中山大学|基于模板增强提取网络的鲁棒图像同步水印方法(TCSVT 2024)

文摘   2024-11-15 09:00   北京  


一、方法简介


一种有效的鲁棒水印方法应该能够抵抗各种图像失真,包括图像处理失真和几何攻击失真。其中几何攻击会破坏嵌入端和提取端水印的同步性,是水印方法中面临的重大挑战。实现水印同步是水印方法成功提取水印的关键。为了解决水印同步问题,我们提出了一种具有同步特性的鲁棒水印方法。在嵌入端,通过嵌入水印和模板,生成水印图像。如果水印图像受到攻击,水印和模板也会发生变形。在水印提取端,提出了一种模板增强提取网络实现水印同步。模板增强提取网络能有效地从变形水印图像中提取出变形模板。模板增强子网可以间接增强扭曲图像中扭曲模板的强度,提高模板提取子网的精度。同时,由于不需要嵌入高强度的模板,水印图像的视觉质量自然得到了保证。最后,根据变形模板对攻击因子进行预测。并通过利用这种预测恢复水印状态,实现水印同步和水印提取。

图1. 基于模板增强-提取网络的水印同步算法框架


图2. 模板增强-提取网络结构图


二、实验评估


表1不同水印方法生成水印图像的视觉质量


表2 不同水印方法在组合攻击下的鲁棒性比较


图3. 通过模板增强-提取网络增强后的效果图


所提方法在水印图像的 PSNR 和 SSIM 这类客观视觉质量评价指标上都明显优于对比的方法。同时,实验结果充分说明了所以方法除了在图像处理下,与前沿方法有着十分接近甚至相同的高鲁棒性,在几何攻击和两者的组合攻击下都具有明显领先的高鲁棒性。验证了所提的水印同步算法在各类攻击下的有效性。

三、论文信息


相关工作已在IEEE Transactions on Circuits and Systems for Video Technology在线发表,作者为中山大学的王可、吴绍武、卢伟(通讯作者), 阿里巴巴安全部的尹晓琳、杨锐以及数学工程与高级计算国家重点实验室的罗向阳。

Ke Wang, Shaowu. Wu, Xiaolin. Yin, Wei Lu, Xiangyang Luo and Rui. Yang, "Robust image watermarking with synchronization using template enhanced-extracted network," in IEEE Transactions on Circuits and Systems for Video Technology, doi: 10.1109/TCSVT.2024.3474029.




供稿:王可、卢伟,中山大学计算机学院网络空间安全研究所    


隐者联盟
本公众号主要推介多媒体、人工智能、信息安全等方面的最新研究进展,愿与同行携手,共同推动科学研究向前发展。
 最新文章