买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京信息工程大学;江苏羽驰区块链科技研究院有限公司申请的专利一种基于UNet架构的抗屏摄鲁棒图像水印软融合网络方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120147099B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510625134.0，技术领域涉及：G06T1/00；该发明授权一种基于UNet架构的抗屏摄鲁棒图像水印软融合网络方法和系统是由曾伟茂;王保卫设计研发完成，并于2025-05-15向国家知识产权局提交的专利申请。

本一种基于UNet架构的抗屏摄鲁棒图像水印软融合网络方法和系统在说明书摘要公布了：本发明提供了一种基于UNet架构的抗屏摄鲁棒图像水印软融合网络方法和系统，所述方法包括：步骤1，对封面图像预处理，得到低频分量；步骤2，建立多阶段水印扩展子网络，将水印信息张量与低频分量进行特征融合；步骤3，构建基于Unet架构的水印软融合网络ProwterNet：将嵌入水印特征的频域信息和水印消息与跳转链接的特征和不断上采样后的特征进行融合，实现空域和频域的联合嵌入；步骤4，设计不可微噪声模拟训练过程，对所述水印软融合网络ProwterNet进行训练。本发明利用ProwterNet对水印信息和载体图像进行处理，实现了多尺度跨域渐进式嵌入。

本发明授权一种基于UNet架构的抗屏摄鲁棒图像水印软融合网络方法和系统在权利要求书中公布了：1.一种基于UNet架构的抗屏摄鲁棒图像水印软融合网络方法，其特征在于，包括以下步骤： 步骤1，对封面图像预处理，得到低频分量； 步骤2，建立多阶段水印扩展子网络，将水印信息张量与低频分量进行特征融合； 步骤3，构建基于Unet架构的水印软融合网络ProwterNet：在Unet网络中添加离散小波变换下采样、封面自注意力CSA和通道压缩注意力SE模块，并且级联消息处理器；首先用离散小波变换下采样替换Unet网络中编码阶段的所有下采样模块，将通道压缩注意力SE添加到上采样之后；其次，在解码阶段将封面自注意力CSA添加到跳跃连接之前；最后接收级联消息处理器的输出，所述输出包括嵌入水印特征的频域信息和水印消息，将嵌入水印特征的频域信息和水印消息与跳转链接的特征和不断上采样后的特征进行融合，实现空域和频域的联合嵌入； 步骤4，设计不可微噪声模拟训练过程，对所述水印软融合网络ProwterNet进行训练； 步骤1包括： 步骤1-1，将封面图像输入离散小波变换网络中，经过第一层小波变换分解为一级低频分量，一级水平高频分量，一级垂直高频分量，一级对角高频分量； 步骤1-2，将低频分量再次输入离散小波变换网络中，进行二次分解，获得二级低频分量，二级水平高频分量，二级垂直高频分量，二级垂直高频分量； 步骤1-3，将二级低频分量输入离散小波变换网络中，提取三级低频分量； 步骤2包括： 步骤2-1，随机生成大小为64比特位的水印信息，通过全连接层将随机生成的水印信息扩展为的水印信息张量； 步骤2-2，将扩展后的水印信息张量复制4份，记为，其中； 步骤2-3，在第0层消息处理器中，接收扩展后的水印信息张量，不进行额外处理，直接输出水印信息张量； 步骤2-4，将步骤1中得出的三个低频分量、、分别级联到第一层消息处器、第二层消息处理器和第三层消息处理器中； 步骤2-5，第一层消息处理器接收两个输入：扩展后的水印信息张量、一级低频分量； 步骤2-6，第一层消息处理器首先将水印信息张量通过的卷积神经网络扩展至与一级低频分量大小一致的水印信息张量，然后对水印信息张量和一级低频分量进行哈达玛积计算，并通过函数生成注意力权重系数，利用注意力权重对水印信息张量和一级低频分量进行特征融合并输出融合后具有水印特性的频域信息特征； 步骤2-7，在第二层消息处理器和第三层消息处理器分别接收扩展后的水印信息张量、二级低频分量和扩展后的水印信息张量、三级低频分量，并且重复步骤2-6，输出融合后的具有水印特性的频域信息特征和，具体融合过程的公式为： ， 其中表示的卷积神经网络，为函数，为哈达玛积计算乘积；z取值为1、2、3； 消息处理器一共有四层，第0层输出水印信息张量，第一层对水印信息张量进行处理，最终输出具有水印特性的频域信息特征，第二层和第三层分别输出具有水印特性的频域信息特征； 步骤3包括： 步骤3-1，将Unet网络原始编码阶段的所有下采样模块全部替换成离散小波变换下采样，所述离散小波下采样包括：对维度为自然图像X施加二维离散小波变换，将X分解为四个频域子图，其中H表示自然图像X的长，W表示自然图像X的宽，C表示自然图像X的通道数； 所述四个频域子图分别为低频分量子图LL、水平高频分量子图LH、垂直高平分量子图HL和对角高频分量子图HH；将四个频域子图沿通道维度进行拼接，构造一个新的特征图，尺寸为；施加标准的卷积操作以进行通道降维，实现频域信息的重新提取和融合，生成下采样后的图像，尺寸大小为； 步骤3-2，设输入特征图像为，对F在水平方向进行水平池化，在垂直方向上进行垂直池化，以捕获轴向全局上文信息，其中水平方向的水平池化操作沿着列维度进行，生成水平方向的全局特征向量；垂直方向的平均池化操作沿行维度进行，生成垂直方向的全局特征向量；对特征向量和施加广播加法，实现对输入特征的全局补充，生成全局特征；通过校准函数，对生成的全局特征进行非线性变化，从而得到校准后的全局特征： ， 其中和为可学习的参数矩阵，表示Relu激活函数； 随后通过两条不同方向的条形卷积进行二次校准：利用垂直条形卷积对垂直方向的形状进行校准，利用水平条形卷积对水平方向的形状进行校准； 在Unet网络编码器阶段引入封面自注意力CSA，并且通过跳跃链接送到解码器中，在解码阶段的每一个上采样后都添加通道压缩注意力SE模块； 在Unet网络第一层中，设为编码过程中提取到的特征，为消息处理器输出的水印信息特征，为解码阶段提取到的特征，首先通过封面自注意力CSA得到经过二次特征校准后的注意力权重系数，将和按元素相乘得到特征，随后通过批归一化BN对特征进行归一化，并通过ReLU激活函数输出空域特征，将和水印信息特征、编码器提取特征进行通道特征拼接，得到融合特征，利用通道注意力SE模块计算出特征的注意权重系数，将和按元素相乘，得到新的特征，随后进行上采样后作为Unet网络第二层中解码器提取到的特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息工程大学;江苏羽驰区块链科技研究院有限公司，其通讯地址为：210044 江苏省南京市江北新区宁六路219号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。