[发明专利]图像水印自动检测方法

权利要求书

1.一种图像水印自动检测方法，其特征在于，包括以下步骤：

S1、训练基于卷积神经网络的水印检测器以建立水印预检测模型；

S2、训练基于集成学习的二分类模型以建立水印再识别模型；

S3、结合所述水印预检测模型和水印再识别模型实现图像水印的自动检测；

步骤S2包括：

S21、建立一个候选水印区域的第二图像数据集，对第二图像的所有候选水印区域进行人工标注，标注类别包括是水印和不是水印；

S22、建立候选水印区域的特征提取模型；

S23、训练候选水印区域是否为水印的二分类问题的分类器；

在步骤S21中，候选水印区域的第二图像通过步骤S1建立的水印预检测模型进行检测获取。

2.如权利要求1所述的图像水印自动检测方法，其特征在于，步骤S1包括：

S11、建立带水印的第一图像数据集。

3.如权利要求2所述的图像水印自动检测方法，其特征在于，步骤S11中的带水印的第一图像通过机器自动处理的方式批量生成来获取。

4.如权利要求2所述的图像水印自动检测方法，其特征在于，步骤S11包括：

S111、收集若干种类的水印，制作成背景透明前景带颜色的水印图像；

S112、收集多个无水印图像；

S113、将步骤S111获取的水印图像自动嵌入在步骤S112中的无水印图像上，以生成最终的带水印的第一图像数据集。

5.如权利要求4所述的图像水印自动检测方法，其特征在于，在步骤S113中，一张无水印图像上只嵌入一个水印图像，同一种类型的水印图像以不同的尺寸、透明度和位置分别嵌入不同的无水印图像中。

6.如权利要求2所述的图像水印自动检测方法，其特征在于，步骤S12 中的深度卷积神经网络为全卷积网络。

7.如权利要求1所述的图像水印自动检测方法，其特征在于，步骤S23包括：

S231、将通过步骤S21建立的第二图像数据集中的所有第二图像，利用步骤S22建立的特征提取模型进行特征提取；

S232、利用通过步骤S21建立的第二图像数据集中的候选水印区域对应的图像特征和对应的人工标注的类别，训练一个判断是否为水印的二分类问题的分类器。

8.如权利要求1所述的图像水印自动检测方法，其特征在于，步骤S3包括：

S31、对于一张待检测图像，利用步骤S1建立的水印预检测模型获取所述待检测图像中的所有候选水印区域和对应的属于水印的概率；

对每个候选水印区域对应的属于水印的概率进行检测，若所述候选水印区域属于水印的概率小于第一阈值，则剔除所述候选水印区域；

S32、利用步骤S2建立的水印再识别模型对步骤S31获取的候选水印区域进行识别，获取所述候选水印区域被识别为水印的概率，并检测概率是否大于第二阈值，若是，则判定所述候选水印 区域是水印，否则判定所述候选水印 区域不是水印；

若所述待检测图像中有至少一个候选水印区域被判定是水印，则判定所述待检测图像为带水印图像；若所述待检测图像中所有候选水印区域都被判定为不是水印，则判定所述待检测图像为无水印图像。