基于传统引导机制的深度鲁棒水印算法

随着网络和多媒体技术的发展,多媒体数据逐渐成为人们获取信息的重要来源,数字媒体逐渐成为版权保护和防伪溯源主战场,版权保护新技术的重要性日益凸显,数字水印技术作为其中一种重要的版权保护手段得到重视。在信息传递过程中,含密数字媒体信息可能会受到噪声和外部干扰攻击,传统鲁棒数字水印技术正是围绕这些问题进行研究。然而,传统的鲁棒数字水印技术对不同类型攻击的综合抵抗能力有待提升。同时,由于其嵌入方式的局限性,传统的鲁棒数字水印算法对不同图像的泛化处理能力较弱。近年来,深度学习由于其强大的自学习能力被广泛应用于鲁棒数字水印技术研究。基于深度网络的鲁棒数字水印算法的初始化通常来源于随机的参数和特征,这会导致生成的模型质量不佳、训练时间过长,甚至无法收敛。结合两者的优点,采用传统的数字水印技术进行引导,兼顾深度网络的学习能力和传统鲁棒数字水印技术特征进行设计,提出一种基于传统引导机制的深度鲁棒数字水印算法。所提算法利用传统的鲁棒数字水印算法生成水印图像,设计的特征构造能够保证传统水印图像的鲁棒性。再利用U-Net结构将传统水印图像融合至深度网络,生成最终的含密图像。实验结果表明,所提算法能够提升含密图...