y表示为图像I1的高和宽的像素个数。

针对互相关图像CC，进行归一化操作后映射到0-255区间内，得到CC_UINT8，为所述互相关处理结果。

本实施例中，进一步根据所述互相关处理结果，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配，具体包括：如果所述互相关处理结果包含规则点阵，则判断所述噪声模板水印与所述伪随机序列种子标识匹配；否则，判断所述噪声模板水印与所述伪随机序列种子标识不匹配。当然，也可以使用卷积神经网络对所述互相关处理结果进行分类，判断所述互相关处理结果是否包含规则点阵。或者，可以通过经验判断是否存在规则的点阵。

沿用上述例子，继续对CC_UINT8进行检验。判断CC_UINT8中是否有规则点阵，若有，则证明所述噪声模板匹配上所述伪随机序列种子id，即嵌入到检测图像中的噪声模板水印是由所述伪随机序列种子id生成的；若无规则点阵，则说明嵌入到待检测图像中的模板不是由所述伪随机序列种子id生成的。进一步的，判断CC_UINT8中是否有规则点阵的方法不唯一，可以通过经验判断，也可以通过卷积神经网络的方法进行判断分类。

请参考图7，图中示出了一种水印模板检测流程，包括：

S701，获得待检测图像，所述待检测图像为含有噪声模板水印的图像。

S702，对待检测图像进行高通滤波，得到所述待检测图像的高频分量。

S703，获得需要检验的伪随机序列种子标识，所述需要检验的伪随机序列种子标识，为需要检验确定是否为用于生成所述噪声模板水印的随机种子。并使用所述需要检验的伪随机序列种子标识生成基础噪声模板，所述基础噪声模板为待检验模板。

S704，按照缩放系数和旋转角度，针对所述待检验模板进行缩放和旋转。缩放操作和旋转操作的先后次序不受限制。所述缩放系数和所述旋转角度，分别为所述噪声模板水印的缩放系数和旋转角度。

S705，针对所述高频分量和所述缩放和旋转后的待检验模板进行互相关处理，得到互相关处理结果。

S706，按照所述互相关处理结果，判断所述噪声模板水印与所述伪随机序列种子标识是否匹配。如果匹配上，则说明所述噪声模板水印是由所述伪随机序列种子标识生成的。

至此，对本申请第三实施例提供的水印检测方法进行了详细介绍。所述水印检测方法，用于使用待检测图像中的噪声模板水印的缩放系数和旋转角度，针对需要检验的伪随机序列种子标识生成的基础噪声模板进行处理；针对处理后的噪声模板与待检测图像的高频分量进行互相关处理，根据互相关处理的结构判断所述噪声模板水印与所述伪随机序列种子标识是否匹配，从而判断所述待检测图像中的噪声模板水印是否由所述伪随机序列种子标识生成，从而帮助保护图像版权。

以上述实施例为基础，本申请第四实施例提供一种数据处理方法，以下结合图8和图3A对本申请第四实施例提供的所述方法进行说明。

图8所示的数据处理方法，包括：步骤S801至步骤S805。

步骤S801，获得需要嵌入到载体对象中的第一模板，其中，所述第一模板为噪声信息。

所述载体对象，可以指需要嵌入特定信息的对象。例如，所述载体对象可以是没有嵌入过水印信息且需要嵌入水印信息的原始图像。其中，原始图像可以是静态图像，也可以是包含多个视频帧的视频，还可以是动态图像。在图像中添加特定信息，在需要的时候通过提取特定的信息用于所有权证明、盗版追踪和内容认证。再如，所述载体对象还可以是需要嵌入水印信息的音频数据。音频数据可以为多媒体格式文件。

所述第一模板，可以指需要嵌入到载体对象中的水印模板，例如，表示噪声信息的噪声模板。

本实施例的一个实施方式中，可以对所述待嵌入图像进行预处理，例如进行去噪处理。具体包括：获得需要嵌入所述第一模板的第一图像；对所述第一图像进行平滑处理，例如去噪处理，得到第二图像；将所述第二图像作为所述载体对象。通过去噪处理，能够平滑第一图像，加强第一模板的嵌入效果。其中，对于第一图像是否要进行去噪，可以通过对去噪前后第一图像的变化程度数据来判断，若变化程度数据表示去噪前后区别较大，则说明第一图像含有噪声较多，可以进行去噪处理。

本实施例的一个实施方式中，包括下述处理：获得所述第二图像相对于所述第一图像的变化程度数据；如果所述变化程度数据满足去噪阈值条件，则将所述第二图像作为所述载体对象。优选的，采用峰值信噪比表示变化程度。具体的，获得所述第一图像与所述第二图像的峰值信噪比；如果所述峰值信噪比低于预设信噪比阈值，则将所述第二图像作为所述载体对象。

本实施例中，所述第一模板为噪声模板，可以采用不同方法生成。一个实施方式中，指定伪随机序列种子标识(伪随机序列种子id)生成所述噪声模板。所述伪随机序列种子标识是用于产生伪随机数序列的基础数。具体包括下述处理得到需要嵌入到待嵌入图像中的噪声模板：

获得用于生成所述噪声模板的伪随机序列种子标识；

根据所述伪随机序列种子标识生成基础噪声模板；

将所述基础噪声模板进行不重叠拼接，生成所述需要嵌入到载体对象中的第一模板。

其中，所述基础噪声模板为边长满足预设边长条件的正方形模板。例如，基础噪声模板为边长为指定数值的正方形模板。在指定伪随机序列种子id后，相同的伪随机序列种子id一定会生成相同的小尺寸噪声模板，即所述基础噪声模板，例如边长为8的正方形模板。

步骤S802，获得第一值掩模；所述第一值掩模用于表示将满足预设特征条件的区域的嵌入强度设置为第一值。

本实施例中，为了优化调整所述第一模板在所述载体对象中不同区域的嵌入强度，使用权重模板根据所述载体对象的不同区域的特征设置所述第一模板的嵌入强度。为了控制所述第一模板嵌入到所述载体对象后的视觉效果的明显程度，引入第一值掩模，后续步骤根据第一值掩模生成所述第二模板。所述第一值掩模为根据所述载体对象的不同区域的特征生成的掩模。其中，所述第一值小于预设值或者由用户输入配置。当第一值为零时，第一值掩模为置零掩模，通过置零掩模可以降低所述第一模板嵌入到所述载体对象后的视觉效果的明显程度。具体的，根据所述载体对象的梯度特征生成第一值掩模。

所述载体对象为图像时，根据所述载体对象的像素的梯度特征值生成第一值掩模，具体包括：

针对所述载体对象的第一像素，使用所述第一像素邻域中的第二像素的信息，计算所述第一像素的梯度特征值；其中，所述第二像素为所述载体对象中按照坐标位置与所述第一像素相邻的像素；

将所述第一像素的梯度特征值作为所述载体对象的像素的梯度特征值，如果所述梯度特征值满足预设阈值条件，则将所述载体对象的像素对应的置零掩模中的掩码位设置为第一值；否则，将所述掩码位设置为1。

其中，通过下述处理计算所述第一像素的梯度特征值：

如果所述第一像素为边界像素，则所述第一像素的梯度特征值为0；

如果所述第一像素为非边界像素，则获得所述第一像素的八邻域的第二像素的信息，使用所述第二像素的信息，计算所述第一像素的梯度特征值。

步骤S803，获得所述载体对象的特征值。

本实施例中，根据所述载体对象的不同区域的特征确定第一模板的嵌入强度。具体的，在适合嵌入第一模板的区域提升嵌入强度，在不适合嵌入噪声的区域降低嵌入强度，甚至不嵌入。从而，提升第一模板水印的不可感知性。例如载体对象为图像时，获得载体对象的像素的亮度特征值；根据所述亮度特征值确定第一模板的嵌入强度。

步骤S804，根据所述第一值掩模以及所述载体对象的特征值，确定第二模板；所述第二模板用于表示所述第一模板在所述载体对象中的嵌入强度。

本实施例中，根据所述载体对象的不同区域的特征，生成权重模板。具体为根据所述第一值掩模以及所述载体对象的特征值，确定权重模板。其中，所述第一值掩模为根据所述载体对象的区域的特征生成，优选为根据所述载体对象的梯度特征生成。使用权重模板的目的在于载体对象中的不同区域有不同的特征，有的区域比较平滑，一旦嵌入噪声会有比较明显的视觉效果，降低噪声模板水印的安全性；有的区域比较明亮，嵌入噪声也会造成视觉影响，影响载体对象的内容。因此，需要根据载体对象不同区域的特征，在适合嵌入第一模板的区域提升嵌入强度，在不适合嵌入噪声的区域降低嵌入强度，甚至不嵌入。从而，提升第一模板水印的不可感知性，例如提升水印不可见性，不可见的数字水印有更好的安全性，鲁棒性更强，并且在视觉上也不影响原有的载体对象内容。

本实施例中，权重模板的计算方法不唯一，一个实施方式中载体对象为图像，通过下述处理生成所述权重模板：获得载体对象的像素的亮度特征值；根据所述亮度特征值、所述载体对象的像素的梯度特征值以及所述第一值掩模，确定权重模板。优选的，按照所述亮度特征值及预设亮度特征比例数值，所述梯度特征值及预设梯度特征比例数值，以及所述第一值掩模，计算所述权重模板，也就是，针对所述亮度特征值和所述梯度特征值分别设置不同的计算权值，在加权和的基础上得到权重模板。其中，所述第一值掩模可以是置零掩模。

步骤S805，在适合嵌入第一模板的区域提升嵌入强度，在不适合嵌入噪声的区域降低嵌入强度，甚至不嵌入。从而，提升第一模板水印的不可感知性，。

本实施例中，根据所述第二模板和所述第一模板，计算嵌入到所述载体对象的嵌入内容，所述嵌入内容为水印信息。一个实施方式中，所述第一模板以及所述第二模板，与所述载体对象表示的图像具有相同的尺寸。具体的，将所述第一模板与所述第二模板对应的元素相乘，得到所述水印信息。

步骤S806，将所述嵌入信息嵌入到所述载体对象中。

本实施例中，将步骤S804中得到的嵌入内容嵌入到所述载体对象中。一个实施方式中，包括：将所述水印信息与所述载体对象的对应元素相加，得到包含所述水印信息的图像，从而得到含水印模板的图像，完成了按照第二模板表示的嵌入强度将第一模板嵌入到载体对象中的嵌入过程。本实施例所得到的水印为抗拼贴水印，同时也是抗抠图水印。

请参考图3A，图中示出了一种水印嵌入流程的示例，包括：

S301A，获得待嵌入图像；所述待嵌入图像为未嵌入过水印，需要嵌入噪声模板水印的图像，进一步，可以是对原始图像进行过去噪预处理的图像。

S302A，根据待嵌入图像的不同区域的特征生成权重模板；具体还包括获得所述待嵌入图像的像素的亮度特征值，进一步根据所述待嵌入图像的像素的梯度特征值生成置零掩模，使用所述置零掩模、所述梯度特征值以及所述亮度特征值生成所述权重模板。

S303A，生成噪声模板；具体为：指定伪随机序列种子id，根据所述伪随机序列种子id生成基础噪声模板，使用所述基础噪声模板不重叠拼接成所述噪声模板，所述噪声模板具有与所述待嵌入图像相同的尺寸。

S304A，得到含有噪声模板水印的图像。具体的，使用所述噪声模板与所述权重模板的对应的元素相乘得到嵌入内容；将所述嵌入内容作为所述噪声模板水印，将所述嵌入内容的元素与所述待嵌入图像的元素对应相加得到所述含有噪声模板水印的图像，完成水印嵌入过程。根据嵌入的权重模板，实际嵌入水印的效果可以是肉眼不可见的水印，不影响图片原有的显示效果，又实际嵌入了水印以抵抗攻击，图中为了示意水印的位置使用了较明显的色差表示图像中嵌入了水印。当然，根据实际需要生成权重模板，也可以得到肉眼可见的水印，如图中S304A展示的嵌入水印后的图像。

当然，图3A中的步骤S302A与步骤S303A的先后顺序可以进行调换，即生成噪声模板和生成置零模板的先后顺序不进行限定，均在本申请保护范围内。

所述方法可以用于对正规版权图像加入水印模板，例如，当正规商家上传展示图像到部署所述方法的平台后，平台对所述展示图像进行水印嵌入，这样后续如果嵌入水印的图像被抠图或拼贴或换底后，使用含有水印的图像上传到所述平台时，所述平台在进行水印检测过程中能检测出图像中已经含有水印模板，判断所述图像可能存在盗图内容，以便采取进一步措施进行所有权证明、盗版追踪和内容认证。

与第一实施例相对应，本申请第五实施例提供一种水印嵌入装置。图9示出了第五实施例提供的装置示意图。以下结合图9对所述装置进行说明。

图9所示的水印嵌入装置，包括：

获得噪声模板单元901，用于获得需要嵌入到待嵌入图像中的噪声模板；

获得置零掩模单元902，用于获得所述待嵌入图像的像素的梯度特征值，根据所述梯度特征值生成置零掩模；所述置零掩模用于表示将梯度特征值满足预设阈值条件的像素的嵌入强度设置为零；

获得权重模板单元903，用于根据所述置零掩模确定权重模板；所述权重模板用于表示所述噪声模板在所述待嵌入图像中的嵌入强度；

获得水印信息单元904，用于根据所述权重模板和所述噪声模板，获得水印信息；

嵌入单元905，用于将所述水印信息嵌入到所述待嵌入图像中。

其中，所述获得置零掩模单元902，具体用于：

针对所述待嵌入图像的第一像素，使用所述第一像素邻域中的第二像素的信息，计算所述第一像素的梯度特征值；其中，所述第二像素为所述待嵌入图像中按照坐标位置与所述第一像素相邻的像素；

将所述第一像素的梯度特征值作为所述待嵌入图像的像素的梯度特征值，如果所述梯度特征值满足预设阈值条件，则将所述待嵌入图像的像素对应的置零掩模中的掩码位设置为0；否则，将所述掩码位设置为1。

其中，所述获得置零掩模单元902，具体用于进行下述处理：

如果所述第一像素为边界像素，则所述第一像素的梯度特征值为0；

如果所述第一像素为非边界像素，则获得所述第一像素的八邻域的第二像素的信息，使用所述第二像素的信息，计算所述第一像素的梯度特征值。

其中，所述获得权重模板单元903，还用于：获得待嵌入图像的像素的亮度特征值；根据所述亮度特征值、所述梯度特征值以及所述置零掩模，确定所述权重模板。

其中，所述获得权重模板单元903，具体用于：按照所述亮度特征值及预设亮度特征比例数值，所述梯度特征值及预设梯度特征比例数值，以及所述置零掩模，计算所述权重模板。

其中，所述获得噪声模板单元901，具体用于：

获得用于生成所述噪声模板的伪随机序列种子标识；

根据所述伪随机序列种子标识生成基础噪声模板；

将所述基础噪声模板进行不重叠拼接，生成所述需要嵌入到待嵌入图像中的噪声模板。

其中，所述基础噪声模板为边长满足预设边长条件的正方形模板。

其中，所述噪声模板以及所述权重模板具有与所述待嵌入图像相同的尺寸；

相应的，所述获得水印信息单元904，具体用于：将所述权重模板与所述噪声模板对应的元素相乘，得到所述水印信息；

相应的，所述嵌入单元905，具体用于：将所述水印信息与所述待嵌入图像的对应元素相加，得到包含所述水印信息的图像。

其中，所述装置还包括预处理单元，所述预处理单元，用于：

获得需要嵌入所述噪声模板的第一图像；

对所述第一图像进行去噪处理，得到第二图像；

将所述第二图像作为所述待嵌入图像。

其中，所述预处理单元，具体用于：获得所述第二图像相对于所述第一图像的变化程度数据；如果所述变化程度数据满足去噪阈值条件，则将所述第二图像作为所述待嵌入图像。

其中，所述预处理单元，具体用于：获得所述第一图像与所述第二图像的峰值信噪比；如果所述峰值信噪比低于预设信噪比阈值，则将所述第二图像作为所述待嵌入图像。

与第二实施例相对应，本申请第六实施例提供一种水印检测装置。图10示出了第六实施例提供的装置示意图。以下结合图10对所述装置进行说明。

图10所示的水印检测装置，包括：

获得高频分量单元1001，用于获得待检测图像的高频分量；

第一次自相关处理单元1002，用于对所述高频分量进行第一自相关处理，得到第一自相关结果；所述第一自相关结果为与所述高频分量具有相同尺寸的二维矩阵；

第二次自相关处理单元1003，用于对所述第一自相关结果进行第二自相关处理，得到第二自相关结果；所述第二自相关结果为与所述第一自相关结果具有相同尺寸的二维矩阵；

检测单元1004，用于根据所述第二自相关结果，判断所述待检测图像是否含有水印模板。

其中，所述获得高频分量单元1001，具体用于：获得待检测图像；

对所述待检测图像进行高通滤波处理，得到所述待检测图像的高频分量。

其中，所述第一次自相关处理单元1002，具体用于：

对所述高频分量进行自相关操作，得到高频分量自相关结果；

针对所述高频分量自相关结果进行归一化操作、二值化操作以及检测处理，得到所述第一自相关结果。

其中，所述第一次自相关处理单元1002，具体用于：

获得所述高频分量自相关结果中的元素的平均值；

使用所述平均值替换所述高频分量自相关结果的中心元素值，得到第一自相关处理的第一中间值；

针对所述第一自相关处理的第一中间值进行归一化操作，将归一化操作得到的元素映射到第一指定区间内，得到第一自相关处理的第二中间值；

针对所述第一自相关处理的第二中间值进行二值化操作，得到第一自相关处理的第三中间值；

针对所述第一自相关处理的第三中间值进行检测处理，得到所述第一自相关结果。

其中，所述第一次自相关处理单元1002，具体用于：针对小于所述第一二值化阈值的元素，使用所述第一指定区间的第一端点值，设置所述小于所述第一二值化阈值的元素的元素值；针对大于预设的第一二值化阈值的元素，使用所述第一指定区间的第二端点值设置所述大于预设的第一二值化阈值的元素的元素值。

其中，所述第一次自相关处理单元1002，具体用于：将所述第一自相关处理的第三中间值的指定中心区域，作为第一中心检测区域；

获得所述第一中心检测区域的峰值密度；如果所述峰值密度大于第一峰值密度阈值，则将所述第一中心检测区域中对应位置的元素设置为0。

其中，所述第二次自相关处理单元1003，具体用于：

对所述第一自相关结果进行自相关操作，得到第二自相关处理的中间结果；

针对所述中间结果进行归一化操作、二值化操作，得到所述第二自相关结果。

其中，所述第二次自相关处理单元1003，具体用于：

获得所述中间结果中的元素的平均值；

使用所述平均值替换所述中间结果的中心元素值，得到第二自相关处理的第一中间值；

针对所述第二自相关处理的第一中间值进行归一化操作，将归一化操作得到的元素映射到第二指定区间内，得到第二自相关处理的第二中间值；

针对所述第二自相关处理的第二中间值进行二值化操作，得到所述第二自相关结果。

其中，所述第二次自相关处理单元1003，具体用于：针对小于所述第二二值化阈值的元素，使用所述第二指定区间的第一端点值，设置所述小于所述第二二值化阈值的元素的元素值；针对大于预设的第二二值化阈值的元素，使用所述第二指定区间的第二端点值，设置所述大于预设的第二二值化阈值的元素的元素值。

其中，所述检测单元1004，具体用于：

将所述第二自相关结果的指定中心区域，作为第二中心检测区域；

将所述第二中心检测区域平均划分为多个子区域；

确定满足条件的子区域的数量，所述满足条件的子区域为含有元素值等于所述第二指定区间的第二端点值的元素的子区域；

如果所述满足条件的子区域的数量小于所述多个子区域中子区域的数量，则确定所述待检验图像未包含噪声模板。

其中，所述检测单元1004，还用于：如果所述满足条件的子区域的数量等于所述多个子区域中子区域的数量，则根据所述第二中心检测区域的峰值密度，判断所述待检验图像是否含有噪声模板。

其中，所述检测单元1004，还用于：

计算所述第二中心检测区域的峰值密度；

如果所述峰值密度位于预设上限阈值和预设下限阈值范围内，则确定所述待检验图像包含有噪声模板。

其中，所述检测单元1004，还用于：如果所述待检测图像含有水印模板，则根据所述第二自相关结果，得到所述水印模板的缩放系数。

其中，所述检测单元1004，还具体用于：

在所述第二中心检测区域中，选择元素值等于所述第二指定区间的第二端点值的元素，作为缩放系数计算元素；

计算所述缩放系数计算元素中的每个元素与所述缩放系数计算元素中的其他元素的距离值；

从计算得到的距离值中获取出现次数最多的距离值，将所述出现次数最多的距离值与基础噪声模板的边长的比值，作为所述水印模板的缩放系数。

其中，所述检测单元1004，还用于：如果所述待检测图像含有水印模板，则根据所述第二自相关结果，得到所述水印模板的旋转角度。

其中，所述检测单元1004，还具体用于：

在所述第二中心检测区域中，选择元素值等于所述第二指定区间的第二端点值的元素，作为旋转角度计算元素；

计算所述旋转角度计算元素中的相邻元素的连线的角度值；

将出现次数最多的角度值，作为所述水印模板的旋转角度。

与第三实施例相对应，本申请第七实施例提供另一种水印检测装置。图11示出了第七实施例提供的装置示意图。以下结合图11对所述装置进行说明。

图11所示的水印检测装置，包括：

获得待检测图像单元1101，用于获得含有噪声模板水印的待检测图像；

获得系数单元1102，用于获得所述噪声模板水印的缩放系数和旋转角度；

获得种子标识单元1103，用于获得需要检验的伪随机序列种子标识；

检测单元1104，用于根据所述缩放系数以及所述旋转角度，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配。

其中，所述检测单元1104，具体用于：

使用所述伪随机序列种子标识生成基础噪声模板；

根据所述缩放系数以及所述旋转角度，分别对所述基础噪声模板进行缩放处理和旋转处理，得到噪声模板中间值；

对所述待检测图像进行高通滤波，得到所述待检测图像的高频分量；

针对所述高频分量和所述噪声模板中间值，进行互相关处理，得到互相关处理结果；

根据所述互相关处理结果，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配。

其中，所述检测单元1104，具体用于：

针对所述高频分量和所述噪声模板中间值，进行互相关操作，得到互相关图像；

对所述互相关图像的元素的元素值，进行归一化操作；

将归一化操作后的元素的元素值，映射到指定区间；

将映射到指定区间后得到的处理结果，作为所述互相关处理结果。

其中，所述检测单元1104，具体用于：如果所述互相关处理结果包含规则点阵，则判断所述噪声模板水印与所述伪随机序列种子标识匹配；否则，判断所述噪声模板水印与所述伪随机序列种子标识不匹配。

其中，所述检测单元1104，还用于：使用卷积神经网络对所述互相关处理结果进行分类，判断所述互相关处理结果是否包含规则点阵。

与第一实施例相对应，本申请第八实施例提供一种电子设备。图12示出了所述电子设备的示意图。以下结合图12对所述电子设备进行说明。

图12所示的电子设备，包括：

存储器1201，以及处理器1202；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：

获得需要嵌入到待嵌入图像中的噪声模板；

获得所述待嵌入图像的像素的梯度特征值，根据所述梯度特征值生成置零掩模；所述置零掩模用于表示将梯度特征值满足预设阈值条件的像素的嵌入强度设置为零；

根据所述置零掩模确定权重模板；所述权重模板用于表示所述噪声模板在所述待嵌入图像中的嵌入强度；

根据所述权重模板和所述噪声模板，获得水印信息；

将所述水印信息嵌入到所述待嵌入图像中。

可选的，所述处理器还用于执行下述计算机可执行指令：

针对所述待嵌入图像的第一像素，使用所述第一像素邻域中的第二像素的信息，计算所述第一像素的梯度特征值；其中，所述第二像素为所述待嵌入图像中按照坐标位置与所述第一像素相邻的像素；

将所述第一像素的梯度特征值作为所述待嵌入图像的像素的梯度特征值，如果所述梯度特征值满足预设阈值条件，则将所述待嵌入图像的像素对应的置零掩模中的掩码位设置为0；否则，将所述掩码位设置为1。

可选的，所述处理器还用于执行下述计算机可执行指令：

如果所述第一像素为边界像素，则所述第一像素的梯度特征值为0；

如果所述第一像素为非边界像素，则获得所述第一像素的八邻域的第二像素的信息，使用所述第二像素的信息，计算所述第一像素的梯度特征值。

可选的，所述处理器还用于执行下述计算机可执行指令：获得待嵌入图像的像素的亮度特征值；根据所述亮度特征值、所述梯度特征值以及所述置零掩模，确定所述权重模板。

可选的，所述处理器还用于执行下述计算机可执行指令：按照所述亮度特征值及预设亮度特征比例数值，所述梯度特征值及预设梯度特征比例数值，以及所述置零掩模，计算所述权重模板。

可选的，所述处理器还用于执行下述计算机可执行指令：

获得用于生成所述噪声模板的伪随机序列种子标识；

根据所述伪随机序列种子标识生成基础噪声模板；

将所述基础噪声模板进行不重叠拼接，生成所述需要嵌入到待嵌入图像中的噪声模板。

可选的，所述基础噪声模板为边长满足预设边长条件的正方形模板。

可选的，所述噪声模板以及所述权重模板具有与所述待嵌入图像相同的尺寸；所述处理器还用于执行下述计算机可执行指令：将所述权重模板与所述噪声模板对应的元素相乘，得到所述水印信息；将所述水印信息与所述待嵌入图像的对应元素相加，得到包含所述水印信息的图像。

可选的，所述处理器还用于执行下述计算机可执行指令：

获得需要嵌入所述噪声模板的第一图像；

对所述第一图像进行去噪处理，得到第二图像；

将所述第二图像作为所述待嵌入图像。

可选的，所述处理器还用于执行下述计算机可执行指令：

获得所述第二图像相对于所述第一图像的变化程度数据；

如果所述变化程度数据满足去噪阈值条件，则将所述第二图像作为所述待嵌入图像。

可选的，所述处理器还用于执行下述计算机可执行指令：获得所述第一图像与所述第二图像的峰值信噪比；

如果所述峰值信噪比低于预设信噪比阈值，则将所述第二图像作为所述待嵌入图像。

与第二实施例相对应，本申请第九实施例提供一种电子设备。所述电子设备的示意图类似图12。

第九实施例提供的电子设备，包括：

存储器，以及处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：

获得待检测图像的高频分量；

对所述高频分量进行第一自相关处理，得到第一自相关结果；所述第一自相关结果为与所述高频分量具有相同尺寸的二维矩阵；

对所述第一自相关结果进行第二自相关处理，得到第二自相关结果；所述第二自相关结果为与所述第一自相关结果具有相同尺寸的二维矩阵；

根据所述第二自相关结果，判断所述待检测图像是否含有水印模板。

可选的，所述处理器还用于执行下述计算机可执行指令：

获得待检测图像；

对所述待检测图像进行高通滤波处理，得到所述待检测图像的高频分量。

可选的，所述处理器还用于执行下述计算机可执行指令：

对所述高频分量进行自相关操作，得到高频分量自相关结果；

针对所述高频分量自相关结果进行归一化操作、二值化操作以及检测处理，得到所述第一自相关结果。

可选的，所述处理器还用于执行下述计算机可执行指令：

获得所述高频分量自相关结果中的元素的平均值；

使用所述平均值替换所述高频分量自相关结果的中心元素值，得到第一自相关处理的第一中间值；

针对所述第一自相关处理的第一中间值进行归一化操作，将归一化操作得到的元素映射到第一指定区间内，得到第一自相关处理的第二中间值；

针对所述第一自相关处理的第二中间值进行二值化操作，得到第一自相关处理的第三中间值；

针对所述第一自相关处理的第三中间值进行检测处理，得到所述第一自相关结果。

可选的，所述处理器还用于执行下述计算机可执行指令：针对小于所述第一二值化阈值的元素，使用所述第一指定区间的第一端点值，设置所述小于所述第一二值化阈值的元素的元素值；针对大于预设的第一二值化阈值的元素，使用所述第一指定区间的第二端点值设置所述大于预设的第一二值化阈值的元素的元素值。

可选的，所述处理器还用于执行下述计算机可执行指令：

将所述第一自相关处理的第三中间值的指定中心区域，作为第一中心检测区域；

获得所述第一中心检测区域的峰值密度；如果所述峰值密度大于第一峰值密度阈值，则将所述第一中心检测区域中对应位置的元素设置为0。

可选的，所述处理器还用于执行下述计算机可执行指令：

对所述第一自相关结果进行自相关操作，得到第二自相关处理的中间结果；

针对所述中间结果进行归一化操作、二值化操作，得到所述第二自相关结果。

可选的，所述处理器还用于执行下述计算机可执行指令：

获得所述中间结果中的元素的平均值；

使用所述平均值替换所述中间结果的中心元素值，得到第二自相关处理的第一中间值；

针对所述第二自相关处理的第一中间值进行归一化操作，将归一化操作得到的元素映射到第二指定区间内，得到第二自相关处理的第二中间值；

针对所述第二自相关处理的第二中间值进行二值化操作，得到所述第二自相关结果。

可选的，所述处理器还用于执行下述计算机可执行指令：针对小于所述第二二值化阈值的元素，使用所述第二指定区间的第一端点值，设置所述小于所述第二二值化阈值的元素的元素值；针对大于预设的第二二值化阈值的元素，使用所述第二指定区间的第二端点值，设置所述大于预设的第二二值化阈值的元素的元素值。

可选的，所述处理器还用于执行下述计算机可执行指令：

将所述第二自相关结果的指定中心区域，作为第二中心检测区域；

将所述第二中心检测区域平均划分为多个子区域；

确定满足条件的子区域的数量，所述满足条件的子区域为含有元素值等于所述第二指定区间的第二端点值的元素的子区域；

如果所述满足条件的子区域的数量小于所述多个子区域中子区域的数量，则确定所述待检验图像未包含噪声模板。

可选的，所述处理器还用于执行下述计算机可执行指令：如果所述满足条件的子区域的数量等于所述多个子区域中子区域的数量，则根据所述第二中心检测区域的峰值密度，判断所述待检验图像是否含有噪声模板。

可选的，所述处理器还用于执行下述计算机可执行指令：

计算所述第二中心检测区域的峰值密度；

如果所述峰值密度位于预设上限阈值和预设下限阈值范围内，则确定所述待检验图像包含有噪声模板。

可选的，所述处理器还用于执行下述计算机可执行指令：如果所述待检测图像含有水印模板，则根据所述第二自相关结果，得到所述水印模板的缩放系数。

可选的，所述处理器还用于执行下述计算机可执行指令：

在所述第二中心检测区域中，选择元素值等于所述第二指定区间的第二端点值的元素，作为缩放系数计算元素；

计算所述缩放系数计算元素中的每个元素与所述缩放系数计算元素中的其他元素的距离值；

从计算得到的距离值中获取出现次数最多的距离值，将所述出现次数最多的距离值与基础噪声模板的边长的比值，作为所述水印模板的缩放系数。

可选的，所述处理器还用于执行下述计算机可执行指令：如果所述待检测图像含有水印模板，则根据所述第二自相关结果，得到所述水印模板的旋转角度。

可选的，所述处理器还用于执行下述计算机可执行指令：

在所述第二中心检测区域中，选择元素值等于所述第二指定区间的第二端点值的元素，作为旋转角度计算元素；

计算所述旋转角度计算元素中的相邻元素的连线的角度值；

将出现次数最多的角度值，作为所述水印模板的旋转角度。

与第三实施例相对应，本申请第十实施例提供一种电子设备。所述电子设备的示意图类似图12。

第十实施例提供的电子设备，包括：

存储器，以及处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：

获得含有噪声模板水印的待检测图像；

获得所述噪声模板水印的缩放系数和旋转角度；

获得需要检验的伪随机序列种子标识；

根据所述缩放系数以及所述旋转角度，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配。

可选的，所述处理器还用于执行下述计算机可执行指令：

使用所述伪随机序列种子标识生成基础噪声模板；

根据所述缩放系数以及所述旋转角度，分别对所述基础噪声模板进行缩放处理和旋转处理，得到噪声模板中间值；

对所述待检测图像进行高通滤波，得到所述待检测图像的高频分量；

针对所述高频分量和所述噪声模板中间值，进行互相关处理，得到互相关处理结果；

根据所述互相关处理结果，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配。

可选的，所述处理器还用于执行下述计算机可执行指令：

针对所述高频分量和所述噪声模板中间值，进行互相关操作，得到互相关图像；

对所述互相关图像的元素的元素值，进行归一化操作；

将归一化操作后的元素的元素值，映射到指定区间；

将映射到指定区间后得到的处理结果，作为所述互相关处理结果。

可选的，所述处理器还用于执行下述计算机可执行指令：如果所述互相关处理结果包含规则点阵，则判断所述噪声模板水印与所述伪随机序列种子标识匹配；否则，判断所述噪声模板水印与所述伪随机序列种子标识不匹配。

可选的，所述处理器还用于执行下述计算机可执行指令：使用卷积神经网络对所述互相关处理结果进行分类，判断所述互相关处理结果是否包含规则点阵。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

2、本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。

Claims (23)

1.一种水印检测方法，其特征在于，包括：

获得待检测图像的高频分量；

对所述高频分量进行第一自相关处理，得到第一自相关结果；所述第一自相关结果为与所述高频分量具有相同尺寸的二维矩阵；

对所述第一自相关结果进行第二自相关处理，得到第二自相关结果；所述第二自相关结果为与所述第一自相关结果具有相同尺寸的二维矩阵；

根据所述第二自相关结果，判断所述待检测图像是否含有水印模板；

其中，所述根据所述第二自相关结果，判断所述待检测图像是否含有水印模板，包括：

将所述第二自相关结果的指定中心区域，作为第二中心检测区域；

将所述第二中心检测区域平均划分为多个子区域；

确定满足条件的子区域的数量，所述满足条件的子区域为含有元素值等于第二指定区间的第二端点值的元素的子区域；

如果所述满足条件的子区域的数量小于所述多个子区域中子区域的数量，则确定所述待检测图像未包含噪声模板。

2.根据权利要求1所述的方法，其特征在于，所述获得待检测图像的高频分量，包括：

获得待检测图像；

对所述待检测图像进行高通滤波处理，得到所述待检测图像的高频分量。

3.根据权利要求1所述的方法，其特征在于，所述对所述高频分量进行第一自相关处理，得到第一自相关结果，包括：

对所述高频分量进行自相关操作，得到高频分量自相关结果；

针对所述高频分量自相关结果进行归一化操作、二值化操作以及检测处理，得到所述第一自相关结果。

4.根据权利要求3所述的方法，其特征在于，针对所述高频分量自相关结果进行归一化操作、二值化操作以及检测处理，得到所述第一自相关结果，包括：

获得所述高频分量自相关结果中的元素的平均值；

使用所述平均值替换所述高频分量自相关结果的中心元素值，得到第一自相关处理的第一中间值；

针对所述第一自相关处理的第一中间值进行归一化操作，将归一化操作得到的元素映射到第一指定区间内，得到第一自相关处理的第二中间值；

针对所述第一自相关处理的第二中间值进行二值化操作，得到第一自相关处理的第三中间值；

针对所述第一自相关处理的第三中间值进行检测处理，得到所述第一自相关结果。

5.根据权利要求4所述的方法，其特征在于，所述针对所述第一自相关处理的第二中间值进行二值化操作，得到第一自相关处理的第三中间值，包括：针对小于第一二值化阈值的元素，使用所述第一指定区间的第一端点值，设置所述小于所述第一二值化阈值的元素的元素值；针对大于预设的所述第一二值化阈值的元素，使用所述第一指定区间的第二端点值设置所述大于预设的所述第一二值化阈值的元素的元素值。

6.根据权利要求4所述的方法，其特征在于，所述针对所述第一自相关处理的第三中间值进行检测处理，得到所述第一自相关结果，包括：

将所述第一自相关处理的第三中间值的指定中心区域，作为第一中心检测区域；

获得所述第一中心检测区域的峰值密度；

如果所述峰值密度大于第一峰值密度阈值，则将所述第一中心检测区域中对应位置的元素设置为0。

7.根据权利要求1所述的方法，其特征在于，所述对所述第一自相关结果进行第二自相关处理，得到第二自相关结果，包括：

对所述第一自相关结果进行自相关操作，得到第二自相关处理的中间结果；

针对所述中间结果进行归一化操作、二值化操作，得到所述第二自相关结果。

8.根据权利要求7所述的方法，其特征在于，所述针对所述中间结果进行归一化操作、二值化操作，得到所述第二自相关结果，包括：

获得所述中间结果中的元素的平均值；

使用所述平均值替换所述中间结果的中心元素值，得到第二自相关处理的第一中间值；

针对所述第二自相关处理的第一中间值进行归一化操作，将归一化操作得到的元素映射到所述第二指定区间内，得到第二自相关处理的第二中间值；

针对所述第二自相关处理的第二中间值进行二值化操作，得到所述第二自相关结果。

9.根据权利要求8所述的方法，其特征在于，所述针对所述第二自相关处理的第二中间值进行二值化操作，得到第二自相关处理的第三中间值，包括：针对小于第二二值化阈值的元素，使用所述第二指定区间的第一端点值，设置所述小于所述第二二值化阈值的元素的元素值；针对大于预设的所述第二二值化阈值的元素，使用所述第二指定区间的第二端点值，设置所述大于预设的所述第二二值化阈值的元素的元素值。

10.根据权利要求1所述的方法，其特征在于，还包括：如果所述满足条件的子区域的数量等于所述多个子区域中子区域的数量，则根据所述第二中心检测区域的峰值密度，判断所述待检测图像是否含有噪声模板。

11.根据权利要求10所述的方法，其特征在于，还包括：

计算所述第二中心检测区域的峰值密度；

如果所述峰值密度位于预设上限阈值和预设下限阈值范围内，则确定所述待检测图像包含有噪声模板。

12.根据权利要求1所述的方法，其特征在于，还包括：如果所述待检测图像含有水印模板，则根据所述第二自相关结果，得到所述水印模板的缩放系数。

13.根据权利要求12所述的方法，其特征在于，所述根据所述第二自相关结果，得到所述水印模板的缩放系数，包括：

在所述第二中心检测区域中，选择元素值等于所述第二指定区间的第二端点值的元素，作为缩放系数计算元素；

计算所述缩放系数计算元素中的每个元素与所述缩放系数计算元素中的其他元素的距离值；

从计算得到的距离值中获取出现次数最多的距离值，将所述出现次数最多的距离值与基础噪声模板的边长的比值，作为所述水印模板的缩放系数。

14.根据权利要求1所述的方法，其特征在于，还包括：如果所述待检测图像含有水印模板，则根据所述第二自相关结果，得到所述水印模板的旋转角度。

15.根据权利要求14所述的方法，其特征在于，所述根据所述第二自相关结果，得到所述水印模板的旋转角度，包括：

在所述第二中心检测区域中，选择元素值等于所述第二指定区间的第二端点值的元素，作为旋转角度计算元素；

计算所述旋转角度计算元素中的相邻元素的连线的角度值；

将出现次数最多的角度值，作为所述水印模板的旋转角度。

16.一种水印检测方法，其特征在于，包括：

获得含有噪声模板水印的待检测图像；

获得所述噪声模板水印的缩放系数和旋转角度；

获得需要检验的伪随机序列种子标识；

根据所述缩放系数以及所述旋转角度，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配；

其中，所述根据所述缩放系数以及所述旋转角度，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配，包括：

使用所述伪随机序列种子标识生成基础噪声模板；

根据所述缩放系数以及所述旋转角度，分别对所述基础噪声模板进行缩放处理和旋转处理，得到噪声模板中间值；

对所述待检测图像进行高通滤波，得到所述待检测图像的高频分量；

针对所述高频分量和所述噪声模板中间值，进行互相关处理，得到互相关处理结果；

根据所述互相关处理结果，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配。

17.根据权利要求16所述的方法，其特征在于，所述针对所述高频分量和所述噪声模板中间值，进行互相关处理，包括：

针对所述高频分量和所述噪声模板中间值，进行互相关操作，得到互相关图像；

对所述互相关图像的元素的元素值，进行归一化操作；

将归一化操作后的元素的元素值，映射到指定区间；

将映射到指定区间后得到的处理结果，作为所述互相关处理结果。

18.根据权利要求16所述的方法，其特征在于，所述根据所述互相关处理结果，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配，包括：

如果所述互相关处理结果包含规则点阵，则判断所述噪声模板水印与所述伪随机序列种子标识匹配；否则，判断所述噪声模板水印与所述伪随机序列种子标识不匹配。

19.根据权利要求18所述的方法，其特征在于，还包括：使用卷积神经网络对所述互相关处理结果进行分类，判断所述互相关处理结果是否包含规则点阵。

20.一种水印检测装置，其特征在于，包括：

获得高频分量单元，用于获得待检测图像的高频分量；

第一次自相关处理单元，用于对所述高频分量进行第一自相关处理，得到第一自相关结果；所述第一自相关结果为与所述高频分量具有相同尺寸的二维矩阵；

第二次自相关处理单元，用于对所述第一自相关结果进行第二自相关处理，得到第二自相关结果；所述第二自相关结果为与所述第一自相关结果具有相同尺寸的二维矩阵；

检测单元，用于根据所述第二自相关结果，判断所述待检测图像是否含有水印模板；

其中，所述根据所述第二自相关结果，判断所述待检测图像是否含有水印模板，包括：

将所述第二自相关结果的指定中心区域，作为第二中心检测区域；

将所述第二中心检测区域平均划分为多个子区域；

确定满足条件的子区域的数量，所述满足条件的子区域为含有元素值等于第二指定区间的第二端点值的元素的子区域；

如果所述满足条件的子区域的数量小于所述多个子区域中子区域的数量，则确定所述待检测图像未包含噪声模板。

21.一种水印检测装置，其特征在于，包括：

获得待检测图像单元，用于获得含有噪声模板水印的待检测图像；

获得系数单元，用于获得所述噪声模板水印的缩放系数和旋转角度；

获得种子标识单元，用于获得需要检验的伪随机序列种子标识；

检测单元，用于根据所述缩放系数以及所述旋转角度，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配；

其中，所述根据所述缩放系数以及所述旋转角度，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配，包括：

使用所述伪随机序列种子标识生成基础噪声模板；

根据所述缩放系数以及所述旋转角度，分别对所述基础噪声模板进行缩放处理和旋转处理，得到噪声模板中间值；

对所述待检测图像进行高通滤波，得到所述待检测图像的高频分量；

针对所述高频分量和所述噪声模板中间值，进行互相关处理，得到互相关处理结果；

根据所述互相关处理结果，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配。

22.一种电子设备，其特征在于，包括：

存储器，以及处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：

获得待检测图像的高频分量；

对所述高频分量进行第一自相关处理，得到第一自相关结果；所述第一自相关结果为与所述高频分量具有相同尺寸的二维矩阵；

对所述第一自相关结果进行第二自相关处理，得到第二自相关结果；所述第二自相关结果为与所述第一自相关结果具有相同尺寸的二维矩阵；

根据所述第二自相关结果，判断所述待检测图像是否含有水印模板；

其中，所述根据所述第二自相关结果，判断所述待检测图像是否含有水印模板，包括：

将所述第二自相关结果的指定中心区域，作为第二中心检测区域；

将所述第二中心检测区域平均划分为多个子区域；

确定满足条件的子区域的数量，所述满足条件的子区域为含有元素值等于第二指定区间的第二端点值的元素的子区域；

如果所述满足条件的子区域的数量小于所述多个子区域中子区域的数量，则确定所述待检测图像未包含噪声模板。

23.一种电子设备，其特征在于，包括：

存储器，以及处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：

获得含有噪声模板水印的待检测图像；

获得所述噪声模板水印的缩放系数和旋转角度；

获得需要检验的伪随机序列种子标识；

根据所述缩放系数以及所述旋转角度，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配；

其中，所述根据所述缩放系数以及所述旋转角度，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配，包括：

使用所述伪随机序列种子标识生成基础噪声模板；

根据所述缩放系数以及所述旋转角度，分别对所述基础噪声模板进行缩放处理和旋转处理，得到噪声模板中间值；

对所述待检测图像进行高通滤波，得到所述待检测图像的高频分量；

针对所述高频分量和所述噪声模板中间值，进行互相关处理，得到互相关处理结果；

根据所述互相关处理结果，判断所述噪声模板水印是否与所述伪随机序列种子标识匹配。

Images