CN115240209A - 水印识别方法和装置 - Google Patents

Abstract

本公开的实施例提供的一种水印识别方法，包括：首先响应于获取到包括水印内容的待识别图像，对待识别图像进行直方图均衡化，得到待识别图像对应的均衡化图像，然后基于均衡化图像，判断是否识别出水印内容，并响应于确定未识别出水印内容，从待识别图像中选取包括水印内容的水印图像，最后基于水印识别模型和水印图像，得到水印内容对应的识别结果，对待识别图像进行均衡化，实现待识别图像的图像信息增强，能够放大水印内容和背景的色彩差异，针对低质量图像，当无法经由均衡化图像识别水印内容时，能够基于水印图像和水印识别模型进行水印识别，提升水印识别的效率和准确率，以及能够识别多种质量的图像，提高了水印识别的全面性。

Description

水印识别方法和装置

技术领域

本公开的实施例涉及信息安全技术领域，具体涉及图像处理技术领域，尤其涉及水印识别方法和装置。

背景技术

前端页面水印在网页信息的版权保护和泄露溯源中有重要而广泛的应用。其中最为广泛使用的网页明水印是指在页面上叠加用户肉眼可见的文字、图像内容，以达到特定的提示或溯源目标。明水印一般为文字信息，如网页访问者的个人信息(如用户ID、姓名、工号等可唯一标识访问者的信息)，访问时间、IP、提示语等内容。

明水印在添加时需要不影响网页内容的展示并减少对用户观看体验的影响，故通常情况下会使用高透明度和较小字号的展示方式。由于当前明水印的识别主要依靠人眼进行识别，因此在图像质量不高或水印透明度较高时人眼辨认比较困难且耗时，且在图像传播中还会因为图像压缩而使水印难以辨认。

发明内容

本公开的实施例提出了一种水印识别方法、装置、电子设备和计算机可读介质。

第一方面，本公开的实施例提供了一种水印识别方法，该方法包括：响应于获取到包括水印内容的待识别图像，对待识别图像进行直方图均衡化，得到待识别图像对应的均衡化图像；基于均衡化图像，判断是否识别出水印内容；响应于确定未识别出水印内容，从待识别图像中选取包括水印内容的水印图像；基于水印识别模型和水印图像，得到水印内容对应的识别结果。

在一些实施例中，响应于获取到包括水印内容的待识别图像，对待识别图像进行直方图均衡化，得到待识别图像对应的均衡化图像，包括：响应于获取到包括水印内容的待识别图像，对待识别图像进行色彩通道分离，得到待识别图像对应的多个色彩通道图像；对待识别图像对应的多个色彩通道图像进行直方图均衡化，得到多个均衡化色彩通道图像；基于多个均衡化色彩通道图像，得到待识别图像对应的均衡化图像。

在一些实施例中，响应于确定未识别出水印内容，从待识别图像中选取包括水印内容的水印图像，包括：响应于确定未识别出水印内容，基于水印内容的选取条件和待识别图像，确定水印内容的目标坐标；基于目标坐标，从待识别图像中选取包括水印内容的水印图像。

在一些实施例中，基于目标坐标，从待识别图像中选取包括水印内容的水印图像，包括：对待识别图像中的水印内容进行文字校正，得到校正后的待识别图像；基于目标坐标，从校正后的待识别图像中选取包括水印内容的水印图像。

在一些实施例中，水印内容对应的识别结果包括水印内容的水印结果和置信度；以及，该方法还包括：判断置信度是否超过预设阈值；响应于确定置信度超过预设阈值，发送水印内容的水印结果和置信度；响应于确定置信度不超过预设阈值，发送水印识别失败的提示信息。

在一些实施例中，水印识别模型基于以下步骤获取：获取训练样本集，其中，训练样本集包括样本水印图像和样本水印图像对应的水印内容；利用机器学习方法，将样本水印图像作为输入，将与输入的样本水印图像对应的水印内容作为期望输出，对初始深度神经网络进行训练，得到水印识别模型。

在一些实施例中，获取训练样本集，包括：基于拼音列表，生成多个标识信息；基于预设水印样式集合和多个标识信息，生成多个水印内容；基于多个样本图像和多个水印内容，生成多个样本水印图像；基于多个样本水印图像和多个水印内容，获取训练样本集。

在一些实施例中，获取训练样本集，还包括：基于预设的干扰信息集合，对多个样本水印图像进行干扰添加，得到多个新的样本水印图像；以及，基于多个样本水印图像和多个水印内容，获取训练样本集，包括：基于多个新的样本水印图像和多个水印内容，获取训练样本集。

第二方面，本公开的实施例提供了一种水印识别装置，该装置包括：均衡化模块，被配置成响应于获取到包括水印内容的待识别图像，对待识别图像进行直方图均衡化，得到待识别图像对应的均衡化图像；判断模块，被配置成基于均衡化图像，判断是否识别出水印内容；选取模块，被配置成响应于确定未识别出水印内容，从待识别图像中选取包括水印内容的水印图像；识别模块，被配置成基于水印识别模型和水印图像，得到水印内容对应的识别结果。

在一些实施例中，均衡化模块，进一步被配置成：响应于获取到包括水印内容的待识别图像，对待识别图像进行色彩通道分离，得到待识别图像对应的多个色彩通道图像；对待识别图像对应的多个色彩通道图像进行直方图均衡化，得到多个均衡化色彩通道图像；基于多个均衡化色彩通道图像，得到待识别图像对应的均衡化图像。

在一些实施例中，选取模块，包括：确定单元，被配置成响应于确定未识别出水印内容，基于水印内容的选取条件和待识别图像，确定水印内容的目标坐标；选取单元，被配置成基于目标坐标，从待识别图像中选取包括水印内容的水印图像。

在一些实施例中，选取单元，进一步被配置成：对待识别图像中的水印内容进行文字校正，得到校正后的待识别图像；基于目标坐标，从校正后的待识别图像中选取包括水印内容的水印图像。

在一些实施例中，水印内容对应的识别结果包括水印内容的水印结果和置信度；以及，该装置还包括发送模块；判断模块，被配置成：判断置信度是否超过预设阈值；发送模块，被配置成：响应于确定置信度超过预设阈值，发送水印内容的水印结果和置信度；响应于确定置信度不超过预设阈值，发送水印识别失败的提示信息。

在一些实施例中，该装置还包括：获取模块，被配置成：获取训练样本集，其中，训练样本集包括样本水印图像和样本水印图像对应的水印内容；训练模块，被配置成：利用机器学习方法，将样本水印图像作为输入，将与输入的样本水印图像对应的水印内容作为期望输出，对初始深度神经网络进行训练，得到水印识别模型。

在一些实施例中，获取模块，进一步被配置成：基于拼音列表，生成多个标识信息；基于预设水印样式集合和多个标识信息，生成多个水印内容；基于多个样本图像和多个水印内容，生成多个样本水印图像；基于多个样本水印图像和多个水印内容，获取训练样本集。

在一些实施例中，获取模块，进一步被配置成：基于预设的干扰信息集合，对多个样本水印图像进行干扰添加，得到多个新的样本水印图像；以及，基于多个新的样本水印图像和多个水印内容，获取训练样本集。

第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实施例描述的方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实施例描述的方法。

本公开的实施例提供的水印识别方法，上述执行主体首先响应于获取到包括水印内容的待识别图像，对待识别图像进行直方图均衡化，得到待识别图像对应的均衡化图像，然后基于均衡化图像，判断是否识别出水印内容，并响应于确定未识别出水印内容，从待识别图像中选取包括水印内容的水印图像，最后基于水印识别模型和水印图像，得到水印内容对应的识别结果，对待识别图像进行均衡化，实现待识别图像的图像信息增强，能够放大水印内容和背景的色彩差异，针对低质量图像，当无法经由均衡化图像识别水印内容时，能够基于水印图像和水印识别模型进行水印识别，提升水印识别的效率和准确率，以及能够识别多种质量的图像，提高了水印识别的全面性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2A是根据本公开的水印识别方法的一个实施例的流程图；

图2B是待识别图像和待识别图像对应的均衡化图像的示意图；

图3是根据本公开的对待识别图像进行直方图均衡化的一个实施例的流程图；

图4是根据本公开的从待识别图像中选取包括水印内容的水印图像的一个实施例的流程图；

图5是根据本公开的水印识别方法的另一个实施例的流程图；

图6是根据本公开的获取水印识别模型的一个实施例的流程图；

图7是根据本公开的水印识别装置的一个实施例的结构示意图；

图8是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关公开，而非对该公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关公开相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的实施例的水印识别方法和装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备104、105、106，网络107，服务器101、102、103。网络107用以在终端设备104、105、106与服务器101、102、103之间提供通信链路的介质。网络107可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以通过终端设备104、105、106通过网络107与属于同一服务器集群的服务器101、102、103交互，以接收或发送信息等。终端设备104、105、106上可以安装有各种应用，例如物品展示应用、数据分析应用、搜索类应用等。

终端设备104、105、106可以是硬件，也可以是软件。当终端设备为硬件时，可以是具有显示屏并且支持与服务器通信的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器101、102、103可以是提供各种服务的服务器，例如对与其建立通信连接的终端设备发送的请求进行接收的后台服务器。后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。

服务器101、102、103可以获取包括水印内容的待识别图像，并对待识别图像进行直方图均衡化，得到待识别图像对应的均衡化图像，然后基于均衡化图像，判断是否识别出水印内容。服务器101、102、103可以经判断确定均衡化图像中未识别出水印内容，从待识别图像中选取包括水印内容的水印图像，最后基于水印识别模型和水印图像，得到水印内容对应的识别结果。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以是为终端设备提供各种服务的各种电子设备。当服务器为软件时，可以实现成为为终端设备提供各种服务的多个软件或软件模块，也可以实现成为为终端设备提供各种服务的单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开的实施例所提供的水印识别方法可以由服务器101、102、103执行。相应地，水印识别装置设置于服务器101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2A，示出了根据本公开的水印识别方法的一个实施例的流程200。该水印识别方法包括以下步骤：

步骤210，响应于获取到包括水印内容的待识别图像，对待识别图像进行直方图均衡化，得到待识别图像对应的均衡化图像。

在本步骤中，水印识别方法运行于其上的执行主体(例如图1中的服务器101、102、103)可以通过网络读取、在本地数据库中读取或者接收终端发送获取到待识别图像，该待识别图像可以是叠加有水印内容的图像，可以是网页截图等包括水印内容的图像。

上述执行主体获取到待识别图像后，可以利用直方图均衡化算法对待识别图像进行直方图均衡化，首先统计待识别图像的直方图中每个灰度级出现的次数，然后累计归一化的直方图，最后计算新的像素值，获取到待识别图像对应的均衡化图像。该均衡化图像是对待识别图像进行直方图均衡化得到的增强图像，能够增大水印内容色彩和背景颜色的差异度，增强水印内容。

直方图均衡化是一种简单有效的图像增强技术，通过改变图像的直方图来改变图像中各像素的灰度，主要用于增强动态范围偏小的图像的对比度。待识别图像由于其灰度分布可能集中在较窄的区间，造成图像不够清晰。例如，过曝光图像的灰度级集中在高亮度范围内，而曝光不足将使图像灰度级集中在低亮度范围内。采用直方图均衡化，可以把待识别图像的直方图变换为均匀分布(均衡)的形式，这样就增加了像素之间灰度值差别的动态范围，从而达到增强图像整体对比度的效果。换言之，直方图均衡化的基本原理是：对在图像中像素个数多的灰度值(即对画面起主要作用的灰度值)进行展宽，而对像素个数少的灰度值(即对画面不起主要作用的灰度值)进行归并，从而增大对比度，使图像清晰，达到增强的目的。作为示例，参考图2B，左侧是待识别图像，右侧是均衡化图像。

步骤220，基于均衡化图像，判断是否识别出水印内容。

在本步骤中，上述执行主体对待识别图像进行直方图均衡化，得到待识别图像对应的均衡化图像后，可以将均衡化图像发送至终端。终端可以通过前端页面展示给用户，供用户进行水印内容的识别，若用户可以根据均衡化图像识别出水印内容，则直接输入待识别图像中水印内容的水印结果；若用户根据均衡化图像识别不出水印内容，则可以输入未识别出水印内容的信息。从而上述执行主体可以根据用户的输入内容判断是否识别出水印内容，接收到基于均衡化图像输入的水印结果，则可以确定已识别出水印内容；接收到基于均衡化图像输入的未识别出水印内容的信息，则可以确定未识别出水印内容。

或者，上述执行主体得到待识别图像对应的均衡化图像后，可以对均衡化图像进行图像清晰度分析，获取均衡化图像的清晰度，基于均衡化图像的清晰度来判断是否可以提取出水印内容。

步骤230，响应于确定未识别出水印内容，从待识别图像中选取包括水印内容的水印图像。

在本步骤中，上述执行主体经过判断确定未识别出水印内容，可以获取水印图像的选取条件，该选取条件可以包括选择待识别图像中图像背景最为简单，较少文字干扰且包括水印内容的图像区域。上述执行主体可以对待识别图像进行图像分析，根据水印图像的选取条件，在待识别图像中选取图像背景最为简单，较少文字干扰且包括水印内容的图像区域，该水印图像可以包括待识别图像中多个包括水印内容的区域图像。

步骤240，基于水印识别模型和水印图像，得到水印内容对应的识别结果。

在本步骤中，上述执行主体获取到包括水印内容的水印图像后，可以获取本地存储的用于识别水印内容的水印识别模型。上述执行主体可以将水印图像输入至水印识别模型中，水印识别模型对水印图像进行水印图像处理和水印识别，输出水印内容对应的识别结果。

本公开的实施例提供的关键词提取方法，上述执行主体首先响应于获取到包括水印内容的待识别图像，对待识别图像进行直方图均衡化，得到待识别图像对应的均衡化图像，然后基于均衡化图像，判断是否识别出水印内容，并响应于确定未识别出水印内容，从待识别图像中选取包括水印内容的水印图像，最后基于水印识别模型和水印图像，得到水印内容对应的识别结果，对待识别图像进行均衡化，实现待识别图像的图像信息增强，能够放大水印内容和背景的色彩差异，针对低质量图像，当无法经由均衡化图像识别水印内容时，能够基于水印图像和水印识别模型进行水印识别，提升水印识别的效率和准确率，以及能够识别多种质量的图像，提高了水印识别的全面性。

参考图3，图3示出了对待识别图像进行直方图均衡化的一个实施例的流程图300，即上述步骤210，响应于获取到包括水印内容的待识别图像，对待识别图像进行直方图均衡化，得到待识别图像对应的均衡化图像，可以包括以下步骤：

步骤310，响应于获取到包括水印内容的待识别图像，对待识别图像进行色彩通道分离，得到待识别图像对应的多个色彩通道图像。

在本步骤中，上述执行主体通过网络读取、在本地数据库中读取或者接收终端发送获取到待识别图像，该待识别图像可以是叠加有水印内容的图像，可以是网页截图等包括水印内容的图像。上述执行主体获取到待识别图像后，可以对待识别图像进行色彩通道识别，并对待识别图像进行色彩通道分离，得到待识别图像对应的多个色彩通道图像。

其中，待识别图像一般为RGB三通道图像或灰度图像，若待识别图像为RGB图像，则待识别图像对应的多个色彩通道图像为3张单色彩通道图像，若待识别图像为灰度图像，则待识别图像对应的多个色彩通道图像为待识别图像本身。

步骤320，对待识别图像对应的多个色彩通道图像进行直方图均衡化，得到多个均衡化色彩通道图像。

在本步骤中，上述执行主体获取到待识别图像对应的多个色彩通道图像后，可以利用直方图均衡化算法分别对每个色彩通道图像进行直方图均衡化，增强每个色彩通道图像的对比度，得到多个均衡化色彩通道图像。

步骤330，基于多个均衡化色彩通道图像，得到待识别图像对应的均衡化图像。

在本步骤中，上述执行主体获取到多个均衡化色彩通道图像后，可以将多个均衡化色彩通道图像进行图像合并，得到待识别图像对应的均衡化图像。

作为示例，上述执行主体获取到RGB三通道图像的3张单色彩通道图像对应的均衡化色彩通道图像，可以将3张单色彩通道图像对应的均衡化色彩通道图像进行图像合并，得到待识别图像对应的均衡化图像。

在本实现方式中，通过对待识别图像进行色彩通道分离，并对每个色彩通道图像进行直方图均衡化，最后将多个均衡化色彩通道图像进行图像合并，得到待识别图像对应的均衡化图像，能够针对每个色彩通道图像进行直方图均衡化，使得每个色彩通道图像实现图像增强，增大每个色彩通道图像的水印内容和背景颜色的差异度，从而得到的均衡化图像能够更准确和更明显地体现出水印内容和背景颜色的差异度。

参考图4，图4示出了从待识别图像中选取包括水印内容的水印图像的一个实施例的流程图400，即上述步骤230，响应于确定未识别出水印内容，从待识别图像中选取包括水印内容的水印图像，可以包括以下步骤：

步骤410，响应于确定未识别出水印内容，基于水印内容的选取条件和待识别图像，确定水印内容的目标坐标。

在本步骤中，上述执行主体经判断确定未识别出水印内容，可以接收用户基于选取条件的选取操作，该选取操作可以是用户对均衡化图像中水印内容对应的区域图像的选取操作，可以是以矩形框的形式进行选取，该选取条件可以包括选择待识别图像中图像背景最为简单，较少文字干扰且包括水印内容的图像区域。

上述执行主体可以根据用户选取操作对应的矩形框，确定出待识别图像中对应的目标坐标，该目标坐标可以是待识别图像中矩形框对应的坐标值。

步骤420，基于目标坐标，从待识别图像中选取包括水印内容的水印图像。

在本步骤中，上述执行主体确定出水印内容的目标坐标后，可以根据该目标坐标对待识别图像进行截取，获取到目标坐标对应的包括水印内容的水印图像。

作为一个可选实现方式，上述步骤420，基于目标坐标，从待识别图像中选取包括水印内容的水印图像，可以包括以下步骤：对待识别图像中的水印内容进行文字校正，得到校正后的待识别图像；基于目标坐标，从校正后的待识别图像中选取包括水印内容的水印图像。

具体地，上述执行主体确定出水印内容的目标坐标后，可以对待识别图像中的水印内容进行文字校正，即可以利用基于傅里叶变换的文字倾斜角度计算，得到水印内容的倾斜角度，再根据水印内容的特性，确定水印内容的最终倾斜角度。作为示例，上述执行主体利用文字倾斜角度计算得到53度，水印内容的特性可以为倾斜角度一般为5的整数倍，从而对计算角度进行校正，校正后确定最终倾斜角度为55度。之后上述执行主体可以基于最终倾斜角度对待识别图像进行校正，即可以基于最终倾斜角度对待识别图像进行旋转，得到校正后的待识别图像。上述执行主体可以根据该目标坐标对校正后的待识别图像进行截取，获取到目标坐标对应的包括水印内容的水印图像。

在本实现方式中，通过对待识别图像进行校正，从校正后的待识别图像选取包括水印内容的水印图像，能够使得水印图像更准确和更易识别。

在本实现方式中，通过基于水印内容的选取条件和待识别图像，确定水印内容的目标坐标，并基于目标坐标，从待识别图像中选取包括水印内容的水印图像，能够使得水印图像更准确和更易识别，从而能够更准确地识别水印内容。

参考图5，图5示出了水印识别方法的另一个实施例的流程图500，可以包括以下步骤：

步骤510，响应于获取到包括水印内容的待识别图像，对待识别图像进行直方图均衡化，得到待识别图像对应的均衡化图像。

本实施例的步骤510可以按照与图2所示实施例中的步骤210类似的方式执行，此处不赘述。

步骤520，基于均衡化图像，判断是否识别出水印内容。

本实施例的步骤520可以按照与图2所示实施例中的步骤220类似的方式执行，此处不赘述。

步骤530，响应于确定未识别出水印内容，从待识别图像中选取包括水印内容的水印图像。

本实施例的步骤530可以按照与图2所示实施例中的步骤230类似的方式执行，此处不赘述。

步骤540，基于水印识别模型和水印图像，得到水印内容对应的识别结果。

本实施例的步骤540可以按照与图2所示实施例中的步骤240类似的方式执行，此处不赘述。

步骤550，判断置信度是否超过预设阈值。

其中，上述水印内容对应的识别结果可以包括水印内容的水印结果和置信度。

在本步骤中，上述执行主体获取到包括水印内容的水印结果和置信度的识别结果后，可以将获取到的置信度与预设阈值进行比较，判断置信度是否超过预设阈值，该预设阈值可以是预先设置的数值，用于对水印结果的置信度进行判断的数值，，可以是根据经验设置的数值，本公开对此不作具体限定。

响应于确定置信度超过预设阈值，执行步骤560，响应于确定置信度超过预设阈值，发送水印内容的水印结果和置信度。

在本步骤中，上述执行主体经比较确定置信度超过预设阈值，则确定水印内容的水印结果是准确的，可以将水印内容的水印结果和置信度发送至终端，以供用户查看。

响应于确定置信度不超过预设阈值，执行步骤570，响应于确定置信度不超过预设阈值，发送水印识别失败的提示信息。

在本步骤中，上述执行主体经比较确定置信度不超过预设阈值，则确定水印内容的水印结果是不准确的，可以生成水印识别失败的提示信息，并将该提示信息发送至终端，以供用户查看。

在本实施例中，通过对置信度进行判断以进一步确定水印内容的水印结果是否准确，能够保证水印结果的准确性，进一步提高了水印识别的准确性。

参考图6，图6示出了获取水印识别模型的一个实施例的流程图600，可以包括以下步骤：

步骤610，获取训练样本集。

在本步骤中，上述执行主体可以从网络平台中或者从本地数据库中获取多个样本图像，该样本图像可以是网页截图等图像。上述执行主体还可以获取多个标识信息，该标识信息可以是用于标识用户的信息，例如用户的姓名信息等。

上述执行主体可以根据多个标识信息生成多个水印内容，并将水印内容叠加至多个样本图像中，获取到多个样本水印图像。然后上述执行主体可以将多个样本水印图像和每个样本水印图像对应的水印内容组成训练样本集。

以及，上述执行主体也可以通过任何相关技术所支持的方式获取包括上述样本水印图像和样本水印对象对应的水印内容的训练样本集，本公开对此不做具体限定。

作为一个可选实现方式，上述步骤610，获取训练样本集，可以包括以下步骤：

第一步，基于拼音列表，生成多个标识信息。

具体地，上述执行主体可以获取到能够生成姓名信息的拼音列表，由于汉语常见发音共计400多种，可以通过随机数生成的方式，对拼音列表选择2-4个字符，生成多个标识信息，该标识信息可以是姓名信息。

第二步，基于预设水印样式集合和多个标识信息，生成多个水印内容。

具体地，上述执行主体获取到多个标识信息后，可以读取预设水印样式集合，该预设水印样式集合中包括多种水印样式参数，可以包括水印透明度、水印文字倾斜角度、文字字号等等，其中，水印透明度的选择范围可以为(0.05，0.1，0.15)，水印文字倾斜角度的选择范围可以为(-50°-50°，间隔5°)，文字字号的选择范围可以为(10px-30px，间隔5px)。

上述执行主体可以从预设水印样式集合随机选择一组水印样式，根据多个标识信息生成多个水印内容。

第三步，基于多个样本图像和多个水印内容，生成多个样本水印图像。

具体地，上述执行主体获取到多个样本图像和多个水印内容后，可以随机将每个水印内容叠加至多个样本图像中，生成多个样本水印图像。

第四步，基于多个样本水印图像和多个水印内容，获取训练样本集。

具体地，上述执行主体获取到多个样本水印图像和多个水印内容后，将多个样本水印图像和多个水印内容组成训练样本集。

在本实现方式中，通过批量生成水印内容数据集，获取训练样本集，提高了样本水印图像的种类，使得训练的水印识别模型对于人眼无法识别的低质量水印图片有较好识别效果。

作为一个可选实现方式，上述步骤610，获取训练样本集，还可以包括以下步骤：基于预设的干扰信息集合，对多个样本水印图像进行干扰添加，得到多个新的样本水印图像；基于多个新的样本水印图像和多个水印内容，获取训练样本集。

具体地，上述执行主体获取到多个样本水印图像后，可以读取预设的干扰信息集合，该预设的干扰信息集合中包括为图像压缩(质量为10-30)，图像滤波(高斯滤波、中值滤波、均值滤波、双边滤波等)，图像仿射变换等。上述执行主体可以根据预设的干扰信息集合中的干扰信息对多个样本水印图像进行随机干扰添加，得到多个新的样本水印图像，该新的样本水印图像是经过干扰添加的图像。上述执行主体可以将多个新的样本水印图像和多个水印内容组成训练样本集。

在本实现方式中，通过模拟现实水印图像传播中会引入的图片变形等干扰，提高了训练样本集的丰富性，从而增强训练得到的水印识别模型在水印场景的识别准确率。

步骤620，利用机器学习方法，将样本水印图像作为输入，将与输入的样本水印图像对应的水印内容作为期望输出，对初始深度神经网络进行训练，得到水印识别模型。

在本步骤中，上述执行主体获取到训练样本集后，获取初始深度神经网络。上述执行主体可以将样本水印图像作为输入，经过初始深度神经网络的处理，得到相应的预测信息，上述初始深度神经网络可以是现有的各种神经网络。

若预测信息不满足约束条件，则调整初始深度神经网络的网络参数，并再次输入样本水印图像继续进行训练。若预测信息满足约束条件，则模型训练完成，得到水印识别模型。其中，该约束条件可以是预测信息与样本水印图像对应的水印内容之间的差值满足预设阈值，该预设阈值可以根据经验预先设定，本公开对此不做具体限定。

在本实现方式中，利用训练样本集和初始深度神经网络得到水印识别模型，能够准确地识别水印内容，提高了水印识别的准确性和获取效率。

参考图7，作为对上述各图所示方法的实现，本公开提供了一种水印识别装置的一个实施例。该装置实施例与图2所示的方法实施例相对应。

如图7所示，本实施例的水印识别装置700可以包括：均衡化模块710、判断模块720、选取模块730和识别模块740。

其中，均衡化模块710，被配置成响应于获取到包括水印内容的待识别图像，对待识别图像进行直方图均衡化，得到待识别图像对应的均衡化图像；

判断模块720，被配置成基于均衡化图像，判断是否识别出水印内容；

选取模块730，被配置成响应于确定未识别出水印内容，从待识别图像中选取包括水印内容的水印图像；

识别模块740，被配置成基于水印识别模型和水印图像，得到水印内容对应的识别结果。

在本实施的一些可选的实现方式中，均衡化模块，进一步被配置成：响应于获取到包括水印内容的待识别图像，对待识别图像进行色彩通道分离，得到待识别图像对应的多个色彩通道图像；对待识别图像对应的多个色彩通道图像进行直方图均衡化，得到多个均衡化色彩通道图像；基于多个均衡化色彩通道图像，得到待识别图像对应的均衡化图像。

在本实施的一些可选的实现方式中，选取模块，包括：确定单元，被配置成响应于确定未识别出水印内容，基于水印内容的选取条件和待识别图像，确定水印内容的目标坐标；选取单元，被配置成基于目标坐标，从待识别图像中选取包括水印内容的水印图像。

在本实施的一些可选的实现方式中，选取单元，进一步被配置成：对待识别图像中的水印内容进行文字校正，得到校正后的待识别图像；基于目标坐标，从校正后的待识别图像中选取包括水印内容的水印图像。

在本实施的一些可选的实现方式中，水印内容对应的识别结果包括水印内容的水印结果和置信度；以及，装置还包括发送模块；判断模块，被配置成：判断置信度是否超过预设阈值；发送模块，被配置成：响应于确定置信度超过预设阈值，发送水印内容的水印结果和置信度；响应于确定置信度不超过预设阈值，发送水印识别失败的提示信息。

在本实施的一些可选的实现方式中，该装置还包括：获取模块，被配置成：获取训练样本集，其中，训练样本集包括样本水印图像和样本水印图像对应的水印内容；训练模块，被配置成：利用机器学习方法，将样本水印图像作为输入，将与输入的样本水印图像对应的水印内容作为期望输出，对初始深度神经网络进行训练，得到水印识别模型。

在本实施的一些可选的实现方式中，获取模块，进一步被配置成：基于拼音列表，生成多个标识信息；基于预设水印样式集合和多个标识信息，生成多个水印内容；基于多个样本图像和多个水印内容，生成多个样本水印图像；基于多个样本水印图像和多个水印内容，获取训练样本集。

在本实施的一些可选的实现方式中，获取模块，进一步被配置成：基于预设的干扰信息集合，对多个样本水印图像进行干扰添加，得到多个新的样本水印图像；以及，基于多个新的样本水印图像和多个水印内容，获取训练样本集。

本公开的上述实施例提供的水印识别装置，上述执行主体首先响应于获取到包括水印内容的待识别图像，对待识别图像进行直方图均衡化，得到待识别图像对应的均衡化图像，然后基于均衡化图像，判断是否识别出水印内容，并响应于确定未识别出水印内容，从待识别图像中选取包括水印内容的水印图像，最后基于水印识别模型和水印图像，得到水印内容对应的识别结果，对待识别图像进行均衡化，实现待识别图像的图像信息增强，能够放大水印内容和背景的色彩差异，针对低质量图像，当无法经由均衡化图像识别水印内容时，能够基于水印图像和水印识别模型进行水印识别，提升水印识别的效率和准确率，以及能够识别多种质量的图像，提高了水印识别的全面性。

本领域技术人员可以理解，上述装置还包括一些其他公知结构，例如处理器、存储器等，为了不必要地模糊本公开的实施例，这些公知的结构在图7中未示出。

下面参考图8，其示出了适于用来实现本公开的实施例的电子设备800的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如智能屏、笔记本电脑、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图8示出的终端设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

通常，以下装置可以连接至I/O接口805：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808；以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图8中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置809从网络上被下载和安装，或者从存储装置808被安装，或者从ROM 802被安装。在该计算机程序被处理装置801执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括均衡化模块、判断模块、选取模块和识别模块，其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。

作为另一方面，本申请还提供了一种计算机可读介质，上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于获取到包括水印内容的待识别图像，对待识别图像进行直方图均衡化，得到待识别图像对应的均衡化图像；基于均衡化图像，判断是否识别出水印内容；响应于确定未识别出水印内容，从待识别图像中选取包括水印内容的水印图像；基于水印识别模型和水印图像，得到水印内容对应的识别结果。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (18)

1.一种水印识别方法，所述方法包括：

响应于获取到包括水印内容的待识别图像，对所述待识别图像进行直方图均衡化，得到所述待识别图像对应的均衡化图像；

基于所述均衡化图像，判断是否识别出所述水印内容；

响应于确定未识别出所述水印内容，从所述待识别图像中选取包括所述水印内容的水印图像；

基于水印识别模型和所述水印图像，得到所述水印内容对应的识别结果。

2.根据权利要求1所述的方法，其中，所述响应于获取到包括水印内容的待识别图像，对所述待识别图像进行直方图均衡化，得到所述待识别图像对应的均衡化图像，包括：

响应于获取到包括水印内容的待识别图像，对所述待识别图像进行色彩通道分离，得到所述待识别图像对应的多个色彩通道图像；

对所述待识别图像对应的多个色彩通道图像进行直方图均衡化，得到多个均衡化色彩通道图像；

基于所述多个均衡化色彩通道图像，得到所述待识别图像对应的均衡化图像。

3.根据权利要求1所述的方法，其中，所述响应于确定未识别出所述水印内容，从所述待识别图像中选取包括所述水印内容的水印图像，包括：

响应于确定未识别出所述水印内容，基于所述水印内容的选取条件和所述待识别图像，确定所述水印内容的目标坐标；

基于所述目标坐标，从所述待识别图像中选取包括所述水印内容的水印图像。

4.根据权利要求3所述的方法，其中，所述基于所述目标坐标，从所述待识别图像中选取包括所述水印内容的水印图像，包括：

对所述待识别图像中的水印内容进行文字校正，得到校正后的待识别图像；

基于所述目标坐标，从所述校正后的待识别图像中选取包括所述水印内容的水印图像。

5.根据权利要求1所述的方法，所述水印内容对应的识别结果包括所述水印内容的水印结果和置信度；以及，所述方法还包括：

判断所述置信度是否超过预设阈值；

响应于确定所述置信度超过所述预设阈值，发送所述水印内容的水印结果和所述置信度；

响应于确定所述置信度不超过所述预设阈值，发送水印识别失败的提示信息。

6.根据权利要求1-5任意一项所述的方法，其中，所述水印识别模型基于以下步骤获取：

获取训练样本集，其中，所述训练样本集包括样本水印图像和所述样本水印图像对应的水印内容；

利用机器学习方法，将所述样本水印图像作为输入，将与输入的样本水印图像对应的水印内容作为期望输出，对初始深度神经网络进行训练，得到所述水印识别模型。

7.根据权利要求6所述的方法，其中，所述获取训练样本集，包括：

基于拼音列表，生成多个标识信息；

基于预设水印样式集合和所述多个标识信息，生成多个水印内容；

基于多个样本图像和所述多个水印内容，生成多个样本水印图像；

基于所述多个样本水印图像和所述多个水印内容，获取所述训练样本集。

8.根据权利要求7所述的方法，其中，所述获取训练样本集，还包括：

基于预设的干扰信息集合，对所述多个样本水印图像进行干扰添加，得到多个新的样本水印图像；以及，

所述基于所述多个样本水印图像和所述多个水印内容，获取所述训练样本集，包括：

基于所述多个新的样本水印图像和所述多个水印内容，获取所述训练样本集。

9.一种水印识别装置，所述装置包括：

均衡化模块，被配置成响应于获取到包括水印内容的待识别图像，对所述待识别图像进行直方图均衡化，得到所述待识别图像对应的均衡化图像；

判断模块，被配置成基于所述均衡化图像，判断是否识别出所述水印内容；

选取模块，被配置成响应于确定未识别出所述水印内容，从所述待识别图像中选取包括所述水印内容的水印图像；

识别模块，被配置成基于水印识别模型和所述水印图像，得到所述水印内容对应的识别结果。

10.根据权利要求9所述的装置，其中，所述均衡化模块，进一步被配置成：

响应于获取到包括水印内容的待识别图像，对所述待识别图像进行色彩通道分离，得到所述待识别图像对应的多个色彩通道图像；

对所述待识别图像对应的多个色彩通道图像进行直方图均衡化，得到多个均衡化色彩通图像道；

基于所述多个均衡化色彩通道图像，得到所述待识别图像对应的均衡化图像。

11.根据权利要求9所述的装置，其中，所述选取模块，包括：

确定单元，被配置成响应于确定未识别出所述水印内容，基于所述水印内容的选取条件和所述待识别图像，确定所述水印内容的目标坐标；

选取单元，被配置成基于所述目标坐标，从所述待识别图像中选取包括所述水印内容的水印图像。

12.根据权利要求11所述的装置，其中，所述选取单元，进一步被配置成：

对所述待识别图像中的水印内容进行文字校正，得到校正后的待识别图像；

基于所述目标坐标，从所述校正后的待识别图像中选取包括所述水印内容的水印图像。

13.根据权利要求9所述的装置，所述水印内容对应的识别结果包括所述水印内容的水印结果和置信度；以及，所述装置还包括发送模块；

所述判断模块，被配置成：判断所述置信度是否超过预设阈值；

所述发送模块，被配置成：响应于确定所述置信度超过所述预设阈值，发送所述水印内容的水印结果和所述置信度；响应于确定所述置信度不超过所述预设阈值，发送水印识别失败的提示信息。

14.根据权利要求9-13任意一项所述的装置，所述装置还包括：

获取模块，被配置成：获取训练样本集，其中，所述训练样本集包括样本水印图像和所述样本水印图像对应的水印内容；

训练模块，被配置成：利用机器学习方法，将所述样本水印图像作为输入，将与输入的样本水印图像对应的水印内容作为期望输出，对初始深度神经网络进行训练，得到所述水印识别模型。

15.根据权利要求14所述的装置，所述获取模块，进一步被配置成：

基于拼音列表，生成多个标识信息；

基于预设水印样式集合和所述多个标识信息，生成多个水印内容；

基于多个样本图像和所述多个水印内容，生成多个样本水印图像；

基于所述多个样本水印图像和所述多个水印内容，获取所述训练样本集。

16.根据权利要求15所述的装置，其中，所述获取模块，进一步被配置成：

基于预设的干扰信息集合，对所述多个样本水印图像进行干扰添加，得到多个新的样本水印图像；以及，

基于所述多个新的样本水印图像和所述多个水印内容，获取所述训练样本集。

17.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-8中任一项所述的方法。

18.一种计算机可读介质，其上存储计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-8中任一项所述的方法。

Images