[发明专利]一种基于深度网络嵌入和识别音频水印的方法和装置

说明书

本发明公开了一种基于深度网络嵌入和识别音频水印的方法和装置，属于音频数字水印的领域，该嵌入方法包括：S1：对原始音频进行分帧，并且对每个分帧进行加窗和短时傅里叶变换；S2：将短时傅里叶变换后提取出来的频域特征作为U‑net网络的输入，并且将水印信息嵌入到U‑net网络中，进行编码；S3：将编码后的频域特征进行短时傅里叶逆变换得到带水印的音频。本发明能够使水印在不同类型的噪声场景下具有更强的鲁棒性。

技术领域

本发明属于音频数字水印的领域，具体涉及一种基于深度网络嵌入和识别音频水印的方法和装置。

背景技术

数字水印技术是一种信息隐藏技术，所谓音频数字水印算法，就是将数字水印通过水印嵌入算法，嵌入到音频文件中(如wav，mp3，avi等等)，但是又对音频文件原有音质无太大影响，或者人耳感觉不到它的影响。相反的又通过水印提取算法，将音频数字水印从音频宿主文件中完整的提取出来，而这嵌入的水印，和提取出来的水印，就叫音频数字水印。

数字水印并不是一个新的概念，长期以来一直作为一个纯信号处理问题来研究。经典的方法包括利用编码图像和音频文件中的隐藏信息。这些方法包括LSB编码、相位编码和扩频水印等。而最近出现了另一种加水印的方法，通过机器学习来表示媒体中的消息，可以使用深度神经网络进行编解码，得到相应的水印。

现有技术中，具有一种在图像中的隐写算法，其中传输的信息是另外的一种图像，该方法是允许携带大量信息的有损传输，该算法展现了在大数据的人工智能时代，机器学习在水印和隐写术的潜力。此外，还存在一种在图像中进行隐写和水印的方法，其让载波在编码后被引入的噪声导致失真，致使已经训练的编码信息对引入的噪声具有鲁棒性，以这种方式，能够设法使水印鲁棒性有损JPEG压缩。

假如这些方法能够适用于音频，利用音频特性，那么就有可能在音频领域中创造出更加稳健的水印。

有鉴于此，特提出本发明。

发明内容

本发明的目的是提供一种基于深度网络嵌入和识别音频水印的方法和装置，其可以使水印在不同类型的噪声场景下具有更强的鲁棒性。

为了实现上述目的，本发明提供的一种基于深度网络嵌入音频水印的方法，包括以下步骤：

S1：对原始音频进行分帧，并且对每个分帧进行加窗和短时傅里叶变换；

S2：将短时傅里叶变换后提取出来的频域特征作为U-net网络的输入，并且将水印信息嵌入到U-net网络中，进行编码；

S3：将编码后的频域特征进行短时傅里叶逆变换得到带水印的音频。

进一步地，所述步骤S2中，U-net网络的上采样阶段与下采样阶段采用相同数量层次的卷积操作，且使用跨越连接的结构将下采样层与上采样层相连。

进一步地，所述U-net的下采样部分由四块编码器组成，每块编码器是由2维卷积网络构成，用于批量归一化处理；频域特征经过4块编码器的映射之后，得到的维数减小到8*2*256；之后用四块编码器进行升采样操作，每块编码器是由2维卷积网络构成，用于批量归一化处理。

本发明还提供一种基于深度网络识别音频水印的方法，包括以下步骤：

S4：通过2维卷积网络对带水印的音频进行解码，得到水印信息，其中，解码过程包括：采用2维卷积网络，用于批量归一化处理。

进一步地，所述步骤S4中，采用解码器进行解码；解码器能够输出32个0-1之间的预测概率值，并且通过解码器损失函数得到水印信息。

本发明还提供一种基于深度网络嵌入音频水印的装置，包括预处理模块、编码器和处理模块，

所述预处理模块用于对原始音频进行分帧，并且对每个分帧进行加窗和短时傅里叶变换；