[发明专利]基于深度学习分片式图像数字水印嵌入及解密方法及系统

权利要求书

1.一种基于深度学习分片式图像数字水印嵌入及解密方法，其特征在于，该方法包括数字水印生成和数字水印解密两部分；

所述数字水印生成是将原始图像均分为9等份，逐份输入到生成器和将要加密的信息共同生成由9等份小图像组成加密后的新图像，新图像分辨率大小为原始图像的二倍，但结构没有变化；

S00：首先训练一个生成模块的生成模型，生成模型结构由GAN和一个辅助训练神经网络VGG构成，GAN主要由生成器和判别器两部分组成，VGG为ImageNet数据训练的深度特征提取模型；

S01：将单张原始图像均分成9等份，每等份输入生成模块，经过上采样层，图大小变为输入图像的2倍；

S02：将上采样的结构和随机生成的16位编码器共同输入第一个基础结构，基础结构为ResNet结构构成；

S03：经过多个基础结构，再经过编码器还原成RGB图像，新生成的图像大小为原始图像的2倍，生成结构的输出损失为值记为L_G；

S04：将生成的图像和原始图像输入判别器，将判别器的输出结果做交差熵记为L_D；

S05：将生成的图像和和原始图像分别输入特征提取器VGG结构，将输出的特征结果做平方差，得到的结果记为L_F；

S06：将L_G、L_D、L_F进行求和，和值作为回传梯度，反馈给生成器和判定器，生成器和判定器获得梯度值后，更新权重，更新权重后为新的生成结构；

S07：将新生成的图片输入原始解码器，以随机生成的编码作为标签，用L1_loss作为其损失函数；

S08：重复S01-S07，直到新生成得图像与原图结构上无明显差异，L_G和L_D的损失值都低于0.1时，停止训练；

所述数字水印解密是指将加密后的新图像再次均分为9等份，逐份解密加密信息。

2.根据权利要求1所述的基于深度学习分片式图像数字水印嵌入及解密方法，其特征在于，所述数字水印解密中包括两种情况，当加密后的图像相对于原始图像没有拉伸、剪裁、翻盘的时候使用原始解密器解密，当原始解密器无法解密时则使用增强解密器解密。

3.根据权利要求2所述的基于深度学习分片式图像数字水印嵌入及解密方法，其特征在于，所述数字水印解密的具体步骤为：

S09：将训练图像进行加密操作，加密后，将每一张均分成9等份经过随机变换，将变换后的图片与加密信息一一对应，构成新的数据集，记为增强型数据集；

S10：将增强性数据集作为训练集，训练增强解密器；

S11：增强后的数据以RGB的形式输入增强解码器，增强解密器的损失函数为L1_loss，循环训练，直到预测值相对于标签的准确率大于等于0.95为止；

S12：将任意加密后的图像输入解密器，解密器输出既为水印信息。

4.根据权利要求3所述的基于深度学习分片式图像数字水印嵌入及解密方法，其特征在于，所述将要加密的信息是由数字编码器生产的数字编码。

5.根据权利要求4所述的基于深度学习分片式图像数字水印嵌入及解密方法，其特征在于，所述数字水印生成和数字水印解密分别由数字水印生成模块和数字水印解密模块实现；

所述数字水印生成模块由一个CNN基础结构加编码结构构成，所述编码结构用于生成加密信息，所述CNN基础结构用于实现所述生成模型训练；

所述数字水印解密模块包括原始解密器和增强解密器，原始解密器用于图像没有拉伸、裁剪、翻拍的时候解密，增强解密器用于原始解密器不能解出加密信息的时候。