CN113538201B - 基于换底机制的陶瓷水印模型训练方法、装置和嵌密方法 - Google Patents
基于换底机制的陶瓷水印模型训练方法、装置和嵌密方法 Download PDFInfo
- Publication number
- CN113538201B CN113538201B CN202110846388.7A CN202110846388A CN113538201B CN 113538201 B CN113538201 B CN 113538201B CN 202110846388 A CN202110846388 A CN 202110846388A CN 113538201 B CN113538201 B CN 113538201B
- Authority
- CN
- China
- Prior art keywords
- image
- watermark
- ceramic
- loss function
- encoder
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000000919 ceramic Substances 0.000 title claims abstract description 242
- 238000012549 training Methods 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 98
- 230000007246 mechanism Effects 0.000 title claims abstract description 30
- 230000006870 function Effects 0.000 claims description 183
- 238000012545 processing Methods 0.000 claims description 31
- 238000010304 firing Methods 0.000 claims description 27
- 238000000605 extraction Methods 0.000 claims description 21
- 230000006835 compression Effects 0.000 claims description 17
- 238000007906 compression Methods 0.000 claims description 17
- 229940090046 jet injector Drugs 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 28
- 238000010586 diagram Methods 0.000 description 18
- 230000015654 memory Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 13
- 238000005070 sampling Methods 0.000 description 13
- 238000007650 screen-printing Methods 0.000 description 11
- 238000003860 storage Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000007639 printing Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 239000000049 pigment Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007641 inkjet printing Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000005467 ceramic manufacturing process Methods 0.000 description 1
- 239000013043 chemical agent Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
- G06T1/005—Robust watermarking, e.g. average attack or collusion attack resistant
-
- C—CHEMISTRY; METALLURGY
- C04—CEMENTS; CONCRETE; ARTIFICIAL STONE; CERAMICS; REFRACTORIES
- C04B—LIME, MAGNESIA; SLAG; CEMENTS; COMPOSITIONS THEREOF, e.g. MORTARS, CONCRETE OR LIKE BUILDING MATERIALS; ARTIFICIAL STONE; CERAMICS; REFRACTORIES; TREATMENT OF NATURAL STONE
- C04B41/00—After-treatment of mortars, concrete, artificial stone or ceramics; Treatment of natural stone
- C04B41/45—Coating or impregnating, e.g. injection in masonry, partial coating of green or fired ceramics, organic coating compositions for adhering together two concrete elements
- C04B41/50—Coating or impregnating, e.g. injection in masonry, partial coating of green or fired ceramics, organic coating compositions for adhering together two concrete elements with inorganic materials
-
- C—CHEMISTRY; METALLURGY
- C04—CEMENTS; CONCRETE; ARTIFICIAL STONE; CERAMICS; REFRACTORIES
- C04B—LIME, MAGNESIA; SLAG; CEMENTS; COMPOSITIONS THEREOF, e.g. MORTARS, CONCRETE OR LIKE BUILDING MATERIALS; ARTIFICIAL STONE; CERAMICS; REFRACTORIES; TREATMENT OF NATURAL STONE
- C04B41/00—After-treatment of mortars, concrete, artificial stone or ceramics; Treatment of natural stone
- C04B41/80—After-treatment of mortars, concrete, artificial stone or ceramics; Treatment of natural stone of only ceramics
- C04B41/81—Coating or impregnation
- C04B41/85—Coating or impregnation with inorganic materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0065—Extraction of an embedded watermark; Reliable detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Ceramic Engineering (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Materials Engineering (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Inorganic Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Structural Engineering (AREA)
- Organic Chemistry (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Bioethics (AREA)
- Multimedia (AREA)
- Technology Law (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本发明公开了一种基于换底机制的陶瓷水印模型训练方法、装置和嵌密方法,其中基于换底机制的陶瓷水印模型训练方法通过掩膜和训练图像对第一水印图像进行换底,由此可以使得在利用训练完成的陶瓷水印模型往原始陶瓷图像中嵌密时,水印信息能够以不可察觉的方式嵌入在原始图像的边界上,同时使水印信息不会产生“条纹现象”,提高图像的视觉质量。
Description
技术领域
本发明涉及陶瓷技术领域,具体涉及一种基于换底机制的陶瓷水印模型训练方法、装置和嵌密方法。
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。虽然在陶瓷表面添加防伪保护的数字二维码可以缩减版权维护周期,节省厂家和消费者维护版权成本,但是陶瓷作为实用性和美观性相结合的产品,在陶瓷表面添加可见的二维码,不仅牺牲了陶瓷的美观性,同时也削弱了产品竞争力。因此寻求一种高效同时不影响陶瓷艺术性的版权保护措施变得尤为重要。
图1为原始陶瓷商标图案示意图,图2为利用目前的数字水印模型嵌入水印信息的陶瓷商标图案示意图。如图1和图2所示,在利用目前的数字水印模型在陶瓷商标图案中嵌入水印信息时,经常在陶瓷商标上出现明显的条纹。
发明内容
有鉴于此,本发明实施例提供了一种基于换底机制的陶瓷水印模型训练方法、装置和嵌密方法,以克服水印图像中出现的条纹。
根据第一方面,本发明实施例提供了一种基于换底机制的陶瓷水印模型训练方法,包括:
分别获取当前训练图像和水印信息;
将所述当前训练图像和所述水印信息输入到所述编码器中生成残差图像,将所述残差图像和所述当前训练图像相加得到第一水印图像;
计算所述第一水印图像与所述当前训练图像之间损失函数集合中各个损失函数的损失值,根据所述损失值对所述编码器进行调节,得到更新后的编码器;
判断所述编码器是否达到预设的换底条件;
当所述编码器达到所述换底条件时,对所述当前训练图像进行边缘提取,得到掩膜,利用所述掩膜和所述当前训练图像对所述第一水印图像进行换底,得到第二水印图像;
将所述第二水印图像放入预设的噪声层中进行噪声处理;
将经过噪声处理的第二水印图像送入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解码器进行更新,得到更新后的解码器。
本发明实施例提供的数字水印模型的训练方法中通过掩膜和训练图像对第一水印图像进行换底,可以使得在利用训练完成的基于换底机制的陶瓷水印模型在陶瓷的原始图像上嵌密时,将水印信息以不可察觉的方式嵌入在陶瓷原始图像的边界上,使水印信息不会产生“条纹现象”,提高图像的视觉质量。
结合第一方面,在第一方面第一实施方式中,还包括:当所述编码器未达到所述换底条件时,将所述第一水印图像放入预设的噪声层中进行噪声处理;
将经过噪声处理的第一水印图像送入所述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解码器进行更新。
结合第一方面,在第一方面第二实施方式中,利用所述掩膜和所述当前训练图像对所述第一水印图像进行换底,得到第二水印图像包括:
根据所述掩膜和所述当前训练图像得到所述当前训练图像的非边界图像;
根据所述掩膜和所述第一水印图像得到所述第一水印图像的边界图像;
将所述当前训练图像的非边界图像与所述第一水印图像的边界图像相加,得到所述第二水印图像。
结合第一方面或第一方面第一实施方式,在第一方面第三实施方式中,
在根据所述损失值对所述编码器进行调节,得到更新后的编码器之前,还包括:获取所述损失函数集合中每个损失函数的权重值;
根据所述损失值对所述编码器进行调节,得到更新后的编码器包括:利用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解码器进行更新之前,还包括:获取所述交叉熵损失函数的权重值;
根据所述交叉熵损失函数损失值对所述解码器进行更新包括: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解码器进行更新。
结合第一方面第三实施方式,在第一方面第四实施方式中,所述损失函数集合中包括以下中的一项或几项:LPIPS损失函数、L无穷损失函数、CRITIC损失函数、MSE损失函数;
在所述换底条件之前且在预设的第一步数阈值之前,仅对交叉熵损失函数的权重值赋值;
在所述换底条件之前且在预设的第一步数阈值之后,所述LPIPS损失函数、所述CRITIC损失函数的权重值相同且比交叉熵损失函数的权重值要小,所述MSE损失函数的权重值小于所述LPIPS损失函数的权重值,所述L无穷损失函数权重值比LPIPS损失函数权重值小;
在所述换底条件之后,所述LPIPS损失函数、所述CRITIC损失函数的权重值相同且比交叉熵损失函数的权重值要小,所述MSE损失函数的权重值为0,所述L无穷损失函数权重值比LPIPS损失函数权重值小。
结合第一方面第四实施方式,在第一方面第五实施方式中,当所述损失函数集合中包括MSE损失函数时,计算所述第一水印图像与所述当前训练图像之间所述MSE损失函数的损失值包括:
根据所述当前训练图像、所述第一水印图像和所述掩膜得到所述编码器中所述MSE损失函数的损失值。
结合第一方面第五实施方式,在第一方面第六实施方式中,根据所述当前训练图像、所述第一水印图像和所述掩膜得到所述编码器中所述MSE损失函数的损失值包括:
将所述当前训练图像和所述第一水印图像分别转化到YUV通道上,得到YUV当前训练图像和YUV水印图像;
将所述YUV当前训练图像与YUV水印图像做差得到差值图像;
利用所述掩膜对所述差值图像进行边界提取,得到位于边界的差值图像与位于非边界的差值图像;
根据所述位于边界的差值图像、所述位于非边界的差值图像、与所述位于边界的差值图像相对应的第一权重和与所述位于非边界的差值图像相对应的第二权重得到综合差异图像;其中,所述第一权重小于所述第二权重;
基于所述综合差异图像得到所述编码器中所述MSE损失函数的损失值。
结合第一方面第六实施方式,在第一方面第七实施方式中,在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Y通道、U通道和V通道权重,得到修正后的综合差异图像;其中,所述U通道和V通道权重要大于Y通道权重。
结合第一方面,在第一方面第八实施方式中,对所述当前训练图像进行边缘提取,得到掩膜包括:
将所述当前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基于换底机制的陶瓷水印模型训练装置,包括:
获取模块,当编码器达到换底条件之后,分别获取当前训练图像和水印信息;
水印生成模块,用于将所述当前训练图像和所述水印信息输入到所述编码器中生成残差图像,将所述残差图像和所述当前训练图像相加得到第一水印图像;
第一调节模块,用于计算所述第一水印图像与所述当前训练图像之间损失函数集合中各个损失函数的损失值,根据所述损失值对所述编码器进行调节,得到更新后的编码器;
判断模块,用于判断所述编码器是否达到预设的换底条件;
换底模块,当所述编码器达到所述换底条件时,用于对所述当前训练图像进行边缘提取,得到掩膜,利用所述掩膜和所述当前训练图像对所述第一水印图像进行换底,得到第二水印图像;
噪声处理模块,用于将所述第二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第二水印图像送入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嵌密方法,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进行换底处理;
将换底后的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,得到带有水印图案的陶瓷。
结合第五方面,在第五方面第一实施方式中,将换底后的电子水印图像转印到陶瓷预制品上包括:
将换底后的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,以将换底后的电子水印图像转印到陶瓷预制品上;
或,根据换底后的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,以将换底后的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,本发明实施例提供了一种陶瓷水印的解密方法,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为原始陶瓷商标图案示意图;
图2为利用目前的数字水印模型嵌入水印信息的陶瓷商标图案示意图;
图3为数字水印模型的网络框架示意图;
图4为编码器网络示意图;
图5为解码器网络示意图;
图6为鉴别器网络层示意图;
图7为本发明实施例1中基于换底机制的陶瓷水印模型训练方法的流程示意图;
图8为本发明实施例2中基于换底机制的陶瓷水印模型训练装置的结构示意图;
图9为基于喷墨工艺的陶瓷水印图案的制作方法流程图;
图10为基于丝网印刷的陶瓷水印图案的制作方法流程图;
图11为基于喷墨工艺的陶瓷版权加密和解密的流程示意图;
图12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
图1为原始陶瓷商标图案示意图,图2为利用目前的数字水印模型嵌入水印信息的陶瓷商标图案示意图。如图1和图2所示,在利用目前的数字水印模型在陶瓷商标图案中嵌入水印信息时,经常在陶瓷商标上出现明显的条纹。经分析发现,出现条纹的原因在于:将水印信息嵌入到了陶瓷商标的背景上,一般情况下,陶瓷商标的背景区域(例如白色背景)在陶瓷的制作过程时是不着色的,其色彩为陶瓷本身的青色或者底色,因此水印信息在嵌入至背景白色区域会被丝网漏刷以至水印信息无法准确提取出来。
基于此,本发明实施例1提供了一种基于换底机制的陶瓷水印模型训练方法(可简称为数字水印模型)。图3为数字水印模型的网络框架示意图,如图3所示,数字水印模型包含编码器、解码器、噪声层、鉴别器和换底网络等多个网络子模块。所述编码器网络输入是水印信息和原始陶瓷商标载体图像,输出是残差图。将残差图与原始陶瓷商标图像进行结合就可得到嵌入了水印信息的水印图像(可简称为水印图像)。所述解码器的输入是经过换底操作的水印图像,其输出是编码器所嵌入的水印信息。所述噪声层网络是模拟水印图片在打印和拍摄时所可能遭受的攻击。所述的鉴别器用于保证编码器输出的水印图像与原始商标图像的不可察觉性。考虑到在丝网印刷工艺中,陶瓷商标的白色背景在丝网印刷时是不着色,其色彩为陶瓷本身的青色或者底色的事实,一般情况下,水印信息在嵌入至背景白色区域会被丝网漏刷以至水印信息无法准确提取出来。基于此,数字水印模型还包括换底网络,使得水印信息不嵌入在陶瓷商标的白色背景区域,同时保证解码器能够准确地将陶瓷商标中的水印信息提取出来。
编码器主要分为三个模块:全连接层模块、下采样卷积模块和上采样卷积模块。全连接层模块的作用是将以随机二进制序列表示的秘密信息整合成与载体图像相同结构大小的信息块。下采样卷积模块的作用一是将信息块与载体图像结合形成图像信息结合体。下采样卷积模块的作用二是对图像信息结合体进行下采样卷积计算,并在各个网络层提取图像特征形成特征图。而上采样卷积模块的作用则是将下采样中各层的特征图与各层上采样后的信息块进行结合逐步还原图像细节,在上采样卷积模块的最后一层形成残差图,再将得到的残差图与原始图像相加得到水印图像,整个过程就完成了秘密信息的嵌入。
图4为编码器网络示意图,如图4所示,其中全连接层作用是将二进制水印信息序列形变为与原始陶瓷商标图像相同的形状大小,然后通过通道叠加形成一个六通道的结合体,其结合体是由载体图像与水印信息在通道维度上相加所构成,为编码器的输入。编码器网络分为二个阶段分别是图像下采样阶段和图像上采样阶段。所述结合体首先经过下采样阶段,通过卷积计算在每个网络层形成尺寸大小不同的特征图像。而在上采样中,将下采样中形成的尺寸大小不同的特征图与经过转置卷积的各层特征图像进行跳连连接,充分补充在下采样过程中特征图像丢失的细节,逐步还原图像尺寸直至与结合体一致,在上采样最后形成一个三通道尺寸大小与原始图像相同的残差图。将此残差图与原始陶瓷相加即可得到含水印信息的陶瓷商标图像。
图5为解码器网络示意图,如图5所示,主要由卷积神经网络组成,其分别为下采样卷积模块和全连接层,下采样卷积模块的作用是将水印图像进行卷积计算,提取水印特征形成水印信息特征图。而全连接层则是将水印信息特征图转化为二进制比特序列,从而实现水印信息提取。
鉴别器本质上就是一个二分类器,图6为鉴别器网络层示意图,如图6所示,由5个卷积神经网络层所构成,所述网络层都集密连接。将原图和水印图像送入此鉴别器,通过卷积计算分别对原图和水印图像进行打分,通过分数之间的差值构建损失函数,其损失函数值反映了原始图像与水印图像之间的相似度程度,当损失函数值越小时,说明水印图像与原图越相似,当损失函数值越大时,则说明水印图像与原图越不相似,如此保证编码器输出的水印图像与原始图像不可察觉性。
图6为本发明实施例1中基于换底机制的陶瓷水印模型训练方法的流程示意图,如图6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:分别获取当前训练图像和水印信息。
具体的,当编码器训练步长达到预设步长时,可以认为编码器达到预设的换底条件。
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)。进一步的,可以将LLD数据集进行预处理,将其进行尺度变换到256*256分辨率。
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,形成具有和经过预处理后的LLD数据集中任一训练图像相同的大小。
S102:将所述当前训练图像和所述水印信息输入到所述编码器中生成残差图像,将所述残差图像和所述当前训练图像相加得到第一水印图像。
具体的,可以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。
S103:计算所述第一水印图像与所述当前训练图像之间损失函数集合中各个损失函数的损失值,根据所述损失值对所述编码器进行调节,得到更新后的编码器。
在本发明实施例1中,所述损失函数集合中包括以下中的一项或几项:LPIPS损失函数、L无穷损失函数、Critic损失函数、MSE损失函数。
具体的,当所述损失函数集合中包括MSE损失函数时,计算所述第三水印图像与所述当前训练图像之间所述MSE损失函数的损失值包括:根据所述当前训练图像、所述第三水印图像和所述掩膜得到所述编码器中所述MSE损失函数的损失值。
更加具体的,根据所述训练图像、所述第三水印图像和所述掩膜得到所述编码器中MSE损失函数的损失值包括:
将所述训练图像和所述第一水印图像分别转化到YUV通道上,得到YUV训练图像和YUV水印图像;
将所述YUV训练图像与YUV水印图像做差得到差值图像。
利用所述掩膜对所述差值图像进行边界提取,得到位于边界的差值图像与位于非边界的差值图像。
根据所述位于边界的差值图像、所述位于非边界的差值图像、与所述位于边界的差值图像相对应的第一权重和与所述位于非边界的差值图像相对应的第二权重得到综合差异图像;其中,所述第一权重小于所述第二权重;
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。
进一步的,在根据所述非边界的差值图像、所述边界的差值图像,以及与其相对应的第一权重和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通道权重相等且大于1。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,根据所述当前训练图像、所述第三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:与第三水印图像转换到YUV通道,做差,得到差异图;
步骤2:根据当前训练图像生成一个边界掩模mask。
步骤3:将差异图与步骤2所述mask进行相乘得到位于边界的差值图与位于非边界差值图。
步骤4:分别对边界差值图与非边界差值图施加权重参数1与2~100,并且进行相加得到综合差异图像。
步骤5:将步骤4所述综合差异图像添加通道权重,Y通道权重为1,U、V通道权重参数设置为大于1且相等,得到修正后的综合差异图像。
步骤6:将综合差异图像进行平方再求均值,所得结果作为MSE损失函数的损失值。根据此损失值来优化编码器将水印信息嵌入至图像边缘区域,提高水印图像的视觉质量。
在步骤S103中,计算放大后的水印图像与所述训练图像之间损失函数集合中LPIPS损失函数、L无穷损失函数、Critic损失函数的损失值可以采用现有技术中的任意技术方案,在此不再赘述。
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CY,水印图像为SY,载体图像在U通道上分量为CU,水印图像为SU,图像在V通道上分量为CV,水印图像为SV,其中σY,σU,σV表示YUV通道上的权重,由于亮度具有更高的隐蔽性,因此,σY会设置较小,σU,σV设置较大,W,H,则分别表示图像的宽和高,则MSE损失函数LM为:
当所述损失函数集合中包括MSE损失函数时,计算放大后的水印图像与所述训练图像之间MSE损失函数的损失值包括:对所述训练图像进行边缘提取,得到掩膜;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。
除MSE损失函数之外,损失函数集合还包括L无穷损失函数、LPIPS损失函数和Critic损失函数,L无穷损失函数、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。
所述L无穷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,在这里指代水印图像与原始图像相减所得像素差异图在图像RGB通道上的最大像素值。假设MS是水印图像,Mc是原始载体图像,那么L∞损失函数为:
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Lp为:
Lp=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LC为:
LC=dis(S)-dis(C)
计算放大后的水印图像与所述训练图像之间损失函数集合中LPIPS损失函数、L无穷损失函数、Critic损失函数的损失值可以采用现有技术中的任意技术方案,在此不再赘述。
进一步的,在根据所述损失值对所述编码器进行调节,得到更新后的编码器之前,还包括:获取所述损失函数集合中每个损失函数的权重值。进一步的,根据所述损失值对所述编码器进行调节,得到更新后的编码器包括:利用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编码器进行调节,得到更新后的编码器。
进一步的,将更新后的编码器作为当前编码器,并返回“分别获取训练图像和水印信息”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。
S104:判断所述编码器是否达到预设的换底条件。
作为具体的实施方式,当编码器的训练次数达到预设的第二步数阈值时可以认为编码器达到预设的换底条件。其中,第二步数阈值大于第一步数阈值。
S105:当所述编码器达到预设的换底条件时,对所述当前训练图像进行边缘提取,得到掩膜,利用所述掩膜和所述当前训练图像对所述第一水印图像进行换底,得到第二水印图像。
具体的,同时利用形态学梯度方法将预处理过后的数据集中所有图像进行边缘提取,形成掩膜mask。
作为具体的实施方式,利用所述掩膜和所述当前训练图像对所述第一水印图像进行换底,得到第二水印图像可以采用如下技术方案:根据所述掩膜和所述当前训练图像得到所述当前训练图像的非边界图像;根据所述掩膜和所述第一水印图像得到所述第一水印图像的边界图像;将所述当前训练图像的非边界图像与所述第一水印图像的边界图像相加,得到所述第二水印图像。
具体的,所述掩膜为与所述训练图像对应的二值图。
示例的,假设I′为未经过换底的水印图像,I‘’为经过换底的水印图像,Icover为原图,训练掩膜mask是上述用形态学算法提取出的掩膜。其中掩膜mask本质为一个与原始商标图案Icover对应的二值图,二值图中用0表示原始商标对应位置为边缘区域,否则用1表示原始商标对应位置为平坦的背景区域。此时可使用如下公式模拟换底机制,并生成换底后的含水印信息的图像。
I″=I′*(1-mask)+Icover*mask
其中I′*(1-mask)是将未换底的含水印信息的图像中的边缘区域提取出来,而Icover*mask是将原图的背景区域提取出来,两者进行像素相加形成换底后的最终水印图像I″,并保证背景无秘密信息。然后将此水印图像I″分别送入鉴别器和噪声层-解码器。如此通过相应的网络训练后,即使编码器将水印信息不嵌入在陶瓷商标背景的白色区域(即换底),解码器也能准确的提取相关秘密信息,解决了丝网印刷工艺下无法表达背景信息情况而导致水印信息提取不准确的问题。
S106:将所述第二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。
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。
陶瓷水印图案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,陶瓷水印图案在制作成相应的AI文件时,会经过JEPG压缩操作。在步骤2中,陶瓷水印图案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案的亮度、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。当陶瓷水印图案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案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。
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案进行颜色配色,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案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。
由于陶瓷商标印刷工艺是在700-1100℃的高温条件下,陶瓷上色的颜料受到温度、湿度和空气气氛的影响较大,导致图像失真也较大,水印图像对比度、饱和度以及色彩色调失真范围将会更大。另外,陶瓷丝网印刷时,印刷的油墨受温度影响在一定程度上同样会发生色彩偏移现象,而水印图像又要保证图像发生失真后仍能够无失真的提取水印信息,所以本网络在编码器和解码器之间构建噪声层。该噪声层的构建主要用于模拟陶瓷烧制过程中可能受到的攻击情况,即根据经验分析陶瓷印刷以及拍摄过程中可能造成的畸变进行了测量和分析。噪声层网络主要有:几何畸变、运动模糊、颜色变换、噪点攻击和JEPG压缩,其中几何畸变与运动模糊是为了模拟拍摄时受到的攻击,以上噪声攻击的强度均为随机取值,取值范围设定视环境变化而改变。由于陶瓷商标在烧制时经受的颜色变换攻击较强,因此本网络针对于颜色变换攻击设定了更大的取值范围,这是因为,由于陶瓷水印图像最终是需要经过高温灼烧才能够附着在陶瓷上的,通过实际烧制的经验,通常经过高温烧制后,其附着在陶瓷上的花纹(水印图像)会有一定的色彩,因此断定陶瓷水印图像在烧制时会由于高温经受的颜色变换的强度会更强,所以模拟此颜色攻击的范围也要同步的加大,以保证经过此强度色彩攻击下的陶瓷水印图像后还能被解码器正确提取秘密信息。
S107:将经过噪声处理的第二水印图像送入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解码器进行更新。
作为进一步的实施方式,在根据所述交叉熵损失函数损失值对所述解码器进行更新之前,还包括:获取所述交叉熵损失函数的权重值。进一步的,根据所述交叉熵损失函数损失值对所述解码器进行更新包括: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解码器进行更新。
具体的,当所述编码器未达到所述换底条件时,还包括以下步骤S108:将所述第一水印图像放入预设的噪声层中进行噪声处理;S109:将经过噪声处理的第一水印图像送入所述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解码器进行更新。
本发明实施例提供的基于换底机制的陶瓷水印模型训练方法通过掩膜和训练图像对第一水印图像进行换底,由此可以使得在利用训练完成的基于换底机制的陶瓷水印模型在陶瓷的原始图像上嵌密时,将水印信息以不可察觉的方式嵌入在陶瓷原始图像的边界上,使水印信息不会产生“条纹现象”,提高图像的视觉质量。
作为具体的实施方式,基于换底机制的陶瓷水印模型训练方法还包括以下步骤:S205:当所述编码器未达到所述换底条件时,将所述第一水印图像放入预设的噪声层中进行噪声处理;S206:将经过噪声处理的第一水印图像送入所述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解码器进行更新。
也就是说,当编码器未达到换底条件时,通过S101、S102、S103、S104、S205、S206来完成基于换底机制的陶瓷水印模型的训练;当编码器达到换底条件时,通过S101、S102、S103、S104、S105、S106、S107来完成基于换底机制的陶瓷水印模型的训练。
具体的,在换底条件之前且在预设的第一步数阈值之前,仅对交叉熵损失函数的权重值进行赋值;在换底条件之前且在预设的第一步数阈值之后,所述LPIPS损失函数、所述CRITIC损失函数的权重值相同且比交叉熵损失函数的权重值要小,所述MSE损失函数的权重值小于所述LPIPS损失函数的权重值,所述L无穷损失函数权重值比LPIPS损失函数权重值小。也就是说,在换底条件之前,先训练网络的解码率,确保解码器能够正确提取水印信息(水印信息二进制序列),然后再提升水印图像的视觉质量(不可察觉性)。
在换底条件之后,所述LPIPS损失函数、所述CRITIC损失函数的权重值相同且比交叉熵损失函数的权重值要小,所述MSE损失函数的权重值为0,所述L无穷损失函数权重值比LPIPS损失函数权重值小。这是因为,由于换底机制对于MSE损失函数有极大的抑制影响会导致解码器提取水印信息正确下降,因此在启动换底机制后不再优化MSE损失函数。
示例的,在本发明实施例中,基于换底机制的陶瓷水印模型训练方法的结束条件可以为第三步数阈值,其中第三步数阈值可以根据编码器和解码器的训练情况而定,具体的,第三步数阈值为编码器达到预设的第一收敛条件且解码器达到预设的第二收敛条件时的训练步数。其中,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;第二收敛条件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。
实施例2
与本发明实施例1相对应,本发明提供了一种基于换底机制的陶瓷水印模型训练装置。图8为本发明实施例2中基于换底机制的陶瓷水印模型训练装置的结构示意图。如图8所示,本发明实施例2的基于换底机制的陶瓷水印模型训练装置包括获取模块20、水印生成模块21、第一调节模块22、判断模块23、换底模块24、噪声处理模块25和第二调节模块26。
具体的,获取模块20,当编码器达到换底条件之后,分别获取当前训练图像和水印信息;
水印生成模块21,用于将所述当前训练图像和所述水印信息输入到所述编码器中生成残差图像,将所述残差图像和所述当前训练图像相加得到第一水印图像;
第一调节模块22,用于计算所述第一水印图像与所述当前训练图像之间损失函数集合中各个损失函数的损失值,根据所述损失值对所述编码器进行调节,得到更新后的编码器;
判断模块23,用于判断所述编码器是否达到预设的换底条件;
换底模块24,用于对所述当前训练图像进行边缘提取,得到掩膜,利用所述掩膜和所述当前训练图像对所述第一水印图像进行换底,得到第二水印图像;
噪声处理模块25,用于将所述第二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26,用于将经过噪声处理的第二水印图像送入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。
进一步的,当所述编码器未达到所述换底条件时,所述噪声处理模块24还用于将所述第一水印图像放入预设的噪声层中进行噪声处理;
所述第二调节模块25,还用于将经过噪声处理的第一水印图像送入所述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解码器进行更新。
具体的,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。
具体的,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。
上述基于换底机制的陶瓷水印模型训练装置具体细节可以对应参阅图1至图7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所述的基于换底机制的陶瓷水印模型训练方法训练得到。
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所述的基于换底机制的陶瓷水印模型训练方法训练得到。
实施例5
本发明实施例5提供了一种陶瓷的嵌密方法。本发明实施例5陶瓷的嵌密方法包括以下步骤:
S501:分别获取原始图像和水印信息。
S502:对所述原始图像进行边缘提取,得到图像掩膜。
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:利用所述图像掩膜和所述原始图像对所述电子水印图像进行换底。
S504:将换底后的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,得到带有水印图案的陶瓷。
作为具体的实施方式,将换底后的电子水印图像转印到陶瓷预制品上可以采用以下两种方案。第一种方案为:将换底后的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,以将换底后的电子水印图像转印到陶瓷预制品上。第二种方案为:根据换底后的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,以将换底后的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9为基于喷墨工艺的陶瓷水印图案的制作方法流程图,如图9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10为基于丝网印刷的陶瓷水印图案的制作方法流程图,如图10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。
实施例6
本发明实施例6提供了一种陶瓷水印图案的解密方法。本发明实施例5陶瓷水印图案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,陶瓷水印图案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11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1170℃的高温烧制,得到含有版权信息的陶瓷制品。图12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 (17)
1.一种基于换底机制的陶瓷水印模型训练方法,其特征在于,包括:
分别获取当前训练图像和水印信息;
将所述当前训练图像和所述水印信息输入到编码器中生成残差图像,将所述残差图像和所述当前训练图像相加得到第一水印图像;
计算所述第一水印图像与所述当前训练图像之间损失函数集合中各个损失函数的损失值,根据所述损失值对所述编码器进行调节,得到更新后的编码器;
判断所述编码器是否达到预设的换底条件;
当所述编码器达到所述换底条件时,对所述当前训练图像进行边缘提取,得到掩膜,利用所述掩膜和所述当前训练图像对所述第一水印图像进行换底,得到第二水印图像;
将所述第二水印图像放入预设的噪声层中进行噪声处理;
将经过噪声处理的第二水印图像送入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解码器进行更新,得到更新后的解码器;
利用所述掩膜和所述当前训练图像对所述第一水印图像进行换底,得到第二水印图像包括:
根据所述掩膜和所述当前训练图像得到所述当前训练图像的非边界图像;
根据所述掩膜和所述第一水印图像得到所述第一水印图像的边界图像;
将所述当前训练图像的非边界图像与所述第一水印图像的边界图像相加,得到所述第二水印图像。
2.根据权利要求1所述的方法,其特征在于,还包括:当所述编码器未达到所述换底条件时,将所述第一水印图像放入预设的噪声层中进行噪声处理;
将经过噪声处理的第一水印图像送入所述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解码器进行更新。
3.根据权利要求1或2所述的方法,其特征在于:
在根据所述损失值对所述编码器进行调节,得到更新后的编码器之前,还包括:获取所述损失函数集合中每个损失函数的权重值;
根据所述损失值对所述编码器进行调节,得到更新后的编码器包括:利用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解码器进行更新之前,还包括:获取所述交叉熵损失函数的权重值;
根据所述交叉熵损失函数损失值对所述解码器进行更新包括: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解码器进行更新。
4.根据权利要求3所述的方法,其特征在于,所述损失函数集合中包括以下中的一项或几项:LPIPS损失函数、L无穷损失函数、CRITIC损失函数、MSE损失函数;
在所述换底条件之前且在预设的第一步数阈值之前,仅对交叉熵损失函数的权重值赋值;
在所述换底条件之前且在预设的第一步数阈值之后,所述LPIPS损失函数、所述CRITIC损失函数的权重值相同且比交叉熵损失函数的权重值要小,所述MSE损失函数的权重值小于所述LPIPS损失函数的权重值,所述L无穷损失函数权重值比LPIPS损失函数权重值小;
在所述换底条件之后,所述LPIPS损失函数、所述CRITIC损失函数的权重值相同且比交叉熵损失函数的权重值要小,所述MSE损失函数的权重值为0,所述L无穷损失函数权重值比LPIPS损失函数权重值小。
5.根据权利要求4所述的方法,其特征在于,当所述损失函数集合中包括MSE损失函数时,计算所述第一水印图像与所述当前训练图像之间所述MSE损失函数的损失值包括:
根据所述当前训练图像、所述第一水印图像和所述掩膜得到所述编码器中所述MSE损失函数的损失值。
6.根据权利要求5所述的方法,其特征在于,根据所述当前训练图像、所述第一水印图像和所述掩膜得到所述编码器中所述MSE损失函数的损失值包括:
将所述当前训练图像和所述第一水印图像分别转化到YUV通道上,得到YUV当前训练图像和YUV水印图像;
将所述YUV当前训练图像与YUV水印图像做差得到差值图像;
利用所述掩膜对所述差值图像进行边界提取,得到位于边界的差值图像与位于非边界的差值图像;
根据所述位于边界的差值图像、所述位于非边界的差值图像、与所述位于边界的差值图像相对应的第一权重和与所述位于非边界的差值图像相对应的第二权重得到综合差异图像;其中,所述第一权重小于所述第二权重;
基于所述综合差异图像得到所述编码器中所述MSE损失函数的损失值。
7.根据权利要求6所述的方法,其特征在于,在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Y通道、U通道和V通道权重,得到修正后的综合差异图像;其中,所述U通道和V通道权重要大于Y通道权重。
8.根据权利要求1所述的方法,其特征在于,对所述当前训练图像进行边缘提取,得到掩膜包括:
将所述当前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。
9.一种基于换底机制的陶瓷水印模型训练装置,其特征在于,包括:
获取模块,分别获取当前训练图像和水印信息;
水印生成模块,用于将所述当前训练图像和所述水印信息输入到编码器中生成残差图像,将所述残差图像和所述当前训练图像相加得到第一水印图像;
第一调节模块,用于计算所述第一水印图像与所述当前训练图像之间损失函数集合中各个损失函数的损失值,根据所述损失值对所述编码器进行调节,得到更新后的编码器;
判断模块,用于判断所述编码器是否达到预设的换底条件;
换底模块,当所述编码器达到所述换底条件时,用于对所述当前训练图像进行边缘提取,得到掩膜,利用所述掩膜和所述当前训练图像对所述第一水印图像进行换底,得到第二水印图像;
噪声处理模块,用于将所述第二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第二水印图像送入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;
所述换底模块具体用于:根据所述掩膜和所述当前训练图像得到所述当前训练图像的非边界图像;根据所述掩膜和所述第一水印图像得到所述第一水印图像的边界图像;将所述当前训练图像的非边界图像与所述第一水印图像的边界图像相加,得到所述第二水印图像。
10.根据权利要求9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。
11.根据权利要求10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,所述直线模糊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。
12.一种编码器,其特征在于,利用权利要求1~8任一项面向陶瓷工艺的换底陶瓷水印模型训练方法训练得到。
13.一种解码器,其特征在于,利用权利要求1~8任一项面向陶瓷工艺的换底陶瓷水印模型训练方法训练得到。
14.一种陶瓷的嵌密方法,其特征在于,包括:
分别获取原始图像和水印信息;
对所述原始图像进行边缘提取,得到图像掩膜;
将所述原始图像和所述水印信息输入到权利要求12编码器中进行编码得到电子水印图像;
利用所述图像掩膜和所述原始图像对所述电子水印图像进行换底;
将换底后的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,得到带有水印图案的陶瓷。
15.根据权利要求14所述的方法,其特征在于,将换底后的电子水印图像转印到陶瓷预制品上包括:
将换底后的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,以将换底后的电子水印图像转印到陶瓷预制品上;
或,根据换底后的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,以将换底后的电子水印图像转印到陶瓷预制品上。
16.根据权利要求14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。
17.一种陶瓷水印的解密方法,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13解码器中进行解码,得到所述水印图案中的水印信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110846388.7A CN113538201B (zh) | 2021-07-26 | 2021-07-26 | 基于换底机制的陶瓷水印模型训练方法、装置和嵌密方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110846388.7A CN113538201B (zh) | 2021-07-26 | 2021-07-26 | 基于换底机制的陶瓷水印模型训练方法、装置和嵌密方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113538201A CN113538201A (zh) | 2021-10-22 |
CN113538201B true CN113538201B (zh) | 2022-06-21 |
Family
ID=78120919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110846388.7A Active CN113538201B (zh) | 2021-07-26 | 2021-07-26 | 基于换底机制的陶瓷水印模型训练方法、装置和嵌密方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113538201B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330583A (zh) * | 2022-09-19 | 2022-11-11 | 景德镇陶瓷大学 | 一种基于cmyk图像的水印模型训练方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012131670A2 (en) * | 2011-03-28 | 2012-10-04 | Rosetta Genomics Ltd | Methods for lung cancer clasification |
CN105426956B (zh) * | 2015-11-06 | 2019-01-22 | 国家电网公司 | 一种超短期光伏预测方法 |
CN113052745B (zh) * | 2021-04-25 | 2022-01-07 | 景德镇陶瓷大学 | 数字水印模型训练方法、陶瓷水印图像的制作方法及陶瓷 |
-
2021
- 2021-07-26 CN CN202110846388.7A patent/CN113538201B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113538201A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113052745B (zh) | 数字水印模型训练方法、陶瓷水印图像的制作方法及陶瓷 | |
US7995790B2 (en) | Digital watermark detection using predetermined color projections | |
EP3857500B1 (en) | Watermarking arrangements permitting vector graphics editing | |
US6993150B2 (en) | Halftone primitive watermarking and related applications | |
US7599099B2 (en) | Image processing apparatus and image processing method | |
CN113222804B (zh) | 面向陶瓷工艺的上采样陶瓷水印模型训练方法和嵌密方法 | |
US9159112B2 (en) | Digital watermarking using saturation patterns | |
JP2001148776A (ja) | 画像処理装置及び方法及び記憶媒体 | |
CN113379585B (zh) | 无边框定位的陶瓷水印模型训练方法和嵌密方法 | |
CN113538201B (zh) | 基于换底机制的陶瓷水印模型训练方法、装置和嵌密方法 | |
EP3175423B1 (en) | Digital image watermarking system and method | |
CN112217958B (zh) | 与设备颜色空间无关的数字水印载体图像预处理的方法 | |
Wu et al. | A printer forensics method using halftone dot arrangement model | |
CN106327416B (zh) | 一种基于印刷品的网点水印方法 | |
CN113837915B (zh) | 一种边界区域二值化的陶瓷水印模型训练方法和嵌密方法 | |
CN110533574B (zh) | 一种基于图像像素关系的显隐光栅的制作方法 | |
CN112184533B (zh) | 一种基于sift特征点匹配的水印同步方法 | |
CN110189241B (zh) | 一种基于区块均值的抗打印噪声图像水印方法 | |
JP3884891B2 (ja) | 画像処理装置及び方法及び記憶媒体 | |
JP3809310B2 (ja) | 画像処理装置及び方法及び記憶媒体 | |
Lin et al. | Color image recovery system from printed gray image | |
JP3869983B2 (ja) | 画像処理装置及び方法及び記憶媒体 | |
KR102579261B1 (ko) | 워터마크 데이터의 임베딩 및 추출 방법 | |
JP2001119558A (ja) | 画像処理装置及び方法及び記憶媒体 | |
JP6920719B2 (ja) | 電子透かし装置および方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |