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！

龙图腾网获悉宁波大学申请的专利一种保持图像质量的隐水印盲去除方法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：CN120355595B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202510267212.4，技术领域涉及：G06T5/60；该发明授权一种保持图像质量的隐水印盲去除方法是由董理;严方俊;黄雨彤;彭成斌;姜求平设计研发完成，并于2025-03-07向国家知识产权局提交的专利申请。

本一种保持图像质量的隐水印盲去除方法在说明书摘要公布了：本发明公开了一种保持图像质量的隐水印盲去除方法，通过对由去除器和判别器构成的模型进行训练后实现隐水印去除，对模型进行训练时，首先通过监督训练的方式预训练去除器，使去除器能从添加高斯噪声的图像中恢复出原始图像，接着通过监督训练的方式预训练判别器，使判别器能准确判别图像是水印图像或干净图像，最后联合训练预训练的去除器和预训练的判别器，在联合训练时，预训练的判别器分别进行单独监督训练和与预训练的去除器对抗训练，预训练的去除器与预训练的判别器进行对抗训练的同时，学习从添加高斯噪声的的图像中恢复出干净图像，联合训练完成后，得到具备隐水印去除能力的去除器；优点是既具有通用性，又能够保证图像质量。

本发明授权一种保持图像质量的隐水印盲去除方法在权利要求书中公布了：1.一种保持图像质量的隐水印盲去除方法，通过对由去除器和判别器构成的模型进行训练，得到训练后的模型，将图像输入训练后的模型中，采用训练后的模型进行隐水印去除，其特征在于对由去除器和判别器构成的模型进行训练的具体方式为：首先通过监督训练的方式预训练去除器，使去除器能从添加高斯噪声的图像中恢复出原始图像，得到预训练的去除器，接着通过监督训练的方式预训练判别器，使判别器能准确判别图像是水印图像或干净图像，得到预训练的判别器，最后联合训练预训练的去除器和预训练的判别器，在联合训练时，预训练的判别器分别进行单独监督训练和与预训练的去除器对抗训练，预训练的去除器与预训练的判别器进行对抗训练的同时，学习从添加高斯噪声的的图像中恢复出干净图像，联合训练完成后，得到具备隐水印去除能力的去除器； 其中，对预训练的去除器和预训练的判别器进行联合训练的具体过程为： 步骤B1：从ImageNet图像数据集随机选取2J张图像，J为大于等于10000的整数，将该2J张图像的像素尺寸高度宽度统一调整为256256，得到2J张干净图像； 随机选取2J张干净图像中J张干净图像分别嵌入水印，得到J张水印图像，采用J张水印图像与剩余未被选择的J张干净图像构成联合训练集，定义联合训练集中每张水印图像的真实标签为1，每张干净图像的真实标签为0；所述的联合训练集中，J张干净图像随机排序，依次称为第1张干净图像至第J张干净图像；所述的联合训练集中，J张水印图像随机排序，依次称为第1张水印图像至第J张水印图像； 步骤B2：将预训练的去除器作为第0轮联合去除器，将预训练的判别器作为第0轮联合判别器，设定训练轮数变量t，将t初始化为1，设定训练总轮数T为20000； 步骤B3：对第t-1轮联合判别器进行单独训练，具体过程为： 步骤B3.1：从联合训练集的J张干净图像中选取第tj-j+1%J张干净图像、第tj-j+2%J张干净图像、…、第tj%J张干净图像，共j张干净图像；从联合训练集的J张水印图像中选取第tj-j+1%J张水印图像、第tj-j+2%J张水印图像、…、第tj%J张水印图像，共j张水印图像，%表示取模运算，j为小于等于32的正整数； 分别对选取的j张干净图像和j张水印图像进行数据增强，得到j张数据增强的干净图像和j张数据增强的水印图像； 步骤B3.2：将步骤B3.1的j张数据增强的干净图像和j张数据增强的水印图像一起输入第t-1轮联合判别器，第t-1轮联合判别器输出每张数据增强的干净图像和每张数据增强的水印图像的预测结果，合计2j个预测结果； 步骤B3.3：采用二元交叉熵损失函数计算得到步骤B3.2的2j个预测结果与步骤B3.1的j张干净图像和j张水印图像的真实标签间的二元交叉熵损失； 步骤B3.4：计算得到步骤B3.3的二元交叉熵损失相对于第t-1轮联合判别器的参数的梯度，根据第t-1轮联合判别器的参数的梯度，采用梯度下降策略更新第t-1轮联合判别器的参数，得到第t轮中间判别器； 步骤B4：对第t轮中间判别器进行对抗训练，具体过程为： 步骤B4.1：将步骤B3.1的j张干净图像和j张水印图像一起输入第t-1轮联合去除器，第t-1轮联合去除器输出j张干净恢复图像和j张水印恢复图像； 步骤B4.2：将步骤B4.1的j张干净恢复图像和j张水印恢复图像一起输入第t轮中间判别器，第t轮中间判别器输出每张干净恢复图像和每张水印恢复图像的预测结果，合计2j个预测结果； 步骤B4.3：采用二元交叉熵损失函数计算得到步骤B4.2的2j个预测结果与步骤B3.1的j张干净图像和j张水印图像的真实标签间的二元交叉熵损失； 步骤B4.4：计算得到步骤B4.3的二元交叉熵损失相对于第t轮中间判别器的参数的梯度，根据第t轮中间判别器的参数的梯度，采用梯度下降策略更新第t轮中间判别器的参数，得到第t轮联合判别器； 步骤B5：对第t-1轮联合去除器进行对抗训练，具体过程为： 步骤B5.1：对步骤B3.1的j张干净图像添加高斯噪声，得到j张高斯噪声图像； 步骤B5.2：将步骤B5.1的j张高斯噪声图像和步骤B3.1的j张水印图像一起输入第t-1轮联合去除器，第t-1轮联合去除器输出j张干净恢复图像和j张水印恢复图像； 步骤B5.3：计算得到步骤B5.2的j张干净恢复图像与步骤B3.1的j张干净图像间的均方差损失； 步骤B5.4：计算得到步骤B5.2的j张干净恢复图像与步骤B3.1的j张干净图像间的感知损失； 步骤B5.5：将步骤B5.2的j张水印恢复图像输入第t轮联合判别器，第t轮联合判别器输出j个预测结果； 步骤B5.6：采用二元交叉熵损失函数计算得到步骤B5.5的j个预测结果与j个0间的二元交叉熵损失； 步骤B5.7：将步骤B5.3的均方差损失、步骤B5.5的感知损失与步骤B5.6的二元交叉熵损失进行加权求和，得到总损失； 步骤B5.8：计算得到步骤B5.7的总损失相对于第t-1轮联合去除器参数的梯度，根据此时得到的梯度，采用梯度下降策略更新第t-1轮联合去除器的参数，得到第t轮联合去除器； 步骤B6：判断t的当前值是否等于总训练轮数T，如果是，则联合训练完成，得到训练完成的去除器，如果否，则先采用t的当前值加1的和更新t的取值，然后返回步骤B3。

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宁波大学，其通讯地址为：315211 浙江省宁波市江北区风华路818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”。

以上内容由龙图腾AI智能生成。