CN115131188B 一种基于生成对抗网络的鲁棒图像水印方法 （南京信息工程大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115131188B(45)授权公告日2025.07.08

(21)申请号202210598258.0

(22)申请日2022.05.30

(65)同一申请的已公布的文献号申请公布号CN115131188A

(43)申请公布日2022.09.30

GO6T

GO6N

GO6N

GO6N

GO6N

GO6N

9/00(2006.01)

3/0455(2023.01)

3/0464(2023.01)

3/0475(2023.01)

3/084(2023.01)

3/094(2023.01)

(73)专利权人南京信息工程大学

地址210032江苏省南京市江北新区宁六

路219号

专利权人郑州信大先进技术研究院

(72)发明人高光勇付佳欣

(56)对比文件

CN112634117A,2021.04.09

CN113538202A,2021.10.22

审查员韩典伯

(74)专利代理机构南京经纬专利商标代理有限

公司32200专利代理师周科技

(51)Int.CI.

GO6T1/00(2006.01)权利要求书2页说明书9页附图4页

(54)发明名称

一种基于生成对抗网络的鲁棒图像水印方

法

(57)摘要

CN115131188B本发明公开了一种基于生成对抗网络的鲁棒图像水印方法，包括：编码器将二进制的秘密信息嵌入到一张三通道的载体图像中，解码器从载密图像中提取出秘密信息；编码器网络和解码器网络组成一个端到端的模型作为生成器网络，通过生成器网络生成载密图像和提取出秘密信息，通过判别器网络对生成的编码图像的真假性进行判断；通过生成器网络和判别器网络之间相互对抗学习，使生成的载密图像和原始图像、解码的秘密信息和原始的秘密信息误差在一定范围内；使用数据集训练网络模型，得到最优的模型参数；通过训练好的网络模型得到鲁棒编码图像和提取秘密信息。本发明的模型具有鲁棒性，

CN115131188B

CN115131188B权利要求书1/2页

2

1.一种基于生成对抗网络的鲁棒图像水印方法，其特征在于：该方法包括：

(1)构建编码器-解码器框架，编码器将二进制的秘密信息嵌入到一张三通道的载体图像中，解码器从载密图像中提取出秘密信息；

(2)构建对抗网络框架，编码器网络和解码器网络组成一个端到端的模型作为生成器网络，通过生成器网络生成载密图像和提取出秘密信息，通过判别器网络进行隐写分析，对生成的编码图像的真假性进行判断；

(3)通过生成器网络和判别器网络之间相互对抗学习，使生成的载密图像和原始图像误差在一定范围内，同时使解码的秘密信息和原始的秘密信息误差在一定范围内；

(4)使用获取的自然图像数据集训练网络模型，通过结构相似性指标和峰值信噪比来验证模型的不可见性，通过提取秘密信息的准确度来验证模型的鲁棒性，得到最优的模型参数；通过训练好的网络模型得到鲁棒编码图像和提取秘密信息；

其中，通过使用自然图像数据集进行训练得到最优的模型参数，训练流程包括：

第一步，首先将具有L长度的秘密信息扩展成三维的向量，再改变二进制比特的秘密信息的形状，使其与图像大小相同；

第二步，将秘密信息和图像相互拼接，输入编码器，编码器通过特征提取和特征融合后输出一个三通道的彩色图像，该彩色图像即为载密图像；

第三步，在解码前设有一个模拟的攻击层网络来模拟实际攻击，经过模拟的攻击层得到一个被攻击的载密图像；

第四步，将被攻击的载密图像输入解码器中进行解码得到二进制的秘密信息。

2.根据权利要求1所述的基于生成对抗网络的鲁棒图像水印方法，其特征在于：生成器和判别器对抗训练包括：

(a)生成器网络包括两个部分：编码器和解码器，其中编码器网络生成的编码图像要与原始图像误差在一定范围内；

(b)判别器网络用于隐写分析，即鉴别图像是编码图像还是原始图像，判断图像是否含有秘密信息；

(c)模拟噪声网络：将编码图像输入解码网络前设有一个模拟的攻击层，对编码图像进行模拟攻击，之后再输入解码器中进行解码；

(d)生成器网络在得到判别器网络的结果之后进行反向传播，利用梯度更新来更新编码器和判别器的参数，控制生成器生成图片质量。

3.根据权利要求1所述的基于生成对抗网络的鲁棒图