CN113052745A - 数字水印模型训练方法、陶瓷水印图像的制作方法及陶瓷 - Google Patents

Abstract

本发明公开了一种数字水印模型的训练方法、陶瓷水印图像的制作方法及陶瓷，其中数字水印模型的训练方法可以根据训练图像、水印图像和掩膜得到当前编码器中MSE损失函数的损失值，从而利用包含掩膜的MSE损失函数对当前编码器进行调节，由此使得训练得到的数字水印模型中的编码器可以将水印信息嵌入原始图像的边缘，提高原始图像与水印图像之间视觉一致性，消除该篡改痕迹，提高秘密信息在水印图像中的隐蔽性；进一步的基于数字水印模型提供了陶瓷的制作方法，可适用于陶瓷工艺的版权水印嵌入和提取。

Description

数字水印模型训练方法、陶瓷水印图像的制作方法及陶瓷

技术领域

本发明涉及陶瓷技术领域，具体涉及一种数字水印模型的训练方法、陶瓷水印图像的制作方法及陶瓷。

背景技术

近年来，随着陶瓷产业快速发展，一些不法分子受到利益的驱使对知名陶瓷品牌产品进行假冒仿制并大肆售卖，企业为此付出巨大经济损失，消费者利益也因此遭受破坏。现有针对陶瓷的防伪技术均集中法律层面上，并未能从源头上遏制“盗版”“侵权”现象的发生。而在技术层面上，二维码系统凭借于其成本低、效率高、自动化程度高、管理方便等优势成为一些陶瓷厂家采用的技术，但是二维码被印刷在陶瓷产品上会极大的牺牲其美观性而不得不放弃，特别是一些美术大师创作的艺术名瓷。另一方面数字水印技术是目前流行主流防伪技术，这种技术把版权信息直接嵌入多媒体载体中，且不影响载体的使用价值，也不容易被探知和再次修改，只有运用专门的检测器或者软件才可以提取隐藏的水印信息。但是目前却无法直接运用到陶瓷载体上，这是因为数字水印技术均是基于数字载体的，而陶瓷载体是需要通过传统的工艺烧制而成，所以现有数字水印技术在陶瓷防伪应用仍处于冰冻期。

发明内容

有鉴于此，本发明实施例提供了一种数字水印模型的训练方法、陶瓷的水印图像的制作方法及陶瓷，以在陶瓷产品中加入水印信息。

根据第一方面，本发明实施例提供了一种数字水印模型的训练方法，包括：

获取训练图像，对所述训练图像进行边缘提取，得到掩膜；

获取由当前编码器生成的水印图像，根据所述训练图像、所述水印图像和所述掩膜得到所述当前编码器中MSE损失函数的损失值；

计算所述水印图像与所述训练图像之间损失函数集合中各个损失函数的损失值，根据所述MSE损失函数的损失值和所述损失函数集合中各个损失函数的损失值对当前编码器进行更新，直到所述MSE损失函数和所述损失函数集合中各个损失函数均达到预设的第一收敛条件；

将所述水印图像放入预设的噪声层中进行噪声处理；

将经过噪声处理的水印图像送入当前解码器进行解码得到秘密信息，根据所述秘密信息和所述水印信息得到交叉熵损失函数损失值；根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器，直到所述交叉熵损失函数达到预设的第二收敛条件。

本发明实施例提供的数字水印模型的训练方法，根据训练图像、水印图像和掩膜得到当前编码器中MSE损失函数的损失值，从而利用包含掩膜的MSE损失函数对当前编码器进行调节，由此可以使得训练得到的数字水印模型中的编码器可以将水印信息嵌入原始图像的边缘，提高原始图像与水印图像之间视觉一致性，消除该篡改痕迹，提高秘密信息在水印图像中的隐蔽性。

结合第一方面，在第一方面第一实施方式中，在根据所述损失值对所述当前编码器进行调节，得到更新后的编码器之前，还包括：

在根据所述MSE损失函数的损失值和所述损失函数集合中各个损失函数的损失值对所述当前编码器进行更新之前，还包括：

获取所述MSE损失函数的权重值和所述损失函数集合中每个损失函数的权重值；

利用根据所述MSE损失函数的损失值和权重值、所述损失函数集合每个损失函数的损失值和对应的权重值对所述当前编码器进行调节，得到更新后的编码器；

在根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器之前，还包括：

获取所述交叉熵损失函数的权重值；

利用所述交叉熵损失函数的权重值、所述交叉熵损失函数的损失值对所述当前解码器进行更新，得到更新后的解码器。

结合第一方面第一实施方式，在第一方面第二实施方式中，所述损失函数集合包括以下中的一项或多项：LPIPS损失函数、L2损失函数损失、Critic损失函数；

在预设步数之前，仅对所述交叉熵损失函数的权重值进行赋值；

在预设步数之后，所述交叉熵损失函数、所述LPIPS损失函数和所述L2损失函数的权重值相等，所述CRITIC损失函数的权重值大于所述交叉熵损失函数的权重值，所述交叉熵损失函数的权重值大于所述MSE损失函数的权重值。

结合第一方面，在第一方面第三实施方式中，根据所述训练图像、所述水印图像和所述掩膜得到所述当前编码器中MSE损失函数的损失值包括：

根据所述训练图像和所述水印图像，得到整体差异图像；

根据所述整体差异图像和所述掩膜得到边缘差异图像；

根据所述整体差异图像、与所述整体差异图像相对应的第一权重、所述边缘差异图像和与所述边缘差异图像相对应的第二权重得到综合差异图像；其中，所述第一权重大于所述第二权重；

基于所述综合差异图像得到所述当前编码器中所述MSE损失函数的损失值。

结合第一方面第三实施方式，在第一方面第四实施方式中，根据所述整体差异图像、与所述整体差异图像相对应的第一权重、所述边缘差异图像和与所述边缘差异图像相对应的第二权重得到综合差异图像之后，还包括：在所述综合差异图像中添加通道权重，得到修正后的综合差异图像。

结合第一方面第三实施方式或第四实施方式，在第一方面第五实施方式中，在根据所述训练图像和所述水印图像，得到整体差异图像之前，还包括：

将所述训练图像和所述水印图像转化到YUV通道上。

结合第一方面，在第一方面第六实施方式中，对所述训练图像进行边缘提取，得到掩膜包括：将所述训练图像利用形态学梯度方法进行边缘提取，得到所述掩膜。

根据第二方面，本发明实施例提供了一种数字水印模型的训练装置，包括：

提取模块，用于获取训练图像，对所述训练图像进行边缘提取，得到掩膜；

MSE损失函数确定模块，用于获取由当前编码器生成的水印图像，根据所述训练图像、所述水印图像和所述掩膜得到所述当前编码器中MSE损失函数的损失值；

第一调节模块，用于计算所述水印图像与所述训练图像之间损失函数集合中各个损失函数的损失值，根据所述MSE损失函数的损失值和所述损失函数集合中各个损失函数的损失值对所述当前编码器进行更新，直到所述MSE损失函数和所述损失函数集合中各个损失函数均达到预设的第一收敛条件；

噪声处理模块，用于将所述水印图像放入预设的噪声层中进行噪声处理；

第二调节模块，用于将经过噪声处理的水印图像送入当前解码器进行解码得到秘密信息，根据所述秘密信息和所述水印信息得到交叉熵损失函数损失值；根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器，直到所述交叉熵损失函数达到预设的第二收敛条件。

结合第二方面，在第二方面第一实施方式中，所述噪声层包括：几何畸变、运动模糊、颜色偏移、高斯噪声和JEPG压缩。

结合第二方面第一实施方式，在第二方面第二实施方式中，所述几何畸变的畸变系数小于1；和/或，所述运动模糊采用直线模糊内核，所述直线内核的像素宽度不超过10，直线角度随机选取，范围不超过1/2π；和/或，所述颜色偏移的偏移量值取值应满足均匀分布，偏移量值为-0.2～0.3；和/或，所述JEPG压缩的压缩品质因子大于50。

根据第三方面，本发明实施例还提供了一种编码器，利用第一方面或第一方面任意实施方式所述的数字水印模型的训练方法训练得到。

根据第四方面，本发明实施例还提供了一种解码器，利用第一方面或第一方面任意实施方式所述的数字水印模型的训练方法训练得到。

根据第五方面，本发明实施例还提供了一种陶瓷的制作方法，包括：

分别获取原始图像和水印信息；

将所述原始图像和所述水印信息输入到第三方面所述的编码器中进行编码得到电子水印图像；

将所述电子水印图像转印到陶瓷预制品上之后，对所述陶瓷预制品进行烧制，得到带有水印图像的陶瓷。

结合第五方面，在第五方面第一实施方式中，将所述电子水印图像转印到陶瓷预制品上包括：

将所述电子水印图像输入预设的陶瓷喷墨注射机中，利用所述陶瓷喷墨注射机对所述陶瓷预制品进行喷墨，以将所述电子水印图像转印到陶瓷预制品上；

或，根据所述电子水印图像生成纸质版花纸；

将所述纸质版花纸铺贴在所述陶瓷预制品上，以将所述电子水印图像转印到陶瓷预制品上。

结合第五方面，在第五方面第二实施方式中，当所述陶瓷预制品为日用陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图案的陶瓷包括：对所述日用陶瓷预制品在800～1380℃进行烧制，得到日用陶瓷；当所述陶瓷预制品为卫生陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图案的陶瓷包括：对所述卫生陶瓷预制品在800～1380℃进行烧制，得到卫生陶瓷；当所述陶瓷预制品为建筑陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图案的陶瓷包括：对所述建筑陶瓷预制品在800～1380℃进行烧制，得到建筑陶瓷。

根据第六方面，本发明实施例还提供了一种陶瓷，所述陶瓷采用第五方面任一项所述的陶瓷的制作方法制备而成。

结合第六方面，在第六方面第一实施方式中，所述陶瓷包括以下中的一项或多项：日用陶瓷、卫生陶瓷、建筑陶瓷。

根据第七方面，本发明实施例还提供了一种陶瓷水印图像的解密方法，包括：

将陶瓷上的水印图案进行定位；

将定位后的水印图案输入到第四方面所述的解码器中进行解码，得到所述水印图案中的水印信息。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1为对抗生成式数字水印模型的网络框架示意图；

图2为本发明实施例1中数字水印模型训练方法的流程示意图；

图3为本发明实施例2中数字水印模型训练装置的结构示意图；

图4为基于喷墨工艺的陶瓷的制作方法流程图；

图5为基于丝网印刷的陶瓷的制作方法流程图；

图6为基于喷墨工艺的陶瓷版权加密和解密的流程示意图；

图7为基于丝网印刷的陶瓷版权加密和解密的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

本发明实施例1提供了一种数字水印模型的训练方法。这种数字水印模型是一种基于对抗生成机制的鲁棒水印技术(简称对抗生成式数字水印模型)，其可抵抗打印、拍摄等物理通道的噪声攻击，并通过解码网络实施对秘密信息的提取。图1为对抗生成式数字水印模型的网络框架示意图，如图1所示，该数字水印模型主要包含了编码网络，解码网络，噪声层以及判别网络，其中编码网络用于嵌入版权信息，解码网络用于提取版权信息，噪声层用于模拟真实场景下的各种攻击，判别网络用于保证输出的含版权图案的质量。具体说明如下：在嵌入水印时，对编码网络输入图像和水印信息，输出残差图像，然后将残差图像和输入图像相加即可得到水印图像。对抗生成式水印模型方法实质上就是在原图上稍微修改像素值来达到嵌入水印的目的，而残差图像就是每个位置的像素值的修改幅度值。而在水印提取时，输入水印图像到解码网络中，输出提取的水印信息。为了使水印图像能够抵挡打印或者拍摄过程中的失真，在编码器网络和解码网络中间，设计一种可以模拟真实物理场景的噪声层，模拟水印图像在陶瓷制作工艺中可能存在的各种噪声。编码网络在嵌入版权水印信息的同时，需尽可能保证输出水印图案与原始输入图案的视觉一致性，以确保最后的陶瓷呈现效果。判别器作为一种带反馈的分类器，其主要用于不断鉴别水印图像与原始图像的区别，并将其反馈给编码器进行调整，督促其生成可以与原始图像类似，同时又能以假乱真的水印图像。

图2为本发明实施例1中数字水印模型训练方法的流程示意图。如图2所示，本发明实施例1中数字水印模型的训练方法包括以下步骤：

S101：获取训练图像，对所述训练图像进行边缘提取，得到掩膜。

作为具体的实施方式，本发明实施例选择了用图像形态学中的膨胀、腐蚀等算法提取图像边缘，然后通过调节相应操作的结构元素核参数来决定提取的图像边缘粗细(即边界的像素宽度)。

示例的，首先准备训练集Large Logo Dataset(LLD)数据集里的LLD-logo，其中包含64*64到400*400分辨率不一的符号图像(即训练图像)。将LLD数据集进行预处理，将其放缩到一定尺度后进行边缘提取形成掩膜mask。

S102：获取由当前编码器生成的水印图像，根据所述训练图像、所述水印图像和所述掩膜得到所述当前编码器中MSE损失函数的损失值。

作为具体的实施方式，在获取由当前编码器生成的水印图像之前还包括：基于所述水印信息和所述当前编码器生成残差图像，将所述残差图像和所述训练图像相加得到水印图像。

在本发明实施例1中，水印信息可以为二进制水印序列。可以将二进制水印序列进行适当的变形，形成具有和步骤S101中所述经过预处理后的LLD数据集中任一训练图像相同的大小。然后将二进制水印序列与训练集中任一训练图像进行通道叠加，所形成的信息结合体送入编码器中，编码网络会生成残差图，将此残差图和与之相对应的训练图像进行像素相加，得到水印图像。

作为具体的实施方式，根据所述训练图像、所述水印图像和所述掩膜得到所述当前编码器中MSE损失函数的损失值可以采用如下技术方案：根据所述训练图像和所述水印图像，得到整体差异图像；根据所述整体差异图像和所述掩膜得到边缘差异图像；根据所述整体差异图像、与所述整体差异图像相对应的第一权重、所述边缘差异图像和与所述边缘差异图像相对应的第二权重得到综合差异图像；其中，所述第一权重大于所述第二权重；基于所述综合差异图像得到所述当前编码器中所述MSE损失函数的损失值。由此可以引导编码器将秘密信息嵌入在图像的边缘区域，增加水印图像的隐蔽性，保证原始图像与水印图像的视觉一致。

在根据所述训练图像和所述水印图像，得到整体差异图像之前，还包括：将所述训练图像和所述水印图像转化到YUV通道上。

进一步的，根据所述整体差异图像、与所述整体差异图像相对应的第一权重、所述边缘差异图像和与所述边缘差异图像相对应的第二权重得到综合差异图像之后，还包括：在所述综合差异图像中添加通道权重，得到修正后的综合差异图像。具体的，可将Y通道权重设为1，U、V通道权重分别设为2～100，2～100。这是因为，YUV是指图像的一种格式，其中Y,U,V对应于这种格式下的三个通道，Y通道对应于亮度通道，U、V分别对应于色彩和色调；为了进一步保证水印图像在视觉上不可察觉性，一般尽可能将水印信息嵌入至水印图像的亮度分量上，因为相比于颜色变换，亮度具有更高的隐蔽性；嵌入在图像中水印信息的颜色只能黑白变换，而不是其他颜色变换，因为是其他颜色的话，可能人眼一下子就察觉到了，不符合水印信息的隐蔽性。

示例的，获取训练图像，对所述训练图像进行边缘提取，得到掩膜；获取由当前编码器生成的水印图像，根据所述训练图像、所述水印图像和所述掩膜得到所述当前编码器中更新后的MSE损失函数可以采用如下技术方案：

步骤1：将原始陶瓷图像(即训练图像)进行膨胀腐蚀等算法制成掩膜mask。

步骤2：将原始陶瓷图像与由当前编码器生成的水印图像转化到YUV通道上，生成YUV格式下原始陶瓷图像和水印图像。

步骤3：将YUV通道下的陶瓷图像和水印图像进行相减，得到差异图diff(即整体差异图像)。

步骤4：将差异图diff与步骤1中的mask进行相乘得到差异图diff1(即边缘差异图像)。

步骤5：分别对差异图diff与diff1施加权重参数2～100与1，并且进行相加得到差异图diff3(即综合差异图像)。

步骤6：将步骤5所述的diff3差异图添加通道权重，Y通道权重为1，U、V通道权重分别为2～100，2～100。生成差异图diff4(即修正后的综合差异图像)。

步骤7：将步骤6所述的差异图diff4进行平方再求均值，所得结果作为MSE损失函数的损失值。根据此损失函数的损失值来优化编码器可以将水印信息嵌入至图像边缘区域，提高水印图像的视觉效果。

S103：计算所述水印图像与所述训练图像之间损失函数集合中各个损失函数的损失值，根据所述MSE损失函数的损失值和所述损失函数集合中各个损失函数的损失值对当前编码器进行更新。

进一步的，将更新后的编码器作为当前编码器，并返回“获取训练图像，对所述训练图像进行边缘提取，得到掩膜”的步骤，通过步骤S101、S102、S103的迭代，完成对编码器的训练，直到所述MSE损失函数和所述损失函数集合中各个损失函数均达到预设的第一收敛条件。具体的，第一收敛条件可以为编码器所生成的残差图像与所训练图像相加得到的水印图像与训练图像几乎无法从肉眼进行区分。

在本发明实施例1中，MSE损失函数主要用于引导对抗生成式数字水印模型的优化和收敛，即保证嵌入水印信息后的水印图像中水印信息不可察觉性和水印提取网络的强鲁棒性。

所述MSE(Mean Square Error)损失函数是指将原始载体图像与水印图像的差值进行平方然后求和平均，当原始载体图像与水印图像完全相同时，其MSE值为0，而原始载体图像与水印图像相差较大时，其MSE值也较大。为了进一步保证水印图像在视觉上不可察觉性，一般尽可能将水印信息嵌入至水印图像的亮度分量上，因为相比于颜色变换，亮度具有更高的隐蔽性。为此在设计MSE损失函数时，将载体图像和水印图像都从RGB通道转化为YUV通道进行计算。假设载体图像在Y通道上分量为C_Y，水印图像为S_Y，载体图像在U通道上分量为C_U，水印图像为S_U，图像在V通道上分量为C_V，水印图像为S_V，其中σ_Y，σ_U，σ_V表示YUV通道上的权重，由于亮度具有更高的隐蔽性，因此，σ_Y会设置较小，σ_U，σ_V设置较大，W，H，则分别表示图像的宽和高，则MSE损失函数L_M为：

除MSE损失函数之外，损失函数集合还包括L2损失函数、LPIPS损失函数和Critic损失函数，L2损失函数、LPIPS损失函数和Critic损失函数同样用于引导对抗生成式数字水印模型的优化和收敛，即保证嵌入水印信息后的水印图像中水印信息不可察觉性和水印提取网络的强鲁棒性。

具体的，所述L2损失函数是衡量水印图像与原始载体图像之间视觉质量的重要指标。所述公式如下：

其中，Y_R，Y_G，Y_B表示原始载体图像R，G，B通道分量，Y′_R，Y′_G，Y′_B表示水印图像R，G，B分量，H，W表示图像的高和宽。

所述的LPIPS损失函数是一个基于人眼视觉系统的图像视觉评判指标，用于衡量两幅图像在基于人眼视觉下的相似度程度，可通过现有的网络计算两者间的结构相似度失真。假设原始载体图像为C，水印图像为S，lpips(C，S)表示网络判别两幅图像的结构损失度大小，则LPIPS损失函数L_p为：

L_p＝lpips(C，S)

所述Critic损失是鉴别器的输出，其表征含水印图像与原始图像的差别。其网络可简化为dis(·)。原始载体图像与水印图像完全相同时差值为0，假设原始载体图像为C，水印图像为S，则Critic损失L_C为：

L_c＝dis(S)-dis(C)

S104：将所述水印图像放入预设的噪声层中进行噪声处理。

在本发明实施例1中，为了使水印图像能够抵挡打印或者拍摄过程中的失真，在编码器和解码器中间，设计一种可以模拟真实物理场景的噪声层，模拟水印图像在陶瓷制作工艺中可能存在的各种噪声。编码器在嵌入版权水印信息的同时，需尽可能保证输出水印图案与原始输入图案的视觉一致性，以确保最后的陶瓷呈现效果。

基于上述机制，对抗生成式数字水印模型一方面可生成能抵抗陶瓷制作攻击的鲁棒水印图像，另一方面又保证了水印在嵌入后图像视觉的不可见性。为了保证该技术的具体实施，以下重点描述一个能够抵抗陶瓷工艺的噪声层设计思路。

目前主流的陶瓷打印技术分别是喷墨和丝网印刷两种。首先对基于丝网印刷的陶瓷版权认证技术工艺的噪声层设计进行描述。

陶瓷花纸是指在陶瓷(或瓷坯)表面贴上印刷好的陶瓷专用花纸，其制作工艺包含如下步骤：

步骤1：花纸制版，所谓制版就是将提供的陶瓷图案转化为制作花纸所需的AI文件。

步骤2：晒版，晒版就是制作出商标或者花面图案的菲林，类似于照相机的底片。

步骤3：调色，调色就是将陶瓷颜料各种基色按照一定比例合成所提供的陶瓷商标所需要的颜色。

步骤4：做样，将调好的色彩颜料与制作好的晒版放入半自动化花纸机中，即可形成花纸。

陶瓷水印图像在转印到陶瓷的过程中，每种工序都会产生噪声攻击，并对解码网络正确提取水印信息有重要影响，因此需对各种工序造成的噪声攻击进行模拟，具体说明如下：在步骤1中，陶瓷水印图像在制作成相应的AI文件时，会经过JEPG压缩操作。在步骤2中，陶瓷水印图像在经过晒版工序时需要用到化学试剂来曝光，这个步骤对陶瓷水印图像的亮度、对比度、色彩和色调会产生一定的影响。在步骤3中，调色分为人工调色和机器调色。当陶瓷水印图像中的色彩超过四色就需要手工调色，而人工调色会造成陶瓷图案的色彩偏移。由于机器调色比较精准因此产生的色彩偏移可忽略。基于上述分析，本发明搭建了一个可模拟所有工序攻击的噪声层网络，其中包含几何畸变、运动模糊、颜色偏移、高斯噪声和JEPG压缩。其中运动模糊与几何畸变主要用来模拟拍摄陶瓷水印图像进行版权认证的噪声攻击。以上这五种攻击噪声都是在一定的范围内随机取值，充分模拟陶瓷水印图像电子版转印成纸质版中的噪声攻击，此外由于陶瓷载体需要经过高温烧制，其表面附着的水印图像会遭受较强的噪声攻击，因此设置了较大的噪声攻击强度范围。具体描述如下：

所述几何畸变噪声攻击强度由参数L决定，参数L越大，则表示水印图像所产生的畸变面积越大。畸变面积是指图角点坐标可变动范围，畸变面积越大则表示可遭受几何畸变强度范围也越大，在本发明中参数L应小于1。所述运动模糊是为了模拟后续的版权认证中需要进行相机拍摄，因此本发明采样一个随机角度并生成一个宽度不超过10个像素之间的直线模糊内核，直线角度随机选取，范围不超过1/2π，并且为模拟错焦，采用高斯模糊核，其标准差随机采样在1到5个像素之间。所述颜色偏移则是在水印图像中RGB通道三个通道中添加随机颜色偏移量，其值应满足均匀分布且为(-0.2～0.3)。所述JPEG压缩技术压缩品质因子设置范围应小于100大于0，压缩品质因子越大，JPEG压缩强度越小，反之则越大。

针对丝网印刷工艺设计的噪声层结合上述对抗生成式数字水印算法，保证了基于丝网工艺的陶瓷水印认证框架的可行性。

下面主要介绍基于喷墨印刷的陶瓷版权认证技术工艺的噪声层设计。喷墨工艺本质上是将陶瓷水印图像预存到自动喷墨机计算机，由计算机根据陶瓷水印图像进行颜色配色，再由喷墨机对陶瓷载体进行绘色。其中，喷墨机在进行色彩配色时会造成一定的色彩误差，这可能会对陶瓷水印图像的色彩和色调产生一定影响。此外，由于是直接将色彩颜料绘制到陶瓷载体上，所以不能够忽视陶瓷载体材料本身对颜料的影响，该影响包括亮度、对比度、色彩和色调。再者，由于后续还有版权信息的验证阶段，所以也同样需要考虑几何畸变与运动模糊。基于此，针对喷墨工艺的噪声层攻击主要有：几何畸变、运动模糊、颜色偏移和高斯噪声。以上这四种攻击噪声都是在一定的范围内随机取值，充分模拟陶瓷水印图像在绘制到陶瓷载体之上的噪声攻击。针对喷墨印刷工艺设计的噪声层结合对抗生成式数字水印算法，保证了基于喷墨工艺的陶瓷水印认证框架的可行性。

S105：将经过噪声处理的水印图像送入当前解码器进行解码得到秘密信息，根据所述秘密信息和所述水印信息得到交叉熵损失函数损失值；根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器。

进一步的，将更新后的解码器作为当前解码器，并返回“获取训练图像，对所述训练图像进行边缘提取，得到掩膜”的步骤，通过步骤S101、S102、S104、S105的迭代，完成对解码器的训练，直到所述交叉熵损失函数达到预设的第二收敛条件，具体的第二收敛条件可以为经过噪声层后的水印图像能够被解码器正确提取秘密信息。

需要说明的，在本发明实施例1中，编码器更新时会迫使生成的水印图像质量提高，从而解码难度增加，而解码难度的增加，解码器解码正确率下降，这样就会倒逼解码器解码能力的提高。而解码能力提高，又会使得编码器生成的水印图像的质量下降，从而在双方对抗的过程中，编码器和解码器都得到了提升。

作为具体的实施方式，步骤S105可以采用如下技术方案：将水印图像经过噪声层再送入解码器进行卷积计算，再经过全连接层网络得到二进制水印序列(秘密信息)，再将步骤S102所述的二进制水印序列与得到的二进制水印序列进行交叉熵损失函数计算，得到交叉熵损失函数损失值。将交叉熵损失函数损失值进行反馈，并借助RMSProp优化器进行梯度更新优化解码器，不断提高解码器解码正确率。通过网络训练的迭代，得到最优的解码器。

作为进一步的实施方式，在根据所述MSE损失函数的损失值和所述损失函数集合中各个损失函数的损失值对所述当前编码器进行更新之前，还包括：获取所述MSE损失函数的权重值和所述损失函数集合中每个损失函数的权重值；利用根据所述MSE损失函数的损失值和权重值、所述损失函数集合每个损失函数的损失值和对应的权重值对所述当前编码器进行调节，得到更新后的编码器。在根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器之前，还包括：获取所述交叉熵损失函数的权重值；利用所述交叉熵损失函数的权重值、所述交叉熵损失函数的损失值对所述当前解码器进行更新，得到更新后的解码器。

进一步的，所述损失函数集合包括以下中的一项或多项：LPIPS损失函数、L2损失函数、Critic损失函数。在预设步数之前，所述MSE损失函数的权重值和所述损失函数集合中每个损失函数的权重值均不进行赋值，仅所述交叉熵损失函数的权重值则赋值。示例的，预设步数为2500～5000，也就说，在2500～5000步之前仅训练交叉熵损失函数。

在预设步数之后，所述MSE损失函数的权重值应赋一个较小值，而所述交叉熵损失函数、所述LPIPS损失函数和所述L2损失函数的权重值赋值均处于同一量级，且大于MSE损失函数的权重值，而CRITIC损失函数的权重值则较大。示例的，在2500～5000步之后，再开始优化对抗生成式数字水印模型中的L2损失函数、LPIPS损失函数、MSE损失。设置网络迭代训练的总步长为二十到三十万次左右，所述MSE损失函数的权重值应赋一个较小值，而所述交叉熵损失函数、所述LPIPS损失函数和所述L2损失函数的权重值赋值均处于同一量级，且大于MSE损失函数的权重值，而CRITIC损失函数的权重值则较大。最终达到解码正确率为98％。由此可以在网络训练时，先训练解码器网络的解码率，确保解码器能够正确提取水印信息，然后再提升水印图像的视觉质量(不可察觉性)。

示例的，在网络训练时，所使用的图片训练集LLD共有13万张，总训练步长为二十到三十万次左右，在单次训练时，一次性训练八到十六张图片。

实施例2

与本发明实施例1相对应，本发明提供了一种数字水印模型的训练装置。图3为本发明实施例2中数字水印模型训练装置的结构示意图。如图3所示，本发明实施例2的数字水印模型训练装置包括提取模块20、MSE损失函数确定模块21、第一调节模块22、噪声处理模块23、第二调节模块24。

具体的，提取模块20，用于获取训练图像，对所述训练图像进行边缘提取，得到掩膜；

MSE损失函数确定模块21，用于获取由当前编码器生成的水印图像，根据所述训练图像、所述水印图像和所述掩膜得到所述当前编码器中MSE损失函数的损失值；

第一调节模块22，用于计算所述水印图像与所述训练图像之间损失函数集合中各个损失函数的损失值，根据所述MSE损失函数的损失值和所述损失函数集合中各个损失函数的损失值对所述当前编码器进行更新；

噪声处理模块23，用于将所述水印图像放入预设的噪声层中进行噪声处理；

第二调节模块24，用于将经过噪声处理的水印图像送入当前解码器进行解码得到秘密信息，根据所述秘密信息和所述水印信息得到交叉熵损失函数损失值；根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器。

所述噪声层包括：几何畸变、运动模糊、颜色偏移、高斯噪声和JEPG压缩。

上述数字水印模型训练装置具体细节可以对应参阅图1至图2所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

实施例3

本发明实施例3提供了一种编码器，利用本发明实施例1所述的数字水印模型的训练方法训练得到。

实施例4

本发明实施例4提供了一种解码器，利用本发明实施例1所述的数字水印模型的训练方法训练得到。

实施例5

本发明实施例5提供了一种陶瓷水印图像的制作方法。本发明实施例5陶瓷水印图像制作方法包括以下步骤：

S501：分别获取原始图像和水印信息。

S502：将所述原始图像和所述水印信息输入到本发明实施例3的编码器中进行编码得到电子水印图像。

S503：将所述电子水印图像转印到陶瓷预制品上之后，对所述陶瓷预制品进行烧制，得到带有水印图像的陶瓷。

作为具体的实施方式，将所述电子水印图像转印到陶瓷预制品上可以采用如下两种方式：将所述电子水印图像输入预设的陶瓷喷墨注射机中，利用所述陶瓷喷墨注射机对所述陶瓷预制品进行喷墨，以将所述电子水印图像转印到陶瓷预制品上；或者，根据所述电子水印图像生成纸质版花纸；将所述纸质版花纸铺贴在所述陶瓷预制品上，以将所述电子水印图像转印到陶瓷预制品上。

作为具体的实施方式，当所述陶瓷预制品为日用陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图案的陶瓷包括：对所述日用陶瓷预制品在800～1380℃进行烧制，得到日用陶瓷；当所述陶瓷预制品为卫生陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图案的陶瓷包括：对所述卫生陶瓷预制品在800～1380℃进行烧制，得到卫生陶瓷；当所述陶瓷预制品为建筑陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图案的陶瓷包括：对所述建筑陶瓷预制品在800～1380℃进行烧制，得到建筑陶瓷。

示例的，图4为基于喷墨工艺的陶瓷的制作方法流程图，如图4所示，首先给定陶瓷电子版商标或者图案，用基于数字图像的鲁棒水印技术往电子版商标(或图案中)嵌入版权水印信息，形成含有版权信息的商标，随后将该种含有版权信息的商标送入陶瓷喷墨注射机中对陶瓷载体进行上色，接着将上色过后的陶瓷载体送入窑炉中进行高温烧制，最终形成含有版权信息的陶瓷载体。图5为基于丝网印刷的陶瓷的制作方法流程图，如图5所示，首先给定电子版陶瓷商标或者图案，根据鲁棒水印技术进行版权信息的嵌入，形成含有版权信息的电子版商标图案。接着依托于该电子版水印图片生成纸质版花纸(一种用于装饰陶瓷的特殊用纸)，其中形成纸质版花纸包含以下工序：花纸制版、晒板、调色和做样。然后将制作好的含版权信息的纸质版花纸铺贴在陶瓷之上，并放入窑炉中进行烧制。最后，经过窑炉烧制后的含版权花纸图案会完全转印至陶瓷中，实现对陶瓷的版权保护。根据应用领域的不同，选择的丝网印刷工艺也有所区别，例如：日用、卫生陶瓷一般采用花纸转印工艺，那么则需要选择800～1380℃高温烧制，而建筑陶瓷通常需要使用喷墨工艺，那么则需要选择1100～1200℃进行烧制。

本发明实施例5还包括采用上述的陶瓷水印图像的制作方法制作得到的陶瓷，所述陶瓷包括以下中的一项或多项：日用陶瓷、卫生陶瓷、建筑陶瓷。

实施例6

本发明实施例6提供了一种陶瓷水印图像的解密方法。本发明实施例5陶瓷水印图像的解密方法包括以下步骤：

S601：将陶瓷上的水印图案进行定位；

S602：将定位后的水印图案输入到本发明实施例4的解码器中进行解码，得到所述水印图案中的水印信息。

作为具体的实施方式，陶瓷水印图像的解密方法可以采用如下技术方案：首先需要通过高精度扫描仪或者图片摄像器将该陶瓷制品上的水印图案进行定位检测，然后将定位检测后的图片进行尺寸矫正后送入到手机或者计算机中，接着借助手机或者计算机中的鲁棒水印提取算法将矫正图像中的版权信息提取出来。最后对比版权信息内容判定该陶瓷是否侵权，以达到版权认证的功能。

示例的，首先根据作者的意图可任意设计版权信息内容形成水印，如作者姓名、公司信息、品牌名称、陶瓷编号等，以证明陶瓷版权所属。然后将该水印用鲁棒水印算法嵌入至预先准备好的陶瓷商标或者图案中，得到含有水印的电子版水印图片。图6为基于喷墨工艺的陶瓷版权加密和解密的流程示意图，若是喷墨工艺，将电子版水印图片直接送入陶瓷喷墨机中对陶瓷载体进行印刷上色，然后将此陶瓷载体送至窑炉中进行1100～1200℃左右的高温烧制，得到含有版权信息的陶瓷制品。图7为基于丝网印刷的陶瓷版权加密和解密的流程示意图，若为丝网印刷工艺，则电子版水印图片还得经过花纸制版、晒板、调色和做样等步骤形成纸质版水印图片，再根据陶瓷制品应用场景的不同选择釉上、釉中和釉下陶瓷工艺，选择好对应的陶瓷工艺后将制作好的纸质版水印图片同陶瓷载体一起放入窑炉中进行烧制，最终得到含有版权信息的陶瓷制品。

客户购买陶瓷产品后甄别版权信息的步骤：

首先通过高精度扫描仪或者图片摄像器将陶瓷制品上的商标或者图案进行定位检测，将检测到的图片尺寸校正后放入移植了鲁棒水印提取算法的手机或者计算机中进行版权信息的提取，然后对比版权信息的内容判定该件陶瓷制品是否侵权，以达到版权认证的功能。

实施例7

本发明实施例还提供了一种电子设备，该电子设备可以包括处理器和存储器，其中处理器和存储器可以通过总线或者其他方式连接。

处理器可以为中央处理器(Central Processing Unit，CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的数字水印模型的训练方法对应的程序指令/模块(例如，图3所示的提取模块20、损失函数更新模块21、水印生成模块22、第一调节模块23、噪声处理模块24、第二调节模块25)处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的数字水印模型的训练方法。

存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述一个或者多个模块存储在所述存储器中，当被所述处理器执行时，执行如图1-2所示实施例中的数字水印模型的训练方法。

上述电子设备具体细节可以对应参阅图1至图2所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (18)

1.一种数字水印模型的训练方法，其特征在于，包括：

获取训练图像，对所述训练图像进行边缘提取，得到掩膜；

获取由当前编码器生成的水印图像，根据所述训练图像、所述水印图像和所述掩膜得到所述当前编码器中MSE损失函数的损失值；

计算所述水印图像与所述训练图像之间损失函数集合中各个损失函数的损失值，根据所述MSE损失函数的损失值和所述损失函数集合中各个损失函数的损失值对当前编码器进行更新，直到所述MSE损失函数和所述损失函数集合中各个损失函数均达到预设的第一收敛条件；

将所述水印图像放入预设的噪声层中进行噪声处理；

将经过噪声处理的水印图像送入当前解码器进行解码得到秘密信息，根据所述秘密信息和所述水印信息得到交叉熵损失函数损失值；根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器，直到所述交叉熵损失函数达到预设的第二收敛条件。

2.根据权利要求1所述的方法，其特征在于：

在根据所述MSE损失函数的损失值和所述损失函数集合中各个损失函数的损失值对所述当前编码器进行更新之前，还包括：

获取所述MSE损失函数的权重值和所述损失函数集合中每个损失函数的权重值；

利用根据所述MSE损失函数的损失值和权重值、所述损失函数集合每个损失函数的损失值和对应的权重值对所述当前编码器进行调节，得到更新后的编码器；

在根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器之前，还包括：

获取所述交叉熵损失函数的权重值；

利用所述交叉熵损失函数的权重值、所述交叉熵损失函数的损失值对所述当前解码器进行更新，得到更新后的解码器。

3.根据权利要求2所述的方法，其特征在于：所述损失函数集合包括以下中的一项或多项：LPIPS损失函数、L2损失函数、Critic损失函数；

在预设步数之前，仅对所述交叉熵损失函数的权重值进行赋值；

在预设步数之后，所述交叉熵损失函数、所述LPIPS损失函数和所述L2损失函数的权重值相等，所述CRITIC损失函数的权重值大于所述交叉熵损失函数的权重值，所述交叉熵损失函数的权重值大于所述MSE损失函数的权重值。

4.根据权利要求1所述的方法，其特征在于，根据所述训练图像、所述水印图像和所述掩膜得到所述当前编码器中MSE损失函数的损失值包括：

根据所述训练图像和所述水印图像，得到整体差异图像；

根据所述整体差异图像和所述掩膜得到边缘差异图像；

根据所述整体差异图像、与所述整体差异图像相对应的第一权重、所述边缘差异图像和与所述边缘差异图像相对应的第二权重得到综合差异图像；其中，所述第一权重大于所述第二权重；

基于所述综合差异图像得到所述当前编码器中所述MSE损失函数的损失值。

5.根据权利要求4所述的方法，其特征在于，根据所述整体差异图像、与所述整体差异图像相对应的第一权重、所述边缘差异图像和与所述边缘差异图像相对应的第二权重得到综合差异图像之后，还包括：

在所述综合差异图像中添加通道权重，得到修正后的综合差异图像。

6.根据权利要求4或5所述的方法，其特征在于，在根据所述训练图像和所述水印图像，得到整体差异图像之前，还包括：

将所述训练图像和所述水印图像转化到YUV通道上。

7.根据权利要求1所述的方法，其特征在于，对所述训练图像进行边缘提取，得到掩膜包括：

将所述训练图像利用形态学梯度方法进行边缘提取，得到所述掩膜。

8.一种数字水印模型的训练装置，其特征在于，包括：

提取模块，用于获取训练图像，对所述训练图像进行边缘提取，得到掩膜；

MSE损失函数确定模块，用于获取由当前编码器生成的水印图像，根据所述训练图像、所述水印图像和所述掩膜得到所述当前编码器中MSE损失函数的损失值；

第一调节模块，用于计算所述水印图像与所述训练图像之间损失函数集合中各个损失函数的损失值，根据所述MSE损失函数的损失值和所述损失函数集合中各个损失函数的损失值对所述当前编码器进行更新，直到所述MSE损失函数和所述损失函数集合中各个损失函数均达到预设的第一收敛条件；

噪声处理模块，用于将所述水印图像放入预设的噪声层中进行噪声处理；

第二调节模块，用于将经过噪声处理的水印图像送入当前解码器进行解码得到秘密信息，根据所述秘密信息和所述水印信息得到交叉熵损失函数损失值；根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器，直到所述交叉熵损失函数达到预设的第二收敛条件。

9.根据权利要求8所述的装置，其特征在于，所述噪声层包括：几何畸变、运动模糊、颜色偏移、高斯噪声和JEPG压缩。

10.根据权利要求9所述的装置，其特征在于：

所述几何畸变的畸变系数小于1；

和/或，所述运动模糊采用直线模糊内核，所述直线内核的像素宽度不超过10，直线角度随机选取，范围不超过1/2π；

和/或，所述颜色偏移的偏移量值取值应满足均匀分布，偏移量值为-0.2～0.3；

和/或，所述JEPG压缩的压缩品质因子大于50。

11.一种编码器，其特征在于，利用权利要求1～7任一项所述的数字水印模型的训练方法训练得到。

12.一种解码器，其特征在于，利用权利要求1～7任一项所述的数字水印模型的训练方法训练得到。

13.一种陶瓷水印图像的制作方法，其特征在于，包括：

分别获取原始图像和水印信息；

将所述原始图像和所述水印信息输入到权利要求11所述的编码器中进行编码得到电子水印图像；

将所述电子水印图像转印到陶瓷预制品上之后，对所述陶瓷预制品进行烧制，得到带有水印图像的陶瓷。

14.根据权利要求13所述的方法，其特征在于，将所述电子水印图像转印到陶瓷预制品上包括：

将所述电子水印图像输入预设的陶瓷喷墨注射机中，利用所述陶瓷喷墨注射机对所述陶瓷预制品进行喷墨，以将所述电子水印图像转印到陶瓷预制品上；

或，根据所述电子水印图像生成纸质版花纸；

将所述纸质版花纸铺贴在所述陶瓷预制品上，以将所述电子水印图像转印到陶瓷预制品上。

15.根据权利要求13所述的方法，其特征在于：

当所述陶瓷预制品为日用陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图案的陶瓷包括：

对所述日用陶瓷预制品在800～1380℃进行烧制，得到日用陶瓷；

当所述陶瓷预制品为卫生陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图案的陶瓷包括：

对所述卫生陶瓷预制品在800～1380℃进行烧制，得到卫生陶瓷；

当所述陶瓷预制品为建筑陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图案的陶瓷包括：

对所述建筑陶瓷预制品在800～1380℃进行烧制，得到建筑陶瓷。

16.一种陶瓷，其特征在于，采用权利要求13～15任一项的陶瓷水印图像的制作方法制备而成。

17.根据权利要求16所述的陶瓷，其特征在于，所述陶瓷包括以下中的一项或多项：日用陶瓷、卫生陶瓷、建筑陶瓷。

18.一种陶瓷水印图像的解密方法，其特征在于，包括：

将陶瓷上的水印图案进行定位；

将定位后的水印图案输入到权利要求12所述的解码器中进行解码，得到所述水印图案中的水印信息。

Images