[发明专利]基于词根的英文电子文档水印嵌入和提取方法及系统

权利要求书

1.基于词根的英文电子文档水印嵌入和提取方法，其特征在于，包括水印嵌入和水印提取；

所述水印嵌入包括以下步骤：

S1，替换字体文件：

将原计算机英文字体文件通过变形处理，替换为新的英文字体文件；

S2，分词处理：

对新的英文字体文件做分词处理，生成包含整篇文件的单词集合；

S3，词根提取：

对步骤S2中生成的单词集合中的所有单词，提取单词中包含的词根；

S4，词根编码：

对提取的词根进行编码，用于承载比特信息“0”或“1”；

S5，水印信息嵌入：

用步骤S4中已经编码过的词根，替换英文字体文件中英文单词的原词根，完成水印信息的嵌入；

所述水印提取包括以下步骤：

S6，图片获取：

获取待提取水印的英文电子文档文本图片；

S7，文本识别：

对所述英文电子文档文本图片做文本识别处理，获取图片所包含的所有英文单词；

S8，图像处理：

对英文电子文档文本图片进行图像处理，获取每个单词在图片中的位置信息，并将步骤S7中获取的单词与位置信息一一对应；

S9，词根提取：

对步骤S7中的单词进行词根提取，获取每个单词所包含的词根；

S10，词根匹配：

对步骤S7中获取的单词图片做分割处理，获取词根图片，与编码过后的词根图片做匹配，并提取承载的比特信息；

S11，提取水印：

找到起始码与终止码，提取英文电子文档的水印信息。

2.根据权利要求1所述的基于词根的英文电子文档水印嵌入和提取方法，其特征在于，步骤S1包括如下步骤：

S11，获取计算机英文字体文件，修改英文字母的结构，生成变形英文字母；

其中，每个英文字母均有两种字形；

S12，对所有变形英文字母重新编码，并且生成新的英文字体文件，替换终端的英文字体文件。

3.根据权利要求2所述的基于词根的英文电子文档水印嵌入和提取方法，其特征在于，步骤S2包括如下步骤：

S21，以空格为分割符，将一篇英文电子文档提取为单词集合，同时去掉文档中的标点符号，同时对于文档中重复出现的英文单词，不做处理。

4.根据权利要求3所述的基于词根的英文电子文档水印嵌入和提取方法，其特征在于，步骤S3包括如下步骤：

S31，对分词处理过后得到的单词做词根提取处理；

所述词根分为以下三种情况：

第一种情况，当一个单词中包含的词根数大于1个时，通过查询词根频率表，提取频率最大的词根作为单词的词根；

所述词根频率表为根据词根在语料库中出现的次数进行统计，按词根使用频率高低排列形成的表；

第二种情况，当一个词根包含另外一个词根时，选择长度最长的词根，作为该单词的词根；

第三种情况，对于不包含词根的单词，不做词根提取处理。

S32，将词根提取后的词根构成一个集合。

5.根据权利要求4所述的基于词根的英文电子文档水印嵌入和提取方法，其特征在于，步骤S4包括如下步骤：

S41，对于包含英文字母个数为奇数的词根，根据词根字母使用频率表，选择使用频率靠前的字母，选择的字母数目为词根字母个数的一半，并进行编码；

其中，每个词根对应二进制串中1比特信息；所述字母使用频率表为根据英文字母在语料库中出现的次数进行统计，按英文字母使用频率高低排列形成的表。

6.根据权利要求1所述的基于词根的英文电子文档水印嵌入和提取方法，其特征在于，步骤S6中图片获取方式为对英文电子文档文本图片进行拍照或扫描或截屏或打印。

7.根据权利要求1所述的基于词根的英文电子文档水印嵌入和提取方法，其特征在于，步骤S7包括如下步骤：

S71，利用PaddleOCR文本识别技术，对所述英文电子文档文本图片做文本识别处理，获取图片所包含的所有英文单词。