一种边界区域二值化的陶瓷水印模型训练方法和嵌密方法

摘要

本发明公开了一种边界区域二值化的陶瓷水印模型训练方法及嵌密方法，借助二值化技术，使编码器不仅能够将秘密信息以不可见方式嵌入到陶瓷商标的边界区域，还能保证边界颜色只呈现陶瓷商标背景颜色或者商标本身的色彩，进一步降低工艺大师人工配色的难度，解决因丝网印刷工艺导致的水印提取不准确问题，提高版权信息的提取准确率。

权利要求

1.一种边界区域二值化的陶瓷水印模型训练方法，其特征在于，包括：分别获取训练图像和训练水印信息；

对所述训练图像进行腐蚀操作得到训练腐蚀图像，对所述训练图像进行膨胀操作得到训练膨胀图像；

将所述训练图像和所述训练水印信息输入到当前编码器中生成二值像素选择图，根据所述二值像素选择图、所述训练腐蚀图像和所述训练膨胀图像得到水印图像；

计算二值像素选择图损失函数的当前损失值，并根据所述二值像素选择图损失函数的当前损失值对所述当前编码器进行调节，得到更新后的当前编码器；

将所述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训练水印信息得到交叉熵损失函数的损失值，根据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，得到更新后的当前解码器；

根据所述二值像素选择图、所述训练腐蚀图像和所述训练膨胀图像得到水印图像包括：将所述二值像素选择图与所述训练腐蚀图像进行点乘，得到腐蚀选择图；

对所述二值像素选择图进行反色处理，再将反色处理后的二值像素选择图与所述训练膨胀图像进行点乘，得到膨胀选择图；

将所述腐蚀选择图与所述膨胀选择图叠加得到所述水印图像；

其中，所述二值像素选择图为二进制的像素选择图像，是一个与所述训练腐蚀图像和所述训练膨胀图像同尺寸的单通道二值图像，所述二值像素选择图的功能是根据需要选择所述训练腐蚀图像或所述训练膨胀图像中的对应像素进行输出。

2.根据权利要求1所述的方法，其特征在于，在根据所述二值像素选择图损失函数的损失值对所述当前编码器进行调节之前，还包括：获取所述二值像素选择图损失函数的权重值；

根据所述二值像素选择图损失函数的损失值对所述当前编码器进行调节包括：利用所述二值像素选择图损失函数的权重值、所述二值像素选择图损失函数的损失值对所述当前编码器进行更新；

在根据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之前，还包括：获取所述交叉熵损失函数的权重值；

根据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。

3.根据权利要求2所述的方法，其特征在于，

在预设的第一步数阈值之前，所述二值像素选择图损失函数的权重值为0；在所述第一步数阈值之后，所述二值像素选择图损失函数的权重值大于0且小于所述交叉熵损失函数的权重值。

4.根据权利要求3所述的方法，其特征在于，在分别获取训练图像和训练水印信息之前，还包括：对所述二值像素选择图损失函数值进行第一次数值裁剪。

5.根据权利要求4所述的方法，其特征在于，在所述计算二值像素选择图损失函数的当前损失值之后，还包括：根据所述二值像素选择图损失函数的当前损失值判断所述二值像素选择图中像素分布是否到达预设条件；

当二值像素选择图中像素分布到达预设条件后，对所述二值像素选择图损失函数值进行第二次数值裁剪。

6.一种边界区域二值化的陶瓷水印模型训练装置，其特征在于，包括：获取模块，用于分别获取训练图像和训练水印信息；

预处理模块，用于对所述训练图像进行腐蚀操作得到训练腐蚀图像，对所述训练图像进行膨胀操作得到训练膨胀图像；

水印生成模块，用于将所述训练图像和所述训练水印信息输入到当前编码器中生成二值像素选择图，根据所述二值像素选择图、所述训练腐蚀图像和所述训练膨胀图像得到水印图像；其中，根据所述二值像素选择图、所述训练腐蚀图像和所述训练膨胀图像得到水印图像包括：将所述二值像素选择图与所述训练腐蚀图像进行点乘，得到腐蚀选择图；对所述二值像素选择图进行反色处理，再将反色处理后的二值像素选择图与所述训练膨胀图像进行点乘，得到膨胀选择图； 将所述腐蚀选择图与所述膨胀选择图叠加得到所述水印图像；

第一调节模块，用于计算二值像素选择图损失函数的损失值，根据所述二值像素选择图损失函数的损失值对所述当前编码器进行调节，得到更新后的当前编码器；

噪声处理模块，用于将所述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训练水印信息得到交叉熵损失函数的损失值，根据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，得到更新后的当前解码器；

其中，所述二值像素选择图为二进制的像素选择图像，是一个与所述训练腐蚀图像和所述训练膨胀图像同尺寸的单通道二值图像，所述二值像素选择图的功能是根据需要选择所述训练腐蚀图像或所述训练膨胀图像中的对应像素进行输出。

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：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，所述偏移量值为‑0.2 0.3；

~

和/或，所述JEPG压缩的压缩品质因子大于50。

9.一种编码器，其特征在于，利用权利要求1 5任一项所述的一种边界区域二值化的陶~瓷水印模型训练方法训练得到。

10.一种解码器，其特征在于，利用权利要求1 5任一项所述的一种边界区域二值化的~陶瓷水印模型训练方法训练得到。

11.一种边界区域二值化的陶瓷水印嵌密方法，其特征在于，包括：分别获取训练图像和训练水印信息；

对所述训练图像进行腐蚀操作得到腐蚀图像，对所述训练图像进行膨胀操作得到膨胀图像；

将所述训练图像、所述训练水印信息输入到权利要求9所述的编码器中进行编码得到二值像素选择图，利用所述二值像素选择图、所述腐蚀选择图和所述膨胀选择图得到电子水印图像；

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，得到带有水印图案的陶瓷。

12.根据权利要求11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陶瓷预制品上。

13.根据权利要求11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。

~

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

将定位后的水印图案输入到权利要求10所述的解码器中进行解码，得到所述水印图案中的训练水印信息。

说明书

一种边界区域二值化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，具体涉及一种边界区域二值化的陶瓷水印模型训练方法和嵌密方法。

背景技术

[0002] 近年来，随着数字水印技术的发展，数字水印的应用领域也得到了扩展，特别是在版权保护、隐藏标识、认证和安全不可见通信上都取得了巨大的成就，然而对于陶瓷类特殊载体而言，由于数字水印技术均是基于图像、视频、音频等数字载体的，而陶瓷载体需要通过多种传统工艺烧制而成，因此不能够直接嫁接到陶瓷上。

[0003] 目前存在一种基于换底机制下的陶瓷版权认证网络设计，通过该网络可以实现将水印以不可察觉的方式嵌入在陶瓷商标的边界上，解决了丝网印刷工艺导致的水印提取不准确问题。

[0004] 然而在实践中发现，在使用上述方案嵌入秘密信息时，陶瓷商标边界上常出现有明显的渐变色，如图1所示，陶瓷商标边界的色彩呈现为灰色且灰色为渐变色。对于丝网印刷工艺而言，陶瓷商标中的每种颜色都是经人工配置而来，面对这种“渐变色”效应，工艺大师很难进行准确的配色，并进行逐一表达。一般而言，人工所能配置颜色种类极为有限，难以配出相应的渐变色图案，如此会导致陶瓷商标因像素修改无法通过丝网印刷表达出来，而产生解码失败的现象。

发明内容

[0005] 有鉴于此，本发明实施例提供了一种边界区域二值化的陶瓷水印模型训练方法和嵌密方法，以解决陶瓷商标的边界上出现明显的渐变色的问题。

[0006] 根据第一方面，本发明实施例提供了一种边界区域二值化的陶瓷水印模型训练方法，包括：

[0007] 分别获取训练图像和训练水印信息；

[0008] 对所述训练图像进行腐蚀操作得到训练腐蚀图像，对所述训练图像进行膨胀操作得到训练膨胀图像；

[0009] 将所述训练图像和所述训练水印信息输入到当前编码器中生成二值像素选择图，根据所述二值像素选择图、所述训练腐蚀图像和所述训练膨胀图像得到水印图像；

[0010] 计算二值像素选择图损失函数的当前损失值，并根据所述二值像素选择图损失函数的当前损失值对所述当前编码器进行调节，得到更新后的当前编码器；

[0011] 将所述水印图像放入预设的噪声层中进行噪声处理；

[0012] 将经过噪声处理的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训练水印信息得到交叉熵损失函数的损失值，根据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，得到更新后的当前解码器。

[0013] 本发明实施例提供的边界区域二值化的陶瓷水印模型训练方法借助二值化技术，使编码器不仅能够将秘密信息以不可见方式嵌入到陶瓷商标的边界区域，还能保证边界颜色只呈现陶瓷商标背景颜色或者商标本身的色彩，进一步降低工艺大师人工配色的难度，解决因丝网印刷工艺导致的水印提取不准确问题，提高版权信息的提取准确率。

[0014] 结合第一方面，在第一方面第一实施方式中，根据所述二值像素选择图、所述训练腐蚀图像和所述训练膨胀图像得到水印图像包括：将所述二值像素选择图与所述训练腐蚀图像进行点乘，得到腐蚀选择图；对所述二值像素选择图进行反色处理，再将反色处理后的二值像素选择图与所述训练膨胀图像进行点乘，得到膨胀选择图；将所述腐蚀选择图与所述膨胀选择图叠加得到所述水印图像。

[0015] 结合第一方面或第一方面第一实施方式中，在第一方面第二实施方式中，在根据所述二值像素选择图损失函数损失值对所述当前编码器进行调节之前，还包括：获取二值像素选择图损失函数的权重值；根据所述二值像素选择图损失函数损失值对所述当前编码器进行调节包括：利用所述二值像素选择图损失函数的权重值、所述二值像素选择图损失函数损失值对所述当前编码器进行更新；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之前，还包括：获取交叉熵损失函数的权重值；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损失值对所述当前解码器进行更新。

[0016] 结合第一方面第二实施方式，在第一方面第三实施方式，在预设的步数阈值之前，所述二值像素选择图损失函数的权重值为0；在所述步数阈值之后，设置二值像素选择图损失函数的权重值大于0，且小于交叉熵损失函数的权重值。

[0017] 结合第一方面第三实施方式，在第一方面第四实施方式中，在分别获取训练图像和训练水印信息之前，还包括：对所述二值像素选择图损失函数值进行第一次数值裁剪。

[0018] 结合第一方面第四实施方式，在第一方面第五实施方式中，在所述计算二值像素选择图损失函数的当前损失值之后，还包括：根据所述二值像素选择图损失函数的当前损失值判断所述二值像素选择图中像素分布是否到达预设条件；当二值像素选择图中像素分布到达预设条件后，对所述二值像素选择图损失函数值进行第二次数值裁剪。

[0019] 根据第二方面，本发明实施例提供了一种边界区域二值化的陶瓷水印模型训练装置，包括：

[0020] 获取模块，用于分别获取训练图像和训练水印信息；

[0021] 预处理模块，用于对所述训练图像进行腐蚀操作得到训练腐蚀图像，对所述训练图像进行膨胀操作得到训练膨胀图像；

[0022] 水印生成模块，用于将所述训练图像和所述训练水印信息输入到所述当前编码器中生成二值像素选择图，根据所述二值像素选择图、所述训练腐蚀图像和所述训练膨胀图像得到水印图像；

[0023] 第一调节模块，用于计算二值像素选择图损失函数的损失值，根据所述二值像素选择图损失函数的损失值对所述当前编码器进行调节，得到更新后的当前编码器；

[0024] 噪声处理模块，用于将所述水印图像放入预设的噪声层中进行噪声处理；

[0025] 第二调节模块，用于将经过噪声处理的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训练水印信息得到交叉熵损失函数的损失值，根据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，得到更新后的当前解码器。

[0026] 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：几何畸变、运动模糊、颜色偏移、高斯噪声和JEPG压缩。

[0027] 结合第二方面第一实施方式，在第二方面第二实施方式中，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。

[0028] 根据第三方面，本发明实施例还提供了一种编码器，利用第一方面或第一方面任意实施方式所述的边界区域二值化的陶瓷水印模型训练方法训练得到。

[0029] 根据第四方面，本发明实施例还提供了一种解码器，利用第一方面或第一方面任意实施方式所述的边界区域二值化的陶瓷水印模型训练方法训练得到。

[0030] 根据第五方面，本发明实施例还提供了一种边界区域二值化的陶瓷水印嵌密方法，包括：分别获取训练图像和训练水印信息；对所述训练图像进行腐蚀操作得到腐蚀图像，对所述训练图像进行膨胀操作得到膨胀图像；将所述训练图像、所述训练水印信息输入到第三方面所述的编码器中进行编码得到二值像素选择图，利用所述二值像素选择图、所述腐蚀选择图和所述膨胀选择图得到电子水印图像；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，得到带有水印图案的陶瓷。

[0031] 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：将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；或根据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。

[0032] 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。

[0033] 根据第六方面，本发明实施例还提供了一种边界区域二值化的陶瓷水印的解密方法，包括：将陶瓷上的水印图案进行定位；将定位后的水印图案输入到第四方面所述的解码器中进行解码，得到所述水印图案中的水印信息。

附图说明

[0034] 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：

[0035] 图1为陶瓷商标边界上的渐变色示意图；

[0036] 图2为陶瓷商标边界上的二值化示意图；

[0037] 图3为基于二值化技术的陶瓷版权网络框架图；

[0038] 图4为编码器模型示意图；

[0039] 图5为解码器模型示意图；

[0040] 图6为陶瓷商标示意图；

[0041] 图7为与图6的陶瓷商标示意图相对应的二值像素选择图；

[0042] 图8为腐蚀操作后结果示意；

[0043] 图9为膨胀操作后结果示意图；

[0044] 图10为本发明实施例1中边界区域二值化的陶瓷水印模型训练方法的流程示意图；

[0045] 图11为本发明实施例2中边界区域二值化的陶瓷水印模型训练装置的结构示意图；

[0046] 图12为基于喷墨工艺的陶瓷水印图案的制作方法流程图；

[0047] 图13为基于丝网印刷的陶瓷水印图案的制作方法流程图；

[0048] 图14为基于喷墨工艺的陶瓷版权嵌密和解密的流程示意图；

[0049] 图15为基于丝网印刷的陶瓷版权嵌密和解密的流程示意图。

具体实施方式

[0050] 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。

[0051] 实施例1

[0052] 为了解决陶瓷商标的边界上出现明显的渐变色的问题，本发明实施例1 提供了一种边界区域二值化的陶瓷水印模型训练方法。本发明借助二值化技术，使编码器不仅能够将秘密信息以不可见方式嵌入到陶瓷商标的边界区域，还能保证边界颜色只呈现陶瓷商标背景颜色或者商标本身的色彩，如图2所示，陶瓷商标的边界色彩呈现为黑色或者白色，即为二值化。通过本发明实施例所提出的二值化网络算法，可以有效消除“渐变色”现象，进一步降低工艺大师人工配色的难度，解决因丝网印刷工艺导致的水印提取不准确问题，提高版权信息的提取准确率。

[0053] 一种边界区域二值化的陶瓷水印模型网络框架图如图3所示，其包含编码器、解码器、噪声层网络和由二值化技术算法构成的二值化网络(以下简称二值化网络)等多个网络子模块。所述编码器是将秘密信息嵌入到载体图像中，生成含有水印信息的含密图像(以下简称水印图像)。所述解码器是将水印图像所嵌入的秘密信息提取出来。所述噪声层网络则是模拟水印图像在经过打印、拍摄和陶瓷烧制过程所受到的噪声攻击，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。所述二值化网络能够保证当前编码器将秘密信息以不可见方式嵌入在载体图像的边界上，且保证边界区域的颜色呈现“二值化”效果。

[0054] a)所述编码器模型如图4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载体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，最终生成与载体图像相对应的通道数为1的像素选择图。在此说明，本申请中的像素选择图(单通道残差图像)实为二进制的像素选择图像，后续会做详细解释。另外，需要说明此处像素选择图与传统的3通道残差图不同，像素选择图可直接与原始的3通道RGB彩色图像进行叠加计算。

[0055] b)所述解码器模型如图5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。

[0056] c)所述噪声层是为了模拟打印拍摄中可能遭受的各种物理攻击，其包含透视变换攻击、高斯噪声攻击、色彩偏移，运动模糊、亮度对比度变换和 JEPG压缩攻击，还有陶瓷烧制等攻击。需要说明的是以上的攻击均为随机取值，取值范围设定视环境变换而改变。

[0057] d)针对因陶瓷工艺所产生的“渐变色”现象，本发明实施例1给出了二值化网络设计算法，同时也是本发明的算法核心内容，现说明如下：

[0058] d_1)二值化算法所构成元素介绍，主要包含A，B，residual，residual_loss。

[0059] 在此定义：A是由原始商标图经过腐蚀操作生成的图像，B是由原始商标图经过膨胀操作生成的图像，residual是指通过编码器网络迭代训练所生成的二值像素选择图(即为上述步骤a中提出的残差图)。residual是一个与 A和B同尺寸的单通道二值图像(通道数为1)，其功能是根据需要选择A 或B中的对应像素进行输出，如黑色(像素值为0)表示图像A中的像素被选择输出，白色(像素值为1)表示图像B中的像素被选择输出，示例的，图6为陶瓷商标示意图，图7为与图6的陶瓷商标示意图相对应的二值像素选择图。Lossresidual用于引导网络训练的失真函数，即二值像素选择图损失函数。

[0060] d_2)二值化图像的实现原理与思路

[0061] I)A与B的生成与示意

[0062] 所述A图像经过腐蚀操作后其边缘区域会向内收缩如图8所示，边缘像素宽度会变小，因此相比于原图来说，其边缘会更细。所述B图像经过膨胀操作后其边缘区域会向外扩张如图9所示，边缘像素宽度会变大，因此相比于原图来说，其边缘会更粗。

[0063] II)二值图的生成

[0064] 不妨设已经通过网络训练出一个含有秘密信息的像素选择图residual，则可用如下公式表示含密二值化输出图像，即不含有渐变色。

[0065] I′＝A*residual+B*(1‑residual)   公式1

[0066] 其中，I′表示含密的理想二值化输出图像。若residual对应数值为1，即residual＝1，(1‑residual)＝0，则使用A*residual表示提取A中对应像素赋给I′；B*(1‑residual)置零。相反，若residual对应数值为0，则 residual＝0，(1‑residual)＝1，此时将B中对应像素赋给I′。

[0067] 如图8和图9所示，考虑到A和B对应为同一个原始图的腐蚀和膨胀版本，所以其区别仅在边界部分，在平坦的背景部分完全一致。基于此，可以认为含密二值化输出图像I′本质上在保持原始图像背景的基础上，通过 residual中的0/1调制选择了一种原有的边界颜色(即A或者B中颜色)。如此可以实现真正的二值化图像输出。

[0068] 另外，需要说明：输出图像的二值化是需要residual的二值化进行保证的。若residual中数值不为0/1，则I′中会出现新的渐变色。基于此，后续给出如何保证residual在训练中趋于数值0/1的方式。

[0069] d_3)residual的训练与二值化保障

[0070] 本发明实施例1中，residual是通过深度网络经过网络迭代训练得到，在网络训练初期，residual图像像素值是网络随机分布的。因此在训练时本发明需在每次的训练过程中将residual中的像素值归一化到[0，1]之间，并且为了实现residual二值化(图中像素值不是0就是1)，本发明设计 Lossresidual失真函数(也可称为二值像素选择图损失函数)来引导网络训练，其具体公式如下：

[0071]

[0072] e)为了保证上述多个网络模块的协同训练，其他常规网络失真的设计如下。

[0073] 总损失函数由Lossserect损失函数以及Lossresidual损失函数组成，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：

[0074]

[0075] 所述Lossresidual表示二值像素选择图损失函数，作用是通过此二值像素选择图损失函数可以优化其像素值，使其像素值不是0就是1。其中 residual表示当前编码器所生成的残差图，其通道为1，是与原始商标对应的二值图。

[0076]

[0077] 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，Wresidual分别表示对应损失函数的权重值，所述总损失函数表示如下：

[0078] Loss＝WserectLossserect+WresidualLossresidual    公式4

[0079] 基于此，本发明实施例1提供了一种边界区域二值化的陶瓷水印模型训练方法，图10为本发明实施例1中边界区域二值化的陶瓷水印模型训练方法的流程示意图，如图10所示，本发明实施例1的边界区域二值化的陶瓷水印模型训练方法包括以下步骤：

[0080] S101：分别获取训练图像和训练水印信息。

[0081] 在本发明实施例1中，首先准备训练集Large Logo Dataset(LLD)数据集里的LLD‑logo，其中包含64*64到400*400分辨率不一的符号图像(即训练图像)。将LLD数据集进行预处理，将其进行尺度变换到256*256分辨率。

[0082] 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中所述经过预处理后的 LLD数据集中任一训练图像相同的大小。

[0083] S102：对所述训练图像进行腐蚀操作得到训练腐蚀图像，对所述训练图像进行膨胀操作得到训练膨胀图像。

[0084] 在本发明实施例1中，训练腐蚀图像是训练图像经过腐蚀操作生成的图像，训练图像经过腐蚀操作后其边缘区域会向内收缩，边缘像素宽度会变小，因此相比于训练图像来说，其边缘会更细。训练膨胀图像是训练图像经过膨胀操作生成的图像。训练图像经过膨胀操作后其边缘区域会向外扩张，边缘像素宽度会变大，因此相比于训练图像来说，其边缘会更粗。

[0085] S103：将所述训练图像和所述训练水印信息输入到当前编码器中生成二值像素选择图，根据所述二值像素选择图、所述训练腐蚀图像和所述训练膨胀图像得到水印图像。

[0086] 作为具体的实施方式，根据所述二值像素选择图、所述训练腐蚀图像和所述训练膨胀图像得到水印图像可以采用如下技术方案：将所述二值像素选择图与所述训练腐蚀图像进行点乘，得到腐蚀选择图；对所述二值像素选择图进行反色处理，再将反色处理后的二值像素选择图与所述训练膨胀图像进行点乘，得到膨胀选择图；将所述腐蚀选择图与所述膨胀选择图叠加得到所述水印图像。

[0087] 示例的，可以采用上述的公式1即I′＝A*residual+B*(1‑ residual)得到水印图像，在此处I′也可称为水印图像，A*residual为腐蚀选择图，B*(1‑residual)为膨胀选择图。示例的，当A*residual时，residual 中像素为1的值与A进行点乘，那么A*residual结果就是与residual对应像素1位置的值将会留下，residual对应像素0位置的值会被舍掉。然后 (1‑residual)*B，由于对residual取反，那么在情况一中被舍掉的值则会有 B图相对应位置像素所弥补。

[0088] S104：计算二值像素选择图损失函数的当前损失值，并根据所述二值像素选择图损失函数的当前损失值对所述当前编码器进行调节，得到更新后的当前编码器。

[0089] 在本发明实施例1中，二值像素选择图损失函数即为上述的Lossresidual损失函数。

[0090] 作为具体的实施方式，在根据所述二值像素选择图损失函数的损失值对所述当前编码器进行调节之前，还包括：获取二值像素选择图损失函数的权重值。进一步的，根据所述二值像素选择图损失函数的损失值对所述当前编码器进行调节包括：利用所述二值像素选择图损失函数的权重值、所述二值像素选择图损失函数的损失值对所述当前编码器进行更新。在预设的步数阈值之前，所述二值像素选择图损失函数的权重值为0；在所述步数阈值之后，所述交叉熵损失函数的权重值大于所述二值像素选择图损失函数的权重值。

[0091] 作为进一步的实施方式，在计算所述水印图像与所述训练图像之间的二值像素选择图损失函数损失值之前，还包括：在所述步数阈值之前，对所述二值像素选择图损失函数进行数值裁剪。

[0092] 也就是说，在训练初期，将residual图中像素值进行第一次梯度裁剪，裁减范围为(‑M，M)，M取值范围为‑0.5到0.5。

[0093] 作为进一步的实施方式，在所述计算二值像素选择图损失函数的当前损失值之后，还包括：根据所述二值像素选择图损失函数的当前损失值判断所述二值像素选择图中像素分布是否到达预设条件；当二值像素选择图中像素分布到达预设条件后，对所述二值像素选择图损失函数值进行第二次数值裁剪。

[0094] S105：将所述水印图像放入预设的噪声层中进行噪声处理。

[0095] 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，在当前编码器和当前解码器中间，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。当前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。

[0096] 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。

[0097] 下面对基于丝网印刷的陶瓷版权认证技术工艺的噪声层设计进行描述。

[0098] 陶瓷花纸是指在陶瓷(或瓷坯)表面贴上印刷好的陶瓷专用花纸，其制作工艺包含如下步骤：

[0099] 步骤1：花纸制版，所谓制版就是将提供的陶瓷图案转化为制作花纸所需的AI文件。

[0100] 步骤2：晒版，晒版就是制作出商标或者花面图案的菲林，类似于照相机的底片。

[0101] 步骤3：调色，调色就是将陶瓷颜料各种基色按照一定比例合成所提供的陶瓷商标所需要的颜色。

[0102] 步骤4：做样，将调好的色彩颜料与制作好的晒版放入半自动化花纸机中，即可形成花纸。

[0103] 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。

[0104] 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。

[0105] 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，所以本网络在当前编码器和当前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当前解码器正确提取秘密信息。

[0106] S106：将经过噪声处理的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训练水印信息得到交叉熵损失函数的损失值，根据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，得到更新后的当前解码器。

[0107] 进一步的，在根据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之前，还包括：获取交叉熵损失函数的权重值。根据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。

[0108] 在本发明实施例1中，边界区域二值化陶瓷水印模型训练的结束条件可以为第二步数阈值，其中第二步数阈值可以根据编码器和解码器的训练情况而定，具体的，第二步数阈值为编码器达到预设的第一收敛条件且解码器达到预设的第二收敛条件时的训练步数。其中，第一收敛条件可以为二值像素选择图中值不是0就是1；第二收敛条件为经过噪声层后的水印图像能够被解码器正确提取秘密信息。

[0109] 下面为整体网络收敛方法：

[0110] 在训练初期仅保留交叉熵损失函数进行训练，训练步长设置为2000步到3000步左右。当二值像素选择图损失函数损失值的平均值位于0.9至1.0 左右时进行断点续训(将程序断开，只调节参数不改变网络结构)，并进行第二次二值像素选择图梯度裁剪，设置二值像素选择图损失函数损失值裁剪范围为(0，1)之间，再优化总损失函数。总步长为三十万步，经过此训练方案，最终模型收敛，解码率为95％。

[0111] 实施例2

[0112] 与本发明实施例1相对应，本发明提供了一种边界区域二值化的陶瓷水印模型训练装置。图11为本发明实施例2中边界区域二值化的陶瓷水印模型训练装置的结构示意图。如图11所示，本发明实施例2的边界区域二值化的陶瓷水印模型训练装置包括获取模块20、预处理模块21、水印生成模块22、第一调节模块23、噪声处理模块24、第二调节模块25。

[0113] 具体的，获取模块20，用于分别获取训练图像和训练水印信息；

[0114] 预处理模块21，用于对所述训练图像进行腐蚀操作得到训练腐蚀图像，对所述训练图像进行膨胀操作得到训练膨胀图像；

[0115] 水印生成模块22，用于将所述训练图像和所述训练水印信息输入到所述当前编码器中生成二值像素选择图，根据所述二值像素选择图、所述训练腐蚀图像和所述训练膨胀图像得到水印图像；

[0116] 第一调节模块23，用于计算二值像素选择图损失函数的损失值，根据所述二值像素选择图损失函数的损失值对所述当前编码器进行调节，得到更新后的当前编码器；

[0117] 噪声处理模块24，用于将所述水印图像放入预设的噪声层中进行噪声处理；

[0118] 第二调节模块25，用于将经过噪声处理的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训练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，得到更新后的当前解码器。

[0119] 具体的，所述噪声层包括：几何畸变、运动模糊、颜色偏移、高斯噪声和JEPG压缩。

[0120] 更加具体的，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。

[0121] 上述边界区域二值化的陶瓷水印模型训练装置具体细节可以对应参阅图1至图10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。

[0122] 实施例3

[0123] 本发明实施例3提供了一种编码器，利用本发明实施例1所述的边界区域二值化的陶瓷水印模型训练方法训练得到。

[0124] 实施例4

[0125] 本发明实施例4提供了一种解码器，利用本发明实施例1所述的边界区域二值化的陶瓷水印模型训练方法训练得到。

[0126] 实施例5

[0127] 本发明实施例5提供了一种边界区域二值化的陶瓷水印模型的嵌密方法。本发明实施例5陶瓷的嵌密方法包括以下步骤：

[0128] S501：分别获取训练图像和训练水印信息。

[0129] S502：对所述训练图像进行腐蚀操作得到腐蚀图像，对所述训练图像进行膨胀操作得到膨胀图像。

[0130] S503：将所述训练图像、所述训练水印信息输入到本发明实施例3所述的编码器中进行编码得到二值像素选择图，利用所述二值像素选择图、所述腐蚀选择图和所述膨胀选择图得到电子水印图像；

[0131] S504：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，得到带有水印图案的陶瓷。

[0132] 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。

[0133] 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。

[0134] 示例的，图12为基于喷墨工艺的陶瓷水印图案的制作方法流程图，如图12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13为基于丝网印刷的陶瓷水印图案的制作方法流程图，如图13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。

[0135] 实施例6

[0136] 本发明实施例6提供了一种边界区域二值化的陶瓷水印模型的解密方法。本发明实施例5陶瓷水印图案的解密方法包括以下步骤：

[0137] S601：将陶瓷上的水印图案进行定位。

[0138] 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。

[0139] 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。

[0140] 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14为基于喷墨工艺的陶瓷版权嵌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15为基于丝网印刷的陶瓷版权嵌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。

[0141] 客户购买陶瓷产品后甄别版权信息的步骤：

[0142] 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。

[0143] 实施例7

[0144] 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。

[0145] 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。

[0146] 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数边界区域二值化的陶瓷水印模型训练方法对应的程序指令/模块(例如，图11所示的获取模块20、预处理模块21、水印生成模块22、第一调节模块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边界区域二值化的陶瓷水印模型训练方法。

[0147] 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。

[0148] 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10所示实施例中的边界区域二值化的陶瓷水印模型训练方法。

[0149] 上述电子设备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。

[0150] 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。

[0151] 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。