计算机辅助设计与图形学学报

作者：张志伟, 王晗, 崔凯元

关键词：图像数字水印, 离散余弦变换, 鲁棒水印, 卷积神经网络

传统数字水印方法对裁剪、噪声、形变等攻击具有强鲁棒性, 但很难抵御真实场景中由图像压缩编码和移动摄像设备翻拍引起的水印信息丢失. 为了增强水印的鲁棒性, 利用离散余弦变换频谱中某些频段对人眼的掩蔽特性, 以及卷积神经网络对一些不可见扰动的学习能力, 提出一种基于频域卷积的端到端图像数字盲水印方法. 首先使用卷积神经网络构建编码网络, 将水印信息嵌入到图像频域中; 其次构建与编码网络对称的解码网络, 从图像频域中提取水印信息; 最后对编码和解码网络进行联合训练, 并监督编码网络的图像质量和解码网络的水印提取效果. 在MIRFLICKR数据集上的实验结果表明, 所提方法对显示器下翻拍攻击的PSNR, SSIM, LPIPS和BPP分别达到36.29 dB, 0.951, 3.11× 10-3, 2.44× 10-3和93.1%, 与其他基准方法相比具有一定的优势, 证明了该方法的有效性.

来源：2024年第11期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第11期