基于PEMA和DWT的岩心图像鲁棒水印算法

岩心图像作为地质、油气等行业中极为重要的数字图像资源,对于科学研究和工程实践至关重要,其安全性常通过添加数字水印的方式来保障.在数字化的进程中,岩心图像在存储、传输和网页发布等情况下常会进行JPEG压缩.然而,现存基于深度学习的图像数字水印算法在应对JPEG压缩时,视觉质量和鲁棒性方面仍存在显著不足.本文提出了一个端到端图像鲁棒水印算法,旨在解决JPEG压缩条件下岩心图像的鲁棒水印嵌入问题.为高效融合载体图像与水印的特征,本文引入了多尺度跨时空注意力(pyramid efficient multi-scale attention, PEMA)模块,该模块通过独特的跨空间交互策略和通道间关系的构建方式,能够有效捕获不同方向上的长程依赖以及不同尺度下的特征信息.为了实现视觉不可感知性,本文通过离散小波变换(discrete wavelet transform, DWT)将数字水印嵌入到载体图像的低频分量中,并引入DLL (DWT LL sub-band loss)损失函数,以提升水印图像的视觉质量.实验结果表明,该算法在针对JPEG压缩的鲁棒性和视觉不可感知性上均优于现有主流算法.