CN115330583A - 一种基于cmyk图像的水印模型训练方法及装置 - Google Patents

一种基于cmyk图像的水印模型训练方法及装置 Download PDF

Info

Publication number
CN115330583A
CN115330583A CN202211136564.9A CN202211136564A CN115330583A CN 115330583 A CN115330583 A CN 115330583A CN 202211136564 A CN202211136564 A CN 202211136564A CN 115330583 A CN115330583 A CN 115330583A
Authority
CN
China
Prior art keywords
image
cmyk
channel
images
watermark
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.)
Pending
Application number
CN202211136564.9A
Other languages
English (en)
Inventor
王俊祥
李俊
程荣建
曾文超
方毅翔
张天助
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jingdezhen Ceramic Institute
Original Assignee
Jingdezhen Ceramic Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jingdezhen Ceramic Institute filed Critical Jingdezhen Ceramic Institute
Priority to CN202211136564.9A priority Critical patent/CN115330583A/zh
Publication of CN115330583A publication Critical patent/CN115330583A/zh
Pending legal-status Critical Current

Links

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
    • G06T1/0028—Adaptive watermarking, e.g. Human Visual System [HVS]-based watermarking
    • 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
    • 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
    • G06T2201/0083—Image watermarking whereby only watermarked image required at decoder, e.g. source-based, blind, oblivious
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Editing Of Facsimile Originals (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于CMYK图像的水印模型训练方法及装置，其中基于CMYK图像的水印模型训练方法在分析CMYK各个通道特性及嵌入容量的同时，充分考虑各通道间的相关性，实现秘密信息在不同通道上的最优自适应嵌入，解决了CMYK图像在实际物理世界中安全嵌入水印及稳定提取的问题。此外，该网络能够得到高质量的图像，且保持着足够高的鲁棒性，将CMYK图像打印、喷墨印制后，可以通过解码器进行秘密信息的提取。

Description

一种基于CMYK图像的水印模型训练方法及装置
技术领域
本发明涉及图像处理技术领域，具体涉及一种基于CMYK图像的水印模型训练方法及装置。
背景技术
随着互联网的快速发展，数字图像已经成为了人们获得多媒体信息的主要方式之一，但是数字图像容易遭到破坏和窃取，由于信息的泄露，盗版变得更加容易，信息泄露和版权盗窃的问题给社会造成了巨大的经济损失，也严重影响了人们日常生活。数字水印被视做抵抗多媒体盗版的有效手段，能够为信息安全提供有效的保障。
目前数字水印应用的数字图像绝大部分基于RGB图像或者灰度图像，但是RGB图像和灰度图像主要应用于纯数字领域。对于需要打印的图像而言，并无有效的数字水印加入方法。
发明内容
有鉴于此，本发明实施例提供了一种基于CMYK图像的水印模型训练方法及装置，以在CMYK图像中加入数字水印。
根据第一方面，本发明实施例提供了一种基于CMYK图像的水印模型训练方法，包括以下步骤：分别获取CMYK训练图像和秘密信息；将所述CMYK训练图像分离为C通道、M通道、Y通道和K通道，并将所述C通道、M通道和Y通道置零，拼接形成三通道零矩阵，得到第一图像；将所述CMYK训练图像和所述秘密信息送入编码器进行编码，得到K通道残差图像；将所述第一图像和所述K通道残差图像进行拼接，得到四通道残差图像；将所述CMYK训练图像和所述四通道残差图像相加，得到水印图像；计算所述水印图像与所述CMYK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中的参数进行迭代优化，直到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中参数进行迭代优化，直到所述交叉熵损失函数达到预设的第二收敛条件。
结合第一方面，在第一方面第一实施方式中，在将所述水印图像放入预设的噪声层中进行噪声处理之前，还包括：将所述水印图像由CMYK格式转换为RGB格式。
结合第一方面第一实施方式，在第一方面第二实施方式中，在计算所述水印图像与所述CMYK训练图像之间损失函数集合中各个损失函数的损失值之前，还包括：将RGB格式的水印图像转换为YUV通道图像；将所述CMYK训练图像由CMYK格式转换为RGB格式，并将RGB格式的CMYK训练图像转换为YUV通道图像。
结合第一方面，在第一方面第三实施方式中，所述损失函数集合中的损失函数包括以下中的一种或两种：LPIPS损失函数、L2损失函数。
结合第一方面第三实施方式，在第一方面第四实施方式中，在根据所述损失值对所述编码器中的参数进行迭代优化之前，还包括：获取所述损失函数集合中每个损失函数的权重值；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中的参数进行迭代优化；在根据所述交叉熵损失函数损失值对所述当前解码器中参数进行迭代优化之前，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中参数进行迭代优化。
结合第一方面第四实施方式，在第一方面第五实施方式中，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LPIPS损失函数的权重值小于所述L2损失函数的权重值。
根据第二方面，本发明实施例还提供了一种基于CMYK图像的水印模型训练装置，包括获取模块、分离模块、加密模块、拼接模块、水印图像确定模块、编码器更新模块、噪声处理模块和解码器更新模块，其中获取模块用于分别获取CMYK训练图像和秘密信息；分离模块用于将所述CMYK训练图像分离为C通道、M通道、Y通道和K通道，并将所述C通道、M通道和Y通道置零，拼接形成三通道零矩阵，得到第一图像；加密模块用于将所述CMYK训练图像和所述秘密信息送入编码器进行编码，得到K通道残差图像；拼接模块用于将所述第一图像和所述K通道残差图像进行拼接，得到四通道残差图像；水印图像确定模块用于将所述CMYK训练图像和所述四通道残差图像相加，得到水印图像；编码器更新模块用于计算所述水印图像与所述CMYK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中的参数进行迭代优化，直到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；解码器更新模块用于将经过噪声处理的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当前解码器中参数进行迭代优化，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，所述噪声层包括以下中的一种或几种：CMYK转RGB攻击、透视变换攻击、亮度噪声攻击、饱和度噪声攻击、色彩度噪声攻击、高斯噪声攻击、JPEG压缩噪声攻击。
根据第三方面，本发明实施例还提供了一种CMYK图像的加密装置，其中加密装置利用第一方面或第一方面任一实施方式所述的基于CMYK图像的水印模型训练方法得到。
根据第四方面，本发明实施例还提供了一种CMYK图像的解密装置，所述解密装置利用第一方面或第一方面任一实施方式所述的基于CMYK图像的水印模型训练方法得到。
根据第五方面，本发明实施例还提供了一种CMYK图像的加密方法，包括以下步骤：分别获取CMYK载体图像和加密信息；将所述CMYK载体图像和所述加密信息输入到第三方面所述的CMYK图像的加密装置中得到加密图像。
根据第六方面，本发明实施例还提供了一种CMYK图像的解密方法，包括以下步骤：获取加密图像，其中所述加密图像为CMYK图像；将加密图像输入到第四方面所述的CMYK图像的解密装置中进行解码，得到所述加密图像中的加密信息。
本发明实施例的基于CMYK图像的水印模型训练方法及装置，在分析CMYK各个通道特性及嵌入容量的同时，充分考虑各通道间的相关性，实现秘密信息在不同通道上的最优自适应嵌入，解决了CMYK图像在实际物理世界中安全嵌入水印及稳定提取的问题。此外，该网络能够得到高质量的图像，且保持着足够高的鲁棒性，将CMYK图像打印、喷墨印制后，可以通过解码器进行秘密信息的提取。
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为本发明实施例1基于CMYK图像的水印模型训练方法的流程示意图；
图2为编码器模型示意图；
图3为通道最优自适应嵌入算法框架示意图；
图4为解码器模型示意图；
图5为基于CMYK图像的通道最优嵌入网络框架示意图；
图6为本发明实施例2中基于CMYK图像的水印模型训练装置的结构示意图。
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
当前喷绘图像大多以CMYK格式呈现。CMYK图像与RGB图像不同，是一种常用于印刷品工艺的四通道色彩模式，色彩不如RGB丰富饱满，它是以C(青)、M(洋红)、Y(黄)、K(黑)四种色彩为基础色，一幅CMYK图可分离出对应的四个通道。再通过这四种通道色彩形成其它成千上万种色彩。在现实中，打印机等设备是以CMYK格式将图像进行呈现。
本发明实施例1提供了一种基于CMYK图像的水印模型训练方法，图1为本发明实施例1基于CMYK图像的水印模型训练方法的流程示意图，如图1所示，本发明实施例1的基于CMYK图像的水印模型训练方法包括以下步骤：
S101：分别获取CMYK训练图像和秘密信息。
S102：将所述CMYK训练图像分离为C通道、M通道、Y通道和K通道，并将所述C通道、M通道和Y通道置零，拼接形成三通道零矩阵，得到第一图像。
这是因为，经过对CMYK格式的图像的各个通道的特性进行分析发现，K通道与需要嵌入的秘密信息相似，因此在本发明实施例1中仅将秘密信息隐藏在K通道中，将C通道、M通道和Y通道置零，例如均置为零矩阵。
S103：将所述CMYK训练图像和所述秘密信息送入编码器进行编码，得到K通道残差图像。
编码器作为信息嵌入的工具，将载体图像与秘密信息融合，产生带有秘密信息的水印图像。具体的，编码器模型如图2所示，包含下采样卷积层和上采样卷积两部分，其中下采样卷积部分作用是通过卷积计算对载体图像进行特征提取，形成具有高维度的特征，而上采样卷积是将下采样卷积得到的各层特征与上采样后的输入进行特征相加，逐步还原图像细节，最终生成与载体图像相对应的通道数为1的残差图像，即K通道残差图像。
S104：将所述第一图像和所述K通道残差图像进行拼接，得到四通道残差图像。
S105：将所述CMYK训练图像和所述四通道残差图像相加，得到水印图像。
具体的，上述步骤S102～S105可以统称为通道最优选择嵌入算法。通道选择最优嵌入算法能够充分利用CMYK图像的通道特性并结合各个通道的相关性，使水印图像失真最小且保持强鲁棒性。借助此算法一方面编码器能够安全的将信息嵌入载体图像，另一方面解码器能够稳定的对水印图像中所嵌入的秘密信息进行提取。
其中通道最优选择嵌入算法包含Cz，Mz，Yz，residual_k，residual。其中Cz，Mz，Yz分别表示C、M、Y三个通道置零后的结果图像，residual是将原始CMYK图像送入编码器网络迭代训练所生成的单通道残差图像。residual_k是将residual与Cz，Mz，Yz连接后的四通道残差图。
通道最优选择嵌入算法的实现原理与思路如图3所示。一方面，将CMYK载体图像各个通道分离出来，令C、M、Y三个通道清零化(即均置为零矩阵)，得到Cz，Mz，Yz，另一方面，将CMYK载体图像与秘密信息一起作为输入送入编码器进行信息编码，输出一个单通道的残差图像，即residual，再将Cz，Mz，Yz与residual拼接形成最终的四通道残差图residual_k，最后与CMYK载体图像相加得到最终的水印图像。可用下列公式表示所述的嵌入算法：
I′k＝residual＝F(CMYK)
Iencode＝CzMzYzI′k+CMYK
其中，I′k为上文所述中residual，即CMYK载体图像经过编码网络F后输出的单通道残差，Iencode表示的是原图与residual_k相加后得到的最终水印图像。
S106：计算所述水印图像与所述CMYK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中的参数进行迭代优化，直到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。
损失函数集合中的损失函数的目的为约束图像质量。具体的，所述损失函数集合中的损失函数包括以下中的一种或两种：LPIPS损失函数、L2损失函数。
具体的，L2损失函数是计算预测值与真实值之间距离的平方和，可用公式进行计算：
Figure BDA0003852351260000081
在本发明实施例1中，利用L2损失函数优化水印图像的质量。
L2loss＝(Yi-Yo)2*WY+(Ui-Uo)2*WU+(Vi-Vo)2*WV
其中，Ui、Ui、Vi分别表示水印图像的Y、U、V分量，Yo、Uo、Vo分别表示载体图像的Y、U、V分量，WY、WU、WV分别表示对应分量的权重。
LPIPS损失函数为感知损失，用于衡量两张图像之间的差别，本专利利用LPIPS损失函数优化水印图像质量，目标图像分别为RGB水印图像和RGB载体图像。本发明实施例1中利用损失函数优化图像公式如下：
LPIPSloss＝Flpips(image_encode_rgb)-Flpips(image_input_rgb)
其中Flpips表示基于人眼视觉特性的图像质量评价函数，评分越高表示图像质量越高，image_encode_rgb和image_input_rgb分别表示CMYK转为RGB后的水印图像和载体图像。
进一步的，在计算所述水印图像与所述CMYK训练图像之间损失函数集合中各个损失函数的损失值之前，还包括：将RGB格式的水印图像转换为YUV通道图像；将所述CMYK训练图像由CMYK格式转换为RGB格式，并将RGB格式的CMYK训练图像转换为YUV通道图像。这是因为，在训练中得到上述的RGB水印图像后，为了更好的评估图像的视觉质量，将其转为YUV通道，利用亮度分量和色度分量进行损失函数的计算，同时将CMYK载体图像也先转换为RGB格式，进一步也转为YUV格式，因此，L2损失函数就是比较载体图像YUV和水印图像YUV之间的均方误差。
S107：将所述水印图像放入预设的噪声层中进行噪声处理。
具体的，噪声层则是让水印图像经过一些噪声攻击，以此来模拟实际打印过程中存在的噪声影响，其中包含透视变换攻击、CMYK转RGB攻击、亮度噪声攻击、饱和度噪声攻击、色彩度噪声攻击、高斯噪声攻击以及JPEG压缩噪声攻击。本发明实施例1的CMYK转RGB攻击是模拟手机等设备在拍摄过程中对图像的影响。
进一步的，在将所述水印图像放入预设的噪声层中进行噪声处理之前，还包括：将所述水印图像由CMYK格式转换为RGB格式。这是因为，水印图像在实际拍摄时，在手机等设备中成像，会以RGB的格式呈现，就使得CMYK图像发生质量损失问题，基于此，本发明在训练网络中模拟了CMYK到RGB的转换，利用转换公式将CMYK水印图像转为RGB图像，以RGB形式经过噪声层，并且用解码器对经过模拟攻击后的RGB水印图像进行信息提取。网络中模拟转换公式如下：
R＝(1-C)*(1-K)*255
G＝(1-M)*(1-K)*255
B＝(1-Y)*(1-K)*255
在进行模拟转换训练时，先将图像像素值归一化，其次再利用所述转换公式进行转换，以此将四通道水印图像转化为三通道水印图像。
S108：将经过噪声处理的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当前解码器中参数进行迭代优化，直到所述交叉熵损失函数达到预设的第二收敛条件。
所述解码器对在经过噪声攻击后的水印图像进行信息的提取。具体的，解码器模型如图4所示，其包含下采样卷积模块和全连接层模块。其中下采样模块的作用是通过多层卷积计算，提取水印图像的特征信息，而全连接层是将下采样提取后的信息特征图进行压缩，最后转为二进制比特序列从而实现秘密信息的提取。
具体的，Lm是用于约束信息提取的交叉熵损失函数，使得解码器提取出来的秘密信息与嵌入信息尽可能一样，在编码器中进行信息嵌入时，嵌入信息是由0，1组成的二进制序列M，提取信息用S表示，损失函数则表示为：
Figure BDA0003852351260000111
进一步的，在根据所述损失值对所述编码器中的参数进行迭代优化之前，还包括：获取所述损失函数集合中每个损失函数的权重值；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中的参数进行迭代优化。
在根据所述交叉熵损失函数损失值对所述当前解码器中参数进行迭代优化之前，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中参数进行迭代优化。
也就是说，为了同步利用以上所述的损失函数来优化网络，将所有损失函数相加，并对每个损失函数添加一个权重值λL2、λLPIPS、Lm，控制各个损失函数所占的百分比，同时，在训练网络过程中，不断根据训练结果调整各个权重，以达到更优的效果。
具体的，在网络训练过程中，为了使网络能达到好的性能，可按照以下训练技巧进行训练：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LPIPS损失函数的权重值小于所述L2损失函数的权重值。
在本发明实施例1中，基于CMYK图像的水印模型训练方法的结束条件可以为第一步数阈值，其中第一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，第一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K通道残差图像与CMYK训练图像相加得到的水印图像与CMYK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。
示例的，保证秘密信息的稳定提取是网络训练的最终目标，因此网络训练时，先训练解码器网络的解码率，即先确保约束解码信息的交叉熵损失能收敛，然后再提升水印图像的视觉质量。具体而言，即为控制损失函数权重的变化：将交叉熵损失函数的权重初始值设置为1，且在网络训练期间保持不变，此外，在这几千步期间，其他两个评判视觉质量的损失函数不参与训练，在所述几千步之后，再开始将其余损失函数加入网络训练任务中。其中，设置L2损失函数的权重由0开始逐步增加，步数到训练中期时权重值为一定值后保持不变。设置LPIPS损失函数权重由0开始随步数增加，步数达到训练中期时权重值达到一定值后保持不变。网络训练的总步长设为几十万步，即步数达到该值时，训练结束。按照所述方法，在经过几十万步的网络训练迭代次数后，各个损失函数及总损失函数均能够收敛，且秘密信息的提取率高。
本发明实施例1的基于CMYK图像的水印模型训练方法及装置，在分析CMYK各个通道特性及嵌入容量的同时，充分考虑各通道间的相关性，实现秘密信息在不同通道上的最优自适应嵌入，解决了CMYK图像在实际物理世界中安全嵌入水印及稳定提取的问题。此外，该网络能够得到高质量的图像，且保持着足够高的鲁棒性。将CMYK图像打印、喷墨印制后，可以通过解码器进行秘密信息的提取。
实施例2
与本发明实施例1相对应，本发明实施例2还提供了一种基于CMYK图像的水印模型训练装置。图6为本发明实施例2中基于CMYK图像的水印模型训练装置的结构示意图，如图6所示，本发明实施例2的基于CMYK图像的水印模型训练装置包括获取模块21、分离模块22、加密模块23、拼接模块24、水印图像确定模块25、编码器更新模块26、噪声处理模块27和解码器更新模块28。
具体的，获取模块21，用于分别获取CMYK训练图像和秘密信息。
分离模块22，用于将所述CMYK训练图像分离为C通道、M通道、Y通道和K通道，并将所述C通道、M通道和Y通道置零，拼接形成三通道零矩阵，得到第一图像。
加密模块23，用于将所述CMYK训练图像和所述秘密信息送入编码器进行编码，得到K通道残差图像。
拼接模块24，用于将所述第一图像和所述K通道残差图像进行拼接，得到四通道残差图像。
水印图像确定模块25，用于将所述CMYK训练图像和所述四通道残差图像相加，得到水印图像。
编码器更新模块26，用于计算所述水印图像与所述CMYK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中的参数进行迭代优化，直到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27，用于将所述水印图像放入预设的噪声层中进行噪声处理。
解码器更新模块28，用于将经过噪声处理的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当前解码器中参数进行迭代优化，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，在将所述水印图像放入预设的噪声层中进行噪声处理之前，所述噪声处理模块27还用于将所述水印图像由CMYK格式转换为RGB格式。
进一步的，在计算所述水印图像与所述CMYK训练图像之间损失函数集合中各个损失函数的损失值之前，所述编码器更新模块26还用于将RGB格式的水印图像转换为YUV通道图像；将所述CMYK训练图像由CMYK格式转换为RGB格式，并将RGB格式的CMYK训练图像转换为YUV通道图像。
进一步的，在根据所述损失值对所述编码器中的参数进行迭代优化之前，所述编码器更新模块26还用于获取所述损失函数集合中每个损失函数的权重值；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中的参数进行迭代优化；在根据所述交叉熵损失函数损失值对所述当前解码器中参数进行迭代优化之前，所述解码器更新模块28还用于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中参数进行迭代优化。
上述基于CMYK图像的水印模型训练装置具体细节可以对应参阅图1至图4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基于CMYK图像的水印模型训练方法对应的程序指令/模块(例如，图5所示的获取模块21、分离模块22、加密模块23、拼接模块24、水印图像确定模块25、编码器更新模块26、噪声处理模块27和解码器更新模块28)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～图4所示实施例中的基于CMYK图像的水印模型训练方法。
上述电子设备具体细节可以对应参阅图1～图5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(Random Access Memory，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。
实施例4
利用CMYK数据集和本发明实施例1的基于CMYK图像的水印模型训练方法进行网络训练，其中包含编码器、解码器、噪声层、以及通道选择最优嵌入算法。训练完成后，得到编码器和解码器，使用编码器对CMYK图像进行最优嵌入得到水印图像，并通过打印机或喷墨机输出。将训练完成后得到的解码器保存在移动设备端(如手机)，并利用其对输出的水印图像进行信息的提取。
在本发明实施例1的基础上，本发明实施例4还提供了一种CMYK图像的加密装置，相当于上文的编码器模型。其中，CMYK图像的加密装置利用本发明实施例1所述的基于CMYK图像的水印模型训练方法得到。
进一步的，本发明实施例4还提供了一种CMYK图像的加密方法，具体的，CMYK图像的加密方法包括以下步骤：
S401：分别获取CMYK载体图像和加密信息；
S402：将所述CMYK载体图像和所述加密信息输入到加密装置中得到加密图像。
实施例5
在本发明实施例1的基础上，本发明实施例5还提供了一种CMYK图像的解密装置，相当于上文的解码器模型。其中，CMYK图像的解密装置利用本发明实施例1所述的基于CMYK图像的水印模型训练方法得到。
进一步的，本发明实施例5还提供了一种CMYK图像的解密方法，具体的，CMYK图像的解密方法包括以下步骤：
S501：获取加密图像，其中所述加密图像为CMYK图像；
S502：将加密图像输入到解密装置中进行解码，得到所述加密图像中的加密信息。
结合上述实施例1、实施例2和实施例3，可以得到如下的步骤1～步骤3：
步骤1：使用CMYK数据集作为网络学习的样本进行训练，目的是学习并生成满足安全性及鲁棒性要求的编码网络及解码网络。
步骤2：利用编码器和最优通道选择嵌入算法将秘密信息嵌入载体图像中，得到含秘密信息的水印图像，并将水印图像以CMYK格式进行打印输出。
步骤3：将解码器移植至移动设备端，形成移动端模型。其主要作用是帮助用户借助移动设备提取水印图像中嵌入的秘密信息。所述噪声层网络主要是模拟水印图片打印和拍摄过程中可能遭受的攻击，分别包含了透视变换攻击，CMYK转RGB攻击，亮度噪声攻击，饱和度噪声攻击，色彩度噪声攻击，高斯噪声攻击以及Jpeg压缩噪声攻击。所述最优通道选择嵌入算法既可以保证编码器输出水印图像的安全性，即水印的视觉不可见，又能够保证水印信息的鲁棒性，即稳定的对水印信息进行提取。
由此可见，本发明实施例提供的技术方案具有如下有益效果：
1.对于喷绘等CMYK格式图像，利用本发明网络设计，既能安全的嵌入信息，也能稳定的提取信息。
2.本发明利用CMYK图像通道的特性及相关性，引导信息的嵌入，能获得视觉质量高的水印图像。
3.本发明在网络噪声层中加入了图像转换模拟训练，提高了水印模型的鲁棒性。
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 (13)

1.一种基于CMYK图像的水印模型训练方法，其特征在于，包括：
分别获取CMYK训练图像和秘密信息；
将所述CMYK训练图像分离为C通道、M通道、Y通道和K通道，并将所述C通道、M通道和Y通道置零，拼接形成三通道零矩阵，得到第一图像；
将所述CMYK训练图像和所述秘密信息送入编码器进行编码，得到K通道残差图像；
将所述第一图像和所述K通道残差图像进行拼接，得到四通道残差图像；
将所述CMYK训练图像和所述四通道残差图像相加，得到水印图像；
计算所述水印图像与所述CMYK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中的参数进行迭代优化，直到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中参数进行迭代优化，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，在将所述水印图像放入预设的噪声层中进行噪声处理之前，还包括：
将所述水印图像由CMYK格式转换为RGB格式。
3.根据权利要求2所述的方法，其特征在于，在计算所述水印图像与所述CMYK训练图像之间损失函数集合中各个损失函数的损失值之前，还包括：
将RGB格式的水印图像转换为YUV通道图像；
将所述CMYK训练图像由CMYK格式转换为RGB格式，并将RGB格式的CMYK训练图像转换为YUV通道图像。
4.根据权利要求1所述的方法，其特征在于，所述损失函数集合中的损失函数包括以下中的一种或两种：LPIPS损失函数、L2损失函数。
5.根据权利要求4所述的方法，其特征在于：
在根据所述损失值对所述编码器中的参数进行迭代优化之前，还包括：
获取所述损失函数集合中每个损失函数的权重值；
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中的参数进行迭代优化；
在根据所述交叉熵损失函数损失值对所述当前解码器中参数进行迭代优化之前，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中参数进行迭代优化。
6.根据权利要求5所述的方法，其特征在于：
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LPIPS损失函数的权重值小于所述L2损失函数的权重值。
7.一种基于CMYK图像的水印模型训练装置，其特征在于，包括：
获取模块，用于分别获取CMYK训练图像和秘密信息；
分离模块，用于将所述CMYK训练图像分离为C通道、M通道、Y通道和K通道，并将所述C通道、M通道和Y通道置零，拼接形成三通道零矩阵，得到第一图像；
加密模块，用于将所述CMYK训练图像和所述秘密信息送入编码器进行编码，得到K通道残差图像；
拼接模块，用于将所述第一图像和所述K通道残差图像进行拼接，得到四通道残差图像；
水印图像确定模块，用于将所述CMYK训练图像和所述四通道残差图像相加，得到水印图像；
编码器更新模块，用于计算所述水印图像与所述CMYK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中的参数进行迭代优化，直到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；
解码器更新模块，用于将经过噪声处理的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当前解码器中参数进行迭代优化，直到所述交叉熵损失函数达到预设的第二收敛条件。
8.根据权利要求7所述的装置，其特征在于，所述噪声层包括以下中的一种或几种：CMYK转RGB攻击、透视变换攻击、亮度噪声攻击、饱和度噪声攻击、色彩度噪声攻击、高斯噪声攻击、JPEG压缩噪声攻击。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-6中任一项所述的基于CMYK图像的水印模型训练方法。
10.一种CMYK图像的加密装置，其特征在于，所述加密装置利用权利要求1～6任一项所述的基于CMYK图像的水印模型训练方法得到。
11.一种CMYK图像的解密装置，其特征在于，所述解密装置利用权利要求1～6任一项所述的基于CMYK图像的水印模型训练方法得到。
12.一种CMYK图像的加密方法，其特征在于，包括：
分别获取CMYK载体图像和加密信息；
将所述CMYK载体图像和所述加密信息输入到权利要求10所述的CMYK图像的加密装置中得到加密图像。
13.一种CMYK图像的解密方法，其特征在于，包括：
获取加密图像，其中所述加密图像为CMYK图像；
将加密图像输入到权利要求11所述的CMYK图像的解密装置中进行解码，得到所述加密图像中的加密信息。
CN202211136564.9A 2022-09-19 2022-09-19 一种基于cmyk图像的水印模型训练方法及装置 Pending CN115330583A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211136564.9A CN115330583A (zh) 2022-09-19 2022-09-19 一种基于cmyk图像的水印模型训练方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211136564.9A CN115330583A (zh) 2022-09-19 2022-09-19 一种基于cmyk图像的水印模型训练方法及装置

Publications (1)

Publication Number Publication Date
CN115330583A true CN115330583A (zh) 2022-11-11

Family

ID=83915185

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211136564.9A Pending CN115330583A (zh) 2022-09-19 2022-09-19 一种基于cmyk图像的水印模型训练方法及装置

Country Status (1)

Country Link
CN (1) CN115330583A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210351943A1 (en) * 2017-11-29 2021-11-11 Taiwan Semiconductor Manufacturing Company, Ltd. Authentication based on physically unclonable functions

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1372677A (zh) * 2000-09-15 2002-10-02 卓信科技有限公司 光水印
US20050041051A1 (en) * 2003-08-20 2005-02-24 Xerox Corporation System and method for digital watermarking in a calibrated printing path
US20190213705A1 (en) * 2017-12-08 2019-07-11 Digimarc Corporation Artwork generated to convey digital messages, and methods/apparatuses for generating such artwork
CN112907430A (zh) * 2021-02-20 2021-06-04 百度在线网络技术（北京）有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN113222804A (zh) * 2021-06-02 2021-08-06 景德镇陶瓷大学 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
CN113379585A (zh) * 2021-06-23 2021-09-10 景德镇陶瓷大学 无边框定位的陶瓷水印模型训练方法和嵌密方法
CN113538201A (zh) * 2021-07-26 2021-10-22 景德镇陶瓷大学 基于换底机制的陶瓷水印模型训练方法、装置和嵌密方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1372677A (zh) * 2000-09-15 2002-10-02 卓信科技有限公司 光水印
US20050041051A1 (en) * 2003-08-20 2005-02-24 Xerox Corporation System and method for digital watermarking in a calibrated printing path
US20190213705A1 (en) * 2017-12-08 2019-07-11 Digimarc Corporation Artwork generated to convey digital messages, and methods/apparatuses for generating such artwork
CN112907430A (zh) * 2021-02-20 2021-06-04 百度在线网络技术（北京）有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN113222804A (zh) * 2021-06-02 2021-08-06 景德镇陶瓷大学 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
CN113379585A (zh) * 2021-06-23 2021-09-10 景德镇陶瓷大学 无边框定位的陶瓷水印模型训练方法和嵌密方法
CN113538201A (zh) * 2021-07-26 2021-10-22 景德镇陶瓷大学 基于换底机制的陶瓷水印模型训练方法、装置和嵌密方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
刘真;任乐义;: "基于加网复制的光栅防伪技术研究", 中国印刷与包装研究, no. 1, pages 1 - 4 *
孙刘杰;包观笑;汪祖辉;李毓彬;: "空间域与频率域相结合的抗图像处理全息水印", 光电子・激光, no. 01 *
张雯;孟婕;: "数字水印技术在印刷防伪领域应用的研究进展", 包装工程, no. 15 *
王彩印;孔祥维;李超;: "面向保真印刷的CMYK图像鲁棒水印方法", 电子科技大学学报, no. 03, pages 1 - 8 *
肖颖喆，张雯，单武扬;: "全息数字水印技术在防伪印刷领域的应用研究", 包装学报, no. 04 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210351943A1 (en) * 2017-11-29 2021-11-11 Taiwan Semiconductor Manufacturing Company, Ltd. Authentication based on physically unclonable functions
US11777747B2 (en) * 2017-11-29 2023-10-03 Taiwan Semiconductor Manufacturing Company, Ltd. Authentication based on physically unclonable functions

Similar Documents

Publication Publication Date Title
Cogranne et al. Steganography by minimizing statistical detectability: The cases of JPEG and color images
Lin et al. A novel reversible data hiding scheme based on AMBTC compression technique
CN109587372A (zh) 一种基于生成对抗网络的不可见图像隐写术
CN103426141B (zh) 一种图像内容认证方法与系统
KR19980069987A (ko) 화상 검증용 인비지블 화상 워터마크
CN110232650B (zh) 一种彩色图像水印嵌入方法、检测方法及系统
CN113222802B (zh) 基于对抗攻击的数字图像水印方法
CN105512999B (zh) 一种双变换的彩色图像全息水印方法
Qi et al. Generic reversible visible watermarking via regularized graph fourier transform coding
CN115330583A (zh) 一种基于cmyk图像的水印模型训练方法及装置
CN112308754A (zh) 面向大容量鲁棒水印应用的多解码端并行提取机制设计
CN112070647A (zh) 一种可逆高动态范围图像信息隐藏方法
CN109447885A (zh) 一种基于dct系数差值的鲁棒图像隐写方法
Muñoz-Ramirez et al. A robust watermarking scheme to JPEG compression for embedding a color watermark into digital images
CN103971323A (zh) 一种基于置乱变换和形态成分分析的数字水印隐写方法
CN111445378A (zh) 一种基于神经网络的图像盲水印嵌入及检测的方法及系统
GB2528865A (en) Digital image watermarking system and method
CN117830070A (zh) 图像盲水印嵌入和提取方法、系统、设备及介质
CN106991636B (zh) 一种融合近似Schur分解的空域彩色图像盲水印方法
CN111476866B (zh) 视频优化与播放方法、系统、电子设备及存储介质
CN112714230A (zh) 基于音频侧信道的鲁棒视频隐写方法和装置
CN109543425B (zh) 一种基于张量分解的图像数据隐藏方法
CN114119330B (zh) 一种基于神经网络的鲁棒数字水印嵌入、提取方法
CN113536341A (zh) 一种数据隐藏方法、装置、设备和计算机可读存储介质
Sengupta et al. Self authentication of color images through discrete cosine transformation (SADCT)

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