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！

申请/专利权人：南京财经大学

摘要：本发明公开一种面向版权保护的图像零水印方法、装置及介质，所述方法包括：构建零水印生成网络；训练零水印生成网络；基于训练好的零水印生成网络，根据获取的待保护的图像和对应版权信息完成版权注册；基于训练好的零水印生成网络，根据获取的版权存疑图像和对应版权信息完成版权检测。本发明充分利用了自监督学习以及深度卷积网络在特征提取方面的特性，解决了相似版权导致的零水印碰撞性问题，使得相似版权针对同一幅图像生成的零水印具有较大的差异，同时也保证生成的零水印具有较强的鲁棒性，能够对遭受各类攻击的图像确定其版权归属。

主权项：1.一种面向版权保护的图像零水印方法，其特征在于，所述方法包括：构建零水印生成网络；训练零水印生成网络；基于训练好的零水印生成网络，根据获取的待保护的图像和对应版权信息完成版权注册；基于训练好的零水印生成网络，根据获取的版权存疑图像和对应版权信息完成版权检测；所述零水印生成网络包括一个弱噪声层、一个强噪声层、两个深度卷积网络以及两个多层感知机，所述两个深度卷积网络分别为第一深度卷积网络和第二深度卷积网络，所述两个多层感知机分别为第一多层感知机和第二多层感知机；所述零水印生成网络的输入包括图像X和版权信息W，所述图像为任意格式的图像内容，所述版权信息为任意能标识版权来源、所有者信息的版权内容，所述版权信息包括编码序列、文本、图标、图像、视频以及语音中的任一形式；所述图像X经过所述弱噪声层得到第一图像Xw，此后所述第一图像Xw有两个分支；第一个分支将第一图像Xw输入所述第一深度卷积网络得到第一特征图Xw-N，将所述版权信息W输入第二深度卷积网络得到第二特征图W-N，将第一特征图Xw-N和第二特征图W-N进行张量连接，再输入所述第一多层感知机中得到第三特征图Pw，将所述第三特征图Pw再输入所述第二多层感知机得到版权编码Yw；第二个分支将第一图像Xw输入所述强噪声层得到第二图像Xs，将所述第二图像Xs输入所述第一深度卷积网络得到第四特征图Xs-N，将所述第四特征图Xs-N和所述第二特征图W-N进行张量连接，再输入所述第一多层感知机中得到第五特征图Ps，将所述第五特征图Ps再输入所述第二多层感知机得到版权编码Ys；所述基于训练好的零水印生成网络，根据获取的待保护的图像和对应版权信息完成版权注册，具体包括：获取待保护的图像和版权信息；将所述待保护的图像输入第一深度卷积网络得到第一张量，将所述版权信息输入第二深度卷积网络得到第二张量，将所述第一张量和所述第二张量进行连接，并将连接后的第一张量和第二张量输入第一多层感知机，得到特征图；对所述特征图进行二值化，其中二值化的阈值设为所述所述特征图的平均值；对二值化后的特征图进行置乱，置乱的密钥设为key，置乱后的结果ZW为生成的零水印；存储key和ZW作为版权记录，完成图像的版权注册。

全文数据：

权利要求：

百度查询： 南京财经大学 面向版权保护的图像零水印方法、装置及介质