CN115080931A - 基于数字水印的纺织品图像版权保护方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及基于数字水印的纺织品图像版权保护方法。该方法是一种应用电子设备进行识别的方法，利用生产领域人工智能系统完成对纺织品图像嵌入水印并对纺织品图像版权侵害进行判断。该方法首先通过相机识别图像，得到纺织品图像的梯度幅值直方图和方向梯度直方图，对梯度幅值直方图和方向梯度直方图进行数据处理得到数字水印和嵌入数字水印后的纺织水印图像，进一步对数字水印进行数据处理判断纺织品图像是否被侵权。本发明对纺织品图像的梯度幅值直方图进行大梯度区间直方图均衡化将数字水印嵌入，有效提高了数字水印的鲁棒性，减少图像转印对数字水印的影响，提高纺织品图像的版权可保护性和可追踪溯源性。

Description

基于数字水印的纺织品图像版权保护方法

技术领域

本发明涉及数据处理技术领域，具体涉及基于数字水印的纺织品图像版权保护方法。

背景技术

日益频发的纺织品图像侵权案件给企业和个人带来了巨大的损失，一般防止纺织品图像侵权案件的发生，通过通过对纺织品图像添加水印的技术，以实现对纺织品图像的版权保护和追踪溯源。

目前，常见的对纺织品图像添加水印是通过直方图的修改和平移实现数字水印的嵌入，该方法虽然保证了图像质量，但是数字水印的嵌入容量会受到直方图峰值点的限制，且数字水印的嵌入量直接影响纺织品图像的版权可保护性和可追踪溯源性，且在图像转印的过程中，纺织品图像会受到自身纹理特征导致的噪声的影响，进而会影响数字水印的提取与验证。

发明内容

为了解决上述技术问题，本发明的目的在于提供基于数字水印的纺织品图像版权保护方法，所采用的技术方案具体如下：

获取纺织品图像，计算所述纺织品图像的梯度得到梯度图像、以及对应的梯度幅值直方图和方向梯度直方图；

将所述方向梯度直方图分为多个单元，计算每个单元对应的梯度幅值之和，根据各所述梯度幅值之和与梯度幅值的均值的差异得到一个二进制数，作为所述纺织品图像的数字水印；

对所述梯度幅值直方图进行阈值分割得到大梯度区间和小梯度区间；获取所述大梯度区间的概率均值，基于所述概率均值对所述梯度幅值直方图进行修正，将大于预设概率阈值的梯度幅值的概率更新为二倍的概率均值；将小于预设概率阈值大于零的梯度幅值的概率更新为所述概率均值；

对修正后的所述梯度幅值直方图进行均衡化，得到均衡化后的梯度幅值直方图，基于所述均衡化后的梯度幅值直方图，重复对部分梯度幅值进行数字水印嵌入，得到纺织水印图像；

提取待验证纺织图像的数字水印，比较所述待验证纺织图像的数字水印和所述纺织水印图像的数字水印，判断所述纺织品图像的版权是否被侵害。

优选的，所述计算所述纺织品图像的梯度得到梯度图像，包括：

利用索贝尔算子计算所述纺织品图像中像素的梯度幅值和梯度方向，进行离散化处理，得到所述纺织品图像的梯度图像。

优选的，所述根据各所述梯度幅值之和与梯度幅值的均值的差异得到一个二进制数，包括：

比较每个单元的所述梯度幅值之和与梯度幅值的均值的大小，当所述梯度幅值之和大于等于所述梯度幅值的均值时，对应位置记为1；当所述梯度幅值之和小于所述梯度幅值的均值时，对应位置记为0，得到一个二进制数。

优选的，所述对所述梯度幅值直方图进行阈值分割得到大梯度区间和小梯度区间，包括：

阈值分割的满足条件为：

，其中，

为梯度幅值直方图的梯度幅值对应的最大频率；

为最优阈值分割处的梯度幅值；

为最大的梯度幅值；

基于最优阈值分割处的梯度幅值，对所述梯度幅值直方图进行阈值分割得到大梯度区间和小梯度区间。

优选的，所述基于所述均衡化后的梯度幅值直方图，重复对部分梯度幅值进行数字水印嵌入，得到纺织水印图像，包括：

由概率大于预设概率阈值的梯度幅值构成梯度幅值验证集合；基于所述均衡化后的梯度幅值直方图，获取所述梯度幅值验证集合中梯度幅值对应的嵌入像素点，对嵌入像素点进行数字水印嵌入；

数字水印嵌入的计算公式为：

其中，

为嵌入数字水印后的梯度幅值；

为均衡化后的梯度幅值；

为数字水印；

根据嵌入数字水印后的梯度幅值直方图进行还原，得到嵌入水印后的纺织水印图像。

优选的，所述比较所述待验证纺织图像的数字水印和所述纺织水印图像的数字水印，判断所述纺织水印图像的版权是否被侵害，包括：

由概率大于预设概率阈值的梯度幅值构成梯度幅值验证集合；

结合所述梯度幅值验证集合内的梯度幅值和所述待验证纺织图像对应的多个梯度幅值，从所述待验证纺织图像中提取出待验证纺织图像的多个二进制序列；

计算重复概率为Top-k的二进制序列和纺织水印图像的数字水印的汉明距离，若得到的汉明距离大于预设距离阈值，则纺织品图像的版权被侵害。

本发明实施例至少具有如下有益效果：

本发明实施例利用数据处理技术，该方法是一种应用电子设备进行识别的方法，利用生产领域人工智能系统完成对纺织品图像嵌入水印并对纺织品图像版权侵害进行判断。首先获取纺织品图像，计算纺织品图像的梯度得到对应的梯度幅值直方图和方向梯度直方图；根据纺织品图像的方向梯度直方图获得强鲁棒性的数字水印；对梯度幅值直方图进行阈值分割得到大梯度区间和小梯度区间；基于大梯度区间的概率均值对梯度幅值直方图进行修正，在进行直方图均衡化前，先对梯度幅值直方图进行概率修正，保证在直方图均衡化后，概率小的梯度幅值不被吞噬，概率大的梯度幅值均衡化程度较小，即使区间的概率分布更均匀。对修正后的梯度幅值直方图进行均衡化，得到均衡化后的梯度幅值直方图，基于均衡化后的梯度幅值直方图，重复对部分梯度幅值进行数字水印嵌入，得到纺织水印图像，通过对梯度幅值直方图的大梯度区间进行直方图平移嵌入数字水印，替代对直方图峰值点进行平移嵌入数字水印，保证了数字水印的强鲁棒性，大梯度区间划分的结果决定了数字水印的嵌入量。提取待验证纺织图像的数字水印，比较待验证纺织图像的数字水印和纺织品图像的数字水印，判断纺织品图像的版权是否被侵害。本发明根据纺织品图像的方向梯度直方图获得强鲁棒性的数字水印，然后对纺织品图像的梯度幅值直方图进行大梯度区间直方图均衡化，实现直方图平移，将数字水印嵌入，最终通过数字水印技术实现纺织品图像的版权保护和追踪溯源。在保证数字水印高嵌入量的情况下，有效提高了数字水印的鲁棒性，并减少图像转印对数字水印的影响，提高纺织品图像的版权可保护性和可追踪溯源性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的基于数字水印的纺织品图像版权保护方法的方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于数字水印的纺织品图像版权保护方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

本发明实施例提供了基于数字水印的纺织品图像版权保护方法的具体实施方法，该方法适用于纺织品图像嵌入水印和版权保护场景。该场景下在纺织品正上方放置有一相机，使相机的光轴垂直于纺织品，以采集得到纺织品图像。为了解决仅在峰值点嵌入水印会导致数字水印的嵌入容量受到直方图峰值点的限制的问题，本发明是一种应用电子设备进行识别的方法，利用生产领域人工智能系统完成对纺织品图像嵌入水印并对纺织品图像版权侵害进行判断，通过根据纺织品图像的方向梯度直方图获得强鲁棒性的数字水印，然后对纺织品图像的梯度幅值直方图进行大梯度区间直方图均衡化，实现直方图平移，将数字水印嵌入，基于均衡化后的梯度幅值直方图，重复对部分梯度幅值进行数字水印嵌入，得到纺织水印图像，通过对梯度幅值直方图的大梯度区间进行直方图平移嵌入数字水印，替代对直方图峰值点进行平移嵌入数字水印，保证了数字水印的强鲁棒性，最终通过数字水印技术实现纺织品图像的版权保护和追踪溯源。在保证数字水印高嵌入量的情况下，有效提高了数字水印的鲁棒性，并减少图像转印对数字水印的影响，提高纺织品图像的版权可保护性和可追踪溯源性。

下面结合附图具体的说明本发明所提供的基于数字水印的纺织品图像版权保护方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于数字水印的纺织品图像版权保护方法的步骤流程图，该方法包括以下步骤：

步骤S100，获取纺织品图像，计算纺织品图像的梯度得到梯度图像、以及对应的梯度幅值直方图和方向梯度直方图。

首先利用相机俯视直拍纺织品，得到纺织品图像。

计算纺织品图像的梯度，得到梯度图像。具体的：利用索贝尔算子计算纺织品图像中像素的梯度幅值和梯度方向，对其进行离散化处理，得到纺织品图像的梯度图像。并进一步得到梯度图像对应的梯度幅值直方图和方向梯度直方图。需要说明的是，梯度幅值直方图为根据纺织品图像中所有像素点的梯度幅值进行统计得到的，其横坐标为梯度幅值，纵坐标为梯度幅值所出现的对应的频率；而方向梯度直方图即为常见的梯度直方图。

步骤S200，将方向梯度直方图分为多个单元，计算每个单元对应的梯度幅值之和，根据各梯度幅值之和与梯度幅值的均值的差异得到一个二进制数，作为纺织品图像的数字水印。

为了保证数字水印与图像的关联性，需要根据图像特征设置数字水印，实现图像与数字水印的关联性。其中，关联方法有很多种，本发明采用一种最适合本发明的水印与图像特征的关联方法。根据纺织品图像对应的方向梯度直方图获得数字水印。具体的：

将方向梯度直方图分为多个单元。如将梯度方向

以每

为一个单元分成

份，即所有像素根据角度分为

组，也即分为18个单元。

计算每个单元中对应的梯度幅值之和，即将每一组中所有像素对应的梯度幅值进行累加，可以得到

个数值，方向梯度直方图由这

个数值组成，对应角度分别为

。

根据各梯度幅值之和与梯度幅值的均值的差异得到一个二进制数，作为纺织品图像的数字水印。具体的：首先获取方向梯度直方图对应的梯度幅值的均值，比较每个单元的梯度幅值之和与梯度幅值的均值的大小，当梯度幅值之和大于等于梯度幅值的均值时，对应位置记为1；当梯度幅值之和小于梯度幅值的均值时，对应位置记为0，得到一个二进制数。也即计算这18个数值的平均值，计算这18个数值的平均值，若某个单元对应的数值大于等于这18个数值的平均值，则对应位置记为1；否则记为0，得到一个

位二进制数，记为纺织品图像的数字水印。

步骤S300，对梯度幅值直方图进行阈值分割得到大梯度区间和小梯度区间；获取大梯度区间的概率均值，基于概率均值对梯度幅值直方图进行修正，将大于预设概率阈值的梯度幅值的概率更新为二倍的概率均值；将小于预设概率阈值大于零的梯度幅值的概率更新为概率均值。

直方图平移是一种简单且有效的嵌入数字水印的方法，该方法虽然保证了图像质量，但是数字水印的嵌入容量受到直方图峰值点的限制，而数字水印的嵌入量直接影响纺织品图像的版权可保护性和追踪溯源性。考虑到纺织品图像中，总是平滑区域像素多，边缘区域像素少，即小梯度幅值对应的像素数量多，而大梯度幅值对应的像素数量少。因此纺织品图像的梯度幅值直方图的峰值很好的集中在小梯度幅值对应的峰值点附近，但是小梯度幅值对应的平滑区域的像素，在图像转印时容易受到其自身纹理特征带来的噪声的干扰。为了抵抗干扰，考虑通过大梯度幅值对应的边缘区域的像素进行水印插入，但是大梯度幅值的频率小，数字水印的嵌入少。因此，本发明通过对梯度幅值直方图的大梯度幅值区域进行直方图均衡化，实现直方图平移，即保证了数字水印的抗干扰性，也保证了数字水印的嵌入量。同时由于对多次插入数字水印，因此数字水印的鲁棒性较强。

对梯度幅值直方图进行阈值分割，获得大梯度区间和小梯度区间。通过对梯度幅值直方图的大梯度区间进行直方图平移嵌入数字水印，替代对直方图峰值点进行平移嵌入数字水印，保证了数字水印的强鲁棒性，大梯度区间划分的结果决定了数字水印的嵌入量。

为了保证数字水印的嵌入量，需要保证阈值分割后大梯度区间的频率之和不小于峰值点的频率。故阈值分割的满足条件为：

，其中，

为梯度幅值直方图的梯度幅值对应的最大频率；

为最优阈值分割处的梯度幅值；

为最大的梯度幅值。

即实现了对梯度幅值直方图进行阈值分割的最优阈值，

即为最优阈值分割的分割阈值。基于最优阈值分割处的梯度幅值，对梯度直方图进行阈值分割得到大梯度区间和小梯度区间，对应纺织品图像中的非边缘部分和边缘部分。

进一步的，获取大梯度区间的概率均值，基于概率均值对梯度幅值直方图进行修正。

对梯度幅值直方图的大梯度区间进行概率修正。直方图均衡的底层逻辑为：对图像中概率大的梯度幅值进行展宽，而对概率小的梯度幅值进行归并。因此对于概率分布不均匀的梯度幅值直方图，进行均衡化后会出现吞噬现象，而梯度的吞噬会改变图像，而进行数字水印嵌入需要在一定程度上保证图像的质量，

所以在进行直方图均衡化前，先对梯度幅值直方图进行概率修正，保证在直方图均衡化后，概率小的梯度幅值不被吞噬，概率大的梯度幅值均衡化程度较小，即使区间的概率分布更均匀。

对梯度幅值直方图进行修正的方法，具体的：首先，获取大梯度区间内梯度幅值对应的概率均值；将大于预设概率阈值的梯度幅值的概率更新为二倍的概率均值；将小于预设概率阈值大于零的梯度幅值的概率更新为概率均值。在本发明实施例中预设概率阈值为1.5倍的概率均值，在其他实施例中实施者可根据实际情况调整该取值。

其概率修正的公式为：

其中，

为修正后的概率；

为概率均值；

为梯度幅值

对应的概率；

为预设概率阈值。

即完成了对于概率大于1.5倍概率均值的梯度幅值，将其概率修正为2倍概率均值，同时将对应的梯度幅值组成梯度幅值验证集合，也即有概率大于预设概率阈值的梯度幅值构成梯度幅值验证集合；对于概率不大于1.5倍概率均值的梯度幅值，将其概率修正为概率均值。这样既保证了后续进展直方图均衡化对梯度的影响较小，同时避免出现梯度吞噬。

步骤S400，对修正后的梯度幅值直方图进行均衡化，得到均衡化后的梯度幅值直方图，基于均衡化后的梯度幅值直方图，重复对部分梯度幅值进行数字水印嵌入，得到纺织水印图像。

对步骤S300修正后的梯度幅值直方图进行均衡化，实现直方图平移。

根据修正后的频率进行直方图均衡化的过程为：1）计算修正后的梯度幅值直方图的梯度幅值的累积概率

。2）根据梯度幅值的累计概率获得均衡化后的梯度幅值

。其中，

为

的梯度幅值的数量；

为

的梯度幅值的数量；

为

的梯度幅值的数量；

为均衡化后的梯度幅值。根据均衡化后的梯度幅值获得均衡后梯度图像和均衡后梯度幅值直方图。

进一步的，基于均衡化后的梯度幅值直方图，重复对部分梯度幅值进行数字水印嵌入，得到纺织水印图像。

基于均衡化后的梯度幅值直方图，获取梯度幅值验证集合中梯度幅值对应的像素点，对像素进行数字水印嵌入。也即扫描均衡化后的梯度幅值直方图对应的梯度图像，对于梯度幅值验证集合的梯度幅值，依次根据梯度幅值获得对应的嵌入像素点，对嵌入像素点进行数字水印嵌入。

数字水印嵌入的计算公式为：

其中，

为嵌入数字水印后的梯度幅值；

为第i个像素对应的均衡化后的梯度幅值；

第i个像素对应的数字水印。需要说明的在不同像素处对应的数字水印可能是0，也可能是1，要根据数字水印的顺序进行分配。

重复对梯度幅值验证集合中所有梯度幅值对应的像素点进行数字水印嵌入，直到所有对应像素点的数字水印信息嵌入结束。根据嵌入数字水印后的梯度幅值直方图还原，得到嵌入水印后的纺织水印图像。

步骤S500，提取待验证纺织图像的数字水印，比较待验证纺织图像的数字水印和纺织水印图像的数字水印，判断纺织品图像的版权是否被侵害。

对于待验证纺织图像，提取数字水印，并完成验证的具体过程为：

对于待验证纺织图像，计算其梯度，获得梯度图像。结合梯度幅值验证集合内的梯度幅值和待验证纺织图像对应的多个梯度幅值，从待验证纺织图像中提取出待验证纺织图像的二进制序列，将其二进制序列按照每18个数为一组，分成多个二进制序列。具体的：根据梯度幅值验证集合的梯度幅值

，在待验证纺织图像的梯度图像中，找到梯度幅值为

和

的像素点，将梯度幅值为

的像素记为1，将梯度幅值为

的像素记为0，按照顺序排序获得二进制序列。将梯度幅值验证集合的梯度幅值获得的二进制序列，每18个数分为一组，得到多个二进制序列，也即得到多组18位二进制数，进行去重并统计概率。

需要说明的是，待验证纺织图像为已经添加过水印的图像，需要和添加过水印的纺织水印图像进行对比判断否侵害纺织水印图像的版权。

计算重复概率为Top-k的二进制序列和纺织水印图像的数字水印的汉明距离，若得到的汉明距离大于预设距离阈值，则纺织品图像的版权被侵害。在本发明实施例中k的取值为5，预设距离阈值的取值为12，在其他实施例中实施者可根据实际情况调整该取值。也即对概率前五的18位二进制序列，计算与数字水印的汉明距离，若存在距离大于12的18位二进制序列，则说明纺织品图像版权被侵害。即实现了对纺织品图像的版权是否被侵害的判断。

综上所述，本发明实施例利用数据处理技术，该方法是一种应用电子设备进行识别的方法，利用生产领域人工智能系统完成对纺织品图像嵌入水印并对纺织品图像版权侵害进行判断。首先获取纺织品图像，计算纺织品图像的梯度得到对应的梯度幅值直方图和方向梯度直方图；根据纺织品图像的方向梯度直方图获得强鲁棒性的数字水印；对梯度幅值直方图进行阈值分割得到大梯度区间和小梯度区间；获取大梯度区间的概率均值，基于概率均值对梯度幅值直方图进行修正；对修正后的梯度幅值直方图进行均衡化，得到均衡化后的梯度幅值直方图，基于均衡化后的梯度幅值直方图，重复对部分梯度幅值进行数字水印嵌入，得到纺织水印图像；提取待验证纺织图像的数字水印，比较待验证纺织图像的数字水印和纺织品图像的数字水印，判断纺织品图像的版权是否被侵害。本发明根据纺织品图像的方向梯度直方图获得强鲁棒性的数字水印，然后对纺织品图像的梯度幅值直方图进行大梯度区间直方图均衡化，实现直方图平移，将数字水印嵌入，最终通过数字水印技术实现纺织品图像的版权保护和追踪溯源。在保证数字水印高嵌入量的情况下，有效提高了数字水印的鲁棒性，并减少图像转印对数字水印的影响，提高纺织品图像的版权可保护性和可追踪溯源性。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.基于数字水印的纺织品图像版权保护方法，其特征在于，该方法包括以下步骤：

获取纺织品图像，计算所述纺织品图像的梯度得到梯度图像、以及对应的梯度幅值直方图和方向梯度直方图；

将所述方向梯度直方图分为多个单元，计算每个单元对应的梯度幅值之和，根据各所述梯度幅值之和与梯度幅值的均值的差异得到一个二进制数，作为所述纺织品图像的数字水印；

对所述梯度幅值直方图进行阈值分割得到大梯度区间和小梯度区间；获取所述大梯度区间的概率均值，基于所述概率均值对所述梯度幅值直方图进行修正，将大于预设概率阈值的梯度幅值的概率更新为二倍的概率均值；将小于预设概率阈值大于零的梯度幅值的概率更新为所述概率均值；

对修正后的所述梯度幅值直方图进行均衡化，得到均衡化后的梯度幅值直方图，基于所述均衡化后的梯度幅值直方图，重复对部分梯度幅值进行数字水印嵌入，得到纺织水印图像；

提取待验证纺织图像的数字水印，比较所述待验证纺织图像的数字水印和所述纺织水印图像的数字水印，判断所述纺织品图像的版权是否被侵害。

2.根据权利要求1所述的基于数字水印的纺织品图像版权保护方法，其特征在于，所述计算所述纺织品图像的梯度得到梯度图像，包括：

利用索贝尔算子计算所述纺织品图像中像素的梯度幅值和梯度方向，进行离散化处理，得到所述纺织品图像的梯度图像。

3.根据权利要求1所述的基于数字水印的纺织品图像版权保护方法，其特征在于，所述根据各所述梯度幅值之和与梯度幅值的均值的差异得到一个二进制数，包括：

比较每个单元的所述梯度幅值之和与梯度幅值的均值的大小，当所述梯度幅值之和大于等于所述梯度幅值的均值时，对应位置记为1；当所述梯度幅值之和小于所述梯度幅值的均值时，对应位置记为0，得到一个二进制数。

4.根据权利要求1所述的基于数字水印的纺织品图像版权保护方法，其特征在于，所述对所述梯度幅值直方图进行阈值分割得到大梯度区间和小梯度区间，包括：

阈值分割的满足条件为：

，其中，

为梯度幅值直方图的梯度幅值对应的最大频率；

为最优阈值分割处的梯度幅值；

为最大的梯度幅值；

基于最优阈值分割处的梯度幅值，对所述梯度幅值直方图进行阈值分割得到大梯度区间和小梯度区间。

5.根据权利要求1所述的基于数字水印的纺织品图像版权保护方法，其特征在于，所述基于所述均衡化后的梯度幅值直方图，重复对部分梯度幅值进行数字水印嵌入，得到纺织水印图像，包括：

由概率大于预设概率阈值的梯度幅值构成梯度幅值验证集合；基于所述均衡化后的梯度幅值直方图，获取所述梯度幅值验证集合中梯度幅值对应的嵌入像素点，对嵌入像素点进行数字水印嵌入；

数字水印嵌入的计算公式为：

其中，

为嵌入数字水印后的梯度幅值；

为均衡化后的梯度幅值；

为数字水印；

根据嵌入数字水印后的梯度幅值直方图进行还原，得到嵌入水印后的纺织水印图像。

6.根据权利要求1所述的基于数字水印的纺织品图像版权保护方法，其特征在于，所述比较所述待验证纺织图像的数字水印和所述纺织水印图像的数字水印，判断所述纺织品图像的版权是否被侵害，包括：

由概率大于预设概率阈值的梯度幅值构成梯度幅值验证集合；

结合所述梯度幅值验证集合内的梯度幅值和所述待验证纺织图像对应的多个梯度幅值，从所述待验证纺织图像中提取出待验证纺织图像的多个二进制序列；

计算重复概率为Top-k的二进制序列和纺织水印图像的数字水印的汉明距离，若得到的汉明距离大于预设距离阈值，则纺织品图像的版权被侵害。

Images