无边框定位的陶瓷水印模型训练方法和嵌密方法

摘要

本发明公开了一种无边框定位的陶瓷水印模型训练方法和嵌密方法，解决了水印图像在经过打印拍摄后还需要通过加框等方式定位检测的问题，同时，将无边框提取算法与所述的解码器网络进行结合，使得解码器能够快速的对图像进行定位，还能正确地对水印图像中所嵌入的秘密信息进行提取。

权利要求

1.一种无边框定位的陶瓷水印模型训练方法，其特征在于，包括：获取训练图像，在所述训练图像中截取水印添加区域；

获取水印信息；

将所述水印信息和所述水印添加区域输入到当前编码器中生成残差图像，根据所述残差图像和所述水印添加区域得到区域水印图像；

计算所述区域水印图像与所述水印添加区域之间损失函数集合中各个损失函数的损失值，根据所述损失值对所述当前编码器进行调节，得到更新后的编码器，直到所述损失函数集合中各个损失函数均达到预设的第一收敛条件；

将所述区域水印图像与剩余区域拼接，得到整体水印图像，其中，所述剩余区域为所述训练图像中除所述水印添加区域之外的区域；

将所述整体水印图像放入预设的噪声层中进行噪声处理；

将经过噪声处理的整体水印图像送入当前解码器进行解码得到秘密信息，根据所述秘密信息和所述水印信息得到交叉熵损失函数损失值；根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器，直到所述交叉熵损失函数达到预设的第二收敛条件。

2.根据权利要求1所述的方法，其特征在于，当所述水印添加区域的原始尺寸与所述当前编码器所需图像的标准尺寸不符时，在将所述水印信息和所述水印添加区域输入到当前编码器中生成残差图像之前，还包括：将所述水印添加区域的原始尺寸变换为所述标准尺寸；

在将所述区域水印图像与剩余区域拼接之前，还包括：将所述区域水印图像变换为所述原始尺寸。

3.根据权利要求1所述的方法，其特征在于，所述水印添加区域的面积占所述训练图像的面积的M%，其中M取值大于或等于50。

4.根据权利要求1所述的方法，其特征在于：

在根据所述损失值对所述当前编码器进行调节，得到更新后的编码器之前，还包括：获取所述损失函数集合中每个损失函数的权重值；

所述根据所述损失值对所述当前编码器进行调节，得到更新后的编码器包括：利用所述损失函数集合每个损失函数的损失值和对应的权重值对所述当前编码器进行调节，得到更新后的编码器；

和/或，在根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器之前，还包括：获取所述交叉熵损失函数的权重值；

所述根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器包括：利用所述交叉熵损失函数的权重值、所述交叉熵损失函数的损失值对所述当前解码器进行更新，得到更新后的解码器。

5.根据权利要求4所述的方法，其特征在于：所述损失函数集合包括：LPIPS损失函数和L2损失函数；

在预设步数之前，仅对所述交叉熵损失函数的权重值进行赋值；

在预设步数之后，所述交叉熵损失函数的权重值大于所述L2损失函数的权重值，所述L2损失函数的权重值大于所述LPIPS损失函数的权重值。

6.一种无边框定位的陶瓷水印模型训练装置，其特征在于，包括：第一获取模块，用于获取训练图像；

第二获取模块，用于获取水印信息；

截取模块，用于在所述训练图像中截取水印添加区域；

水印生成模块，用于将所述水印信息和所述水印添加区域输入到当前编码器中生成残差图像，根据所述残差图像和所述水印添加区域得到区域水印图像；

第一调节模块，用于计算所述区域水印图像与所述水印添加区域之间损失函数集合中各个损失函数的损失值，根据所述损失值对所述当前编码器进行调节，得到更新后的编码器，直到所述损失函数集合中各个损失函数均达到预设的第一收敛条件；

拼接模块，用于将所述区域水印图像与剩余区域拼接，得到整体水印图像，其中，所述剩余区域为所述训练图像中除所述水印添加区域之外的区域；

噪声处理模块，用于将所述整体水印图像放入预设的噪声层中进行噪声处理；

第二调节模块，用于将经过噪声处理的整体水印图像送入当前解码器进行解码得到秘密信息，根据所述秘密信息和所述水印信息得到交叉熵损失函数损失值；根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器，直到所述交叉熵损失函数达到预设的第二收敛条件。

7.根据权利要求6所述的装置，其特征在于，所述噪声层包括以下中的一项或多项：几何畸变、运动模糊、颜色偏移、高斯噪声和JEPG压缩。

8.根据权利要求7所述的装置，其特征在于：

所述几何畸变的畸变系数小于1；

和/或，所述运动模糊采用直线模糊内核，所述直线模糊内核的像素宽度不超过10，直线角度随机选取，范围不超过1/2π；

和/或，所述颜色偏移的偏移量值取值应满足均匀分布，偏移量值为‑0.2 0.3；

~

和/或，所述JEPG压缩的压缩品质因子大于50。

9.一种陶瓷的嵌密方法，其特征在于，包括：

分别获取原始图像和水印信息；

将所述原始图像和所述水印信息输入到利用权利要求1 5任一项所述的无边框定位的~陶瓷水印模型训练方法训练得到的陶瓷水印模型中进行编码得到电子水印图像；

将所述电子水印图像转印到陶瓷预制品上之后，对所述陶瓷预制品进行烧制，得到带有水印图像的陶瓷。

10.根据权利要求9所述的方法，其特征在于，将所述电子水印图像转印到陶瓷预制品上包括：将所述电子水印图像输入预设的陶瓷喷墨注射机中，利用所述陶瓷喷墨注射机对所述陶瓷预制品进行喷墨，以将所述电子水印图像转印到所述陶瓷预制品上；

或，根据所述电子水印图像生成纸质版花纸；将所述纸质版花纸铺贴在所述陶瓷预制品上，以将所述电子水印图像转印到所述陶瓷预制品上。

11.根据权利要求9所述的方法，其特征在于：

当所述陶瓷预制品为日用陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图像的陶瓷包括：对所述日用陶瓷预制品在800 1380℃进行烧制，得到日用陶瓷；

~

当所述陶瓷预制品为卫生陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图像的陶瓷包括：对所述卫生陶瓷预制品在800 1380℃进行烧制，得到卫生陶瓷；

~

当所述陶瓷预制品为建筑陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图像的陶瓷包括：对所述建筑陶瓷预制品在800 1380℃进行烧制，得到建筑陶瓷。

~

12.一种陶瓷水印的解密方法，其特征在于，包括：将陶瓷上的水印图像进行定位；

将定位后的水印图像输入到利用权利要求1 5任一项所述的无边框定位的陶瓷水印模~型训练方法训练得到的陶瓷水印模型中进行解码，得到所述水印图像中的水印信息。

13.根据权利要求12所述的方法，其特征在于，还包括：利用纠错码纠错。

说明书

无边框定位的陶瓷水印模型训练方法和嵌密方法

技术领域

[0001] 本发明涉及陶瓷技术领域，具体涉及一种无边框定位的陶瓷水印模型训练方法和嵌密方法。

背景技术

[0002] 数字图像作为多媒体信息的重要组成部分，在当今时代中有着广阔的应用。随着智能手机的普及和移动互联网的发展，数字图像的数量呈现爆炸式增长。数字图像作为一种数字资产，自身蕴含着经济价值。随着多媒体技术的进步，针对图像的盗取或破坏变得越来越简单。数字图像水印作为一种将信息嵌入到图像中的技术，是保护图像版权或完整性的一种有效手段，各种各样的鲁棒水印技术被人们应用去进行版权认证或防伪溯源。

[0003] 当在手机等智能移动端进行版权认证时，往往需要先将水印图像进行定位矫正后再送入解码器进行水印检测，以保证嵌入端和提取端的载体同步(即不出现几何形变——扭曲失真)。一般而言，水印图像定位越精准，载体同步性会保持的越好，此时的载体失真越小，解码器解码正确率也越高。因此图像定位技术是水印检测必不可少的一环，也是保障解码器能够准确提取水印信息的重要步骤。

[0004] 目前图像定位技术主要有边缘检测技术、SIFT以及SURF等技术。其中边缘检测技术在水印提取时往往需要在水印图像四周外添加外边框进行辅助定位，如图1和图2所示，并且对于水印图像的底色也有着黑白颜色限制，牺牲了水印图像的视觉质量。而SIFT与SURF则需要事先预存好水印图像的匹配图像库，通过计算水印图像与相应匹配图像之间的特征点个数以及特征点匹配率来进行图像定位。此方法增加了检测时间，无法做到快速有效地实时检测。此外，在有些场景下，需要大量预存好图像模板的做法不太现实。因此，寻求一种快速有效而又不影响图像美观的图像定位技术变得尤为迫切。

发明内容

[0005] 有鉴于此，本发明实施例提供了一种无边框定位的陶瓷水印模型训练方法和嵌密方法。

[0006] 根据第一方面，本发明实施例提供了一种无边框定位的陶瓷水印模型训练方法，包括：

[0007] 获取训练图像，在所述训练图像中截取水印添加区域；

[0008] 获取水印信息；

[0009] 将所述水印信息和所述水印添加区域输入到当前编码器中生成残差图像，根据所述残差图像和所述水印添加区域得到区域水印图像；

[0010] 计算所述区域水印图像与所述水印添加区域之间损失函数集合中各个损失函数的损失值，根据所述损失值对所述当前编码器进行调节，得到更新后的编码器，直到所述损失函数集合中各个损失函数均达到预设的第一收敛条件；

[0011] 将所述区域水印图像与剩余区域拼接，得到整体水印图像，其中，所述剩余区域为所述训练图像中除所述水印添加区域之外的区域；

[0012] 将所述整体水印图像放入预设的噪声层中进行噪声处理；

[0013] 将经过噪声处理的整体水印图像送入当前解码器进行解码得到秘密信息，根据所述秘密信息和所述水印信息得到交叉熵损失函数损失值；根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器，直到所述交叉熵损失函数达到预设的第二收敛条件。

[0014] 结合第一方面，在第一方面第一实施方式中，当所述水印添加区域的原始尺寸与所述当前编码器所需图像的标准尺寸不符时，在将所述水印信息和所述水印添加区域输入到当前编码器中生成残差图像之前，还包括：

[0015] 将所述水印添加区域的原始尺寸变换为所述标准尺寸；

[0016] 在将所述区域水印图像与剩余区域拼接之前，还包括：将所述区域水印图像变换为所述原始尺寸。

[0017] 结合第一方面，在第一方面第二实施方式中，所述水印添加区域的面积占所述训练图像的面积的M％以上，其中M取值大于或等于50。

[0018] 结合第一方面，在第一方面第三实施方式中，在根据所述损失值对所述当前编码器进行调节，得到更新后的编码器之前，还包括：获取所述损失函数集合中每个损失函数的权重值；所述根据所述损失值对所述当前编码器进行调节，得到更新后的编码器包括：利用所述损失函数集合每个损失函数的损失值和对应的权重值对所述当前编码器进行调节，得到更新后的编码器；

[0019] 和/或，在根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器之前，还包括：获取所述交叉熵损失函数的权重值；所述根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器包括：利用所述交叉熵损失函数的权重值、所述交叉熵损失函数的损失值对所述当前解码器进行更新，得到更新后的解码器。

[0020] 结合第一方面第三实施方式，在第一方面第四实施方式中，所述损失函数集合包括：LPIPS损失函数和L2损失函数；

[0021] 在预设步数之前，仅对所述交叉熵损失函数的权重值进行赋值；

[0022] 在预设步数之后，所述交叉熵损失函数的权重值大于所述L2损失函数的权重值，所述L2损失函数的权重值大于所述LPIPS损失函数的权重值。

[0023] 根据第二方面，本发明实施例提供了无边框定位的陶瓷水印模型训练装置，包括：

[0024] 第一获取模块，用于获取训练图像；

[0025] 第二获取模块，用于获取水印信息；

[0026] 截取模块，用于在所述训练图像中截取水印添加区域；

[0027] 水印生成模块，用于将所述水印信息和所述水印添加区域输入到当前编码器中生成残差图像，根据所述残差图像和所述水印添加区域得到区域水印图像；

[0028] 第一调节模块，用于计算所述区域水印图像与所述水印添加区域之间损失函数集合中各个损失函数的损失值，根据所述损失值对所述当前编码器进行调节，得到更新后的编码器，直到所述损失函数集合中各个损失函数均达到预设的第一收敛条件；

[0029] 拼接模块，用于将所述区域水印图像与剩余区域拼接，得到整体水印图像，其中，所述剩余区域为所述训练图像中除所述水印添加区域之外的区域；

[0030] 噪声处理模块，用于将所述整体水印图像放入预设的噪声层中进行噪声处理；

[0031] 第二调节模块，用于将经过噪声处理的整体水印图像送入当前解码器进行解码得到秘密信息，根据所述秘密信息和所述水印信息得到交叉熵损失函数损失值；根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器，直到所述交叉熵损失函数达到预设的第二收敛条件。

[0032] 结合第二方面，在第二方面第一实施方式中，所述噪声层包括以下中的一项或多项：几何畸变、运动模糊、颜色偏移、高斯噪声和JEPG压缩。

[0033] 结合第一方面第一实施方式，在第一方面第二实施方式中，

[0034] 所述几何畸变的畸变系数小于1；

[0035] 和/或，所述运动模糊采用直线模糊内核，所述直线内核的像素宽度不超过10，直线角度随机选取，范围不超过1/2π；

[0036] 和/或，所述颜色偏移的偏移量值取值应满足均匀分布，偏移量值为‑0.2～0.3；

[0037] 和/或，所述JEPG压缩的压缩品质因子大于50。

[0038] 根据第三方面，本发明实施例提供了一种编码器，利用第一方面至第一方面第四实施方式所述的面向陶瓷工艺的无边框定位的陶瓷水印模型训练方法训练得到。

[0039] 根据第四方面，本发明实施例提供了一种解码器，利用第一方面至第一方面第四实施方式所述的面向陶瓷工艺的无边框定位的陶瓷水印模型训练方法训练得到。

[0040] 根据第五方面，本发明实施例还提供了一种陶瓷的嵌密方法，包括：

[0041] 分别获取原始图像和水印信息；

[0042] 将所述原始图像和所述水印信息输入到第三方面所述的编码器中进行编码得到电子水印图像；

[0043] 将所述电子水印图像转印到陶瓷预制品上之后，对所述陶瓷预制品进行烧制，得到带有水印图像的陶瓷。

[0044] 结合第五方面，在第五方面第一实施方式中，将所述电子水印图像转印到陶瓷预制品上包括：

[0045] 将所述电子水印图像输入预设的陶瓷喷墨注射机中，利用所述陶瓷喷墨注射机对所述陶瓷预制品进行喷墨，以将所述电子水印图像转印到所述陶瓷预制品上；

[0046] 或，根据所述电子水印图像生成纸质版花纸；将所述纸质版花纸铺贴在所述陶瓷预制品上，以将所述电子水印图像转印到所述陶瓷预制品上。

[0047] 结合第五方面，在第五方面第二实施方式中，当所述陶瓷预制品为日用陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图像的陶瓷包括：对所述日用陶瓷预制品在800～1380℃进行烧制，得到日用陶瓷；当所述陶瓷预制品为卫生陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图像的陶瓷包括：对所述卫生陶瓷预制品在800～1380℃进行烧制，得到卫生陶瓷；当所述陶瓷预制品为建筑陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图像的陶瓷包括：对所述建筑陶瓷预制品在800～1380℃进行烧制，得到建筑陶瓷。

[0048] 根据第六方面，本发明实施例提供了一种陶瓷水印的解密方法，包括：

[0049] 将陶瓷上的水印图像进行定位；

[0050] 将定位后的水印图像输入到第四方面所述的解码器中进行解码，得到所述水印图像中的水印信息。

附图说明

[0051] 通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

[0052] 图1为一具体示例的水印图像示意图；

[0053] 图2为将图1的水印图像添加边框后的示意图；

[0054] 图3为图1的水印图像产生几何畸变后的示意图；

[0055] 图4为图1的水印图像含多余部分的示意图；

[0056] 图5为无边框定位的数字水印模型的结构示意图；

[0057] 图6为本发明实施例1中无边框定位的陶瓷水印模型训练方法的流程示意图；

[0058] 图7为无边框提取网络的流程示意图；

[0059] 图8为中心坐标点移动范围示意图；

[0060] 图9为编码器网络示意图；

[0061] 图10为透视变换示意图；

[0062] 图11为解码器网络示意图；

[0063] 图12为本发明实施例2无边框定位的陶瓷水印模型训练装置的结构示意图；

[0064] 图13为基于喷墨工艺的陶瓷水印图案的制作方法流程图；

[0065] 图14为基于丝网印刷的陶瓷水印图案的制作方法流程图；

[0066] 图15为基于喷墨工艺的陶瓷版权加密和解密的流程示意图；

[0067] 图16为基于丝网印刷的陶瓷版权加密和解密的流程示意图。

具体实施方式

[0068] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0069] 实施例1

[0070] 经过研究发现，在智能移动终端(如手机)进行版权认证时，会出现如下三种现象：

[0071] 现象1：在利用移动终端进行图像拍摄和版权认证时，所拍摄的图像会因拍摄角度与被拍摄物体不平行而产生几何畸变，如图3所示。

[0072] 现象2：在利用移动终端进行图像拍摄和版权认证时，相比与传统有标记定位的算法(如前所述SIFT等)，在无边框定的情况下因没有基准参考，所拍摄的图像无法刚好与原图内容一致。基于此，为保证完整图像内容不丢失，需要将图像之外边界内容拍摄进去，如图4所示。

[0073] 现象3：在利用移动终端进行图像拍摄和版权认证时，由于上述两种情况，再对拍摄的图像进行解码时，会有少许的误码现象。

[0074] 基于此，本发明实施例1提供了一种无边框定位的陶瓷水印模型训练方法。图5为无边框定位的数字水印模型的结构示意图，图6为本发明实施例1中无边框定位的陶瓷水印模型训练方法的流程示意图，如图6所示，本发明实施例1中无边框定位的陶瓷水印模型训练方法包括以下步骤：

[0075] S101：获取训练图像，在所述训练图像中截取水印添加区域。

[0076] 首先准备训练集Large Logo Dataset(LLD)，在训练集中获取训练图像。

[0077] 作为具体的实施方式，所述水印添加区域的面积占所述训练图像的面积的M％以上，其中M取值大于或等于50。

[0078] 作为具体的实施方式，当所述水印添加区域的原始尺寸与所述当前编码器所需图像的标准尺寸不符时，在将所述水印信息和所述水印添加区域输入到当前编码器中生成残差图像之前，还包括：将所述水印添加区域的原始尺寸变换为所述标准尺寸。

[0079] 示例1，如图7所示，在训练图像中随机截取一块面积为M*M的正方形区域图片(即水印添加区域)，该正方形区域需要满足其面积是训练图像面积的M％以上，其中M取值大于或等于50。后续将在截取图片(即水印添加区域)中嵌入水印信息。为保证正方形区域图片与编码器网络匹配，对正方形区域图片的尺度(放缩变换)转化成满足编码器所需图像的规格大小。

[0080] 具体的，在训练图像中截取水印添加区域可以采用如下步骤：

[0081] 1)确定所截取正方形区域的边长大小M。算法实现如下：

[0082] 设置参数d，d的数值小于0.5，其表示所截取正方形区域边长与载体图像边长的比例系数，此时截取面积可以保证不少于50％。设置所截取正方形边长为M，载体图像边长为N。

[0083] M＝N×2d

[0084] 2)确定所截取正方形区域中心点。算法实现如下：

[0085] 设置参数d′，其取值范围为0～0.1，表示所截取正方形区域的中心点坐标偏移系数。设置参数modification1，取值范围为(‑d′，d′)，表示图像横轴点坐标偏移系数量。设置参数modification2，取值范围为(‑d′，d′)，表示图像纵轴点坐标偏移系数量。假设载体图像中心点坐标为(C，C)。则有：

[0086] d′＝(1‑2d)÷2

[0087] modification1∈(‑d′，d′)

[0088] modification2∈(‑d′，d′)

[0089] 则所截取正方形中心坐标点为(C+M×modification1，C+M×modification2。如图8所示，所截取正方形区域的中心坐标点移动范围则是灰色小方块，以此来保证所截取的正方形区域的随机性。

[0090] S102：获取水印信息。

[0091] 在本发明实施例1中，水印信息可以为二进制水印序列，可以将二进制水印序列进行适当的变形，形成具有和步骤S101中所述的LLD数据集中任一训练图像相同的大小。

[0092] S103：将所述水印信息和所述水印添加区域输入到当前编码器中生成残差图像，根据所述残差图像和所述水印添加区域得到区域水印图像。

[0093] 具体的，编码器其输入为水印添加区域图像和水印信息，输出为残差图，将此残差图与水印添加区域图像进行像素相加得到含有秘密信息的区域水印图像。编码器模型如图9所示，包含下采样卷积层和上采样卷积两部分，其中下采样卷积部分作用是将水印添加区域图像进行卷积计算进行特征提取，形成具有高维度的特征体，而上采样卷积部分是将下采样卷积各层的特征体与上采样后的输入进行特征相加，逐步还原图像细节，最终形成与水印添加区域图像相同的残差图像。

[0094] S104：计算所述区域水印图像与所述水印添加区域之间损失函数集合中各个损失函数的损失值，根据所述损失值对所述当前编码器进行调节，得到更新后的编码器。

[0095] 进一步的，将更新后的编码器作为当前编码器，并返回“获取训练图像”的步骤，通过步骤S101、S102、S103、S104的迭代，完成对编码器的训练，直到所述损失函数集合中各个损失函数均达到预设的第一收敛条件。具体的，第一收敛条件可以为编码器所生成的残差图像与所述水印添加区域图像相加得到的区域水印图像与水印添加区域图像几乎无法从肉眼进行区分。

[0096] S105：将所述区域水印图像与剩余区域拼接，得到整体水印图像，其中，所述剩余区域为所述训练图像中除所述水印添加区域之外的区域。

[0097] 作为具体的实施方式，当在步骤S101中，当所述水印添加区域的原始尺寸与所述当前编码器所需图像的标准尺寸不符，在将所述水印信息和所述水印添加区域输入到当前编码器中生成残差图像之前，还包括将所述水印添加区域的原始尺寸变换为所述标准尺寸时，进一步的，在将所述区域水印图像与剩余区域拼接之前，还包括将所述区域水印图像变换为所述原始尺寸。

[0098] 在上述示例1之后，将放缩变换后的正方形区域图像放入编码器网络中生成区域水印图像，接着将该区域水印图像恢复到M*M大小，并将该图像与训练图像截取剩余部分进行拼接，生成具有和训练图像尺寸大小相同的整体水印图像。此后，将整体水印图像放入噪声层模拟打印拍摄攻击，最后将经过噪声层网络的整体水印图像放入解码器进行秘密信息提取。在此过程中，仅在正方形区域图像(不少于载体图像面积的50％)中进行信息嵌入，并使用对训练图像进行解码的思路，较好的模拟了嵌入图像含多余边界的攻击情况。

[0099] S106：将整体水印图像放入预设的噪声层中进行噪声处理。

[0100] 在本发明实施例1中，为了使水印图像能够抵挡打印或者拍摄过程中的失真，在编码器和解码器中间，设计一种可以模拟真实物理场景的噪声层，模拟水印图像在陶瓷制作工艺中可能存在的各种噪声。编码器在嵌入版权水印信息的同时，需尽可能保证输出水印图案与原始输入图案的视觉一致性，以确保最后的陶瓷呈现效果。

[0101] 基于上述机制，对抗生成式数字水印模型一方面可生成能抵抗陶瓷制作攻击的鲁棒水印图像，另一方面又保证了水印在嵌入后图像视觉的不可见性。为了保证该技术的具体实施，以下重点描述一个能够抵抗陶瓷工艺的噪声层设计思路。

[0102] 陶瓷水印图案在转印到陶瓷的过程中，每种工序都会产生噪声攻击，并对解码网络正确提取水印信息有重要影响，因此需对各种工序造成的噪声攻击进行模拟，具体说明如下：在步骤1中，陶瓷水印图案在制作成相应的AI文件时，会经过JEPG压缩操作。在步骤2中，陶瓷水印图案在经过晒版工序时需要用到化学试剂来曝光，这个步骤对陶瓷水印图案的亮度、对比度、色彩和色调会产生一定的影响。在步骤3中，调色分为人工调色和机器调色。当陶瓷水印图案中的色彩超过四色就需要手工调色，而人工调色会造成陶瓷图案的色彩偏移。由于机器调色比较精准因此产生的色彩偏移可忽略。基于上述分析，本发明搭建了一个可模拟所有工序攻击的噪声层网络，其中包含几何畸变、运动模糊、颜色偏移、高斯噪声和JEPG压缩。其中运动模糊与几何畸变主要用来模拟拍摄陶瓷水印图案进行版权认证的噪声攻击。以上这五种攻击噪声都是在一定的范围内随机取值，充分模拟陶瓷水印图像电子版转印成纸质版中的噪声攻击。针对丝网印刷工艺设计的噪声层结合上述对抗生成式数字水印模型算法，保证了基于丝网工艺的陶瓷水印认证框架的可行性。

[0103] 下面主要介绍基于喷墨印刷的陶瓷版权认证技术工艺的噪声层设计。喷墨工艺本质上是将陶瓷水印图像预存到自动喷墨机计算机，由计算机根据陶瓷水印图案进行颜色配色，再由喷墨机对陶瓷载体进行绘色。其中，喷墨机在进行色彩配色时会造成一定的色彩误差，这可能会对陶瓷水印图案的色彩和色调产生一定影响。此外，由于是直接将色彩颜料绘制到陶瓷载体上，所以不能够忽视陶瓷载体材料本身对颜料的影响，该影响包括亮度、对比度、色彩和色调。再者，由于后续还有版权信息的验证阶段，所以也同样需要考虑几何畸变与运动模糊。基于此，针对喷墨工艺的噪声层攻击主要有：几何畸变、运动模糊、颜色偏移和高斯噪声。以上这四种攻击噪声都是在一定的范围内随机取值，充分模拟陶瓷水印图像在绘制到陶瓷载体之上的噪声攻击。针对喷墨印刷工艺设计的噪声层结合对抗生成式数字水印算法，保证了基于喷墨工艺的陶瓷水印认证框架的可行性。

[0104] 由于陶瓷商标印刷工艺是在700‑1100℃的高温条件下，陶瓷上色的颜料受到温度、湿度和空气气氛的影响较大，导致图像失真也较大，水印图像对比度、饱和度以及色彩色调失真范围将会更大。另外，陶瓷丝网印刷时，印刷的油墨受温度影响在一定程度上同样会发生色彩偏移现象，而水印图像又要保证图像发生失真后仍能够无失真的提取水印信息，所以本网络在编码器和解码器之间构建噪声层。该噪声层的构建主要用于模拟陶瓷烧制过程中可能受到的攻击情况，即根据经验分析陶瓷印刷以及拍摄过程中可能造成的畸变进行了测量和分析。噪声层网络主要有：几何畸变、运动模糊、颜色变换、噪点攻击和JEPG压缩，其中几何畸变与运动模糊是为了模拟拍摄时受到的攻击，以上噪声攻击的强度均为随机取值，取值范围设定视环境变化而改变。由于陶瓷商标在烧制时经受的颜色变换攻击较强，因此本网络针对于颜色变换攻击设定了更大的取值范围，这是因为，由于陶瓷水印图像最终是需要经过高温灼烧才能够附着在陶瓷上的，通过实际烧制的经验，通常经过高温烧制后，其附着在陶瓷上的花纹(水印图像)会有一定的色彩，因此断定陶瓷水印图像在烧制时会由于高温经受的颜色变换的强度会更强，所以模拟此颜色攻击的范围也要同步的加大，以保证经过此强度色彩攻击下的陶瓷水印图像后还能被解码器正确提取秘密信息。

[0105] 具体的，针对上述的现象1(在利用移动终端进行图像拍摄和版权认证时，所拍摄的图像会因拍摄角度与被拍摄物体不平行而产生几何畸变)，为了对几何失真现象进行模拟仿真，如图10所述，在噪声层中设置透视变换攻击(Perspective Transformation)。通过在噪声层中设置透视变换攻击充分模拟所拍摄图像因拍摄角度不平行产生的几何畸变现象，并加入网络训练。最后迫使训练网络中的解码端能够从产生几何畸变的图像中成功提取秘密信息。

[0106] S107：将经过噪声处理的整体水印图像送入当前解码器进行解码得到秘密信息，根据所述秘密信息和所述水印信息得到交叉熵损失函数损失值；根据所述交叉熵损失函数损失值对所述当前解码器进行更新。

[0107] 进一步的，将更新后的解码器作为当前解码器，并返回“获取训练图像”的步骤，通过步骤S101、S102、S103、S105、S106、S107的迭代，完成对解码器的训练，直到所述交叉熵损失函数达到预设的第二收敛条件，具体的第二收敛条件可以为经过噪声层后的整体水印图像能够被解码器正确提取秘密信息。

[0108] 所述解码器模型如图11所示，其包含下采样卷积模块和全连接层模块。其中下采样模块的作用是将水印图像进行卷积计算，提取水印特征形成水印信息特征图，全连接层将水印信息特征图进一步压缩，转为二进制比特序列从而实现秘密信息提取。

[0109] 需要说明的，在本发明实施例1中，编码器更新时会迫使生成的水印图像质量提高，从而解码难度增加，而解码难度的增加，解码器解码正确率下降，这样就会倒逼解码器解码能力的提高。而解码能力提高，又会使得编码器生成的水印图像的质量下降，从而在双方对抗的过程中，编码器和解码器都得到了提升。

[0110] 作为进一步的实施方式，在根据所述损失值对所述当前编码器进行调节，得到更新后的编码器之前，还包括：获取所述损失函数集合中每个损失函数的权重值。进一步的，所述根据所述损失值对所述当前编码器进行调节，得到更新后的编码器包括：利用所述损失函数集合每个损失函数的损失值和对应的权重值对所述当前编码器进行调节，得到更新后的编码器；

[0111] 作为进一步的实施方式，在根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器之前，还包括：获取所述交叉熵损失函数的权重值。进一步的，所述根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器包括：利用所述交叉熵损失函数的权重值、所述交叉熵损失函数的损失值对所述当前解码器进行更新，得到更新后的解码器。

[0112] 作为具体的实施方式，所述损失函数集合包括：LPIPS损失函数(Losslpips)和L2损失函数

[0113] 所述 损失函数表示如下：

[0114]

[0115] 其中，YO′，UO′，VO′表示原图像转换到YUV通道中的Y，U，V通道分量，Yw′，Uw′，Vw′表示水印图像转换到YUV通道Y，U，V分量，WY，WU，WV分别表示在YUV三个通道上的权重，H表示图像的高，W表示图像的宽。

[0116] 所述Losslpips损失函数表示如下：

[0117] img_diff＝flpips(image_input)‑flpips(encoded_image)/H×W

[0118] 其中flpips表示图像基于人眼视觉质量评分函数，评分系数越高表示图像质量越好，H，W分别表示图像的长和宽，image_input与encoded_image分别表示载体原图和水印图像。

[0119] 所述Lossserect损失函数为交叉熵损失函数，设X，Y分别表示编码网络输入的水印序列和解码网络输出的水印序列，X由0，1的二进制序列表示，Y由0‑1之间的概率表示表示如下：

[0120]

[0121] 为了更好的调节网络模型和控制水印图像的视觉质量与水印提取网络的鲁棒性之间的平衡关系，对上述的所有损失函数分别加上相应的权重值。 Wserect分别表示相应的权重值，则总损失函数表示如下：

[0122]

[0123] 为了保证上述编码器和解码器的收敛，除了需要设计合适的损失函数外，还需要合适的网络训练技巧。现说明如下：在预设步数之前，仅对所述交叉熵损失函数的权重值进行赋值；在预设步数之后，所述交叉熵损失函数的权重值大于所述L2损失函数的权重值，所述L2损失函数的权重值大于所述LPIPS损失函数的权重值。

[0124] 示例的，预设步数为2500～5000，也就说，在2500～5000步之前仅训练交叉熵损失函数。

[0125] 在预设步数之后，所述交叉熵损失函数的权重值大于所述L2损失函数的权重值，所述L2损失函数的权重值大于所述LPIPS损失函数的权重值。在截取正方形区域面积时，应逐渐减小其面积，防止网络崩溃。最终模型达到解码正确率可以达到93％。由此可以在网络训练时，先训练解码器网络的解码率，确保解码器能够正确提取水印信息，然后再提升水印图像的视觉质量(不可察觉性)。

[0126] 示例的，在网络训练时，所使用的图片训练集LLD共有13万张，总训练步长为二十到三十万次左右，在单次训练时，一次性训练八到十六张图片。

[0127] 本发明将水印图像的定位和信息提取进行整合，设计了一种基于深度学习的无边框水印图像定位检测的网络设计，解决了水印图像在经过打印拍摄后还需要通过加框等方式定位检测的问题。此外，该无边框定位信息提取网络具有足够高的鲁棒性。在真实环境下对水印图像进行水印信息提取时，能够降低拍摄者拍摄水印图片的要求，仅仅只需拍摄到水印图像的大部分区域(50％以上)，就可实现秘密信息的提取。

[0128] 如图5所示，无边框定位的数字水印模型包含编码器、解码器、噪声层网络和无边框定位算法(机制)。所述编码器是将秘密信息嵌入到载体图片中生成含有水印信息的水印图像(以下简称水印图像)。所述噪声层则是模拟水印图像在经过打印和拍摄时所受到的噪声攻击，其中包含透视变换攻击，亮度噪声攻击，饱和度噪声攻击，色彩度噪声攻击，高斯噪声攻击以及Jpeg压缩噪声攻击。所述解码器作用则是将经过噪声层后的水印图像进行秘密信息的提取。所述的无边框提取算法能够充分模拟真实环境下对水印图像的无边框定位。借助此算法精准定位的优势，解码器一方面能够对水印图像进行无边框定位，另一方面能够对水印图像中所嵌入的秘密信息进行准确提取。

[0129] 实施例2

[0130] 与本发明实施例1相对应，本发明实施例2提供了一种无边框定位的陶瓷水印模型训练装置，图12为本发明实施例2无边框定位的陶瓷水印模型训练装置的结构示意图，如图12所示，本发明实施例2的无边框定位的陶瓷水印模型训练装置包括第一获取模块20、第二获取模块21、截取模块22、水印生成模块23、第一调节模块24、拼接模块25、噪声处理模块
26、第二调节模块27。

[0131] 第一获取模块20，用于获取训练图像。

[0132] 第二获取模块21，用于获取水印信息。

[0133] 截取模块22，用于在所述训练图像中截取水印添加区域；

[0134] 水印生成模块23，用于将所述水印信息和所述水印添加区域输入到当前编码器中生成残差图像，根据所述残差图像和所述水印添加区域得到区域水印图像。

[0135] 第一调节模块24，用于计算所述区域水印图像与所述水印添加区域之间损失函数集合中各个损失函数的损失值，根据所述损失值对所述当前编码器进行调节，得到更新后的编码器，直到所述损失函数集合中各个损失函数均达到预设的第一收敛条件。

[0136] 拼接模块25，用于将所述区域水印图像与剩余区域拼接，得到整体水印图像，其中，所述剩余区域为所述训练图像中除所述水印添加区域之外的区域。

[0137] 噪声处理模块26，用于将所述整体水印图像放入预设的噪声层中进行噪声处理；

[0138] 第二调节模块27，用于将经过噪声处理的整体水印图像送入当前解码器进行解码得到秘密信息，根据所述秘密信息和所述水印信息得到交叉熵损失函数损失值；根据所述交叉熵损失函数损失值对所述当前解码器进行更新，得到更新后的解码器，直到所述交叉熵损失函数达到预设的第二收敛条件。

[0139] 上述数字水印模型训练装置具体细节可以对应参阅图1至图11所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

[0140] 实施例3

[0141] 本发明实施例3提供了一种编码器，利用本发明实施例1所述的无边框定位的陶瓷水印模型训练方法训练得到。

[0142] 实施例4

[0143] 本发明实施例4提供了一种解码器，利用本发明实施例1所述的无边框定位的陶瓷水印模型训练方法训练得到。

[0144] 实施例5

[0145] 本发明实施例5提供了一种陶瓷的嵌密方法。本发明实施例5陶瓷的嵌密方法包括以下步骤：

[0146] S501：分别获取原始图像和水印信息。

[0147] S502：将所述原始图像和所述水印信息输入到本发明实施例3的编码器中进行编码得到电子水印图像。

[0148] S503：将所述电子水印图像转印到陶瓷预制品上之后，对所述陶瓷预制品进行烧制，得到带有水印图像的陶瓷。

[0149] 作为具体的实施方式，将所述电子水印图像转印到陶瓷预制品上可以采用如下两种方式：将所述电子水印图像输入预设的陶瓷喷墨注射机中，利用所述陶瓷喷墨注射机对所述陶瓷预制品进行喷墨，以将所述电子水印图像转印到陶瓷预制品上；或者，根据所述电子水印图像生成纸质版花纸；将所述纸质版花纸铺贴在所述陶瓷预制品上，以将所述电子水印图像转印到陶瓷预制品上。

[0150] 作为具体的实施方式，当所述陶瓷预制品为日用陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图案的陶瓷包括：对所述日用陶瓷预制品在800～1380℃进行烧制，得到日用陶瓷；当所述陶瓷预制品为卫生陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图案的陶瓷包括：对所述卫生陶瓷预制品在800～1380℃进行烧制，得到卫生陶瓷；当所述陶瓷预制品为建筑陶瓷预制品时，对所述陶瓷预制品进行烧制，得到带有水印图案的陶瓷包括：对所述建筑陶瓷预制品在800～1380℃进行烧制，得到建筑陶瓷。

[0151] 示例的，图13为基于喷墨工艺的陶瓷水印图案的制作方法流程图，如图13所示，首先给定陶瓷电子版商标或者图案，用基于数字图像的鲁棒水印技术往电子版商标(或图案中)嵌入版权水印信息，形成含有版权信息的商标，随后将该种含有版权信息的商标送入陶瓷喷墨注射机中对陶瓷载体进行上色，接着将上色过后的陶瓷载体送入窑炉中进行高温烧制，最终形成含有版权信息的陶瓷载体。图14为基于丝网印刷的陶瓷水印图案的制作方法流程图，如图14所示，首先给定电子版陶瓷商标或者图案，根据鲁棒水印技术进行版权信息的嵌入，形成含有版权信息的电子版商标图案。接着依托于该电子版水印图片生成纸质版花纸(一种用于装饰陶瓷的特殊用纸)，其中形成纸质版花纸包含以下工序：花纸制版、晒板、调色和做样。然后将制作好的含版权信息的纸质版花纸铺贴在陶瓷之上，并放入窑炉中进行烧制。最后，经过窑炉烧制后的含版权花纸图案会完全转印至陶瓷中，实现对陶瓷的版权保护。

[0152] 进一步的，针对现象3)：即使采取了上述两种攻击模拟方案，并通过网络训练迫使解码网络能够准确提取秘密信息，但在实际过程中仍会出现少许的误码现象，即提取秘密信息与原始嵌入信息不完全一致。此时，本发明在嵌入端对秘密信息进行了BCH纠错编码，保证在解码端即使出现少许码位错误时依然可以正确提取，提高了解码器的准确率。所述BCH纠错码是一种有限域中的线性分组码，具有纠正多个随机错误的能力，其中本发明所设置的BCH纠错码是二进制BCH码，主要进行二进制计算。

[0153] 本发明实施例提供的基于深度学习的无边框图像定位网络设计，能够实现水印图像无边框定位检测，如此可以扩大陶瓷版权认证的应用范围，例如大规模的建筑陶瓷使用，并保证高效快速地进行水印信息的提取。

[0154] 实施例6

[0155] 本发明实施例6提供了一种陶瓷水印的解密方法。本发明实施例5陶瓷水印图案的解密方法包括以下步骤：

[0156] S601：将陶瓷上的水印图案进行定位。

[0157] S602：将定位后的水印图案输入到本发明实施例4的解码器中进行解码，得到所述水印图案中的水印信息。

[0158] 作为具体的实施方式，陶瓷水印图案的解密方法可以采用如下技术方案：首先需要通过高精度扫描仪或者图片摄像器将该陶瓷制品上的水印图案进行定位检测，然后将定位检测后的图片进行尺寸矫正后送入到手机或者计算机中，接着借助手机或者计算机中的鲁棒水印提取算法将矫正图像中的版权信息提取出来。最后对比版权信息内容判定该陶瓷是否侵权，以达到版权认证的功能。

[0159] 示例的，首先根据作者的意图可任意设计版权信息内容形成水印，如作者姓名、公司信息、品牌名称、陶瓷编号等，以证明陶瓷版权所属。然后将该水印用鲁棒水印算法嵌入至预先准备好的陶瓷商标或者图案中，得到含有水印的电子版水印图片。图15为基于喷墨工艺的陶瓷版权加密和解密的流程示意图，若是喷墨工艺，将电子版水印图片直接送入陶瓷喷墨机中对陶瓷载体进行印刷上色，然后将此陶瓷载体送至窑炉中进行1170℃的高温烧制，得到含有版权信息的陶瓷制品。图16为基于丝网印刷的陶瓷版权加密和解密的流程示意图，若为丝网印刷工艺，则电子版水印图片还得经过花纸制版、晒板、调色和做样等步骤形成纸质版水印图片，再根据陶瓷制品应用场景的不同选择釉上、釉中和釉下陶瓷工艺，选择好对应的陶瓷工艺后将制作好的纸质版水印图片同陶瓷载体一起放入窑炉中进行烧制，最终得到含有版权信息的陶瓷制品。

[0160] 客户购买陶瓷产品后甄别版权信息的步骤：

[0161] 首先通过高精度扫描仪或者图片摄像器将陶瓷制品上的商标或者图案进行定位检测，将检测到的图片尺寸校正后放入移植了鲁棒水印提取算法的手机或者计算机中进行版权信息的提取，然后对比版权信息的内容判定该件陶瓷制品是否侵权，以达到版权认证的功能。

[0162] 实施例7

[0163] 本发明实施例还提供了一种电子设备，该电子设备可以包括处理器和存储器，其中处理器和存储器可以通过总线或者其他方式连接。

[0164] 处理器可以为中央处理器(Central Processing Unit，CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field‑Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

[0165] 存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的无边框定位的陶瓷水印模型训练方法对应的程序指令/模块(例如，图8所示的获取模块20、水印生成模块21、第一调节模块22、放大模块23、噪声处理模块24、第二调节模块25)处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的数字水印模型的训练方法。

[0166] 存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

[0167] 所述一个或者多个模块存储在所述存储器中，当被所述处理器执行时，执行如图1至图7所示实施例中的数字水印模型的训练方法。

[0168] 上述电子设备具体细节可以对应参阅图1至图8所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

[0169] 本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read‑Only Memory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid‑State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

[0170] 虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。