融合注意力机制和多尺度特征的图像水印方法.pdfVIP

JournalofComputerApplicationsISSN1001⁃90812025⁃02⁃10

计算机应用,2025,45(2):616-623CODENJYIIDUhttp://www.joca.cn

文章编号：1001-9081（2025）02-0616-08DOI:10.11772/j.issn.1001-9081.2024030282

融合注意力机制和多尺度特征的图像水印方法

*

张天骐，谭霜，沈夕文，唐娟

（重庆邮电大学通信与信息工程学院，重庆400065）

（∗通信作者电子邮箱tanshuang@zqyddx.wecom.work）

摘要：针对基于深度学习的水印方法未充分突显图像的关键特征，以及未有效利用中间卷积层输出特征的问

题，为提升含水印图像的视觉质量和抵抗噪声攻击的能力，提出一种融合注意力机制和多尺度特征的图像水印方法。

在编码器部分，设计注意力模块关注重要图像特征，以减小水印嵌入引起的图像失真；在解码器部分，设计多尺度特

征提取模块，以捕获不同层次的图像细节。实验结果表明，在COCO数据集上与深度水印模型HiDDeN（HidingData

withDeepNetworks）相比，所提方法生成的含水印图像的峰值信噪比（PSNR）和结构相似度（SSIM）分别增加了

11.63%和1.29%；所提方法针对dropout、cropout、crop、高斯模糊和JPEG压缩的水印提取平均误比特率（BER）降低了

53.85%；此外，消融实验结果验证了添加注意力模块和多尺度特征提取模块的方法有更好的不可见性和鲁棒性。

关键词：图像水印；注意力机制；特征提取；鲁棒水印；深度学习；对抗训练

中图分类号：TP309.7文献标志码：A

Imagewatermarkingmethodcombiningattentionmechanismandmulti-scalefeature

*

ZHANGTianqi，TANShuang，SHENXiwen，TANGJuan

（SchoolofCommunicationandInformationEngineering，ChongqingUniversityofPostsandTelecommunications，Chongqing400065，China）

Abstract:Aimingattheproblemsthatthewatermarkingmethodbasedondeeplearningdoesnotfullyhighlightkey

featuresoftheimageanddoesnotutilizetheoutputfeaturesoftheintermediateconvolutionlayereffectively，toimprovethe

visualqualityandtheabilitytoresistnoiseattacksofthewatermarkedimage，anattentionmechanism-basedmulti-scale

featureimagewaterma