注意力机制和自编码器构造的零水印算法
零水印技术为保护图像版权的有效手段之一.然而,现有的许多零水印算法大多采用传统的数学理论进行人工提取特征,在结合神经网络进行图片特征提取的零水印方向上并没有广泛研究.目前神经网络在图像特征提取上已经取得了很好的成绩,充分利用卷积自编码器和注意力机制,提出了一种用于构造零水印的深度注意自编码器模型(attention mechanism and autoencoder,AMAE).首先是利用带有注意力的卷积神经网络构建自编码器,然后对自编码器进行训练;其次,利用训练好的编码器输出的特征构造图像的整体特征;最后,将获得的特征图进行二值模式处理得到特征二值矩阵,再与水印图像异或运算得到零水印,并在知识产权信息数据库进行注册,零水印一旦注册,原图像便处于水印技术的保护下.在训练过程中,借鉴对抗训练的思想,对模型进行加噪训练,这提高了模型的鲁棒性.实验结果表明,本文的零水印算法在旋转、噪声和滤波等攻击下,提取水印图像与原水印图像的归一化系数(normalized correlation,NC)值均超过0.9,证明了提出算法的有效性和优越性.
自编码器、零水印、鲁棒性、注意力机制、对抗训练、深度学习
31
TP391;P412;TP181
国家自然科学基金;国家自然科学基金;广东省农业厅省级乡村振兴战略专项;广东省基础与应用基础重大项目;广东省基础与应用基础重大项目;广州市科技计划
2022-09-20（万方平台首次上网日期，不代表论文的发表时间）
共8页
257-264
