[发明专利]图像中水印的检测方法、装置、电子设备及存储介质在审

专利信息
申请号: 201910737381.4 申请日: 2019-08-09
公开(公告)号: CN110428357A 公开(公告)日: 2019-11-08
发明(设计)人: 王辰龙 申请(专利权)人: 厦门美图之家科技有限公司
主分类号: G06T1/00 分类号: G06T1/00
代理公司: 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 代理人: 刘亚飞
地址: 361000 福建省厦门市*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 预设 候选检测区域 待检测图像 存储介质 电子设备 水印检测 水印区域 样本图像 特征图 图像 水印 锚框 水印检测区域 水印检测算法 图像处理技术 特征提取 检测 匹配 申请 网络
【说明书】:

本申请提供一种图像中水印的检测方法、装置、电子设备及存储介质,涉及图像处理技术领域。该方法通过采用预设的特征提取层,提取待检测图像的特征图,根据第一样本图像训练获取的与水印检测区域相匹配的预设锚框,其中,第一样本图像中包含标记的水印区域,通过该预设锚框和区域推荐网络的设置,使得可以在特征图中获取到满足水印检测需求的预设数量的候选检测区域,减少候选检测区域的数量,进而根据水印检测算法和预设数量的候选检测区域,确定待检测图像中是否包括水印区域时,可以有效提高图像中水印检测的速度和精度。

技术领域

本申请涉及图像处理技术领域,特别涉及一种图像中水印的检测方法、装置、电子设备及存储介质。

背景技术

水印是一种应用计算机算法嵌入载体文件的保护信息,其中载体文件可以是多媒体、文档及软件等,通过检测水印可以用于信息安全保护、防伪溯源、版权保护等方面。

现有的水印检测方法一般采用传统的机器学习的算法,通过机器学习算法(比如,决策树、逻辑回归、随机森林等)识别各种载体文件中的水印。

但现有的采用机器学习的算法检测水印的方法,由于学习能力的限制,存在检测速度及检测准确度较差的问题。

发明内容

本申请的目的在于,针对上述现有技术中的不足,提供一种图像中水印的检测方法、装置、电子设备及存储介质,可以解决现有技术中存在的图像中水印检测速度较差的问题。

为实现上述目的,本申请实施例采用的技术方案如下:

第一方面,本申请实施例提供了一种图像中水印的检测方法,包括:

采用预设的特征提取层,提取待检测图像的特征图;根据预设锚框和区域推荐网络,在特征图中确定预设数量的候选检测区域,其中,预设锚框根据第一样本图像训练获取,第一样本图像中包含标记的水印区域;根据水印检测算法和预设数量的候选检测区域,确定待检测图像中是否包括水印区域。

可选地,上述根据水印检测算法和预设数量的候选检测区域,确定待检测图像中是否包括水印区域,包括:根据水印检测算法,检测预设数量的候选检测区域中是否包括水印区域;若候选检测区域中包括水印区域,则获取水印区域的位置。

可选地,上述根据水印检测算法和预设数量的候选检测区域,确定待检测图像中是否包括水印区域之后,该方法还包括:若待检测图像中包括水印区域,采用预设水印检测模型,确定待检测图像中水印的类别,其中,水印检测模型由第二样本图像训练获取,第二样本图像包含水印区域且标记有水印的类别。

可选地,上述根据水印检测算法和预设数量的候选检测区域,确定待检测图像中是否包括水印区域,包括:采用预设的特征图尺寸调节算法对预设数量的候选检测区域的特征图进行处理,获取预设数量、相同尺寸的待检测区域的特征图;根据水印检测算法和预设数量的待检测区域的特征图,确定待检测图像中是否包括水印区域。

可选地,待检测图像包括水印区域,上述根据水印检测算法和预设数量的待检测区域的特征图,确定待检测图像中的水印区域,包括:根据预设的非极大值抑制算法和预设数量、相同尺寸的待检测区域的特征图,确定待检测图像中的水印区域。

可选地,上述方法包括:获取第一训练样本,第一训练样本包括:第一样本图像,第一样本图像中包含标记的水印区域;根据预设的第一全连接网络和预设的回归损失函数,训练获取水印检测算法。

可选地,上述方法包括:获取第二训练样本,第二训练样本包括:第二样本图像,第二样本图像包含水印区域且标记有水印的类别;根据预设的第二全连接网络和预设的分类损失函数,训练获取水印检测模型。

可选地,上述方法还包括:获取第一样本图像中包含标记的水印区域的形状和尺寸;根据第一样本图像中包含标记的水印区域的形状和尺寸,确定预设锚框的形状和尺寸。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门美图之家科技有限公司,未经厦门美图之家科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910737381.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top